基于模糊推理的飞机电源系统故障诊断专家系统

在对某飞机电源系统整流装置进行频谱分析的基础上,通过选择特定的故障敏感特征频率点,定义了基于小波变换理论的"频带能量特征向量"。针对飞机电源系统实时故障诊断的要求和基于小波变换的故障特征提取方法的特点,设计了基于模糊推理的产生式规则专家系统,该系统利用已获得的各种故障的"频带能量特征向量"构造规则前提的权系数,并使用"模糊匹配"、"语义距离"等方法实现推理机制,使故障诊断在"一次性"推理中完成,经实验验证满足实时性、准确性的要求,该方法为飞机电源系统故障诊断专家系统由理论验证向实际应用的转化提供了可行性。     

风力发电机组故障振动信号特征向量的提取

为了准确分析风力发电机组故障的振动特性,给出了基于多种函数变换方式的振动信号特征向量提取方法.运用EMT690D机械设备故障诊断系统对模拟直驱风力发电机组故障振动信号进行提取.利用傅立叶变换、小波变换和小波包变换分别对振动信号进行分析,提出了不同类型的提取振动信号特征向量的方法,通过变换得到了数组故障振动信号的特征向量.结果表明这三种变换方式各有优势,能够从不同的角度分析振动信号.     

基于EMD相关去噪的风电机组振动噪声抑制及特征频率提取

针对风电机组振动信号同时受背景白噪声和短时干扰噪声的影响,使得早期微弱故障特征频率难以提取的问题,提出一种结合经验模态分解(EMD)、相关性分析和小波包变换(WPT)的振动信号噪声抑制及故障特征频率提取方法(EMD相关去噪-WPT)。该方法首先利用EMD分解振动信号得到能表征不同频率的固有模态函数(IMF),然后筛选表征故障特征频率的IMF,并重构得到故障特征信号;其次,利用自相关分析去除重构信号中噪声的影响;最后,结合小波包变换(WPT)提取去噪重构振动信号中的特征频率。为了验证所提方法的有效性,以实测和模拟的双馈风电机组轴承故障振动信号为例,对轴承振动信号分别利用小波包变换(WPT)、EMD相关去噪-WPT、小波硬阀值-WPT方法进行特征频率提取分析。通过不同特征频率提取方法比较表明,所提出的基于EMD相关去噪-WPT特征频率提取方法,能够更有效地抑制背景白噪声和短时干扰噪声的影响,提取出早期微弱故障特征。     

基于小波近似熵的串联电弧故障识别方法

根据UL1699标准搭建了串联电弧故障发生装置,并针对不同类型负载进行实验,获得了供电线路正常工作状态和发生电弧故障状态时的电流信号实验数据。应用小波变换对电流信号进行分解重构,通过近似熵(Ap En)算法对分解重构后各频段信号的不规则程度进行量化,得到电流信号的特征向量,并将其输入到支持向量机(SVM)。通过SVM对电流信号特征向量进行分类,完成电弧故障的检测识别。结果表明,通过小波近似熵算法得到的电弧故障特征向量能够作为诊断识别电弧故障的有效依据。     

小波神经网络在三相桥式全控整流装置故障诊断中的应用

本文在自行研制的三相桥式全控整流装置的基础上,引入小波分析与神经网络的手段对实验装置进行特征向量的提取和故障模式的识别,为实验装置设计一个故障智能诊断系统,以实现对装置故障的快速、准确诊断。     

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.     

基于振动信号和小波神经网络的变压器故障诊断

提出一种基于振动信号和小波神经网络的电力变压器故障诊断方法.采用变压器油箱表面的振动信号作为采样信号进行频谱分析提取特征频率信号,并以此特征频率信号乘以电流标么值的平方作为训练样本进行小波神经网络训练,小波神经网络输出量能够反映出频谱特征向量和变压器故障类型之间的映射关系,从而实现变压器的故障诊断.实验结果表明,使用该方法能够有效地对变压器进行故障分类及其诊断,并且小波神经网络具有很好的泛化能力.     

三级式发电机旋转整流器故障特征提取

提出了一种基于小波包分析的三级式发电机旋转整流器故障特征提取方法。对整流二极管常见的故障进行了分类,通过建立故障模型,仿真得到故障信号,并对各类故障后电机的励磁电流进行小波包分解、重构,提取能量特征向量,为旋转整流器的故障诊断奠定了基础。     

基于小波包分析的双凸极无刷直流发电机系统故障诊断

提出了一种针对电励磁双凸极发电机的整流电路故障诊断方法。根据整流电压波形的畸变规律,将2个以内的二极管故障分为7类共计22种故障元。选用Daubechies小波作为小波基,对实测的整流电压进行小波包分析,利用小波系数,在各个频带上进行小波信号重构。提取全频带能量特征值,并以此构造故障模式向量。以一台840 W、12/8极的电励磁双凸极发电机为实验样机,通过采集大量故障信号并进行信号处理,建立整流电路故障档案,为故障识别提供了对照样本。同时,以故障特征值的容差范围作为误差判别标准,力求诊断误差最小化。实验结果表明,该方法对被分析信号的频率波动和幅值变化均具有良好的鲁棒性,是一种有效的特征值提取方法,具有较高的故障诊断正确率。     

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。     

利用小波分析实现EHV输电线路单端量暂态保护的研究

介绍了连续小波变换定义,基于多分辨分析的Mallat快速小波分解算法,基于超高压（EHV）输电线路故障暂态电流的特点和暂态保护的基本原理,充分利用小波分析的时频局部化特点,建立了基于小波分析的暂态保护启动判据和跳闸判据,借助EMTDC仿真分析软件,研究了一实际电网EHV输电线路故障电弧特点和在不同故障条件下保护判据的有效性,结果表明,基于小波分析的暂态保护方案是可行的。     

采用4TV法的配电网中铁磁谐振的研究

用EMTP仿真计算了10kV中性点不接地系统电磁式TV饱和引起的铁磁谐振。应用4TV法前后计算结果对比说明4TV接法可有效抑制但不能杜绝铁磁谐振且其谐振电压有高频分量较低频分量的频率更低等一些新特点。     

小波包分析在汽轮机转子振动故障诊断中的应用

针对汽轮发电机组振动的频谱特点,提出了基于小波包变换的汽轮机转子振动故障诊断方法,它较一般的小波变换更能反映振动信号所包含的频谱成分及能量。根据Bently实验台所采集的4种典型汽轮机转子振动故障信号,运用小波包分析方法对其进行能量分析并提取故障特征。实验分析表明,基于小波包分析与信号能量分解的故障特征提取方法,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,从而进行汽轮机转子振动故障诊断。该方法比基于Fourier变换的故障特征提取方法更有效,适合于机械故障诊断。     

小波包分析在滚动轴承故障诊断中的应用

结合小波包分析和能量谱分析方法 ,提出一种新的滚动轴承故障诊断方法。利用小波包对滚动轴承振动加速度信号进行分解 ,求出各频率段的能量 ,并以此作为滚动轴承发生故障的特征量对振动信号进行重构 ,比较正常信号和故障信号的差异 ,从而识别滚动轴承的故障。通过对于实测信号的分析证明该方法具有特征参量少、故障特征突出等优点 ,可有效地用于滚动轴承的故障诊断。     

基于小波变换的小电流接地系统电弧故障选线

小电流接地系统单相接地故障时往往伴随着电弧的产生，故障电弧带来了很多高频分量，这也是目前许多选线装置不可靠的重要原因所在。利用故障电弧引起的奇异特征，用小波奇异性检测原理对故障零序电流进行大量的仿真。仿真结果表明，本小波选线算法在发生电弧故障时也能正确选出故障线路，同时也说明了此方法的准确性、可靠性以及高适应性。     

基于故障暂态电流的无通信保护研究

对故障电流信号噪声的频谱特性进行仿真研究表明，窄频带的高频信号不易很好的表故障高频暂态分量的特征，利用多分辨分析和小分解快速算法对故障暂态电流进行分析，可以充分反映故障暂态电流不同频率成分的特点，以此构成的暂态电流保护递推新判据，可以准确区分区内，区外故障。EMTP仿真证明了新方案的有效性。     

基于小波分析的铁磁谐振检测

小波分析（或称小波变换）是一种新的时频分析方法,它具有良好的时频局部化特性,适用于电力系统故障分析。在对中性点不接地系统中由单相接地故障激发的铁磁谐振全过程进行仿真的基础上,分析了中性点电压的特点,从多个方面考察了小波变换用于铁磁谐振检测的一些问题,最后用二进小波变换具体进行了分析。仿真分析结果表明,利用小波变换方法可以检测到谐振的发生并判断出谐振频率。     

基于小波包和AFSA-SVM的电机故障诊断

针对电机滚动轴承故障诊断准确率问题,提出基于小波包分析结合人工鱼(AFSA)优化支持向量机(SVM)的电机故障诊断方法.利用小波包多分辨率分析法对电机的震动信号进行多层分解及重构,得到不同频段的信号时频图;然后采用AFSA算法对支持向量机中的参数惩罚参数(C)和核参数(σ)进行寻优选择,并最终建立AFSA-SVM故障诊...     

基于小波分析信号特征频段能量变比的故障电弧诊断技术研究

为了分析和研究故障电弧的特性,进而快速及时地检测出电弧故障,以便快速切断故障线路,笔者提出一种利用小波变换来分析故障电弧电流特征频段能量变比的诊断方法,通过采用db5小波基函数分别对线路正常工作情况下电流信号和串联型故障电弧电流信号进行6层小波分解,从而提取正常情况下和故障电弧发生情况下的频带能量值及其前后的能量变比,其中d4、d5细节信号所在的频段为故障电弧的特征频带。利用此故障电弧的典型特征可以准确地实现对故障电弧的诊断,且该分析结论对于线性负载情况下的故障电弧诊断研究具有普适应意义。     

基于小波包变换和SVM的三电平逆变器故障诊断

针对中性点箝位型(NPC)三电平逆变器开路故障诊断计算复杂、准确率低等问题,提出一种基于小波包变换和支持向量机(SVM)的故障诊断方法。采用小波包变换将具有各自时频特征的故障信号分解为若干个频段,并重构提取小波包能量作为故障特征向量;将该故障特征向量作为SVM的输入量,运用交叉验证径向基核函数,通过训练数据集得到多类SVM模型,将随机选取的测试集输入训练好的模型中。仿真试验结果表明,该方法可对IGBT开路故障进行诊断并具有更高的故障识别准确率。