基于解析小波变换的变压器绕组模态参数识别

电力变压器绕组的模态参数与绕组结构振动特性、动力特性优化设计及振动故障诊断密切相关,考虑到传统的模态识别方法在获取变压器绕组这类非线性系统参数时的局限性,在对某10 kV实体变压器绕组进行轴向激振实验的基础上,引入复小波变换法对测试得到的振动信号进行分析,同时使用Crazy Climber算法提取小波脊线,得到变压器绕组的前三阶固有频率及其对应的阻尼比。计算结果与目前通用的频域识别方法Poly Max法识别结果的良好吻合说明计算结果的正确性。此外,计算结果表明基于小波变换的模态参数识别方法具有较强的抗干扰性能力,适合于分析变压器绕组这类复杂结果的模态参数。     

应用优化限制带宽经验模态分解法识别电力变压器绕组模态参数

电力变压器绕组的模态参数识别与绕组结构振动特性及其优化设计、绕组振动故障诊断密切相关,因此,准确识别电力变压器绕组的模态参数意义重大。根据某10 kV实体变压器绕组的轴向模态实验结果,提出一种基于粒子群的优化带宽限制经验模态分解算法对变压器绕组的模态参数进行识别。该方法首先在实测振动信号的经验模态分解中引入屏蔽信号,然后使用粒子群优化算法确定最佳的屏蔽信号频率,从而有效地抑制了现有经验模态分解算法中的模态混叠现象,提高了绕组模态参数的准确率。与目前通用的频域识别方法 PolyMax法的识别结果的对比结果表明:该方法能够准确地识别出变压器绕组的前四阶固有频率和阻尼比,且具有较强的抗干扰能力,适合于识别变压器绕组这类结构复杂的模态参数。     

基于复Morlet小波变换的大跨空间结构模态参数识别研究

摘 要 探讨了基于复Morlet小波变换的结构频率及阻尼比的识别方法,推导了基于小波变换系数的振型识别原理。为提高识别密集模态的精度,提出了基于最小标准差的小波中心频率及带宽的自适应选择方法。针对大跨空间结构具有低频密集模态以及难以实现用力锤或激振器来激励等特点,提出了自然激励法与小波变换相结合的模态参数识别方法。数值仿真及奥运场馆国家游泳中心现场实测数据分析表明,基于复Morlet小波变换的方法能有效识别低频密集模态参数。     

基于解析小波变换识别结构的模态阻尼参数

摘要: 在结构振动分析中,结构的模态参数尤其模态阻尼参数的准确识别是一项十分重要的任务。基于Gabor小波函数的解析小波变换(AWT)通过小波函数与复值信号的匹配机制揭示信号的幅频和相频信息以实现结构模态阻尼参数的识别。本文基于小波变换(WT)理论,讨论了Gabor小波函数的特性及解析小波变换的时频分辨率和端点效应问题;为实现结构模态阻尼参数的准确识别,我们提出了Gabor小波函数参数选取和有效信号长度确定的依据。最后,一个频率呈密集分布的三自由度(3DOF)结构的数值模拟数据验证了本文提出的模态阻尼识别方法的有效性。     

基于Morlet小波变换的模态参数识别研究

从卷积和Parseval定理的角度推导了小波变换系数的实用算法。以系统的自由响应数据为识别对象,给出了频率、阻尼比的参数识别方法,并重点给出了基于最小二乘法的振型识别技术。提出了基于改进Morlet小波的模态参数识别方法,对识别密集模态具有良好的效果。三自由度仿真算例表明,基于Morlet小波变换的模态参数识别技术能够以较高的精度识别出系统的频率、阻尼比和振型等模态参数。     

环境激励下基于改进经验小波变换的土木工程结构模态参数识别

针对经验小波变换(EWT)识别噪声信号模态参数时,由于傅里叶频谱易受噪声影响而频带划分不准确等问题,提出了一种基于Burg算法的自回归功率谱替代傅里叶频谱的信号频带划分技术,结合随机减量技术和基于Hilbert变换的单分量模态参数识别方法,提出了环境激励下基于改进经验小波变换的土木工程结构模态参数识别方法。典型模拟信号、美国土木工程师学会ASCE Benchmark数值模型以及台风激励下香港汀九斜拉桥的模态参数识别结果验证了方法的正确性、有效性和适用性。研究结果表明:基于自回归功率谱的信号频带划分技术,可更准确地估计信号频带边界,隔离噪声;基于改进EWT方法识别的结构模态参数更准确,精度高于基于小波变换的方法,且能有效地识别环境激励下实际土木工程结构的低阶自振频率和阻尼比。     

基于响应协方差小波变换和SVD的结构工作模态参数识别

对系统响应的协方差作小波的时频分解,利用信号互协方差与自协方差的小波变换系数的比值来识别结构的工作模态振型,由矩阵奇异值分解(SVD)从小波变换时频分析结果确定小波脊,通过实际结构多测点数据,利用小波系数比值来反映振型,识别结构各阶工作模态参数(固有频率、阻尼比和振型)。用数值模拟算例和实桥环境振动试验数据对方法进行了验证,并与频域峰值法和时域随机子空间识别方法结果进行了比较,结果表明,该方法可以准确地识别出结构的工作模态参数,特别是阻尼和振型的识别。     

基于神经网络预测与小波变换的结构非线性振动参数识别

首先介绍利用复Morlet小波变换进行结构非线性振动模型参数识别的原理,进而分析了因小波变换过程中的边端效应以及在采样点较少情况下复Morlet小波变换对非线性模型参数识别准确性的影响。然后提出了利用BP神经网络对非线性模型参数识别的信号进行预测延拓,并基于预测后的信号进行参数识别。最后通过对两种非线性振动模型进行数值仿真,验证了该方法能很好的提高非线性模型参数识别的准确性,并且具有一定的抗噪能力。     

基于经验小波变换的变压器绕组结构衰退特征提取方法

根据变压器绕组物理结构建立多自由度数学模型,得到绕组自由振动解析解,建立结构参数与绕组状态之间的关系。在此基础上,利用经验小波变换提取不同固有频率对应的振动衰减曲线,并利用希尔伯特变换提取机械结构参数。实验采用一台三相110 kV变压器的绕组单元,通过调整压紧力大小模拟绕组结构衰退过程,施加机械冲击并采集不同位置的振动响应信号。实验结果表明,经验小波变换能快速有效地得到绕组结构模态信息,且绕组冲击响应中包含的机械结构参数能正确区分绕组结构状态。在现场测试中,对比分析不同状态变压器在下电过程中产生的振动。结果表明,该研究提出的绕组结构特征提取方法不仅有明晰的物理意义,而且有重要的工程应用价值。     

运用小波分析方法进行结构模态参数识别

结构的模态参数反映了结构自身特性，是基于动态特性的结构损伤识别和健康评估的重要因子。本文首先介绍了环境激励下基于小波分析的模态参数识别方法，针对土木工程结构的前几阶自振频率处于低频区域以及环境激励下结构响应信号信噪比很低的特点，着重论述了采用小波方法抑制原始测量信号中的高频成分（即噪音），从而突出结构低频特性的降噪处理方法的基本原理。通过比较传统傅里叶变换、短时傅里叶变换和小波变换三种方法对一实际高层建筑结构现场测试信号的处理结果以及有限元分析结果，认为小波分析方法可以更精确、更有效地识别工程结构的模态参数。     

基于振动分布特征的电力变压器绕组故障诊断

振动分析法是实现电力变压器带电监测与故障诊断的重要手段,而基于振动分析法的故障诊断方法的关键在于从复杂的油箱壁振动信号中提取出状态特征(值或矢量)。传统的状态特征提取方法大多选取单个测点的振动信号进行时域或频域特征的提取,往往忽略了各测点间的振动分布特征。从振动重心的角度对振动分布的幅值重心及重心轨迹进行研究与分析,能够提出四个量化参数。在四个量化参数的基础上结合支持向量机分类算法提出基于振动分布特征的变压器绕组故障诊断模型。实际变压器的绕组故障实验以及十余台台电力变压器现场实测数据样本的分析与测试结果均表明,提出的振动分布特征及量化参数能够有效反映变压器绕组变形、压紧力松弛等机械结构变化,而基于振动分布特征的绕组故障诊断模型也可准确的对变压器绕组机械结构状态进行检测与诊断。     

基于HHT-RDT算法的高拱坝泄流结构工作模态识别方法

根据高拱坝泄流结构自身的工作特点,为准确辨识环境激励下的结构模态参数特征,提出了一种基于改进的HHT-RDT算法的高拱坝泄流结构工作模态识别方法。以某高拱坝原型振动响应测试资料为基础,利用改进的小波阈值-EMD算法对原始信号进行降噪预处理,滤除干扰噪声的同时保留有效特征信息;采用HHT-RDT算法识别高拱坝泄流结构的工作模态参数,运用带通滤波对振动响应信号的EMD过程进行控制得到结构的各阶模态分量,利用RDT法提取各阶模态分量的自由衰减信息,识别出高拱坝泄流结构系统的固有频率及阻尼比。工程实例表明,该方法避免了复杂系统定阶过程,有效提高结构振动响应工作模态识别精度,为辨识高拱坝泄流结构的工作模态参数提供捷径。     

航空发动机整机振动信号分析

为了解决航空发动机的整机振动分析问题,提出一种基于谐波小波的振动信号分析方法。首选对振动信号进行谐波小波变换,得到信号的时频表示;根据时频图提取信号特征,得到信号的特征频率;根据与基频信号的对比,识别发动机的振动故障类型。实验结果表明,该方法可以准确地识别出发动机的三种典型振动故障。与传统基于小波分析方法相比,基于谐波小波的方法具有更准确的振动故障特征识别能力,适用于振动信号的分析。     

一种基于小波变换与奇异值分解对振动系统模态频率进行识别的新方法

针对从受噪声污染的脉冲响应信号和快速正弦扫频响应信号中识别振动系统的单模态和密集多模态的频率问题，将小波变换与奇异值分解（SVD）滤波相结合，利用基于小波变换的能量分布函数，为了提高对密集模态和含有噪声信号的识别效果，对该能量分布函数求n次方，再进行奇异值分解后，根据奇异值，求出主要分量，然后通过主要分量对应的n次方尺度图或频率计算公式，识别出模态的频率。仿真结果证明了该方法的有效性和可行性。     

基于多尺度高阶奇异谱熵的信号特征提取方法

提出了基于变分模态分解(VMD)的高阶奇异谱熵的特征提取方法,并应用在滚动轴承故障诊断中。首先,使用4阶累积量切片代替奇异谱熵分析(SSEA)的协方差矩阵,引入VMD分解实现方法多尺度化,提出信号多分辨高阶奇异谱熵分析(M-HSSEA)方法;通过信号分析,VMD解决了模态混叠的问题,且能够实现信号滤波,同时该方法提取的熵特征向量增强了相空间重构参数鲁棒性;通过和小波奇异谱提取特征的方法对比,结果表明所提出的方法在克服频率混叠现象,提取的特征点总体离散度小等方面更具优势;最后,结合深度信念网络分类器实现了对故障的分类,实验结果验证了所提方法的有效性和可行性。     

环境激励下大型桥梁模态参数识别的一种方法

提出一种依据环境激励下结构振动响应的大型桥梁模态参数识别方法,该方法以限制带宽的经验模态分解（BREMD）和随机子空间识别（SSI）为基础,首先利用EMD将环境振动响应分解成一系列只含结构某一阶固有模态的本征模态函数（IMF）,然后利用SSI识别桥梁模态参数。针对大型桥梁自振频率低、模态密集的特点,引入屏蔽信号限制EMD过程中带宽以消除模态混叠;运用该法识别了赣龙铁路某特大桥的模态参数,并将其与峰值拾取法、SSI识别结果以及理论计算值进行对比,结果表明：该方法能有效的识别大型桥梁模态参数,屏蔽信号的引入解决了模态混叠问题,稳定图中的虚假模态得到抑制。     

基于非平稳循环特征极坐标增强的曲轴轴承磨损故障诊断

曲轴轴承早期磨损故障特征微弱且呈现非平稳循环特征,提出一种非平稳循环特征极坐标增强方法。利用连续小波变换对发动机振动信号进行处理,然后根据发动机工作过程与配气相位的关系对于每一工作循环数据进行等角度采样,将信号特征由直角坐标系映射到极坐标系并进行同步增强,并利用模糊C均值聚类对故障特征参数进行分类识别。仿真信号的分析对比显示了该方法能够削弱噪声干扰,突出信号特征。运用此方法对某型发动机曲轴轴承磨损信号进行分析,有效地提取了曲轴轴承磨损特征信息,准确识别了曲轴轴承不同磨损故障。     

一种水电厂房振动模态参数识别方法

水电厂房的振动是机械力、电磁力、水力脉动共同作用的结果,其动荷载很难测得,结构模态参数识别的难度不言自明。为解决以上困难,提高厂房结构振动模态参数识别的精度,在厂房结构各种荷载未知的情况下,将突然停机工况下动荷载释放后的振动信号,利用随机减量法提取自由衰减信号成分,以基于ARMA模型参数识别法实现了对某大型水电站厂房低阶模态参数的识别。识别结果表明,随机减量法和ARMA联合分析方法是解决大型复杂厂房结构动态参数识别的有效方法,识别结果可用于结构物的健康监测和振动控制中,同时该方法在大型水电站厂房振动模态参数的在线识别领域中具有广阔的工程应用前景。     

基于VMD和SVD的柴油机气门间隙异常特征提取研究

为有效地从柴油机缸盖表面振动信号中提取气门间隙故障特征,提出一种基于变分模态分解(VMD)和奇异值分解(SVD)的特征提取新方法。采用VMD算法对缸盖振动信号进行分解,利用所得的模态分量构建特征矩阵;接着应用SVD理论将特征矩阵转变为表征频率特性的奇异值序列,探讨了稳定工况下的奇异值序列与不同气门间隙状态之间的关系;由于转速、负荷等工况的改变对信号特征层的影响与故障所引起的信号特征的改变可能非常相似,因此将奇异值序列作为特征参数,输入到随机森林分类器中,构建分类模型,对柴油机变工况下的气门间隙故障进行诊断。实验结果表明:该方法能有效识别气门间隙故障,突出故障敏感特征;与传统基于Hankel矩阵和小波包系数矩阵的SVD特征提取方法相比,该方法所提特征参数在柴油机变工况条件下具有更高的识别率。