共查询到15条相似文献,搜索用时 62 毫秒
1.
针对风电机组塔架振动信号存在的非平稳特征,为了能依据塔架振动信号得到准确的塔架相对位移数据,提出了基于Ho?drick-Prescott算法的时域积分优化方法,并进行了基于风电机组设计仿真软件Bladed的数据分析和工程实际数据的验证.研究表明,基于傅里叶变换的频域积分不能提供准确相位,不适用于该非平稳工况;而相比采用多项式去趋势的时域积分,因其消除了高噪声产生的低频摆动趋势,其平方和误差指标可达3%~8%,适用于风电机组塔架结构系统的分析和诊断. 相似文献
2.
针对风电机组塔架振动信号存在的非平稳特征,为了能依据塔架振动信号得到准确的塔架相对位移数据,提出了基于Ho?drick-Prescott算法的时域积分优化方法,并进行了基于风电机组设计仿真软件Bladed的数据分析和工程实际数据的验证.研究表明,基于傅里叶变换的频域积分不能提供准确相位,不适用于该非平稳工况;而相比采用多项式去趋势的时域积分,因其消除了高噪声产生的低频摆动趋势,其平方和误差指标可达3%~8%,适用于风电机组塔架结构系统的分析和诊断. 相似文献
3.
针对风电机组塔架振动信号存在的非平稳特征,为了能依据塔架振动信号得到准确的塔架相对位移数据,提出了基于Ho?drick-Prescott算法的时域积分优化方法,并进行了基于风电机组设计仿真软件Bladed的数据分析和工程实际数据的验证.研究表明,基于傅里叶变换的频域积分不能提供准确相位,不适用于该非平稳工况;而相比采用多项式去趋势的时域积分,因其消除了高噪声产生的低频摆动趋势,其平方和误差指标可达3%~8%,适用于风电机组塔架结构系统的分析和诊断. 相似文献
4.
在分析总结加速度信号时域积分法与频域积分法优缺点基础上,提出一种基于精确信息重构的故障转子系统振动加速度信号积分方法。该方法利用故障转子系统振动信号由转频、倍频及分倍频分量构成为主的特点对加速度信号进行快速傅里叶变换(Fast Fourier transform,FFT),通过特征频率分量提取并将所提取的分量的幅值与预设的阈值进行比较;幅值低于阈值的分量认为是噪声分量,予以剔除,高于阈值的分量保留并进行精确频谱校正;根据校正后各个频率分量的频率、幅值和相位积分重构出相应的速度信号和位移信号。精确信息重构方法在去除宽频噪声和保留有用特征信息方面有明显的优势。最后通过仿真分析和试验验证,结果表明该方法相对于传统的时域和频域积分具有更高的精度和优越性。 相似文献
5.
用于水电站振动信号的积分算法 总被引:1,自引:0,他引:1
为解决传统频域积分对非平稳信号处理误差过大问题,根据水轮发电机组振动信号的特点,提出了一种利用EMD的自适应滤波特性对实测加速度信号频域积分方法的修正算法.首先,对振动信号进行频域积分,得到相对应的速度和位移时程数据;然后,利用EMD的自适应的分析能力,将时域数据分解成不同特征时间尺度的固有模态函数,并按环境噪声以及水电站信号的特征频率进行滤波处理.仿真试验表明,在3种方法中,该方法的相对误差最小,相关系数最大.将该方法应用于景洪水电站振动信号处理,积分所得数据符合实际振动状况.结果表明,该方法求速度和位移是可行的,能够对水电站振动信号进行处理. 相似文献
6.
基于EMD的加速度信号积分变换 总被引:1,自引:0,他引:1
针对所测得的加速度信号通过直接积分变换为速度信号或位移信号时精度不够的缺点,本文提出了基于FFT时频转换和EMD自适应滤波的积分变换新方法.通过对海浪模拟信号的仿真,实验结果表明,该方法可以有效实现测量信号的高精度积分变换,为实际信号的测量提供了新的有效方法. 相似文献
7.
振动台试验加速度积分方法 总被引:1,自引:0,他引:1
为了寻求一种较为可靠的加速度数值积分方法,对多层多跨预应力混凝土框架结构模型振动台试验的加速度数据分别进行时域和频域内的二次积分,并与试验测试的位移结果进行对比.结果表明,使用频域内积分的方法和经验模态分解(empirical mode decomposition,简称EMD)得到的位移峰值和试验结果都比较吻合.由于频域内积分对低阶截止频率的选择非常敏感,如果没有实测位移结果作为验证,推荐使用EMD方法积分得到位移. 相似文献
8.
9.
在采用速度反馈的振动主动控制系统中,利用DSP系统对加速度信号进行时域积分获得速度信号。速度反馈振动主动控制系统采用的速度信号相位必须准确,为获取正确的速度信号,提出了积分初值的确定方法,在不采用滤波的情况下,将积分结果减去其均值实现了直流量和趋势项的去除。在DSP系统中验证了该方法的有效性,积分得到的速度信号的幅度和相位与实际值保持一致。 相似文献
10.
旋转机械振动故障的信息炯诊断方法 总被引:2,自引:0,他引:2
目前绝大多数旋转机械的故障诊断方法都是依靠提取振动波形中的特征量来进行诊断.振动信号的分析往往是针对特定测点在某一瞬间采集的一段波形,因此它是状态的一种表现.如果产生故障,在某一状态下,振动波形不一定含有明显的故障信息,或故障信息被淹没在其他信息中.这时,依靠随机抽取的状态信息来进行故障诊断的方法就不能很好区分这些故障.但是,如果故障发生,一定会有所表现.一种故障在某一时刻或某一状态下引起的振动表现具有一定的分散性和随机性,但在一个过程中却有其规律性.以信息熵方法为基础,通过定义一个全新的判别指标--信息(火用)来描述振动过程的这种变化规律,从而提出一种基于过程的信息删故障诊断的新方法. 相似文献
11.
12.
13.
一种旋转机械振动信号特征提取的新方法 总被引:7,自引:0,他引:7
针对在信号特征提取中的噪声抑制问题,提出了一种新的旋转机械振动信号特征提取方法,即时序多相关-经验模式分解方法。通过对原始数据进行时间序列多相关处理,消除了采样序列中零均值噪声信号的影响,克服了在后继频谱分析中由于噪声而导致频谱难于辨识的问题,凸显了原始信号中的特征信号成分。时序多相关分析为后继的谱分析提供了便于处理的前处理数据。应用经验模式分解,能较充分地表现出所需提取的特征信号。仿真和实际某型发动机转轴振动信号特征提取中的分析表明,新方法能成功提取到旋转机械振动信号包含的各个特征信号,证明该方法在旋转机械振动信号特征提取中具有很好的工程应用前景. 相似文献
14.
15.
由于依靠一个状态的数据进行融合诊断存在误诊和漏诊的可能性,提出了一种基于时间信息的融合诊断方法,以小波分析和概率模型为分析手段,给出了基于时间信息融合的具体算法,并定义了故障定量判别的指标——故障度.通过转子故障模拟试验得到了大量数据,对故障实例的计算以及振动信号的分析结果表明,故障度能够有效地区分故障类别,提高了诊断的准确性. 相似文献