基于DSP的变压器振动信号的小波能量谱熵提取

变压器器身的振动信号含有丰富的故障信息,利用振动法进行变压器运行状况的在线监测已经成为变压器故障诊断的研究重点之一。结合小波变换与信息熵的理论,采用变压器振动信号的小波能量谱熵作为故障诊断的特征信号,同时利用DSP芯片TMS320F2812作为核心芯片,设计并完成对变压器振动信号的采集和小波能量谱熵的提取。结果表明,变压器正常运行与故障运行时的小波包能量谱熵存在差异。因此,该方法能够有效提取变压器振动信号的特征值,为后续故障诊断提供有力的依据。     

基于HHT的双馈异步发电机电刷滑环烧伤故障诊断

在实际工程应用中,双馈异步发电机电刷滑环故障发生较为频繁,对电机励磁稳定性影响也较大,严重时还会导致发电机组的解列。因此提出一种基于HHT的双馈异步发电机电刷滑环烧伤故障诊断方法。首先通过PSCAD/EMTDC电力系统仿真软件模拟滑环烧伤故障,得到故障前后流经电刷滑环的励磁电流。然后基于希尔伯特-黄变换理论提取故障特征量,并将仿真结果与实测励磁电流信号所得Hilbert谱图进行对比分析,验证了故障特征量诊断法的可行性。最后提出能量商的诊断特征值概念,计算不同故障等级下特征量的能量商值,并与红外测温探头测量滑环表面的温度值进行对比。分析二者变化趋势,发现高于100 Hz的周期性高频分量不但可以作为故障特征量,而且其能量商在诊断滑环发生轻微烧伤故障时具有更高的精度和灵敏度。该方法为实际工程研究提供了一定的指导意义。     

基于电刷电流的双馈异步发电机滑环装置故障诊断新方法研究

滑环装置故障严重影响着双馈异步发电机励磁稳定性。针对这一问题,提出将电刷电流dq0变换应用到滑环装置故障诊断中。首先,分析了滑环运行电阻对励磁电流的影响,从理论上证明滑环旋转运行时将引起电刷电流固定谐波分量的产生。然后以滑环故障前后的电刷电流谐波畸变率为基础,采用修正后的恒功率dq0变换方法,通过电刷电流在dq坐标系中的形状来直观、精确判断滑环装置有无故障。最后,在动模实验室搭建滑环装置故障诊断实验平台,对其故障在不同严重程度下的电刷电流实测数据进行了分析,其结果与理论研究相吻合,验证了该诊断方法的有效性。该诊断方法简单可行,避免了传统方法中人工检测造成的资源浪费,具有较强的工程实践意义。     

LabVIEW在电机振动故障诊断中的应用

基于LabVIEW的小波包理论和能量谱应用于电机振动故障诊断是一种新的尝试,具有良好的应用前景.在时域范围内,故障振动信号幅值虽有变化,但难以确定电机故障程度的大小.用小波包对振动信号分解,可得到能量特征值,由此能有效地判断电机振动故障类型和程度,提高了故障诊断效率.     

双馈异步发电机电刷滑环电阻变化理论与仿真研究

电刷与滑环间良好的电接触是双馈异步发电机稳定运行的前提．电刷滑环电阻是衡量电接触系统可靠性的重要指标。以1．5MW实际双馈风力发电机电刷滑环系统为研究对象．在计及周期性变化的滑环电阻的基础上,对运行过程中电刷滑环动态电阻进行定量分析和计算。利用PSCAD／EMTDC仿真软件．建立正常运行和故障运行下电刷滑环动态电阻数值模型和电路模型．并对电刷电流的间谐波进行理论分析和计算．通过对故障前后的电刷电流傅里叶变换值进行列比分析．得出结论：故障后电刷电流间谐波分量下降率远小于基波分量下降率．且故障下间谐波畸变率远大于正常时间谐波畸变率。该结论可作为双馈异步发电机电刷滑环运行稳定性的削据．对其状态监测和故障诊断具有实际指导意义。     

LabVIEW在电机振动故障诊断中的应用

基于LabVIEW的小波包理论和能量谱应用于电机振动故障诊断是一种新的尝试，具有良好的应用前景。在时域范围内，故障振动信号幅值虽有变化，但难以确定电机故障程度的大小。用小波包对振动信号分解，可得到能量特征值，由此能有效地判断电机振动故障类型和程度，提高了故障诊断效率。     

小波包能量谱和功率谱分析在水电机组故障诊断中的应用

小波包克服了小波分析在高频空间分辨率差的缺点,能够给信号提供更加精确的分解。因此在小波包分析的基础上,从能量和功率分析的角度出发,阐述了在水电机组故障诊断中采用小波包能量谱和功率谱分析相结合的信号特征提取的方法。通过对实验及电厂振动故障信号的提取与分析,表明小波包能量谱和功率谱分析相结合的信号特征提取方法准确而高效,是一种应用价值较高的信号特征提取方法,并能为机组故障的准确诊断提供依据。     

风力发电机电刷滑环系统三维温度场分析与计算

电刷和滑环系统是风力发电机励磁系统的重要组成部分,但运行中时常出现过热现象,危害发电机安全运行,准确的热分析是电刷滑环系统结构优化、防止过热的前提。该文基于热电耦合方法对电刷滑环系统进行三维温度场分析。根据电刷滑环系统的运行特性,建立了同时考虑旋转摩擦生热、励磁电流生热和系统对流散热的热电耦合三维模型。在给出基本假设和边界条件的基础上,采用有限元法对三维热电场控制方程进行耦合计算,分析了电刷滑环系统的传热性能及各部件的温升分布,同时给出系统的电流密度矢量分布。然后,根据热电类比法,从“路”的角度建立了热分析模型,提出了运用基于复频域的拉普拉斯变换法求解热路方程组,并与仿真值进行对比分析,验证了热路法分析电刷滑环系统温度场的准确性和可行性。最后,给出相关结论,对电刷滑环系统结构优化和安全运行具有指导意义。     

小波包分析技术在大型电机转子故障诊断系统中的应用

通过精密离心机电机驱动系统和机械系统的故障机理的分析,提出了两种故障信号基于小波包分析的特征提取方法.一个是渐进性故障信号的特征提取方法,控制器误差信号通过小波包分解与重构,最后在最低频段的节点得到了已经去噪的故障信号.另一个是振动信号频带能量的特征向量提取方法,动平衡系统的振动信号被分解到独立的频段,不同频带内的信号能量变化反映了系统机械运行状态的改变,每个能量成分被提取形成特征向量用于故障诊断.试验与仿真结果表明这种基于小波包分析的故障方法具有算法简单、可行的优点.     

基于小波包能量谱的铁塔螺栓完全松动检测方法

螺栓连接松动故障严重影响铁塔的正常运行，对铁塔螺栓连接松动故障进行检测十分必要。本文提出了基于小波包能量谱的铁塔螺栓完全松动检测方法，首先利用脉冲激振法实测了铁塔螺栓完全松动前后振动信号，分别得到了激振点所在塔材的振动信号，以及通过螺栓相连接的塔材振动信号。然后采用小波包对原始信号进行小波包分解，利用能量特征提取的方法找出分解后各个频段的能量谱图，通过比较相连接的2段塔材在螺栓松动后小波包能量谱的变化规律，确立了基于小波包能量谱的铁塔螺栓完全松动检测依据。     

基于振动信号的变压器分接开关触头故障诊断

针对分接开关切换触头闭合时的振动信号,应用小波包总能量和小波包特征熵的方法,分析切换开关切换过程触头闭合期间振动信号的小波包总能量值以及特征熵值,发现了明显的故障特征信号。在理论分析的基础上,对江苏省电力公司最有代表性的分接开关进行试验,验证了该诊断方法的可行性。若配合FFT频谱分析,可进一步判断触头故障类型。     

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。     

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。     

基于物理模型驱动优化 WPD 的弧齿锥齿轮故障诊断方法研究

弧齿锥齿轮作为收获机主动力输出的关键零部件,其故障表现通常为激励脉冲,为实现农业收获机主传动齿轮箱故障 及时有效地监测诊断,本文提出基于物理模型驱动优化的小波包分解方法(wavelet packet decomposition, WPD)。 针对齿轮损 伤的多分量调制现象,该方法根据小波基函数特定时频窗口分析信号的特点,通过建立齿轮损伤集中参数模型,辅助筛选适应 齿轮损伤特性的小波包分解系数,以此优化分解信号所选用的小波基函数,使之具有更好的提取齿轮故障特征信息的能力。 通 过对实验信号和藠头收获机齿轮故障信号的包络谱分析,验证了该方法能够有效地应用于收获机齿轮故障诊断。     

基于改进冗余提升方案的汽轮机组振动故障特征提取

故障特征提取是大型机械设备状态监测和故障诊断领域的核心问题。传统的振动故障特征提取方法主要是基于频谱分析的方法,小波变换的出现则为该领域提供了新的工具。文中提出并构造了一种改进的冗余提升小波变换算法来提取振动信号的时域特征。算法以第2代小波为基础,设计了冗余提升小波变换的算法,不进行分裂,直接利用构造的算子进行预测和更新,各层分量和原始信号的数据长度相同,从而保留了更多的时域信息。研究了提升小波和冗余提升小波算法中存在的频率混叠问题,阐述了产生频率混叠的原因。通过对冗余提升小波分解得到的近似信号和细节信号采用傅里叶变换的方法消除了与其对应频带无关的频率成分,以突出相应频带信号的时域特征。对仿真信号和实际汽轮发电机组振动故障信号进行了分析,结果表明,改进的冗余提升小波变换算法能够较理想地提取出故障特征,有效地解决了提升小波算法中存在的频率混叠问题。     

基于小波神经网络的水电机组振动故障诊断研究

提出应用频谱法和小波神经网络对水电机组的振动故障进行诊断。在对水电机组振动信号进行频谱分析后,提取该信号在频率域的特征量,将频谱特征向量作为学习样本,通过训练,使构造的小波神经网络能够反映频谱特征向量和故障类型之间的映射关系,从而达到故障诊断的目的。诊断结果表明,与常规神经网络诊断方法相比,频谱分析与这种小波神经网络相结合的方法进行故障诊断简单有效、并具有诊断速度快和泛化能力强等优点。