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。     

风力发电机组故障振动信号特征向量的提取

为了准确分析风力发电机组故障的振动特性,给出了基于多种函数变换方式的振动信号特征向量提取方法.运用EMT690D机械设备故障诊断系统对模拟直驱风力发电机组故障振动信号进行提取.利用傅立叶变换、小波变换和小波包变换分别对振动信号进行分析,提出了不同类型的提取振动信号特征向量的方法,通过变换得到了数组故障振动信号的特征向量.结果表明这三种变换方式各有优势,能够从不同的角度分析振动信号.     

基于小波变换的电力系统故障暂态信号分析

介绍了连续小波变换定义.小波变换具有良好的时频局部化特性,并可根据信号频率的变化自动调节时频窗口,因此小波变换十分适合电力系统故障产生的暂态信号的分析.电力系统故障暂态信号的小波变换模极大值标志着电力系统最重要的故障特征,可以作为继电保护和故障测距的依据     

基于DSP的小波变换在振动信号分析中的应用

小波变换是1种具有多分辨率分析特点的信号处理方法,而且在时频域具有表征信号局部特征的能力,特别适合于振动信号的分析.利用DSP强大的数据处理能力以及小波变换处理振动信号方面的应用,对一振动信号进行如下分析处理:首先对该振动信号进行多尺度小波分解,并重构每一层细节信号,然后利用MATLAB对重构的细节信号进行谱分析.最后...     

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。     

小波变换在电力系统中应用研究

小波变换与Fourier变换相比具有良好时域局部化特征，时域窗口随信号的变化自动调整。综述了近年来小波分析在电力系统中的应用情况，按照小波分析在电力系统各个应用领域进行分类、归纳和总结，说明了小波分析在电力系统各方面的应用是相当成功的，有很广阔的应用前景。同时也指出小波分析的不足之处，表现在2个方面；线调频小波变换比小波变换的时域窗口更加灵活，对噪声和和信号频率混叠现象的消噪分离更有效；小波分析缺乏有效的快速算法，因而很难满足实时性的要求，同时基于它用来检测、分析电力系统中出现的各种故障的相应硬件产品还未研制出来。     

配电网单相接地故障选线的一种新方法

为了提取故障暂态信号的相位谱特征以进行配电网单相接地故障选线，引入了零序电流解析信号的小波包分解。信号的解析表达形式可以更好地描述信号的幅值、相位和瞬时频率随时间变化的规律；它有着比原信号增大一倍的幅值谱、和原信号相同的相位谱和瞬时频率。小波包克服了小波变换不能对高频序列进一步分解的缺陷，在时域和频域上皆具有良好的局部化特性，可以聚焦被分析信号不同频带的时域特性。通过对构造的零序电流解析信号进行小波包分解，提取在适当频带的信号相位谱，依据故障线路和非故障线路相位谱的不同进行故障选线。理论分析和仿真结果表明：这种基于零序电流解析信号的小波包分解所提取暂态信号相位谱的选线判据具有很高的灵敏性和可靠性。     

小波包分解在电机故障诊断中的应用

针对常用的时域和频域分析在诊断电机故障时存在不能同时诊断出故障时间和类型的问题，在分析电机故障特征的基础上，利用时频两域都具有表征信号特征能力的小波，对采集来的电机振动信号进行小波包分解，利用分解的小波系数，在各个频段上进行小波信号重构，并计算信号各个频段的能量特征值，提取故障特征，诊断故障发生的时间和故障类型。经仿真验证，小波包分解能将故障信号有效划分到不同的频段内，而且时域和频域局部化特性好，能有效地诊断出电机故障，具有良好的理论意义与工程应用价值。     

小波包分析在振动法监测变压器铁芯及绕组状态中的应用

通过分析小波包的特性,提出了一种工于小波包分析得到变压器器身振动的能量特征矢量的方法,该特征矢量可作为变压器铁芯故障诊断的判据。在实验室中,进行了空载条件下变压器铁芯振动的测试。从时域的信号来看,故障后的振动加速度信号幅值比正常状态下有了一些变化,但难以形成确定的判据来衡量电力变压器发生故障程度的大小。对振动信号进行小波包分解,得到基于小波包分析的能量特征矢量,从实验结果可以看出这种方法可有效地判断铁芯是否存在故障。该方法具有良好的应用前景。     

变压器绕组短路振动信号的高低频能量分析

该文对变压器振动情况进行理论分析,设置绕组短路故障,在正常和故障两种状态下进行多次实验,测量正常和故障两种状态下的振动信号。提出一种基于小波-高低频包络谱能量分布提取振动信号特征并确定绕组匝间短路故障阈值的新方法。首先应用小波变换对振动信号进行降噪处理,然后与希尔伯特变换结合,提取振动信号的低频和高频包络,最后对包络信号进行谱分析和能量特征提取,比较正常运行状态和短路故障状态下的能量分布。通过实验得到了故障阈值,表明能量法可用于故障的监测和诊断。     

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。     

基于小波变换的直流系统接地故障检测

直流系统接地故障检测中常用的低频信号注入法容易受到各支路电缆中存在的对地电容的影响,在其基础上提出了基于小波变换的检测方法,该方法通过选取适当的小波函数,可以有效地克服对地电容的影响。当直流接地故障发生后,向直流系统中注入低频信号,利用小波变换算法从检测到低频电流中提取出与注入信号同频的低频电流,通过计算该电流信号中的阻性分量求得该支路的接地电阻值,从而可以判断出故障支路。经过m atlab仿真分析,这种方法可在对地大电容情况下都准确提取出低频电流相量特征,正确判断出故障支路。     

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。     

基于空载合闸振动信号的变压器绕组松动诊断

针对变压器空载合闸机械振动特性,采用小波包变换对其振动信号进行分析。在实验中,模拟了变压器正常和绕组松动2种状态,对其空载合闸时的振动信号进行采集,并采用小波包-能量谱分析得到各个尺度上能量的百分比作为特征量对2种状态下的振动信号进行特征提取和对比分析。实验结果表明,故障前后的振动信号的能量分布特征有明显的差异,该方法可以有效地提取不同状态下合闸振动信号特征量,应用于空载合闸振动信号的变压器绕组松动诊断。     

小波降噪及Hilbert变换在电机轴承故障诊断中的应用

针对振动信号降噪处理及故障特征提取是机械故障诊断的重点问题,为了有效消除高频信号的影响,并充分提取出电机轴承的低频故障特征。提出利用小波降噪及Hilbert变换的方法对采集的电机轴承振动数据进行处理并提取其故障特征信息。首先,运用小波降噪对采集到的振动数据进行降噪处理,抑制噪声干扰,然后对其进行Hilbert变换解调出故障特征频率。通过对现场测取的轴承振动数据进行信号处理可以达到理想的诊断效果,由此得知,该方法能通过电机轴承振动信号进行故障特征信息处理,有效地进行轴承故障分析及诊断。     

基于小波和神经网络的齿轮箱故障诊断

本文对齿轮箱故障诊断特点和方法进行分析,并举例介绍了小波变换在齿轮箱故障诊断中的应用。利用小波变换对齿轮箱工况信号进行分解,重构以及提取细节信号包络谱,快速准确判断出齿轮箱设备运行状态是否异常,并利用BP神经网络进行故障诊断定位,比传统方法更有效。