小波包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瓶颈问题,利用在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。     

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存不能同时诊断出故障时间和类型的瓶颈问题，利用在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。     

基于小波包变换的电机定子故障特征提取方法

针对感应电机定子故障的特征频率处在低频段,小波分解系数易受电机负荷波动影响的问题, 提出一种采用希尔伯特变换对信号进行预处理,利用小波包分解来实现定子故障特征的提取方法。通过小波包分解,使相应分解子频段能始终覆盖随电机转差率以及供电电源频率变化的故障特征频率。增加小波时域波形的波峰数,减少了子频段间的频域混叠及频谱泄漏现象。对原始信号进行希尔伯特变换的预处理,降低了电机负荷波动对分解系数的影响;采用子频段节点重构系数的均方根值变化率作为故障特征指标。通过对实测故障数据的应用,利用上述方法可以有效地识别出电机的定子故障。     

基于小波包变换的电机定子故障特征提取方法

针对感应电机定子故障的特征频率处在低频段,小波分解系数易受电机负荷波动影响的问题, 提出一种采用希尔伯特变换对信号进行预处理,利用小波包分解来实现定子故障特征的提取方法.通过小波包分解,使相应分解子频段能始终覆盖随电机转差率以及供电电源频率变化的故障特征频率.增加小波时域波形的波峰数,减少了子频段间的频域混叠及频谱泄漏现象.对原始信号进行希尔伯特变换的预处理,降低了电机负荷波动对分解系数的影响;采用子频段节点重构系数的均方根值变化率作为故障特征指标.通过对实测故障数据的应用,利用上述方法可以有效地识别出电机的定子故障.     

基于断电残压的PMEM和WPA转子断条故障诊断研究

针对转子断条故障诊断存在故障信号难以提取,受负载波动影响等诸多不足之处,提出断电残压最大熵功率谱分析和小波包分解的故障诊断方法.建立转子断条故障断电残压模型;通过最大熵功率谱分析法得到故障电机断电残压频谱,利用小波包分解电机断电残压信号,并计算对应频段节点系数的能量.仿真结果表明,断电残压可以有效避免外界因素的干扰,小波包分解得到的子频带能量变化率可以诊断故障.该方法简单可靠,为工程实际提供了新的方法思路.     

基于Park矢量模信号小波分解的感应电机轴承故障诊断方法

在分析小波包分频特性的基础上，总结出小波包分解子频带按频率高低排列的通式；对三相定子电流的Park矢量模信号进行小波包分解，求相应子频带的小波包分解系数的均方根值（RMS），并用其表征轴承的故障特征，以此作为轴承故障诊断的依据。研究表明，该方法降低了基频电流及电流中噪声的影响，克服了由于受负载变化引起故障特征频率波动使得难以准确提取故障特征频率的缺陷；实验结果证明了该方法应用于电机轴承故障诊断的可行性。     

基于小波分析和神经网络的电机故障诊断方法研究

在电机故障诊断技术中,电机振动信号最能全面反映电机的运行状态.由于电机振动信号属于非平稳随机信号,传统的傅里叶变换从频域角度进行信号分析,只能说明信号中某频率成分幅值的大小和频率密度,不能检测奇异信号点的时域信息,而且还可能将含有丰富故障信息的微弱信号作为噪声滤去.因此,不能完全满足故障信号特征提取的要求.为解决这一问题,提出一种基于小波分析和神经网络的电机故障诊断方法,该方法采用小波时频分析技术对电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,应用BP神经网络进行故障识别,并采用Matlab仿真软件予以实现.结果表明,该方法不需要建立电机的故障诊断模型,能有效提高电机故障诊断的准确性.     

基于小波包分析的电机故障检测

电机是一种复杂的旋转机械,故障种类多而且难以辨别。为了对电机的常见故障进行正确、快速地检测,在分析电机故障特征的基础上,对采集来的电机振动信号的时域和频域进行了小波包分解;利用分解的小波系数,在各个频段上进行小波系数重构,诊断故障发生的类型。仿真试验结果表明:小波包分析是对电机故障进行检测的有效方法,同时也给出了一种思路,为电机故障实时检测提供了理论依据。     

基于小波包分析的电机故障检测

电机是一种复杂的旋转机械,故障种类多而且难以辨别。为了对电机的常见故障进行正确、快速地检测,在分析电机故障特征的基础上,对采集来的电机振动信号的时域和频域进行了小波包分解;利用分解的小波系数,在各个频段上进行小波系数重构,诊断故障发生的类型。仿真试验结果表明：小波包分析是对电机故障进行检测的有效方法,同时也给出了一种思路,为电机故障实时检测提供了理论依据。     

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。     

电机故障特征值的倍频小波分析

该文对异步电动机在鼠笼转子发生不同断条故障情况下的定子电流分别进行了实验测量；并对测量电流进行倍频小波分析，利用小波系数，在各个频段上进行小波信号重构；通过计算各个频段的信号能量特征值，诊断电机故障。这样，既可以从低频频段来诊断异步电动机鼠笼转子断条故障，也可以从某些高频频段来识别故障是否发生，从该文的实验诊断表明，倍频小波分析方法取得了较好的效果。     

小波－奇异值分解在异步电机转子故障特征提取中的应用

针对电流信号中异步电机的转子故障特征分量经常被电源频率分量淹没而无法准确检测的缺点,提出了一种基于小波-奇异值分解的转子故障特征提取方法。通过连续小波变换将电流信号中的各特征频率分量转换到时频分布空间中,对该时频空间进行奇异值分解将各特征频率分量分解到不同的正交特征子空间中,对特征子空间的选择重构可以有效地滤除电源频率分量而提取出转子故障特征分量。模拟数据和实际故障信号的应用表明,该方法提供了一种可实际应用的异步电机转子故障诊断方法。     

基于多小波包系数熵和人工神经网络的输电线路故障类型识别方法

基于多小波包分解系数和信息熵的概念定义了多小波包系数熵的表达式,并提出多小波包系数熵和人工神经网络相结合的输电线路故障类型识别方法：首先对不同故障工况下采集的故障电流信号进行适当的多小波包分解,计算各频带的系数熵;然后构造多小波包特征向量,将这些向量作为训练样本对径向基函数(radial basis function,RBF)神经网络进行训练;当输电线路发生故障时,将提取的故障电流信号的多小波包系数熵特征向量输入训练好的RBF神经网络,即可实现故障类型的识别。仿真结果表明采用多小波包提取的故障电流特征量比采用传统小波包提取的特征量信息更丰富,对人工神经网络的训练效果更好,网络识别精度具有明显优势。     

小波包-特征熵在高压断路器故障诊断中的应用

在详细介绍小波包和特征熵的基础上,提出了一种基于振动信号的断路器机械故障诊断新方法.该方法首先在振动信号小波包分解的第3层各节点重构信号,并提取包络;而后利用包络信号的分段能量,计算小波包-特征熵向量;最后将正常状态和待测状态下所得向量之间的欧氏距离作为诊断参量.对某少油断路器无负载开断振动信号的分析证实,该方法检测断路器故障简单、准确,能同时在时域和频域检测断路器状态的变化.     

汽车雨刮电机电磁干扰特征提取方法

针对汽车内部严重的电磁兼容问题,需要对车内电磁干扰源进行准确的分析.采用小波变换方法对汽车雨刮电机干扰信号进行多尺度分解,利用分解得到的各高频子带的小波系数特点,提出了小波域内突变参数和不平衡参数的计算方法,分并且提取各小波系数的累积能量参数、突变参数以及不平衡参数,并与重构后的各层细节信号的波形特征作了对比分析.结果表明,小波系数的累积能量参数、突变参数和不平衡参数能够准确描述原始信号中不同成分信号的特征,对电磁干扰源的识别和分类具有指导价值.此外,这种方法对其他电磁干扰信号的特征提取具有参考价值.