水轮机非平稳振动信号的小波分析

基于水电站机组振动的现场试验研究,利用小波分析方法在时域和频域上同时具有良好局部化性质的特点,对开停机这一典型非平稳过程信号进行小波分析。通过将信号分解到不同频带内,并对分解信号作振源分析和统计分析,以获取优势频率等有用信息。试验结果表明,水流脉动压力和尾水涡带摆动是引起开机过程中机组强烈振动的主要原因,同时也证明了小波是处理非平稳信号的最有力的工具。     

混流式水轮机顶盖振动信号的精细分频研究

高水头长引水隧洞电站在水力过渡过程中具有振荡周期长、振幅大、波动衰减周期长等特点,水轮机顶盖振动可以较好地反映该规律。本文依据真机试验,采用小波和小波包联合分析方法,对一大型电站变负荷振动试验中顶盖的振动响应测试信号进行了精细分频分析。结果表明:高水头长引水隧洞电站的水流脉动、尾水涡带和水击波频率较为接近,三者共同作用,导致顶盖强烈的振动响应;其中,水流脉动和尾水涡带是引起顶盖振动的最主要原因;同时也证明了小波和小波包联合分析方法是处理水电站振动信号的一种较好的方法。     

基于小波分析与人工神经网络的水流压力脉动分析

摘　要: 针对水轮机尾水管压力脉动信号的非平稳和时变特性，提出了一种基于小波分析和自组织人工神经网络相结合的尾水管压力脉动信号的分析方法。这种方法以水轮机尾水管压力脉动信号作为分析对象，首先应用小波阈值法对信号进行降噪减少干扰，然后将小波分解系数重构得到不同频带的信号分量，并提取显著的不同频带能量，最后将各频带能量作为特征向量，用自组织人工神经网络进行模式识别，得到了尾水管压力脉动的不同模式。进行对比分析表明，这种分析方法是有效的，能够用于对水轮机尾水管中的压力脉动状态进行有效地识别。     

基于小波分析与人工神经网络的水轮机压力脉动信号分析

针对水轮机尾水管压力脉动信号的非平稳和时变特性,提出了一种基于小波分析和自组织人工神经网络相结合的尾水管压力脉动信号的分析方法。这种方法首先应用小波阈值法对信号进行降噪减少干扰,然后将小波分解系数重构得到不同频带的信号分量,并提取显著的不同频带能量,最后将各频带能量作为特征向量,用自组织人工神经网络进行模式识别,得到了...     

基于小波变换的风力发电机组故障检测方法

针对传统风力发电机组故障检测方法受到非平稳振动信号影响，导致检测结果不精准的问题，提出了基于小波变换的风力发电机组故障检测方法。根据风力发电机组轴承非平稳信号特征，使用小波变换降噪技术，分解非平稳信号，获取有限长度离散含噪信号。消除噪声项后，利用峭度对非平稳信号的敏感性，提取故障自旋频率特征，实现轴承的故障检测。利用卷积神经网络提取齿轮箱阶次信号时序特征，通过齿轮箱故障时序特征的小波变换平移，利用阶次跟踪分析方法推导不同转速级的故障特征，以此对非平稳工况下齿轮箱故障状态诊断。由实验结果可知，该方法内、外滚道加速度时域信号变化范围分别为-0.3～0.3、-0.06～0.05 m/s²，小、大齿轮断齿故障幅值为0.2、 0.4，轴承故障和齿轮箱故障变化范围均与实际范围一致。     

水力机组振动监测与故障诊断

针对水力机组运行过程中因振 动而引起故障并造成经济损失这一问题，开发了一套新型的振动监测及故障诊断系统，它以 工业PC 机为主体，与摆度、振动传感器及有关功能模块和信号预处理器共同组成机组振动 在线监测分析系统。利用该系统对机组振动的周期性监测，能够在线监测机组缺陷的缓慢变 化过程，为视情检修提供良好的依据，同时也为机组运行调度提供可靠的信息。介绍了该系 统的硬件及软件组成、原理及功能，并结合实例运用小波分析与傅里叶分析相结合的信号分 析方法，对机组故障进行了分析诊断，找出了故障原因。     

小波分解与变换法预测地下水位动态

通过小波分解方法将地下水位动态的非平稳时间序列分解为多个细节信号序列和逼近信号序列，然后运用时间序列自回归模型及人工神经元网络模型对各信号序列分别进行模拟预测，模拟结果比单纯用自回归法或人工神经网络模型更接近实测值，说明通过小波分解方法进行地下水位动态模拟和预测是适合的；同时用小波变换方法对地下水位动态进行了宏观分析，使隐藏的规律性显现出来，揭示出地下水位动态变化中除了具有一个水文年内的周期性变化规律外，还存在2～3年间隔的波幅强弱变化，可以推断未来短期内地下水位动态发展仍将延续当前总体下降的趋势，与小波分解方法得到的预 测结果相吻合。     

坝体振动信号的小波熵特征

利用小波变换具有时频局部化特性和熵对系统状态表征的特点,将小波变换和熵结合起来,对泄流条件下的坝体振动信号进行了分析.结果表明,小波变换能够把振动信号中的有用信号分离出来;小波熵能够定量表征振动能量在时频上的分布特征.同时,有用信号的统计特征与原始信号相接近,因此文中提出的方法为坝体振动特征分析提供了一种新的思路.     

三峡船闸人字门连门轴故障诊断的小波包分析

根据船闸人字门及启闭机故障引起的闸门振动信号具有随机性和非平稳性的特点,经检修已知人字门连门轴磨损故障,采集船闸检修前后的闸门振动信号,提出利用小波包分析技术进行故障诊断的方法。即,利用小波包对信号进行分解和重构,计算各频带信号能量分布,经分析能量集中频带信号的时频特性后,发现信号故障主要分布在低频部份,证明了利用小波包分析技术进行船闸人字门及启闭机故障诊断是有效可行的。其方法可为同类事故诊断参考。     

离散二进小波变换及其在电机故障分析中的应用

首次将小波分析理论应用于电机故障分析。小波分析在８０年代末才开始应用于工程技术领域，由于它克服了傅里叶变换不能对信号进行局部分析这一严重缺点，同时有很强的特征提取功能，尤其对突变信号的处理，表现出非常明显的优点，从而使小波分析的应用具有非常广阔的前景。本文较系统地给出了离散信号的二进小波变换及快速算法，并以同步发电机单相短路为例进行了实例分析，获得了满意的结果。     

大型泵站水泵机组振动信号滤波方法

针对大型泵站水泵机组运行时振动信号易受多种因素影响产生随机误差、噪声干扰,进而影响机组健康状态评价结果的问题,对水泵机组振动信号滤波方法进行分析研究。以南水北调东线某泵站水泵机组运行时机泵联轴器处的振动信号为例,分别使用巴特沃斯滤波器、基于汉宁窗的FIR 滤波器以及基于谐波小波的滤波器3 种滤波方法对水泵机组振动信号进行滤波处理并进行对比分析。结果表明:巴特沃斯滤波器和基于汉宁窗的FIR 滤波结果中存在时域波形的时延和轴心轨迹的连线,滤波不完全,而基于谐波小波的滤波几乎能够完全滤除干扰;对于特定频段的滤波,基于谐波小波的滤波在频段范围比较小的时候优势更加明显。     

基于改进小波阈值-EMD算法的高拱坝结构振动响应分析

基于高拱坝泄流结构实测振动响应数据资料,针对泄流激励作用下不可避免混有各种噪声进而影响结构工作模态识别精度的问题,提出了一种基于改进的小波阈值-经验模态分解(EMD)联合算法的滤波降噪方法。以拱坝泄流结构实测振动响应资料为基础,利用改进的小波阈值算法滤除大部分高频白噪声,降低EMD分解的边界积累效应,进行EMD分解,通过去趋势波动分析(DFA)方法进一步滤除白噪声及低频水流噪声。工程实例分析结果表明,与小波分析、EMD方法相比,该方法具有更好的降噪效果,能精确滤除泄流结构实测振动响应信号中的低频水流噪声及白噪声,最大程度地保留信号中有效特征信息,并且为拱坝泄流结构在噪声干扰下提取有效信息提供了捷径,为坝体结构的安全监控打下了基础。     

汽轮机转子振动故障非线性诊断研究

针对汽轮机转子振动故障的特点,根据Bently实验台所采集的4种典型汽轮机转子振动故障数据,运用分形盒维数、ARMA自谱函数、ARMA模型的二维双隐层神经网络和小波包分析方法研究了振动故障的非线性特征,进行故障诊断。诊断结果表明:不同故障盒维数不同,采用盒维数能够较好的对故障类型进行判别;各种故障的自谱函数幅值分布在不同的频段,有较好地区分度;采用ARMA模型的二维双隐层神经网络进行故障诊断,可以得到各种故障检验样本与目标函数在欧氏空间的最小距离,有较高的故障辨识力;运用小波包分析方法,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。     

露天爆破对近地表平洞结构的地震响应频谱分析

为探讨露天爆破下井下靠近地表平洞结构的爆破地震效应特性,通过露天爆破开挖过程中,在井下平洞拱顶和地面沿轨道方向布设测点,采集了大量井下平洞的爆破地震响应信号。采用小波分析和快速傅里叶变换相结合的分析方法,研究露天爆破地震波作用下平洞结构的响应频谱、能量分布特性。结果表明:爆破地震波作用下,近地表井下平洞拱底和拱顶质点在各个方向上的速度响应信号频率较大,主要集中在10～312 Hz;主频所处波段的能量占爆破震动总能量的大部分;平洞结构在铅直方向上的速度响应信号频率要低于水平方向的信号频率,且铅直方向主频随爆心距变化不大,而水平方向变化较明显;平洞结构拱顶铅直方向速度响应信号频率要低于拱底铅直方向的信号频率,拱顶铅直方向爆破振动响应更应引起重视。     

大坝变形的小波分析与ARMA预测模型

大坝变形观测资料可视为非平稳时间序列,从影响大坝变形规律的因素出发,可将其分解为主值函数项、周期函数项和改进后的平稳时间序列。其中主值函数项采用逐步回归法拟合,针对时效因子采用半经验公式无法准确拟合实际变化情况,采用小波分析法将序列分解为低频和高频两部分信号,其中低频部分代表时效等因素影响的变形趋势;高频部分代表水位、温度等影响的变化规律,应用时间序列原理分别建立变形预测ARMA（p,q）模型,从而在现有水位、温度观测资料下预测坝体未来的变形趋势。实例计算结果表明,结合小波分析的时间序列法建立的预测模型,预测精度高于统计回归分析,预测效果良好,可作为一种有效方法应用于大坝变形预测中。     

小波分析及其在日流量过程随机模拟中的应用

小波分析能将交织在一起的不同频率成分组成的复杂时间序列分解成频率不相同的子序列。基于小波分解和重构思想，本文以屏山站为例尝试将日流量过程分解成不同尺度下的小波系数(细节)和尺度系数(背景)，对分解所得的系数按实测资料显示的主周期(年)进行随机重构，从而获得各种各样的日流量过程线。当小波函数和尺度函数或滤波器确定后，分解和重构过程不需估算参数，也不必进行前期分析和任何假定，因而，这种随机模拟方法具有非参数化特征。实例分析表明是可行的。     

小波包分析及高斯混合模型在汽轮机振动故障诊断中的应用

提出一种利用高斯混合模型对汽轮机振动故障进行诊断的方法。原始的汽轮机振动故障信号用小波包进行分解重构滤波,提取振动信号特征量,然后用特征量来建立高斯混合模型。用每种故障状态的几组数据作训练数据,对每种故障状态建立一个识别元,识别元的参数用EM算法求解最大似然估计,最终将待识别故障数据输入每个识别元,找到最大概率的识别元所对应的故障即为诊断的最后结果。