基于小波包分解的断路器振动信号能量谱和能量熵分析

为了获取断路器在多次分合闸动作机械性能劣化过程中振动信号的差异,基于小波包分解理论,提取SF₆断路器在分合闸动作4 000次过程中的振动信号,并进行小波包分解,计算各个节点的能量谱和能量熵。计算结果表明,在合闸与分闸过程振动信号能量谱中,能量主要分布在节点(4,0)与节点(4,1),占比达到95%。随着断路器动作次数增加,分闸振动信号节点(4,0)的能量占比增加,节点(4,1)能量占比减少,能量分布向低频转移。合闸振动信号节点(4,0)与节点(4,1)的能量比均在一定范围内波动,未呈现出明显的变化趋势,合闸振动信号与分闸振动信号各个节点的小波包-能量熵均保持不变。     

基于小波包能量熵的变压器振动信号特征研究

利用小波包分解原理将变压器振动信号分解到不同的频段中,然后计算各频段的能量熵值,最后根据该能量熵值来对变压器绕组进行故障诊断。试验结果表明,该方法能够突显变压器绕组的故障特征信息,为变压器绕组的早期故障的诊断奠定了坚实的基础。     

基于小波包能量谱分析的电机故障诊断

小波包是继小波分析后提出的一种新型的多尺度分析方法[1],解决了小波分析在高频部分分辨率差的缺点,体现了比小波分析更好的处理效果。文章描述了小波包分析方法的基本原理及其实现算法,并从能量分布的角度出发,阐述了在电机故障诊断中,利用小波包分析方法将模糊故障信号进行量化、分解,从而便于用单片机进行处理、判断的一种新的应用途径,在实验室中模拟各种电机故障进行了实验验证,实验进一步表明基于小波包能量谱分析的电机故障诊断方法是一种方便灵活并且准确度很高的故障诊断方法。     

基于振动信号小波包提取和短时能量分析的高压断路器合闸同期性的研究

该文提出了一种分析高压断路器合闸同期性的新方法将小波包提取算法和短时能量分析方法相结合，利用小波包分解与重构原理将断路器合闸振动信号分解到不同频段中，并对代表高频冲击信号的分解系数进行重构，然后运用短时能量分析方法对重构后的信号进行分析，辨识出合闸变位点。通过对三相合闸过程的分析，得出三相同期性。通过MATLAB仿真分析和实验结果验证了该方法的有效性。     

基于小波包能量熵和DBN的轴承故障诊断

轴承是旋转机械设备的关键部件,目前已有很多轴承故障诊断方法,但其中一些方法只能针对特定的轴承故障进行诊断,可能不适用于其他轴承故障问题,而且大部分方法的诊断准确率还可以进一步提高。提出小波包能量熵与深度置信网络(DBN)相结合的方法进行轴承故障诊断。首先对轴承振动信号进行小波包变换,然后以能量熵的形式构建特征向量,这些特征向量含有不同频段内的振动能量大小,可以用于区分各种轴承故障。最后利用基于DBN的深度模型对能量熵特征向量进行故障识别。使用两类轴承数据集进行验证,分别获得100%和99.5%的故障识别准确率。实验结果表明,该诊断方法具有较好的通用性,而且可以达到很高的诊断准确率。     

基于小波包能量熵的电力变压器运行状态评估方法研究

振动在线检测法在电力变压器机械故障诊断中的应用越来越广泛,在此基础上将能量熵引入电力变压器绕组振动信号的特征提取中。通过实验提取一台电力变压器绕组正常运行和短路冲击运行时的振动信号,运用小波包分解重构原理分解出信号的子频带,采用频段-能量熵方法来检测电力变压器绕组不同运行条件下短路故障类型。实验结果表明,不同机械状态下电力变压器绕组振动信号特征向量之间的差异性可作为故障诊断的依据。     

小波包能量谱和功率谱分析在水电机组故障诊断中的应用

小波包克服了小波分析在高频空间分辨率差的缺点,能够给信号提供更加精确的分解。因此在小波包分析的基础上,从能量和功率分析的角度出发,阐述了在水电机组故障诊断中采用小波包能量谱和功率谱分析相结合的信号特征提取的方法。通过对实验及电厂振动故障信号的提取与分析,表明小波包能量谱和功率谱分析相结合的信号特征提取方法准确而高效,是一种应用价值较高的信号特征提取方法,并能为机组故障的准确诊断提供依据。     

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。     

小波包-能量谱在高压断路器机械故障诊断中的应用

文章提出了一种利用小波包变换对高压断路器振动信号进行处理的新方法,应用小波包-能量谱分析得到各尺度上的能量百分比作为特征参量对高压断路器进行故障诊断.小波包变换能将已知信号按任意时频分辨率分解到更加精细频带,且提高了信号处理的频率分辨率,小波包正交分解后的信号具有各频带信号独立、能量守衡的特点.仿真结果表明,小波包-能量谱用于高压断路器机械故障诊断中是行之有效的.     

小波包–能量谱在高压断路器机械故障诊断中的应用

文章提出了一种利用小波包变换对高压断路器振动信号进行处理的新方法,应用小波包–能量谱分析得到各尺度上的能量百分比作为特征参量对高压断路器进行故障诊断。小波包变换能将已知信号按任意时频分辨率分解到更加精细频带,且提高了信号处理的频率分辨率,小波包正交分解后的信号具有各频带信号独立、能量守衡的特点。仿真结果表明,小波包–能量谱用于高压断路器机械故障诊断中是行之有效的。     

基于提升小波包变换的谐波电能计量

为了克服加窗插值傅里叶算法无法准确计量非稳态谐波的缺陷,实现同时对电力系统稳态、非稳态信号的谐波电能进行准确计量,提出了基于提升小波包变换的谐波电能计量方案,详细阐述了其原理,提升分解、重构步骤。给出了整数次谐波、非整数次谐波功率计算公式,并通过仿真实验证明了该方法的准确性、可行性。对该算法进行优化,并进行DSP算法仿真实验,并估算该算法运行时占用空间大小及耗费时间,结果表明该算法能有效节省内存空间及运行时间。     

谐波小波包在接收机中的应用研究

在强噪声环境中检测出微弱信号的能力是接收机重要性能指标之一.为了提高接收机在强噪声环境中检测微弱信号的能力,将小波去噪算法和谐波小波滤波算法应用到接收机的数字处理部分,并使用MATLAB软件做了相应的仿真.仿真结果表明,在-30 dB的信噪比下,小波去噪算法效果不理想,谐波小波滤波算法取得较好的效果,能够在强噪声环境中...     

基于ICEEMDAN与小波包分解的脉搏信号联合去噪

针对脉搏信号非线性、非平稳,且难以去噪的问题,提出了一种基于改进的自适应噪声集合经验模态分解(ICEEMDAN)与小波包分解(WPD)相结合的联合去噪方法,对采集的脉搏信号进行去噪处理。首先对噪声信号进行ICEEMDAN模态分解,产生一系列的固有模态函数(IMF),再将这些IMF分量分别与原信号进行相关系数的计算,比较相关系数的值,然后进行信号的重组,最后对重组后的信号进行小波包分解,提取得到降噪后的脉搏信号。利用仿真数据、实际采集的脉搏信号进行实验分析,将该方法与集合经验模态分解(EEMD)进行了对比,并比较了这两种方法的信噪比(SNR)和均方根误差(RMSE)。实验结果表明：基于ICEEMDAN-WPD的联合去噪方法能更有效地去除噪声,并更好地保留脉搏信号的特征。     

基于小波包去噪与EMD的故障电弧检测算法研究

经验模态分解(Empirical Mode Decomposition,简称EMD)方法是一种被广泛应用于故障诊断领域的信号处理方法,但是分解的结果容易受到高频噪声的干扰。因此本文提出利用小波包去除噪声,同时利用EMD分解进行故障电弧信号处理的研究方法。首先根据国标GB/T 31143-2014搭建故障电弧实验平台,采集故障电弧信号,利用小波包去除信号中的噪声,然后利用EMD方法对正常电弧和故障电弧进行分解得到一系列本征模态分量,通过计算求出这些分量的能量熵并进行归一化处理得到特征向量,最后进行支持向量机(SVM)训练,进而诊断得出故障电弧的故障类型。实验结果表明该方法可以有效准确地对故障电弧进行判断。     

基于小波包谱能量的母线差动保护

母线区外故障时,TA可能发生饱和,电流采样波形发生严重畸变,饱和的TA不能提供电流来平衡其他TA提供的电流而出现差动电流,微机母线保护装置有可能不正确判断故障位置。基于差电流在TA饱和时的特点提出了一种新型母线差动保护。该方案应用小波包对故障暂态分量差电流和故障暂态分量和电流进行变换,根据暂态信号中的几个特定频段的谱能量的平方和来实现区内、外故障的判定。大量的仿真结果表明,在不同故障时刻该方案能够正确地区分故障区间,提高了母差保护的灵敏度和可靠性,具有很强的实用价值。     

基于改进小波包的非整次谐波分析算法

小波函数是具有时域和频域良好局部化特性的函数,可以用于非整次谐波的检测。但是小波变换算法存在着频谱泄漏和栅栏现象,给谐波的检测带来误差。文章提出了改进小波包快速算法,在每层信号分解或重构过程中,在原小波滤波器后面串联一个新的纠正滤波器,使得重构信号中的幅值失真和频谱混叠现象得到有效改善,实现检测非整次谐波的方法。通过仿...     

基于FBG和小波包能量谱的风机叶片无损检测

对风力发电设备而言,风机叶片界面脱粘分层和外表损伤为最常见的损伤类型。利用光纤光栅传感技术和小波包能量谱分析法,研究了表面冲击与风机叶片的外表损伤和界面脱粘分层互相作用时,该相互作用对冲击响应信号中心波长以及能量分布的影响。利用光纤光栅混合复用技术将美国微光公司的OS3100光纤光栅传感器布设成传感网络贴附在风机叶片的内表面,并对风机叶片进行表面冲击试验,试验中将传感器采集到的损伤产生的冲击响应信号进行解调后送至计算机,用MATLAB进行小波包能量谱分析和中心波长的提取,并与无损时的数据进行对比,发现有外表损伤时能量主要集中在高频段,无损伤时集中在低频段,并且存在界面脱粘分层时的冲击响应信号中心波长的变化范围远大于无损伤的时候,由此提出了通过对冲击响应信号能量分布和中心波长的监测实现风机叶片损伤预警的方法。该方法在检测过程中不会对风机叶片造成额外损伤,实现了无损检测的目标。     

基于小波包时-频能量群的非稳态谐波分析

针对电力系统中非稳态谐波的频谱具有一定带宽的特点,提出了一种小波包时-频能量群的谐波分析新方法.该方法对信号进行恰当的小波包分解,使非稳态谐波的频谱落到某个频率子带上,将子带内的频谱作为一个谐波能量群.在谐波能量群的基础上,提出了适合测量非稳态谐波的参数.仿真结果表明,较之FFT谐波分析方法,小波包时-频能量群的谐波分析方法更适合分析谐波电压剧降、指数衰减和正弦调制等这类复杂的非稳态谐波,并且比FFT波分析方法具有更高的准确度.     

基于小波包能量熵判别的高压输电线路单相自适应重合闸

提出了利用小波包能量熵来判别故障性质的单相自适应重合闸新方法.介绍了小波包能量熵的概念,引入能量修正因子对能量熵定义进行了改进,以获得更高的判别灵敏度.分析对比了2种故障相电压的特点,从原理上揭示了在二次电弧能量较大的频段,2种电压信号能量时间分布明显不同:计算表明2种故障情况下低频节点熵值M3.0比较接近,而在高频段节点处瞬时性故障的熵值要大得多.最后,提出利用高频节点特征频带的熵值均值作为判别指标.理论分析和基于EMTP/Matlab仿真结果表明:该故障判别方法能快速准确地识别故障性质,且灵敏度不受系统运行方式、过渡电阻、故障位置和振荡电压幅值等因素的影响,对二次电弧模型精度要求也不高,具有较好的适应性.