小波分析及其在电力系统故障检测中的应用

介绍了小波变换的基本原理,采用小波变换快速算法对电力系统中故障信号进行分析、判断。仿真结果表明,小波变换能够很好地消除电力系统故障信号噪声,并准确检测出故障点。     

基于小波变换的汽车齿轮箱振动信号故障分析

本文利用小波变换和能量特征值对汽车齿轮箱振动信号进行特性分析。利用小波变换的分解和重构算法,对小波系数进行系数-能量计算,提取系统的特征信息,对汽车齿轮箱的故障进行诊断,及时发现齿轮箱的早期故障,提高汽车运行的安全性。仿真研究结果表明用小波变换在故障信息诊断方面是可行的和有效的,提高了故障检测的可靠性。     

小波包算法在异步电机故障检测中的应用

对电机故障信号利用小波包算法进行分解,应用小波包频率分辨率高的特性,提取出包含电机故障特征频率分量的局部频段进行分析,通过对小波包分解系数与正常无故障时的分解系数相比较,判断有无故障的发生,并在Matlab环境下进行了仿真实验.     

小波分析在煤矿机械故障诊断中的应用研究

本课题由焦作工学院荆双喜副教授等完成 .通过对小波分析理论的研究 ,推导了正交小波和小波包图形显示算法 ,首次将其用于机械故障诊断 .该算法结合小波变换快速算法使信号的分解结果与原始数据长度保持一致 ,解决了原算法存在的数据长度随分解层数增大成倍减小的问题 ,与原算法相比具有明显优点 ,为信号深层次处理及弱信号提取提供了途径 .通过对提升机振动信号的分析 ,提取出了提升机减速箱中的微弱故障信息 ,并分离出齿轮的啮合振动以及高次谐波 ,并在提升机变工况状态下提取出了故障特征 ,说明小波分析是处理非平稳振动信号的有力工具 ,…     

基于改进小波变换和包络分析的滚动轴承故障诊断

采用改进的小波分解和重构算法与包络分析相结合的方法,提取滚动轴承振动信号的故障特征频率。改进的小波分解和重构方法避免了Mallat算法频率混淆的缺陷,通过对重构信号特定频带进行包络分析,更加准确地提取了滚动轴承的故障特征频率。通过对无故障滚动轴承和内圈、外圈有故障的滚动轴承振动信号的分析,说明这种方法能够有效诊断滚动轴承的故障,并将该方法成功应用于某型航空发动机主轴承故障诊断。     

基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及其于多分辨分析的信号小波的分解算法，研究了信号局部奇异性的小波变换下的特性；根据故障信号的局部奇异性在小波变换下模的极大植及其在不同尺度上的传播特性，对308型滚动轴承振动加速度故障信号进行分解，对故障特征信号进行时域定位，并提取了故障特征频率f=46.88Hz，这与实际的故障特征频率相近，说明该方法适用于滚动轴承的在线监测和故障诊断。     

基于小波包分析的旋转机械故障诊断研究

故障信号的特征提取,是故障诊断的关键。通过以德比契斯（Daubechies）小波为基函数的二进小波变换、采用Mallat快速算法的小波包对故障信号进行特征提取。利用小波包对实验数据进行分析,其结果具有良好的时频局部化特性,能对非线性信号进行有效识别。     

应用DSmT的堆芯吊篮故障信号小波包分析

为解决反应堆堆芯吊篮故障信息难以获取问题,提出一种采用DSm T小波包能量分析的故障特征决策提取融合方法.研究分析了堆芯吊篮在吊篮破裂、吊篮紧固件部分脱落和堆芯支撑下板与吊篮热处理变形3种故障工况的振动信号,采用小波包变换提取故障信号频段能量,将含有故障信息的采集数据经小波包能量分析后直接赋值给DSm T信度函数.实验结果表明,小波包能量分析DSm T融合方法的诊断准确率优于小波包子带能量特征向量图方法,DSm T融合算法能够有效辨识吊篮故障模式,具有较高的诊断效率及可靠性.     

小波包算法在异步电机故障检测中的应用

对电机故障信号利用小波包算法进行分解，应用小波包频率分辨率高的特性，提取出包含电机故障特征频率分量的局部频段进行分析，通过对小波包分解系数与正常无故障时的分解系数相比较，判断有无故障的发生，并在Maflab环境下进行了仿真实验．     

风电机组故障诊断中的粒子群小波神经网络

用粒子群算法优化小波神经网络,通过对振动信号的分析,对风电机组的故障进行了预测。     

小波包异步电机转子故障检测DSP实现

DSP作为信号处理器,采用小波包算法对电机转子断条数据进行分析处理,提取出故障特征。分别对基于DSP和基于Matlab条件下实现的小波包算法进行对比实验。     

基于概率神经网络的配电网接地故障选线方法

针对小电流接地系统单相接地故障,提出一种基于概率神经网络的配电网接地故障选线方法。采集每条线路在单相接地故障发生时的零序电流暂态信号(一个周波,故障前1/4个周波和故障后3/4个周波),运用db10小波序列进行5层小波包分解。提取零序电流小波能量并将其输入到PNN网络,实现故障线路自动识别。并给出故障选线小波包分解算法和PNN算法的具体步骤,可直接用计算机编程实现。运用Matlab软件对中性点不接地系统和中性点经消弧线圈接地系统均进行了仿真,验证了该方法的可行性与准确性。     

基于小波奇异熵的电力系统振荡中对称故障的识别算法

运用小波分析处理各相故障电流波形,并求各相电流的小波奇异熵的算法,与设定的阈值比较大小以判定是否为故障.在Matlab/Simulink下建立了一个电力系统模型,分别考虑了合闸时刻、过渡电阻、接地距离、振荡频率、噪声等多种因素后,做了大量仿真分析.得出了该算法鲁棒性好,具有干扰因素影响的特点.     

利用ARM实现的直流接地故障检测装置

小波变换以其优良的时频分析特性在电力系统故障诊断及信号分析方面获得了广泛的应用,但基于单片机的故障检测装置却不能适应小波算法的高要求.针对这一情况,采用了具有高实时性的ARM微处理器进行嵌入式开发设计,提出了一种基于小波变换的直流系统接地故障检测装置的实现方案,构建了一个完整的软硬件平台.实验结果表明,新的ARM微处理器装置可以实现小波算法,很好地满足检测方案的要求.同时,该装置能有效解决直流电网中对地电容的影响,提高系统的安全性和可靠性.     

一种蚁群优化小波包基选择的方法

为了研究已有最优基选择算法在微弱故障信号降噪方面效果差以及终端节点不易确定的问题,依据蚁群算法和小波包的相关理论,分析了小波包基选取的影响因素,对选取规则进行了重新定义,并结合蚁群算法的全局优化能力对新定义的终端节点坐标集和分解层数寻优,给出了一种基于蚁群算法的小波包基优选方法。对比传统最优基选择算法,新方法的收敛性能及分布性能加强了12.5%,在轴承的微弱故障信号降噪过程中,经处理后的信号信噪比提高了46.7%,均方根误差降低了20.4%,验证了新方法的有效性和优越性。     

基于形态小波理论和双谱分析的滚动轴承故障诊断

为了探索基于双谱估计流程的对包含高斯和非高斯成分的故障信号进行有效处理的方法,将非线性小波-形态小波引入到振动信号处理中来,并进一步完善形态小波理论,提出形态小波包分解与重构算法.通过形态小波包软阈值降噪实现非高斯信号高斯化处理,在此基础上,发展了3种形态小波包-双谱分析级联算法:形态小波包-双谱估计、形态小波包-Hilbert-双谱估计、Hilbert-形态小波包-双谱估计,该方法对故障信号的高斯和非高斯成分都能有效抑止,尤其是Hilbert-形态小波包-双谱估计算法,适应性强,处理效果更好.经过滚动轴承故障诊断试验,结果表明,基于形态小波包和双谱分析的算法,能够准确区分不同类型、不同程度的故障序列,并取得了良好的效果.     

小波包特征免疫检测器在设备异常状态检测中的应用

旋转机械设备工作机理复杂,故障样本缺乏,难以应用传统的方法对其进行有效的异常状态检测.结合小波包分析技术及人工免疫系统理论,构造了小波包特征免疫检测器,给出了小波包特征免疫检测器的产生算法、异常状态检测方法.小波包特征免疫检测器是在对正常样本学习的基础上产生的,不需要设备运行的故障数据,适合对故障数据缺乏的设备进行有效的异常状态检测.活塞压缩机气阀的异常状态检测结果表明,小波包特征免疫检测器检测效果良好、准确率高.     

小波分析在滚动轴承故障诊断中的应用研究

为了能有效识别滚动轴承的故障信号,利用滚动轴承滚动体故障模型,构造相应的小波基;研究提升小波的预测器和更新器算法;利用小波基对故障特征信号敏感的特点,对轴承故障信号进行检测和分析.实验和仿真结果表明,利用提升小波对滚动轴承振动信号进行N层分解后,可在细节信号中容易地发现突变信号,再根据模极大值原理,有效地判断轴承故障是否存在;进一步对细节信号作Hilbert包络,检测功率谱中的故障特征频率,可准确判断滚动轴承滚动体是否存在损伤点.     

基于小波分析的飞机导线故障定位方法研究

介绍了一种基于小波分析的飞机导线故障定位方法,该方法利用Mallat小波的多分辨率分解与重构算法对导线故障定位中的信号进行分析和处理,从而有效地减少外部电磁干扰对故障定位精确度的影响.通过对实际测量数据的分析,验证了该方法的有效性.     

基于提升小波变换和Hilbert调制技术的故障识别方法

齿轮局部发生故障后,非线性振动信号频谱中齿轮啮合频率及其二、三次谐波附近的边频带均出现显著增长.由于提升小波算法预测和更新原理与故障信号紧密相关,利用提升小波对振动信号进行时频特性分析和信息预处理,通过预测器和更新器的设计取代小波基函数选取过程;随后对蕴含大量故障特征信息的高频细节信号实施Hilbert变换,调制信号的包络谱中彻底剔除常规振动分量仅保留故障信息,该方法可高效识别振动信号频谱中的齿轮故障特征频率.最后用实例验证基于提升小波变换的Hilbert调制分析在齿轮故障诊断中的有效性.