共查询到20条相似文献,搜索用时 125 毫秒
1.
2.
3.
《动力工程学报》2017,(11):883-889
针对汽轮发电机组转子故障振动信号为多分量非平稳信号,将一种新的信号分解方法——自适应局部迭代滤波(ALIF)用于转子故障振动信号分解,并与希尔伯特变换(HT)相结合,提出了基于ALIF-HT的汽轮发电机组转子故障诊断方法:首先对转子原始振动信号进行ALIF得到若干信号分量,再应用HT求取每个分量的瞬时频率,获取原信号全部信号分量的完整时频表示,最后根据转子故障振动信号的时频特征判别转子的故障类型.通过仿真信号分析验证ALIF对多分量信号的分解能力,并利用转子油膜失稳故障分析验证该方法的工程实用性.结果表明:ALIF方法能够有效克服经验模态分解(EMD)存在的模态混叠问题,使得ALIF-HT方法相对于希尔伯特黄变换(HHT)方法具有更高的时频分析精度. 相似文献
4.
小波变换在转子动静碰摩故障诊断中的应用 总被引:1,自引:1,他引:1
转子动静件碰摩时存在奇异性,而信号中的奇异点及不规则突变部分常带有比较重要的信息。利用小波变换具有空间局部化的性质,并通过一维小波变换工具对碰摩信号进行多尺度小波分解获取细节信号。从而对信号中的奇异点进行检测,明确地指出转子动静碰摩时奇异点的位置和奇异度的大小,为汽轮发电机组碰摩识别提供了有效的方法。 相似文献
5.
6.
7.
小波分析法在汽轮发电机转子绕组匝间短路故障诊断中的应用 总被引:3,自引:0,他引:3
提出了基于小波变换的汽轮发电机转子绕组匝间短路故障检测的一种诊断方法。这种方法是在探测线圈法的基础上,把小波变换用于突变信号的检测,对气隙中感应电势信号的故障特征进行提取和信号的消噪,可实现对发电机转子绕组匝间短路故障的检测。仿真实例表明,小波分析方法适合于转子绕组匝间短路故障的检测。图3参5 相似文献
8.
9.
10.
11.
12.
13.
风电机组一般采用滚动轴承支撑结构,滚动轴承不同故障模式对应的振动冲击间隔频率存在差异。为了准确地从振动信号中提取滚动轴承故障征兆,在分析风电机组滚动轴承故障机理、信号特征的基础上,提出了基于小波变换的风电机组滚动轴承故障KPI计算方法,首先对风电机组的振动信号进行小波变换及阈值去噪,并计算振动信号的小波能量谱分布图,然后以小波能量谱分布图的统计参数作为滚动轴承故障诊断的KPI,采用椭圆型判决函数法实现滚动轴承的故障诊断,现场实测信号的诊断结果验证了该方法的有效性。 相似文献
14.
风电机组一般采用滚动轴承支撑结构,滚动轴承不同故障模式对应的振动冲击间隔频率存在差异。为了准确地从振动信号中提取滚动轴承故障征兆,在分析风电机组滚动轴承故障机理、信号特征的基础上,提出了基于小波变换的风电机组滚动轴承故障KPI计算方法,首先对风电机组的振动信号进行小波变换及阈值去噪,并计算振动信号的小波能量谱分布图,然后以小波能量谱分布图的统计参数作为滚动轴承故障诊断的KPI,采用椭圆型判决函数法实现滚动轴承的故障诊断,现场实测信号的诊断结果验证了该方法的有效性。 相似文献
15.
基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断 总被引:4,自引:0,他引:4
为了充分提取基于内燃机振动信号形成的振动谱时频图像的二维时频信息,实现基于内燃机振动谱时频图像特征自动提取及识别,提出了一种基于EMD-WVD(EMD-Wign-er-Ville Distributions)振动谱时频图像SVM识别的内燃机故障诊断方法。该方法利用二进制小波对振动信号进行预处理,然后利用EMD-Wigner-Ville时频分布生成不同工况下振动信号的时频图像,并通过提取振动信号的EMD-WVD振动谱时频图像的不变矩特征形成诊断特征向量,利用一种基于类识别率排序的二叉树SVM分类器进行模式识别。在BF4L1011F型内燃机上进行了6种不同工况下气门故障模拟试验,诊断结果表明总体诊断正确率为98.57%。 相似文献
16.
针对强噪声干扰下柴油机失火故障难以诊断的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)与交叉小波变换(cross wavelet transform,XWT)的柴油机失火故障诊断方法。该方法首先通过VMD将缸盖振动信号进行分解、自适应消噪及信号重构,再利用XWT对任意两个连续工作循环信号进行时频相关分析,进一步消除振动信号中的干扰噪声以提取柴油机燃烧特征,最后通过计算时频空间各缸能量占比进行柴油机失火故障诊断。通过对仿真信号分析及柴油机失火故障诊断,结果表明:该方法可以消除强噪声干扰,提取柴油机燃烧周期瞬态振动冲击特征,有效地识别柴油机失火故障。 相似文献
17.
为解决风电机组传动链易发生故障的问题,文章阐述了风电机组齿轮箱特征频率的计算方法和基于振动信号分析的故障特征提取方法。结合实际情况,以行星级齿轮磨损、中间轴小齿轮崩齿、高速轴齿轮崩齿和发电机轴承电腐蚀等典型故障为例,通过齿轮箱特征频率和传动链典型故障振动信号基本特征分析,可较好地完成故障识别。结果表明,采用经典信号处理方法能对上述典型故障进行特征提取,验证了经典方法对单一、明显故障特征提取的有效性,为深入开展传动链故障特征提取方法研究奠定了基础,为风电机组故障检修维护提供了技术支撑。 相似文献
18.
19.
风力机齿轮箱振动信号是一种时频特性复杂的非平稳信号,常规的时域和频域分析方法难以有效的分析齿轮箱故障及提取故障特征。提出一种基于小波分析和神经网络的风力机齿轮箱故障诊断方法,该方法采用小波时频分析技术对风力发电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,为实现智能诊断提供故障特征值。应用BP神经网络进行故障识别,并采用LabVIEW和matlab软件予以实现。结果表明,该方法能有效提高风力发电机组齿轮箱故障诊断的准确性。 相似文献
20.
Based on the Morlet wavelet transformation and Wigner-Ville distribution (WVD), we present a wind turbine fault diagnosis method in this paper. Wind turbine can be damaged by moisture absorption, fatigue, wind gusts or lightening strikes. Due to this reason, there is an increasing need to monitor the health of these structures. Vibration analysis is the best-known technology applied in wind turbine condition monitoring, in which the time-frequency analysis techniques such as Wigner-Ville distribution (WVD) are widely used. Theoretically WVD has an infinite resolution in time-frequency domain. For early wind turbine fault signals, however, there are two main difficulties in WVD analysis. One is strong noise signals in the background and the other is cross terms in WVD itself. In this paper, continuous wavelet transformation (CWT) is employed to filter useless noise in raw vibration signals, and auto terms window (ATW) function is used to suppress the cross terms in WVD. In the CWT de-noising process, the Morlet wavelet, whose shape is similar to mechanical shock signals, is chosen to perform CWT on the raw vibration signals. The appropriate scale parameter for CWT is optimized by the cross validation method (CVM). An ATW based on the Smoothed Pseudo Wigner-Ville distribution (SPWVD) spectrum is taken to be a window function to suppress the cross terms in WVD. The new method can not only remove cross terms faraway from the auto terms, but also keep high energy close to every instantaneous frequency, the virtues such as high time-frequency resolution, and good energy aggregation etc. The wind turbine gear fault diagnosis experiment results indicate that the proposed method has a good de-nosing performance and is effective in suppressing the cross terms and extracting fault feature. 相似文献