小波变换与傅里叶变换应用于电力谐波检测中的理论研究

电力系统中存在大量谐波,且谐波检测难度较大。因此,在现有研究的基础上对其展开理论研究,并提出了一种联合检测方法:首先对信号按频率进行分解,低频部分通过FFT法确定各次谐波含量。高频部分通过小波变换法分解和处理,并通过小波变换获得信号谐振发生时间点和谐振幅值大小,同时将高频部分中的噪声信号滤掉,最后对分解并处理后的信号进行重构。所设计的方案能够有效提高谐波频域检测和分析的精确度。进一步仿真表明,提出的谐波检测方案能够满足测量各次谐波含有率标准的要求。     

往复泵泵阀的谐波小波包分析及LS-SVM方法研究

针对往复泵泵阀冲击振动信号的非平稳特性,运用谐波小波包能量特征提取和最小二乘支持向量机(LSSVM)相结合的方法识别泵阀故障。通过对泵阀冲击振动信号进行谐波小波包分解,提取各频段谐波小波包系数的能量值,将各频段能量值组成的特征向量作为诊断模型的特征向量,输入到LS-SVM多类分类器中进行故障识别,并将谐波小波包与小波包在泵阀故障诊断中的诊断准确率进行了比较。试验结果表明将谐波小波包分解和LS-SVM相结合可以准确有效地识别泵阀故障类型。     

基于改进谐波小波包分解的滚动轴承复合故障特征分离方法

为解决滚动轴承单通道振动信号中复合故障特征难以分离的问题,提出了基于改进谐波小波包分解的轴承复合故障特征分离方法。首先,改进了二进谐波小波包分解方法,提出了连续谐波小波包分解方法,克服了信号分解后子带个数和带宽范围受二进制划分的缺陷;然后,采用谐波窗分解提取信号中频率成分集中的频段,根据轴承各单点故障特征频率确定分解层数,进行连续谐波小波包分解,利用能量算子包络解调得到子带信号中各个单点故障的权重因子;最后,重构轴承各单点故障信号,实现复合故障的特征分离和提取。对仿真信号和实测轴承内、外圈复合故障信号分析的结果表明,该方法能将轴承单通道复合故障信号分解到不同的通道中,实现了复合故障特征的分离,具有一定的工程实用价值。     

基于谐波小波包能量熵的轴承故障实时诊断

将谐波小波包变换与信息熵相结合,从揭示故障信号能量分布的复杂程度入手,提出一种轴承故障实时诊断的新方法.对故障振动信号进行谐波小波包分解,将分解的小波系数按尺度进行排列,计算不同尺度的能量,以尺度能量为划分标准,计算故障信号的能量熵,通过能量的熵值诊断轴承故障.给出谐波小波包能量熵的轴承故障的具体诊断方法和模型.对不同...     

谐波小波包方法及其对转子亚频轴心轨迹的提取

转子轴心轨迹,特别是亚频轴心轨迹的提取,在转子故障识别中是十分重要的。分析了谐波小波的优势,在研究了谐波小波的频段分解基础上,提出了谐波小波包变换的频段分析表达式,并给出了实现方法,实现了谐波小波的任意频段“任意细化”能力。对转子振动信号进行了频域细化分析,并用谐波小波包变换对实际的高速转子振动信号进行了分析,在得到细化频谱的同时,直接实现了常规方法难以实现的转子亚频信号的轴心轨迹提取,得到了满意结果,为转子故障信号的分析创造了条件。     

小波包变换在电网谐波检测中的应用研究

随着非线性负荷用户的不断增加,大量谐波注入电网,使得电力系统电压、电流波形偏离正弦波形发生畸变.运用小波包变换分析了电网系统谐波信号,根据信号特性,选取合适的小波函数,确定了小波包变换的分解层数,并通过仿真实验验证了小波包分析方法在电网谐波检测中的正确性和实用性.     

发动机异响信号的小波包能量特征提取

在机械故障诊断过程中,最关键的问题就是故障特征信号的特征提取,从某种意义上说,特征提取是当前机械故障诊断研究中的"瓶颈"问题.发动机是一种多振源、宽频带、振动形态复杂的机械,其振动信号呈现非平稳时变特征,噪声干扰大,故障信号往往被淹没在干扰噪声中.发动机声响的分析在其故障诊断中显得极为重要.现提出一种依靠小波包分析来进行发动机故障诊断的方法,即通过对发动机异响信号在全频带范围内进行正交小波包分解,得到由全频带均匀划分的各子频带的小波包分解系数,对小波包分解系数进行重构得到该频带的信号,提取各频带信号的能量构造出小波包特征向量,从而实现对故障源的判断.     

小波包分析在转子裂纹故障检测中的应用

在单跨转子实验台上对带有裂纹故障的转子进行实验，把采集到的非平稳信号利用小波包分解方法进行了研究，采用db44小波基函数进行4层小波包分解。考虑各频带内分解信号的特点，利用重分配小波尺度图对裂纹转子系统在1／2，1，2倍临界转速下稳态信号进行分析。发现发生裂纹故障时，在1／2和1倍临界转速下，产生2X谐波；而在2倍临界转速附近产生1／2X，3／2X，2X和3X谐波。这些频率特征可以作为检测早期裂纹故障的依据。     

高速磁悬浮列车牵引供电系统谐波仿真分析

本文分析了采用半控双三相12脉冲整流器的高速磁悬浮列车牵引供电系统及其产生的谐波.它是一种新型的谐波源,所产生的高频谐波对磁悬浮列车的安全稳定运行产生了很大的危害.采用小波包变换对高速磁悬浮列车牵引供电系统所产生的高频谐波信号进行了仿真分析,结果表明小波包变换应用于高速磁悬浮牵引供电系统的谐波分析,可将信号中的高频成分逐步分离,减少高频谐波成分对电力系统的污染,对实现高速磁悬浮牵引供电系统谐波信号的高分辨率检测具有很好的应用价值.     

基于小波分析的电能质量谐波检测虚拟仪

介绍了一种基于小波分析的电能质量谐波检测技术,在LabVIEW虚拟仪器设计平台上采用小波分析技术检测电能突变点,并采用快速傅立叶变换对稳态信号进行谐波失真分析,获得基波频率、各次谐波含有率及总谐波畸变率THD等,实现电能质量谐波检测。实验结果表明,利用该方法可以很好地去除信号突变,精确地提取出稳态信号。     

基于LabVIEW的双馈风力发电机组在线谐波分析研究

针对双馈风力发电机组在并网运行时,其电力电子变流装置将向电网注入大量谐波电流的问题,将基于LabVIEW的在线谐波分析技术应用到双馈风力发电机组的谐波监测分析中。开展了针对双馈风力发电机组注入电网谐波的傅里叶分析和小波包分析,提出了将傅里叶变换与小波包变换联合使用的方法;在LabVIEW上搭建了仿真平台,对双馈风力发电机组可能存在的谐波进行了仿真分析试验。试验及研究结果表明,对于平稳信号与非平稳信号进行谐波分析时,将傅里叶变换与小波包变换联合使用,两者的效能得到明显的提高,优于单独使用傅里叶变换或小波包变换,且可更准确地获取基波和谐波的实时波形与频域特性,谐波定位更准确,为谐波补偿提供了更可靠、准确的信息。     

Time-frequency characterization of nonlinear normal modes and challenges in nonlinearity identification of dynamical systems

Presented here is a new time-frequency signal processing methodology based on Hilbert-Huang transform (HHT) and a new conjugate-pair decomposition (CPD) method for characterization of nonlinear normal modes and parametric identification of nonlinear multiple-degree-of-freedom dynamical systems. Different from short-time Fourier transform and wavelet transform, HHT uses the apparent time scales revealed by the signal's local maxima and minima to sequentially sift components of different time scales. Because HHT does not use pre-determined basis functions and function orthogonality for component extraction, it provides more accurate time-varying amplitudes and frequencies of extracted components for accurate estimation of system characteristics and nonlinearities. CPD uses adaptive local harmonics and function orthogonality to extract and track time-localized nonlinearity-distorted harmonics without the end effect that destroys the accuracy of HHT at the two data ends. For parametric identification, the method only needs to process one steady-state response (a free undamped modal vibration or a steady-state response to a harmonic excitation) and uses amplitude-dependent dynamic characteristics derived from perturbation analysis to determine the type and order of nonlinearity and system parameters. A nonlinear two-degree-of-freedom system is used to illustrate the concepts and characterization of nonlinear normal modes, vibration localization, and nonlinear modal coupling. Numerical simulations show that the proposed method can provide accurate time-frequency characterization of nonlinear normal modes and parametric identification of nonlinear dynamical systems. Moreover, results show that nonlinear modal coupling makes it impossible to decompose a general nonlinear response of a highly nonlinear system into nonlinear normal modes even if nonlinear normal modes exist in the system.     

基于多分辨时频分析方法实现睡眠脑电图信号的自动分阶

详细介绍了睡眠分阶规则,并在分析比较多种时频分析方法的基础上,应用基于小波包变换和短时傅里叶变换的多分辨率时频分析方法来实现睡眠脑电图的自动分阶分析.在采用虚拟仪器技术研制的虚拟式脑电图记录分析仪上进行了实验,结果表明,上述方法可以获得较好的睡眠分阶分析结果.     

Dispersion-based continuous wavelet transform for the analysis of elastic waves

The continuous wavelet transform (CWT) has a frequency-adaptive time-frequency tiling property, which makes it popular for the analysis of dispersive elastic wave signals. However, because the time-frequency tiling of CWT is not signal-dependent, it still has some limitations in the analysis of elastic waves with spectral components that are dispersed rapidly in time. The objective of this paper is to introduce an advanced time-frequency analysis method, called the dispersion-based continuous wavelet transform (D-CWT) whose time-frequency tiling is adaptively varied according to the dispersion relation of the waves to be analyzed. In the D-CWT method, time-frequency tiling can have frequency-adaptive characteristics like CWT and adaptively rotate in the time-frequency plane depending on the local wave dispersion. Therefore, D-CWT provides higher time-frequency localization than the conventional CWT. In this work, D-CWT method is applied to the analysis of dispersive elastic waves measured in waveguide experiments and an efficient procedure to extract information on the dispersion relation hidden in a wave signal is presented. In addition, the ridge property of the present transform is investigated theoretically to show its effectiveness in analyzing highly time-varying signals. Numerical simulations and experimental results are presented to show the effectiveness of the present method.     

小波变换在电网谐波分析中的应用

随着电力电子技术的广泛应用,谐波对电力系统的污染越来越严重,检测、分析和抑制谐波已经成为电力系统环境治理的重要课题.利用小波变换及传统的傅立叶变换对电网中的谐波进行了检测、分析,并通过MATLAB进行了仿真.仿真结果表明,利用小波变换可以将信号中不同频率的谐波有效地提取出来,并进行有针对性的分析,具有更高的分析精度.     

基于EMD和支持向量机的柴油机故障诊断

为了解决传统小波或小波包变换方法对柴油机振动信号频率分辨率不高、易受邻近谐波分量间交叠影响的缺陷,提出了一种基于经验模态分解和支持向量机的故障诊断方法。该方法首先对振动信号进行经验模态分解,分别提取能量最大的几个基本模式分量的小波包特征;然后采用支持向量机在每个独立的特征子集中进行训练,并按该子集对应的基本模式分量的能量权重进行加权融合。试验中将该方法应用于6135型柴油机的故障诊断,结果表明,针对每个基本模式分量分别进行故障分析是可行的,能够对6135型柴油机常见故障模式进行准确识别。     

金属跌落零件冲击响应信号的时频分析

分别研究了用平滑Wigner分布和小波变换分析跌落零件冲击信号的方法，比较了各种分析方法的特点。结果表明，这些时频域分析方法有很多优越性，但是也存在一些有待进一步研究的问题。     

Wavelet spectrum analysis approach to model validation of dynamic systems

Feature-based validation techniques for dynamic system models could be unreliable for nonlinear, stochastic, and transient dynamic behavior, where the time series is usually non-stationary. This paper presents a wavelet spectral analysis approach to validate a computational model for a dynamic system. Continuous wavelet transform is performed on the time series data for both model prediction and experimental observation using a Morlet wavelet function. The wavelet cross-spectrum is calculated for the two sets of data to construct a time-frequency phase difference map. The Box-plot, an exploratory data analysis technique, is applied to interpret the phase difference for validation purposes. In addition, wavelet time-frequency coherence is calculated using the locally and globally smoothed wavelet power spectra of the two data sets. Significance tests are performed to quantitatively verify whether the wavelet time-varying coherence is significant at a specific time and frequency point, considering uncertainties in both predicted and observed time series data. The proposed wavelet spectrum analysis approach is illustrated with a dynamics validation challenge problem developed at the Sandia National Laboratories. A comparison study is conducted to demonstrate the advantages of the proposed methodologies over classical frequency-independent cross-correlation analysis and time-independent cross-coherence analysis for the validation of dynamic systems.     

基于小波包变换的二滩大坝地震响应能量分析

由于地震响应信号具有明显的非平稳特性,为分析其在不同频带的能量分布规律,结合实际地震监测数据,利用小波包分析良好的时频局部化性质和均匀频带划分能力,对二滩大坝地震动响应信号进行研究。首先,简略地对比了小波变换与小波包变换的异同,讨论了基小波选取的侧重点,提出了小波基混频度的概念,并作为选取小波基的评判指标;其次,对坝体不同位置响应信号在不同频段内进行展开,讨论了不同测点、不同方向上响应信号能量在各频带上的分布规律;最后,总结了结构响应信号的能量在频带上的分布与信号的方向及结构的位置关系。研究结果可为大坝的抗震减振以及与能量相关的安全评估方法提供理论基础。