电力系统故障状态下微弱信号检测方法研究

为了提高电力系统稳定运行的可靠性,针对基于电力系统故障状态下微弱信号检测的方法展开了一系列研究,提出了基于Duffing混沌振子模型的微弱信号检测策略。利用系统存在噪声影响时观测微弱信号的变化规律,建立一种基于Duffing混沌振子的微弱信号检测模型,并在系统出现故障时对系统内所出现的微弱信号变化进行观测,包括时域波形以及相平面轨迹,还构造混沌检测模型对策动力幅值进行仿真计算。其仿真结果得到:在系统中存在白噪声或微弱正弦信号情况下,混沌运行轨迹以及大尺度周期运行轨迹仍保持着一定规律,进而能够得到待检测的微弱信号的变化情况;当系统内出现强噪声的情况下,此检测模型仍可以准确观测到微弱信号,有效屏蔽了噪声对信号的影响。结果表明,该方法能够有效适应不同环境且不受噪声影响,提高了检测的效率和准确率,对保障电力系统稳定运行有重要意义。     

基于混沌振子的微弱信号检测方法研究

分析了Duffing方程的基本形式以及Duffing振子的混沌运动,阐述了基于相平面变化进行微弱信号检测的工作原理,并推导出系统发生间歇混沌现象的频差条件和相位差对于系统特性的影响。实验证明该振子对与参考信号频差较小的周期小信号具有敏感性,对白噪声和与参考信号频差较大的干扰信号具有免疫力。     

基于Duffing振子二分法的煤矿电网故障选线方法

针对当煤矿电网发生单相接地故障时,煤矿电网采用消弧线圈的接电系统,不适合直接用来进行故障选线的问题,提出基于Duffing振子二分法的煤矿电网故障选线方法,Duffing振子系统的输入信号通过EMD方法获取,最后运用MATLAB/Simulink对单相接地的各种情况进行仿真,并对仿真结果进行分析,证明该方法是有效的。     

基于差分振子的煤机设备故障诊断方法研究

针对煤机设备故障特征提取受变工况、变载荷等因素制约的问题，构建了差分振子检测器提取煤机设备故障特征。为利用差分振子检测器进行多故障特征频率检测，对差分振子相图做频谱分析，提出了提取多频率特征的方法，突破了差分振子只能检测单一频率的限制。利用煤矿井下带式输送机驱动电机故障实例进行了验证。结果表明，基于差分振子的多特征提取方法可以有效地提取煤机设备的早期故障特征，并具有较高的精度。     

电牵引采煤机故障诊断分析

为了对电牵引采煤机故障进行及时诊断,提出利用混沌Duffing振子和小波分析法对采煤机故障振动信号进行提取及分析。通过对比故障振动能量及正常振动能量,验证了故障诊断的可行性,为矿山实现智能化控制提供了一定的借鉴。     

矿用双频激电仪接收机微弱信号检测与测试方法

为验证矿用双频激电仪原理样机接收机信号检测的准确性和可靠性,利用互相关检测原理,分析微弱激电信号检测机理,推导激电效应参量数据处理方法,搭建阻容网络试验测试装置,对比模型试验测试与理论计算结果。结果表明:试验测量与理论计算得到的视幅频率值和视相对相位差值随频点变化总体趋势基本一致,但相位测量比幅值测量具有更高的精度,即在幅值测量方面有待于进一步改进和完善。此研究为研制工程样机,开展煤矿井下工业性试验,对适合煤矿井下探测的矿用双频激电法具有重要意义。     

平方解调分析在低速重载齿轮故障诊断中的应用

阐述了齿轮振动信号的调制原理,讨论了平方解调的定义及解调原理。应用平方解调分析技术对齿轮振动信号进行了幅值解调分析。工程应用研究结果表明,针对齿轮振动信号的调制现象,利用平方解调技术能从复杂的振动信号中解调出故障齿轮的调制信息,进而判断出故障齿轮的部位,是一种可靠的故障诊断方法。     

基于随机共振理论的低速重载设备故障诊断

基于随机共振理论,结合包络解调分析研究微弱低频幅值调制信号的增强与提取,并应用于低速重载设备的故障诊断.运用信号自含噪声或外加噪声,通过变步长数值算法和调节非线性双稳系统结构参数,来实现微弱低频幅值调制信号的随机共振现象.模拟调幅信号和实测低速重载齿轮箱振动信号的分析结果,证实了本文提出的方法在检测微弱低频幅值调制信号上,明显优于传统的FFT谱分析和包络解调方法.     

基于Hilbert解调技术的齿轮故障诊断研究

阐述了齿轮振动信号的调制原理,讨论了Hilbert变换的定义及解调原理。应用Hil-bert变换的解调技术对齿轮振动信号进行了幅值解调分析。工程应用的研究结果表明,针对齿轮振动信号的调制现象,利用Hilbert技术能从复杂的振动信号中解调出故障齿轮的调制信息,进而判断出故障齿轮的部位,是一种可靠的故障诊断方法。     

基于时频图像和DCNN的刮板输送机齿轮故障诊断

刮板输送机减速箱齿轮在重载工况以及长时间运行下容易发生断齿故障。刮板输送机电流信号中存在着大量齿轮故障信息。首先对电流数据进行采集并且通过幅值解调的方法消除电流中的工频干扰分量,其次将处理后的电流信号转变为二维时频图像,最后搭建诊断网络模型完成对齿轮故障的识别。结果表明,该方法对刮板输送机断齿故障的诊断准确率为99.15%。