HHT方法在转子振动故障诊断中的应用

传统的振动故障诊断主要是基于频谱分析的方法，而Hilbert-Huang变换得出的时频图是分析故障信号奇异性的有效工具，也是非平稳信号比较有力的分析工具。Hilbert- Huang变换方法以经验模态分解为基础，使信号变换后得到的瞬时频率具有物理意义。该文通过几种时频分析方法如魏格纳-维尔(Wigner-Ville)分布、小波变换等比较，发现Hilbert-Huang变换的时频分析更能够清楚给出时频分布情况，准确反映系统的固有特性。对转子实验台几种典型振动故障信号进行了分析研究，结果表明，利用Hilbert-Huang变换的时频分析不仅能直观检测信号中的微弱奇异成分，而且可以有效地进行故障诊断，实现早期故障预报。该方法为旋转机械状态检测和故障诊断提供了新的手段。     

TKEO和SET在轴承故障诊断中的应用

时频分析是提取轴承故障诊断的重要方法,在强背景噪声下难以提取瞬态故障特征。针对这一问题,提出一种基于Teager-Kaiser能量算子(TKEO)和同步提取变换(SET)的轴承故障诊断方法,提高SET的时频分析能量的集中度。该方法首先对采集的轴承振动信号进行提取TKEO处理,凸显轴承故障振动信号的冲击分量;然后,对处理后信号进行SET时频分析,通过同步提取算子(SEO)提取时频脊线的时频系数,实现对瞬态故障特征提取;最后通过仿真信号和实测信号进行分析,验证该方法的可行性。实验结果表明:该方法可以有效提取轴承的故障特征,且与先前的时频分析方法相比分析结果具有一定的优越性。     

自检自适应最优时频分布在电力系统谐波分析中的应用

电力系统谐波对电网的危害显得日益严重。为提高对谐波特征参数精确分析,提出了一种自检自适应最优时频分布谐波分析方法。首先应用核参数自适应选取方法(同时对实用化核参数选取进行了分析),实现信号自项和交叉项在模糊域内有效分离,确保信号分量自项有最优的时频分布;其次应用信号分量频谱信息自动搜索功能,提取出最能代表各信号分量特征的单时频谱,实现信号分量在时频面上精确刻画,有效提高信号时频信息的分辨率和可读性,实现了谐波信号参数的精确提取。仿真和实例分析均表明了该方法的有效性。     

基于时频等高图的汽轮发电机组振动故障诊断方法研究

状态监测与故障诊断的主要内容包括故障信号的检测、故障诊断、趋势分析和早期故障预测即预测诊断等。传统的振动故障诊断主要是基于频谱分析的方法，小波变换得出的时频等高图是分析故障信号奇异性的有效工具，为汽轮发电机组的故障检测和诊断提供了新思路。在介绍小波变换理论、Morlet小波和时频等高图的基础上，通过对仿真的汽轮发电机组几种典型振动故障，如不对中、油膜涡动和部件松动等信号进行分析，结果表明时频等高图不仅能够直观检测出信号中的微弱奇异成分，而且还可以有效地对故障进行分类诊断、实现早期故障检测和故障变化趋势分析等。最后，采用时频等高图分析了3种实际机组的振动异常信号。     

改进的HVD方法在转子故障诊断中的应用

针对转子故障诊断问题,介绍了一种基于希尔伯特振动分解(HVD)的多分量非平稳信号时频分析方法。该方法首先对原始振动信号的非平稳频率成分低通滤波,分离出幅值最大分量的瞬时频率;然后由同步检测获得对应的瞬时幅值和初相位;最后经过迭代运算自适应地提取原信号各分量的时频信息。针对HVD的边界效应问题,应用基于最小平方距离准则的波形匹配边界延拓法对其进行改进。通过仿真信号分析验证了改进的HVD对边界效应的抑制效果和对多分量信号的时频分析能力。分析了转子碰摩、油膜涡动、油膜振荡故障试验测试信号,结果表明改进的HVD方法可以精确提取转子系统故障的时频特征,证明了该方法的有效性。     

基于CWD及分块SVD的配电开关故障诊断方法

通常,配电开关分合闸操作产生的振动信号中蕴含有体现机械状态的重要信息。提出一种基于振动信号分析的新型配电开关故障诊断方法。首先对振动信号求取乔-威廉斯分布获得二维时频矩阵,然后对时频矩阵作分块奇异值分解,用于表征不同机械状态的时频特性,最后结合极限学习机算法对4类实测振动信号的特征向量进行训练和测试。所提方法的优点是有效提取了配电开关振动信号时频域的特征,并且可以在较少样本的情况下训练诊断模型。基于实测数据的实验表明,该方法具有较高的识别精度和较快的收敛速度。     

基于小波分析的汽轮发电机组振动信号消噪和特征提取

小波分析技术由于其良好的时频局部化性质,对突变和非平稳信号的分析具有良好的效果,已经成为信号消噪、特征提取和故障诊断的重要方法之一.针对汽轮发电机组的振动特征,采用基于最优小波包基的方法对汽轮发电机组的振动信号进行消噪处理,有效地剔除了汽轮发电机组表面振动信号的噪声干扰,提高了信号的信噪比;对消噪后的信号进行小波包分解,并将各相关频带进行能量特征提取,从而为汽轮发电机组振动信号的故障诊断提供了有力依据.     

模态时频图与ResNet50融合的真空接触器故障诊断方法

针对时频方法用于真空接触器故障诊断存在特征遗漏的局限性，提出一种利用模态时频图描述振动信号特征，并融合ResNet50的故障辨识方法。首先设置故障模拟方案，并采用下采样处理方法，丰富样本数据库。其次采用灰狼优化算法，搜寻变分模态分解(variational mode decomposition,VMD)算法的最佳参数，将复杂振动信号分解成最佳中心频率、有限带宽的固有模态分量。最后，提出一种模态时频图提取特征方法，利用小波变换将模态分量生成模态时频图，充分提取特征，并融合ResNet50辨识故障类型。以ZKTJ–400/1140型真空接触器作为实验对象，故障识别率达到99.38%。通过与其他时频图故障诊断方法对比，所提方法准确率明显提升，为精确感知一次设备状态提供了参考。     

基于深度自编码网络的高压断路器操作机构机械故障诊断方法

为了提高操作机构机械故障诊断准确率,充分挖掘高压断路器振动信号中的特征信息,提出了一种基于深度自编码网络的高压断路器操作机构机械故障诊断方法。首先,提取断路器操作机构振动信号并进行小波包变换,并对各个频段的振动信号进行等时间分段;然后计算振动信号时频子平面的能量大小,并以该时频能量分布作为断路器操作机构故障诊断的特征量;最后,通过预训练和微调建立基于深度自编码网络的断路器故障诊断模型,并以126 kV高压断路器进行不同故障类型的模拟实验验证方法有效性。实验结果表明:该方法能够获取故障样本数据并进行故障诊断,诊断准确率达到97.5%;深度自编码网络能够充分挖掘出断路器振动信号中的深层信息,相较于传统的浅层网络能够更加准确有效地诊断操作机构机械故障。     

基于ST-SVD与WOA-SVM模型的变压器绕组松动故障诊断方法

为了深入研究变压器振动信号包含的大量故障信息,提出了一种基于S变换奇异值分解(ST-SVD)与鲸鱼优化支持向量机(WOA-SVM)模型的变压器绕组松动故障诊断方法。首先,基于变压器故障模拟试验平台采集变压器绕组处于不同状态下的振动信号。其次,对变压器振动信号进行S变换获取其时频矩阵。再次,计算出时频矩阵对应的幅值矩阵进行SVD,并定义特征向量。最后,采用鲸鱼优化算法优化SVM模型参数,并输入特征向量完成故障诊断。试验结果表明,所提方法故障识别准确率高于传统方法模型,适用于变压器绕组松动故障诊断。     

一种改进的MP-WVD滚动轴承信号时频分析方法

针对魏格纳维利分布(WVD)方法直接对轴承振动信号进行分析时存在交叉干扰项的问题,提出一种基于改进匹配追踪(matching pursuit,MP)算法与WVD的滚动轴承信号时频分析方法。首先,根据对轴承振动信号的分析,确定MP算法中字典原子的基函数,并通过相关滤波法确定原子参数,完成字典构造。然后,利用快速傅里叶变换(fast Fourier Transform,FFT)计算信号与字典中原子的互相关谱,替代MP算法中的内积运算,对信号进行稀疏表示,迭代过程中根据残差信号的频谱更新字典中的频率参数。最后,对稀疏表示结果中的原子进行WVD计算,并以原子对应系数为权重将各原子的时频表示线性叠加,完成信号的时频分析。实验结果表明,有效提高了MP算法的计算速度,并且与3种WVD改进算法相比,本文方法时频分析结果的时频聚集程度更高,可以更好地克服WVD方法中的交叉干扰项,为滚动轴承信号的时频分析提供新的解决方法。     

断路器操作三维振动信号差异特征的研究

针对单轴传感器在断路器中应用的缺陷与不足,为了获取更多断路器分合闸时的状态信息,利用三维振动传感器同步采集断路器操作时振动信号,在时域、频域方面以及时频联合对X、Y、Z 3个方向的信号进行分析对比。在时域方面,运用X、Y、Z3个方向振动信号各个特征和能量的分布;在频域方面,运用快速傅立叶算法得出频谱分布图和功率谱图;在时频联合方面,运用小波包分解将三维传感器信号进行分解,并求出能量在各节点的分布和Wigner-Ville分布,说明三轴传感器放置方向对断路器测量信号故障诊断正确率的影响。实验分析结果表明,三维振动传感器采集的断路器振动信号时频特征均有显著差异,可更全面反映断路器分合闸时的状态信息。     

短时傅立叶变换在大型水轮发电机组振动分析中的应用

针对水轮发电机组工作环境的特殊性、引起振动原因的多元性及复杂性,根据短时傅立叶的线性时频变换特性,将时频分析理论应用于水轮发电机组的振动分析.以实际工程中的水轮发电机组为例,应用短时傅立叶变换分析机组的振动信号,结果图清晰直观地表现了机组的振动情况,为水轮发电机组的故障诊断提供了理论和现实依据.     

基于稀疏自适应S变换和深度残差网络的轴承故障诊断方法

复杂滚动轴承振动信号存在非线性、非平稳等问题,传统信号处理方法难以实现故障特征的有效提取和高精度的故障分类。针对此问题,从轴承振动信号的时频特性出发,提出一种基于稀疏自适应S变换和深度残差网络的轴承故障诊断方法。首先将采集的振动信号进行稀疏自适应S变换,得到轴承不同工况下的时频图像特征;然后构建深度残差网络结构,并合理的选取优化器、初始学习率等网络参数,提出基于深度残差网络的轴承故障诊断模型。对某滚动轴承振动数据集的计算结果表明,基于稀疏自适应S变换的时频分析方法具有较高的时频分辨率,所构建的深度残差网络模型能够准确识别不同故障状态及其严重程度下的轴承运行信息,为滚动轴承的故障状态诊断提供了技术支撑。     

高速铁路轨道不平顺的时频特征分析

针对高速铁路实测轨道振动加速度信号,对比了STFT、WVD和Gabor变换三种方法分析的时频特征,利用STFT分析结果提取出匀速条件下最不利长波不平顺波长;针对STFT时频分辨率受限的特点,提出改进方案;利用改进后的STFT分析了实测信号的时频特征。时频分析结果表明：高速铁路长波不平顺信号振动频率与列车速度呈单调递增关系;改进的STFT能够顺利提取长波不平顺信号特征频率。     

采用振动信号零相位滤波时频熵的高压断路器机械故障诊断

为了以较少的计算量从高压断路器振动信号中获取机械状态信息,提出一种零相位滤波时频熵方法。通过小波包方法分析高压断路器振动信号的时频分布,并利用边际谱和瞬时能量密度计算时频平面的划分间隔。依据频带间隔,采用零相位数字滤波器提取频带分量;依据时间间隔,将各频带分量划分为多个子时间段。用子时段幅值包络的积分构造各频带分量的信息熵,并共同组成时频熵向量,对振动信号的时频特性进行量化表达。在真空断路器上进行模拟试验,获得了正常状态、铁心卡涩、软连接松动和绝缘拉杆故障等模式的样本数据。引入支持向量机分类器,对不同状态的样本数据进行诊断,准确率达90%。验证了通过零相位滤波时频熵方法诊断高压断路器机械故障的可行性。     

一种新颖的电力变压器故障诊断方法研究

本文在传统方法的基础上,提出了一种新的基于联合时频分析的故障诊断方法。该方法首先根据滤波后的冲击信号得到差异电流信号,然后对差异信号进行联合时频分析,得到时频分布图。不同的时频分布图反映不同的故障特征,不同的故障反映在时频分布图上也是不同的。通过建立故障时频分布图数据库,就可以实现电力变压器故障的自动定位、识别。由于该方法完全由计算机完成,较传统方法准确性高,应用前景更为广阔。     

一种新颖的电力变压器故障诊断方法研究

本文在传统方法的基础上,提出了一种新的基于联合时频分析的故障诊断方法。该方法首先根据滤波后的冲击信号得到差异电流信号,然后对差异信号进行联合时频分析,得到时频分布图。不同的时频分布图反映不同的故障特征,不同的故障反映在时频分布图上也是不同的。通过建立故障时频分布图数据库,就可以实现电力变压器故障的自动定位、识别。由于该方法完全由计算机完成,较传统方法准确性比较高,应用前景更为广阔。     

基于时频检测的 GIS 设备异常振动分析

对振动信号进行时频分析可以准确地定位振动源,进而分析GIS设备异常振动的成因并评价设备运行状况。采用振动宽频测试系统检测了某220 kV变电站GIS设备的异常状况,通过对测得振动信号进行频谱分析和连续小波分析,研究了振动信号的时频特性,揭示了振动信号在GIS设备中的传播衰减过程;同时利用振动信号小波熵分析了振动信号的时间延迟,从而对振动源进行了精确定位。     

基于自适应最优核时频分布理论的间谐波分析新方法

间谐波是非整数倍基波频率的谐波信号,对电网的危害日益严重,因此,准确地分析间谐波的特征对电力系统具有十分重要的意义。提出一种基于自适应最优核时频分布理论的间谐波分析新方法。自适应最优核时频分布理论是一种现代信号处理方法,它是采用非线性变换处理非平稳信号的时频分析方法。文章首先对信号求取模糊函数,并在模糊域采用自适应最优高斯核函数来抑制交叉项,然后求模糊函数的二维傅里叶变换,从而得到仅有自项分量的时频分布。该法用于多分量、时变的含有间谐波的信号分析,具有很好的时频聚集性,强自适应性和抗噪声性能,且不受交叉项的影响,时间–带宽积几乎可以达到Heisen-berg不确定性原理给出的下界。仿真结果表明了该方法的有效性。