小波改进算法在泵转子故障识别中的应用

小波变换对转动机械振动信号的识别具有特有的效果。但小波包变换在工程应用中,存在频率混淆、幅值失真等缺陷,采用频率补偿算法,并选取了泵转子的动不平衡、弯+动不平衡等典型故障试验数据,通过分析,验证频率补偿算法能够提取振动信号的更多细节,可以识别出故障的特征频谱,能够有效地解决频率混淆、幅值失真等问题,为小波分析的工程应用奠定了一定基础。     

基于小波分析的主冷却剂泵转子故障诊断方法研究

小波分析具有降噪,多尺度分辨的特性,可以对主泵的典型故障进行故障特征提取.利用Simulink对主泵开裂纹、不对中及初始弯曲3个典型故障进行仿真得到振动曲线,并对振动曲线进行小波分析.结果表明,通过小波分析提取出的频谱信号可以有效地提取出故障特征信号.小波分析对于主冷却剂泵转子故障诊断是一种切实可行的方法,具有一定的应用价值和研究意义.     

高速旋转机械用消除频率混叠现象的小波变换算法研究

高速旋转机械由于其工作转速高、控制精度高,其故障信号又属于微弱突变信号,造成常规监测方法准确率偏低,成为制约高速旋转机械故障监测进一步发展的最大障碍。本文设计了一种消除小波分解和重构过程中产生的频率混叠的算法。该算法利用傅里叶变换和傅里叶逆变换构成Mallat小波变换在分解和重构过程中所需的严格正交镜像滤波器,从而达到Mallat小波变换过程中必须具有的理想截止特性,最终去除掉多余的频率成分。利用改进前后的小波算法对实际信号进行分析,结果表明,本文设计的Mallat小波变换改进算法可消除信号分析中出现的频率混叠现象。     

基于SWT和Hilbert的密封磁阻马达式CRDM振动信号去噪

针对控制棒驱动机构滚轮振动信号采集过程受到噪声干扰的问题,提出了小波半软阈值（SWT）和Hilbert变换法相结合的去噪方法。该方法首先利用小波半软阈值算法在时频域对滚轮振动信号进行降噪处理,然后进行Hilbert变换求出其包络谱,分析寿命试验与缺陷验证试验中不同的滚轮振动信号。试验结果表明,该方法可有效消除噪声对振动信号的干扰,证明了小波半软阈值与Hilbert变换相结合的方法在驱动机构滚轮状态识别和故障诊断中的有效性,为驱动机构的状态判别提供了理论支持。     

基于高斯混合模型的汽轮机振动故障诊断

采用高斯混合模型(GMM)与小波包分析相结合的方法,对汽轮机振动故障进行了诊断研究.首先对振动故障信号进行小波包分解,去除干扰信号,提取包含故障特征信息的频段作为故障特征矢量.以此特征矢量建立GMM,并用建立的模型识别各种故障.利用在Bently实验台上测得的实验数据进行建模及故障识别.计算结果中,当模数M=12时,GMM识别故障的正确率约80%～90%,表明GMM结合小波包分析进行汽轮机振动故障诊断的方法能取得较好的效果.     

基于小波包能量分析的吊篮故障DSmT融合方法研究

针对反应堆堆芯吊篮破裂和吊篮紧固件部分脱落故障信号难以获取问题,提出一种小波包能量特征提取和不确定理论DSm T故障决策的融合方法。测试3种吊篮故障工况的振动信号,利用小波包变换对信号进行分解-重构,提取频段能量构建子带能量特征向量,归一化处理后赋值给DSm T信度函数,使用DSm T信息融合方法在决策层对故障模式进行识别及验证。实验结果表明该方法能够有效辨识吊篮故障模式,具有较高的准确性及泛化能力。     

基于小波的突变信号识别方法及应用研究

小波的空间局部性使它能聚焦于信号的局部结构,用来确定信号的突变性位置。但进一步研究发现,小波变换改进的单子带算法虽能有效识别第1类突变点,但对于第2类突变点却无法有效识别,且二进离散小波变换的快速算法还存在频率混淆等问题。通过深入研究提出了引入过渡函数的单子带重构的改进算法,解决了第2类突变信号的准确识别问题,通过相关实验验证了该方法能较好地解决主泵转子刚度突变等信号的有效识别问题。     

立式循环泵结构动刚度对转子振动特性的影响

采用有限元法对AP1000核电厂立式循环泵转子部件的支承结构动刚度进行分析,结果显示其支承结构的动刚度值随着频率的增加而逐渐降低,其动刚度曲线在结构共振频率点发生急剧的下降。结合该分析结果,分别针对刚性支承、水润滑轴承支承以及考虑支承结构动刚度3种情况下的转子振动特性进行对比分析。分析结果显示,在上述3种情况下,转子1阶横向弯曲振动频率变化较小,其频率值分别为28.1、18.7、15.3 Hz,转子高阶振动频率及振型受支承动刚度影响较大。在考虑支承动刚度的影响情况时,转子高阶振动频率下降明显。     

强背景噪声下反应堆内冲击信号的特征提取

压水反应堆主冷却剂系统中松动部件的在线监测对核电厂的安全运行至关重要,但监测信号往往会受到流致振动和其他设备运行而产生的强背景噪声的干扰。为增强信号的冲击特征,本文提出了一种基于变分模态分解（VMD）和小波包变换（WPT）相结合的信噪分离和特征提取方法。首先,采用VMD算法将含噪声的冲击信号分解成不同频率成分的本征模态函数（IMF）,并基于各模态函数间的相关系数确定分解过程的模态数量;然后,利用峭度和相关系数构建加权峭度指标,并依据加权峭度指标选取IMF,重构冲击分量较强的新信号;最后,利用WPT算法进一步对新信号进行去噪处理。采用所提出的算法对仿真模拟和冲击实验获取的信号进行特征提取,均成功分离出冲击分量,验证了该方法的有效性。     

强背景噪声下反应堆内冲击信号的特征提取

压水反应堆主冷却剂系统中松动部件的在线监测对核电厂的安全运行至关重要,但监测信号往往会受到流致振动和其他设备运行而产生的强背景噪声的干扰。为增强信号的冲击特征,本文提出了一种基于变分模态分解(VMD)和小波包变换(WPT)相结合的信噪分离和特征提取方法。首先,采用VMD算法将含噪声的冲击信号分解成不同频率成分的本征模态函数(IMF),并基于各模态函数间的相关系数确定分解过程的模态数量;然后,利用峭度和相关系数构建加权峭度指标,并依据加权峭度指标选取IMF,重构冲击分量较强的新信号;最后,利用WPT算法进一步对新信号进行去噪处理。采用所提出的算法对仿真模拟和冲击实验获取的信号进行特征提取,均成功分离出冲击分量,验证了该方法的有效性。     

基于小波分析的粗晶材料超声无损评价信号处理技术

噪声是降低超声检测可靠性的因素之一。本文利用小波分析对粗晶材料超声检测中由晶界散射引起的结构噪声进行了分析处理。和小波变换相比,小波包变换频域分辨率高,在信号的分解,降噪和重构时性能比前者好。对奥氏体不锈钢中人工缺陷的Ａ型超声信号的处理结果表明,结果噪声被有效地滤除,且不损失缺陷信号,信噪比明显提高。     

基于图像小波包信息熵和遗传神经网络的气-液两相流流型识别

根据小波包变换能够将图像信号按不同尺度进行分解的特性,提出了基于图像小波包信息熵特征和遗传神经网络相结合的气-液两相流流型识别的新方法.该方法采用高速摄影系统获取水平管道内气-液两相流的流动图像,经过处理,对图像进行多分辨率分析,提取小波包变换系数的信息熵特征,用主成分分析法降低特征维数构成特征矢量,作为流型样本对遗传神经网络进行训练,实现了对流动图像的流型智能化识别.结果表明:图像小波包信息熵特征可以很好地反映各流型之间的差异;遗传神经网络结合遗传算法和BP算法各自优点,具有收敛速度快、不易陷入局部极小的特性,网络识别率为100%.     

基于核探测器信号波形特征的故障诊断研究

核探测器是一种特殊的随机信号转换器,发生故障时,采用传统的人工方法很难及时有效地对故障进行诊断。本文提出了一种针对闪烁体探测器信号波形特征的在线智能故障检测与分类方法,通过分析闪烁体探测器不同故障时的输出信号变化特征,建立了相应的故障模型。使用小波包算法与支持向量机理论分解并提取特征向量,即可判断故障类型。以ST401闪烁体探测器为例,进行了模拟仿真实验。实验结果表明,基于信号波形特征的数字化方法能快速有效地对闪烁体探测器进行故障自动诊断。     

基于小波包多尺度信息熵和HMM的气液两相流流型识别方法

为了研究垂直上升管中气液两相流的流型,利用自制的多电导探针测量系统采集了四种典型流型的电导波动信息.由于气液两相流电导波动信号的非平稳特征,提出了一种基于小波包多尺度信息熵(Wavelet Packet Multi-scal2e Information Entropy)和隐马尔可夫模型(Hidden Markov Model,HMM)的流型识别方法.该方法首先对采集到的电导波动信号进行3层小波包分解,得到了8个不同频带的信号,提取各频带信号的小波包多尺度信息熵特征作为流型的特征向量,然后将其转换为观测序列输入到各种状态的隐马尔可夫模型进行训练并识别流型.结果表明:与BP神经网络相比,采用隐马尔可夫模型进行流型识别可以获得更高的识别率,表明该方法是有效和可行的.     

基于平稳小波变换的毛刺检测算法

核爆炸地震监测技术研究中,数据质量检测是地震数据自动处理的基本内容,毛刺是影响数据质量的主要问题数据。基于平稳小波变换和非线性能量检测算法,给出一种毛刺自动检测算法。平稳小波变换弥补了正交小波变换存在的不足,可以使尺度分解结果的长度和原始数据保持一致,具备时移不变性。非线性能量检测算法可以增强记录中的高频信号,对平稳小波变换的结果应用非线性能量检测算法,提高了记录中毛刺检测的准确性,非常适合连续地震监测数据自动处理的需要。实验结果表明,给出的这种算法特别有利于记录中小毛刺的检测,从而能够减小信号检测的误检率。     

运行核电厂堆芯吊篮壳型振动特性研究

反应堆堆芯吊篮的振动反映了吊篮及相关堆内构件的振动情况与设备稳定性，是评估反应堆安全运行的重要依据。本文采用中子噪声技术和信号时频域分析方法，重点研究了堆芯吊篮壳型振动特性，通过分析某核电厂特定机组近几年的监测数据，获得堆芯吊篮壳型振动模态参数的变化趋势。结果表明，在每个燃料周期内，吊篮壳型振动频率有逐渐变小趋势，每经历一次大修后，振动中心频率基本恢复至上一个燃料循环的初始振动频率处。研究结果有助于了解堆芯吊篮在多个燃料循环周期内壳型振动的特性和成因，为堆芯吊篮早期故障诊断奠定基础。