基于EMD相关去噪的风电机组振动噪声抑制及特征频率提取

针对风电机组振动信号同时受背景白噪声和短时干扰噪声的影响,使得早期微弱故障特征频率难以提取的问题,提出一种结合经验模态分解(EMD)、相关性分析和小波包变换(WPT)的振动信号噪声抑制及故障特征频率提取方法(EMD相关去噪-WPT)。该方法首先利用EMD分解振动信号得到能表征不同频率的固有模态函数(IMF),然后筛选表征故障特征频率的IMF,并重构得到故障特征信号;其次,利用自相关分析去除重构信号中噪声的影响;最后,结合小波包变换(WPT)提取去噪重构振动信号中的特征频率。为了验证所提方法的有效性,以实测和模拟的双馈风电机组轴承故障振动信号为例,对轴承振动信号分别利用小波包变换(WPT)、EMD相关去噪-WPT、小波硬阀值-WPT方法进行特征频率提取分析。通过不同特征频率提取方法比较表明,所提出的基于EMD相关去噪-WPT特征频率提取方法,能够更有效地抑制背景白噪声和短时干扰噪声的影响,提取出早期微弱故障特征。     

基于IWOA-VMD的永磁同步电机匝间短路故障振动信号去噪方法

针对永磁同步电机(permanent magnet synchronous motor, PMSM)匝间短路故障振动信号易受噪声干扰导致故障特征难以准确提取的问题,提出一种改进鲸鱼优化算法(improved whale optimization algorithm, IWOA)优化变分模态分解(variational mode decomposition, VMD),并将其应用于PMSM匝间短路故障振动信号去噪。首先在传统鲸鱼优化算法中引入非线性收敛因子、自适应权重和柯西算子,利用IWOA算法对VMD参数进行寻优来实现信号的自适应分解。然后根据多尺度排列熵-方差贡献率最优模态分量选取原则将信号分量分为噪声主导分量和有效信号分量,对噪声主导分量进行非局部均值滤波(non-local mean filtering, NLM)去噪。最后将去噪分量与有效信号分量重构为去噪信号。使用ANSYS有限元软件建立了电机短路故障模型,并搭建了短路故障实验平台,利用该方法对仿真与实测信号进行去噪处理,并与小波阈值去噪等去噪方法进行对比分析,得出仿真信号的信噪比从8 dB提升至20.273 8 dB,实测信号的信噪比相较于小波阈值去噪提高了77.01%,验证了所提方法的有效性和实用性。     

基于SVD分解和小波去噪的振动位移提取∗

针对奇异值分解提取振动位移信号中存在白噪声的问题,提出采用小波去噪的方法进行信号去噪处理.首先采用奇异值分解提取图像序列中的振动信息;然后采用小波去噪方法进行去噪处理,针对传统固定阈值会导致每层小波分解系数做同样处理的问题,提出了一种改进型阈值;最后通过对比不同小波函数的去噪效果,确定最优小波函数.仿真和实验结果表明,该方法是有效的.     

基于双树复小波变换的配电网故障选线

在对配电网故障信号进行处理的过程中,为了减少噪声的影响,将应用于心电信号处理的双树复小波变换用于配电网故障选线,并结合暂态小波能量的改进算法,提出了一种小电流接地系统故障选线新方法。首先将各线路暂态零序电流进行双树复小波变换,得到小波分解系数并计算小波能量。根据电压峰值附近故障和过零点附近故障的信号能量谱特征,通过设定阈值分别比较小波高频能量和低频能量。利用Simulink进行大量仿真,结果表明:与传统离散小波变换相比,双树复小波变换去噪更彻底,而且不受故障合闸角、过渡电阻及系统运行方式等因素的影响,可以快速准确选线。     

一种改进小波阈值的电力线通信信号消噪方法

电力线通信信号包含大量噪声干扰,这些噪声严重干扰电力线通信,为此,提出一种改进阈值法和平移不变小波相结合的消噪方法.该方法对含噪的电力线通信信号进行小波分解,对分解后不同尺度下的小波信号进行平移不变并同时按改进阈值法进行处理,最后重构信号.以实测信号为例,提取去噪前后信号波形和误码率2个特征量,与传统消噪方法相比较,结...     

小波包分析和BP神经网络在滚动轴承故障模式识别中的应用

根据滚动轴承振动信号的不同故障模式在频域能量分布中的差异性,提出了基于小波包分解与重构和BP神经网络的轴承故障模式识别技术。论文首先对轴承振动信号进行小波包三层分解,完成了振动信号在空间的完整拆分,同时得到了第三层由低频到高频的小波包分解系数,再依据小波包分解系数分别重构各频段的信号,并提取信号各频段的能量。然后利用信号各频段的能量组成的特征矢量作为BP神经网络的输入样本,对BP神经网络进行训练,获得不同故障模式识别网络模型,最后利用测试数据对建立起来的BP神经网络模型进行检验,通过BP神经网络判别滚动轴承的故障类型。实验结果证明,采用小波包分解与重构和BP神经网络相结合的方法可以比较准确地识别滚动轴承的故障。     

基于小波去噪的配电网C型行波故障测距

对于配电网C型行波测故障测距方法,通常将故障相和非故障相的电压差作为测量信号进行故障测距。但是对于实际配电网系统,分支对信号的衰减和噪声的干扰常使测量信号湮没在噪声中,使得算法失效。提出一种基于小波重构的配电网行波去噪方法,利用小波分析对信号进行多尺度分解、重构去噪提取故障信号。与传统的去噪方法相比,去掉了信号高频部分,减小了在实际配电网中由于噪声对测量信号行波波头提取的影响,仿真结果表明该方法的正确性。采用PSCAD/EMTDC仿真软件,建立中性点非有效接地的系统仿真模型,仿真结果表明基于小波去噪的配电网C型行波故障测距的可行性。     

非线性信息融合技术在火力发电机组故障诊断中的应用

火力发电机组的振动信号往往是多种振源信号的非线性混叠,由此给火力发电机组故障诊断中特征信号的提取与分析带来了强烈的干扰。针对此问题,提出了基于小波-非线性独立分量分析(independent componentanalysis,ICA)的火力发电机振动信号非线性盲分离与特征提取新方法。首先,利用小波去噪技术消除加性噪声的影响;然后,通过径向基函数(radial basis function,RBF)神经网络,并结合线性ICA算法估计去噪信号的非线性混合解混函数,实现信号的非线性盲分离,得到火力发电机振动故障的关键信号源;最后,利用小波包分解提取分离信号的统计特征并作为识别损伤状态的有效参数,应用RBF神经网络分类器对火力发电机故障类型进行智能识别。对某发电站的火力发电机实际故障振动信号进行实验分析,结果表明,所提出的非线性盲分离模型能够从含有加性噪声的非线性振动源混合观测信号中提取故障振动源,得到故障信号的可靠特征,取得较好的故障诊断效果,且故障检测精度比线性盲分离技术提高了4.4%以上。     

基于改进的小波阈值的电能质量信号去噪

对于暂态的电能质量信号的监测,研究了一种用最大后验估计的双树复小波变换对电能扰动信号进行去噪高效算法。首先运用最大后验估计对扰动信号的改进的小波阈值进行去噪预处理,然后对于不同分解层的细节系数噪声方差和信号方差进行估算,并且运算出不同分解层阈值,从而得出去噪阈值。仿真实验结论表明:所提出算法步骤简单,计算速度快而且易于实现,去噪效果理想,具有很好的应用前景。     

基于小波阈值的局部放电去噪新方法

针对局部放电信号去噪,传统的小波阈值法因小波基、阈值和分解层数这三个因素的影响,会使去噪后的波形发生畸变,产生较大误差。为了减小这些因素的干扰,本文提出了基于小波阈值去噪的新方法。首先利用波形相似法选取最优小波基,其次通过对理想局部放电信号和高斯白噪声进行每个尺度的小波分解与重构,并结合统计学知识确定局部放电信号去噪的阈值,最后对高频信号和低频信号进行能量分析,确定最优的分解层数。利用该方法和传统的小波阈值法对仿真放电信号去噪,去噪结果表明新方法在信噪比、均方根误差、相关系数和波形畸变率四个不同的指标上都得到了有效的提升,定性和定量的分析验证了该方法的有效性,实测的去噪结果表明新方法去噪效果令人满意,为局部放电信号去噪提供了一种新思路。     

小波和能量特征提取的旋转机械故障诊断方法

转子系统和轴承是旋转机械中的关键零部件,其长期处于高速、满负荷运行极易出现故障。基于振动信号处理的诊断方法具有可在线、实时诊断的特点,针对频谱分析对非线性振动信号故障特征提取的不足,研究小波包对振动信号进行特征提取。由于传统软、硬阈值量化方法在阈值处分别存在恒定偏差和不连续的问题,设计了一种参数可调的改进连续函数对阈值进行量化。系统首先对振动信号进行小波包分解与去噪,然后采用小波包能量特征提取方法完成对旋转机械的转子不平衡故障、不对中故障、转子动静碰摩故障进行有效诊断。测试结果表明,轴承出现不同故障时,通过小波包分解后不同子带能量的不同,可用模式识别方法有效进行故障识别。     

基于第2代小波的水电机组振动信号预处理

传统的小波去噪效果与选用的小波基函数有关，小波基函数选择不当会把信号的有用成分当成噪声去掉，给故障诊断造成困难。而基于提升算法的第2代小波变换可以通过设计预测系数和提升系数获得具有某种特性的小波基函数。文中提出采用基于提升算法的第2代小波变换来进行水电机组振动信号的去噪处理，通过分析提升算法的基本原理，使用第2代小波对水电机组振动信号在不同分辨率下进行分解处理，并使用阈值处理小波分解的细节系数，将处理过的细节系数和近似系数一起重构信号。仿真结果表明，采用第2代小波变换要优于传统小波变换的去噪效果，第2代小波在信号处理中有广阔的应用前景。     

GIS局部放电检测中的小波包变换提取信号

在介绍小波包变换算法的基础上，将小波包变换用于白噪声干扰下的气体绝缘组合电器(GIS)局部放电信号提取。对模拟的局部放电信号进行了小波包分解与重构的计算机仿真研究，分析了不同的局部放电波形、噪声水平及采样率对去噪结果的影响，最后对GIS内置传感器实测波形进行了小波包变换去噪。     

GIS局部放电检测中的小波包变换提取信号

在介绍小波包变换算法的基础上，将小波包变换用于白噪声干扰下的气体绝缘组合电器（GIS）局部放电信号提取。对模拟的局部放电信号进行了小波包分解与重构的计算机仿真研究，分析了不同的局部放电波形、噪声水平及采样率对去噪结果的影响，最后对GIS内置传感器实测波形进行了小波包变换去噪。     

基于改进CEEMDAN和小波阈值的雨声信号去噪算法研究

为了从混杂着各种噪声的雨声信号中提取到较为纯净的雨声信号，本文提出基于改进完全自适应噪声集合经验模态分解（CEEMDAN）和小波阈值相结合的雨声信号去噪方法。方法引入互相关函数寻找CEEMDAN的最优分解层数F值，并通过CEEMDAN算法按最优分解层数F层分解，将信号分解成多个频率由高到低的本征模态分量（IMF）;利用小波阈值，滤除高频IMF分量中的噪声分量，最后将去噪后的高频IMF分量和未经去噪的低频IMF分量进行信号重构，提取出较为纯净的雨声信号；实验表明，本文选用方法的去噪效果相对于经验模态分解（EMD）去噪算法、小波阈值去噪算法等传统方法具有一定的优势，去噪后的雨声信号能够准确反映出环境雨情的特征，提高雨情分析的精确度。     

基于ITD和改进小波阈值的超声检测信号去噪

超声检测信号是一种非线性、不平稳信号,且由于材料结构的复杂性,超声回波信号往往存在很多干扰噪声。针对钢制结构中平底孔的超声检测信号传统小波去噪方法的不足,提出固有时间尺度分解(ITD)和小波阈值去噪相结合的方法对信号进行去噪处理。通过将带噪声的原始检测信号进行ITD分解,获得一系列固有旋转分量(PRC)和一个单调趋势项,去除高频分量后重构部分主要的PRC分量,然后采用改进阈值的小波软阈值方法对其进行去噪,该方法融合了小波去噪和ITD方法的优势,信噪比、均方根误差和相关性等参数都比较满意,去噪效果明显。     

汽轮机碰摩故障信号频带能量特征研究

对汽轮机碰摩故障的非线性振动信号用小波包分解的方法进行了研究。在Bently转子实验台上模拟轻微碰摩和碰摩加剧两种故障状态,采用db3小波基函数进行小波包分解,进行了各频带的能量特征分析和各频带重构信号的特点分析,实现了对确定碰摩故障程度频带的提取。     

小波去噪与压缩在电厂设备中的应用

为解决600 MW发电机组辅机设备噪音振动数据占用大量存储空间及缓解其数据传送压力问题,针对噪音振动数据的特点提出了一种基于小波阈值去噪和最优小波包压缩的压缩算法。新算法针对小波软硬阈值函数的不足,提出了新的阈值函数对噪音振动数据进行去噪;新算法使用相关系数法获取最优的小波基。仿真表明,改进阈值函数相对原阈值函数在保留高频原始信号的能力和去噪能力方面都有增强;使用改进阈值函数去噪后,小波包压缩能完整的重构信号。最优小波包压缩与改进阈值去噪算法已初步应用于岳阳电厂辅机设备的数据压缩,算法对节省硬盘容量、保护硬盘及高效的数据传送有着重要的作用。     

基于最优小波包基的电动机故障信号的消噪与检测

现场采样获得的电动机故障信号通常会含有很多的噪声，如果对噪声不能加以有效地消除。那么故障特征信息的提取将会受到很大的影响。该文通过对基于shannon熵的最优小波包基的快速搜索算法的探讨，提出了基于最优小波包基的电动机故障信号的消噪与检测方法，通过实例分析，验证了基于最优小波包基的信号消噪声效果要优于小波方法或普通小波方法的消噪效果，通过对消噪后的故障信号进行分析，提取出了故障特征信息，检测结果表明，在故障检测前先采用最优小波包基方法对故障信号进行消噪，有利于提高电动机故障检测的准确性。     

局放脉冲信号的三种小波去噪方法的研究

介绍了三种小波去噪的方法:小波分解与重构法、非线性小波阈值法、小波模极大值法,分析了各自的特点和优劣.针对从高斯白噪声中提取的局部放电脉冲信号给出了仿真试验结果.为局部放电脉冲信号检测方法的选择提供了参考依据.