小波包分析在汽轮机转子振动故障诊断中的应用

针对汽轮发电机组振动的频谱特点,提出了基于小波包变换的汽轮机转子振动故障诊断方法,它较一般的小波变换更能反映振动信号所包含的频谱成分及能量。根据Bently实验台所采集的4种典型汽轮机转子振动故障信号,运用小波包分析方法对其进行能量分析并提取故障特征。实验分析表明,基于小波包分析与信号能量分解的故障特征提取方法,可以获得汽轮机转子振动的故障状况;根据不同故障发生时的频谱特征,识别出不同的故障,从而进行汽轮机转子振动故障诊断。该方法比基于Fourier变换的故障特征提取方法更有效,适合于机械故障诊断。     

汽轮机转子振动故障诊断新方法

文章提出了基于小波包分析和人工免疫的汽轮机转子振动故障诊断的新方法。在本特利实验台上模拟碰摩、不对中、不平衡三种典型汽轮机转子振动故障,用该方法对其进行诊断,诊断结果表明该方法有效。     

小波包-神经网络在汽轮机转子故障诊断的应用

根据汽轮机转子振动信号特点,提出了小波包分析和概率神经网络相结合的故障诊断方法。利用小波包对故障信号进行分解,然后将归一化后的数据用于概率神经网络,从而对信号特征及其故障类型建立非线性映射,实现故障诊断。MATLAB的实验仿真表明,小波包分析和概率神经网络的结合在汽轮机转子常见故障的诊断中是很有效的。     

Lyapunov指数在转子剩余寿命预报中的应用

应用相空间重构方法,通过计算裂纹转子推动响应的实测时间序列数据的最大Ｌｙａｐｕｎｏｖ指数,研究转子剩余寿命的可预报性问题,给出了其原可预报时间尺度。在此基础上,建立了基于自适应人工神经元网络的转子剩余寿命预报方法,并用实例验证了所提方法的有效性。     

小波包分解在发电机组转子振动故障诊断中的应用研究

为研究发电机组转子振动问题,从转子实验台上得到几种典型振动信号,分别进行了小波包分解和能量特征提取;并与海南某电厂燃气轮发电机组的现场振动信号进行了对比和研究。结果表明,小波包分析在发电机组振动故障诊断中能较好地识别故障类型。     

基于小波包分析的异步电机转子故障检测

针对异步电机转子断条故障信号特征频率易被主频淹没的缺点,利用小波包分析法提取电机电流信号的故障特征频带能量,并以此为依据,基于"频率-能量-故障"模式,对异步电机转子断条故障进行检测信号,实验结果表明该方法能够有效检测转子断条故障。     

基于小波包改进算法的电机转子断条故障诊断

在异步电动机发生转子断条故障时,定子电流中会出现(1-2s)f频率分量,以此作为故障特征频率分量,但相对于基频f,其幅值较小且靠近基频,容易被淹没。本文采用的一种基于小波包分解与单节点重构改进算法,可以突出故障特征频率分量(1-2s)f,避免基频影响。仿真和实验结果均表明,该方法能够准确地诊断出电机转子断条故障。     

基于小波包能量分析和信号融合的异步电机转子故障诊断

为提高异步电机转子故障诊断的可靠性,文中介绍了一种基于小波包能量分析和信号融合的异步电机转子故障诊断方法。采用定子电流信号和振动信号的频谱特征融合作为转子断条以及气隙偏心故障的诊断依据,首先对信号进行小波包分解,获得不同小波包频带节点下对应的能量分布,并与正常电机信号进行比较,进而对能量异常的信号频段进行小波包节点重构,最后通过快速傅里叶变换识别故障特征频率,诊断电机故障是否发生。通过仿真分析,验证了该方法的有效性和实用性,对于电机运行状态的准确监测具有重要意义。     

基于小波包分析和支持向量机的异步电机转子断条故障诊断

提出了一种基于小波包分析(WPA)和支持向量机(SVM)的异步电机转子断条故障诊断方法。针对异步电机转子断条故障时定子电流出现的边频分量(1±2s)f进行小波包分析,提取动态条件下各频带能量作为故障特征向量,削弱了负载变化及噪声对诊断准确性的影响。采用多个最小二乘支持向量机组成故障分类器,兼顾了训练误差和计算效率,将故障特征向量输入支持向量机进行训练,从而实现在小样本情况下转子断条故障的在线识别。试验结果表明:基于小波包分析提取的故障特征明显,由WPA和SVM构成的诊断系统,具有良好的分类能力和泛化能力,有效提高了异步电机转子断条故障在线诊断的准确率。     

小波分析在汽轮机振动故障诊断中的应用研究

针对常见的汽轮发电机组频率突变的振动故障,采用傅立叶变换和小波变换对同一汽轮发电机组振动信号进行傅立叶变换和小波分解。结果表明傅立叶变换无法检测出信号的瞬态变化,只适用于分析平稳信号;而小波分析可以有效的提取信号的瞬态变化特征,能准确的检测出信号的奇异点位置,利用小波分析有利于提取汽轮发电机组振动信号的故障特征。此外,对汽轮发电机组的混合信号进行小波分解,可以将信号有效的分离,为确定故障种类提供了依据。     

小波包分析在汽轮机故障诊断中的应用

用转子振动试验台模拟了汽轮机典型故障.根据其频域变化特性,采用小波包分析对其建立频域能量特征向量,并根据最佳分解树进行了特征选择.最后用神经网络进行故障状态识别,取得了良好的效果.     

基于小波分析的电机故障诊断研究

交流异步电机是广泛使用的能量转换装置,对其常见故障进行分析及诊断,提高电机故障的在线诊断水平,具有明显实用价值。文章利用小波包分析算法提取出电机故障特征向量,并针对轴承故障特征,提出峭度值指标计算和小波包分析相结合的算法,分析获得轴承故障特征频率,由此确定故障的类型。仿真结果证明了该方法的有效性。     

基于小波包频带-能量重构的电机断条故障诊断

异步电机转子断条故障特征分量(1±2s)f与基波频率f相比,幅值较小、易被主频淹没。在研究小波包分解与重构的特征基础上,讨论了小波包分解树的频带分布规律,确定以sym8小波对电机定子电流信号进行12层分解,并通过对故障特征频带的信号能量重构来判断电机有无转子断条。运用该方法能避免基波频率对故障特征分量的影响,故障特征检测更明显,并能诊断转子轻微断条故障。仿真和试验结果证明了该方法的有效性。     

基于小波包变换预处理的模拟电路故障诊断方法

阐述了利用神经网络进行模拟电路故障诊断的方法 ,并在此基础上提出了一种新的改进方法———基于小波包变换预处理的神经网络故障字典法。这两种方法对于模拟电路故障诊断都是有效的。但是 ,由于基于小波包变换预处理的神经网络故障字典法利用小波包对电路的输出样本进行了预处理 ,所以它比直接采用神经网络故障字典法进行故障诊断所用的神经网络规模小 ,收敛速度快。