基于小波包频带-能量重构的电机断条故障诊断

异步电机转子断条故障特征分量(1±2s)f与基波频率f相比,幅值较小、易被主频淹没。在研究小波包分解与重构的特征基础上,讨论了小波包分解树的频带分布规律,确定以sym8小波对电机定子电流信号进行12层分解,并通过对故障特征频带的信号能量重构来判断电机有无转子断条。运用该方法能避免基波频率对故障特征分量的影响,故障特征检测更明显,并能诊断转子轻微断条故障。仿真和试验结果证明了该方法的有效性。     

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。     

小波包分析在永磁同步电机转子偏心故障中的应用

在Maxwell和Simplorer平台下建立永磁同步电机模型,通过联合仿真得出正常运行和发生不同程度转子动态偏心故障时的定子电流。对正常和转子偏心故障状态下的定子电流进行小波包分析,得到其定子电流信号的小波包分解系数,其定子电流三次谐波分量变化最为明显,可以作为其特征量用以检测永磁同步电机转子偏心故障,并对不同程度的转子偏心故障的定子电流小波包分解系数做了对比研究。     

光纤电流互感器渐变性故障时频特征辨识

通过时频变换方法分解光纤电流互感器(FOCT)输出信号,获取渐变故障信号特征,是故障分析的关键步骤。针对FOCT渐变性故障信号时域跨度大且劣化过程呈随机性的特点,对输出信号进行跨间隔采样,利用小波包分解算法,根据故障信号频段实现故障信号特征提取,利用相关评价指标对时域特征参数进行筛选,得到表征FOCT劣化趋势的最优特征参数。针对信号特征维度高的特点,提出主元分析法对高维特征降维处理,满足故障特征辨识快速性的需求。实验结果表明：使用6层小波包分解算法,得到64个包含不同频段信号的子序列,对比各个频带能量占比来确定互感器运行状态,能够实现有效辨识渐变性故障特征。     

基于Park矢量模信号小波分解的感应电机轴承故障诊断方法

在分析小波包分频特性的基础上，总结出小波包分解子频带按频率高低排列的通式；对三相定子电流的Park矢量模信号进行小波包分解，求相应子频带的小波包分解系数的均方根值（RMS），并用其表征轴承的故障特征，以此作为轴承故障诊断的依据。研究表明，该方法降低了基频电流及电流中噪声的影响，克服了由于受负载变化引起故障特征频率波动使得难以准确提取故障特征频率的缺陷；实验结果证明了该方法应用于电机轴承故障诊断的可行性。     

基于小波包分析的异步电机转子故障检测

针对异步电机转子断条故障信号特征频率易被主频淹没的缺点,利用小波包分析法提取电机电流信号的故障特征频带能量,并以此为依据,基于"频率-能量-故障"模式,对异步电机转子断条故障进行检测信号,实验结果表明该方法能够有效检测转子断条故障。     

基于五次谐波和小波重构能量的配电网单相接地故障的选线方法研究*

对配电网经常发生的单相接地短路故障,因为故障点电流非常小,很难通过五次谐波幅值比较来准确地判断故障线路。提出了五次谐波和小波包能量相结合的方法。利用小波包对各线路的零序电流的五次谐波进行三层小波包分解,对第三层重构系数进行能量计算求出总的能量值。通过比较各线路零序电流五次谐波的能量值判断出故障线路。搭建了10 kV中性点经消弧线圈接地的小电流单相短路接地系统的仿真模型,结果表明五次谐波与小波包能量结合的分析方法能够准确地进行故障选线。     

利用骨干微粒群算法和SVM诊断电机定子故障

为了实现感应电机定子匝间短路故障的准确识别,提出一种基于骨干微粒群算法和支持向量机(support vector machine,SVM)的故障诊断方法。根据故障电流信号的特点,提出一种基于骨干微粒群算法的基波滤除方法,用以消除基波分量对故障特征提取的影响。然后利用小波包频带能量分解技术,将残余电流信号的故障特征谐波分解到不同频带,形成感应电机运行状态的特征向量,并以此作为SVM的输入向量。采用SVM进行分类,并利用骨干微粒群算法和交叉检验优化模型参数,避免参数选择的盲目性。实验结果表明,该方法不但可以有效滤除基波分量,突出故障特征,而且能够在小样本情况下准确辨识感应电机定子匝间短路故障。     

小波包变换在风力发电机转子断条故障诊断中的应用

将小波包变换应用于风力发电机转子故障诊断中,用Matlab小波分析将转子断条故障情况下定子侧的电流模拟信号进行多层小波分解,提取转子断条故障的故障特征,并与傅里叶分析结果对比,得到一种简易的故障诊断方法。结果表明,该方法能够准确提取故障特征,是一种优良的信号特征提取方法。     

小波包分析和BP神经网络在滚动轴承故障模式识别中的应用

根据滚动轴承振动信号的不同故障模式在频域能量分布中的差异性,提出了基于小波包分解与重构和BP神经网络的轴承故障模式识别技术。论文首先对轴承振动信号进行小波包三层分解,完成了振动信号在空间的完整拆分,同时得到了第三层由低频到高频的小波包分解系数,再依据小波包分解系数分别重构各频段的信号,并提取信号各频段的能量。然后利用信号各频段的能量组成的特征矢量作为BP神经网络的输入样本,对BP神经网络进行训练,获得不同故障模式识别网络模型,最后利用测试数据对建立起来的BP神经网络模型进行检验,通过BP神经网络判别滚动轴承的故障类型。实验结果证明,采用小波包分解与重构和BP神经网络相结合的方法可以比较准确地识别滚动轴承的故障。     

基于小波包和概率神经网络算法的短路故障识别方法

为快速准确识别电力系统短路故障类型,根据电力系统发生短路故障时零序电流的能量特征,提出一种基于小波包和概率神经网络算法相结合的短路故障识别新方法。首先利用Matlab/Simulink建立仿真模型,对系统进行短路故障仿真。然后利用小波包对零序电流进行采样和分解,提取小波包分解重构系数,对各频段内的能量进行归一化处理,得到能量特征向量。最后对特征向量进行概率神经网络的训练和测试,将预测样本代入训练结果进行验证,其结果证明该方法能够快速准确地识别短路故障。     

基于小波包和改进BP神经网络的变压器励磁涌流识别方法

根据励磁涌流和内部故障电流的波形特征存在巨大差异,提出一种基于小波包和改进BP网络的识别励磁涌流的新算法。利用小波包对励磁涌流和故障电流信号进行分解和重构,提取小波包重构系数,计算各频段的能量并进行归一化处理,构造能量特征向量,作为BP网络的输入样本,进行训练和测试,提出保护判据。经过PSCAD/EMTDC和MATLAB软件对大量样本进行仿真验证,证明该方案能够快速准确地识别励磁涌流和内部故障电流。     

基于小波分析和神经网络的电机故障诊断方法研究

在电机故障诊断技术中,电机振动信号最能全面反映电机的运行状态.由于电机振动信号属于非平稳随机信号,传统的傅里叶变换从频域角度进行信号分析,只能说明信号中某频率成分幅值的大小和频率密度,不能检测奇异信号点的时域信息,而且还可能将含有丰富故障信息的微弱信号作为噪声滤去.因此,不能完全满足故障信号特征提取的要求.为解决这一问题,提出一种基于小波分析和神经网络的电机故障诊断方法,该方法采用小波时频分析技术对电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,应用BP神经网络进行故障识别,并采用Matlab仿真软件予以实现.结果表明,该方法不需要建立电机的故障诊断模型,能有效提高电机故障诊断的准确性.     

小波包与神经网络在电机故障诊断中的应用研究

文章对电机的故障特点进行分析,根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,结合小波包的能量特性,提出了故障信号在不同分解频段的能量特征概念及算法,并将其与BP神经网络相结合,提出了一种新的电机故障诊断方法,实验结果证实了该方法的正确性和有效性。     

小波包在电机故障诊断中的应用

针对常用的时域和频域分析在诊断电机故障时存在不能同时诊断出故障时间和类型的瓶颈问题,利用在时频两域都具有表征信号特征能力的小波,对采集来的电机振动信号进行小波包分解。利用分解的小波系数,在各个频段上进行小波信号重构,并计算信号各个频段的能量特征值,提取故障特征,诊断故障发生的时间和故障类型。     

小波包分解在电机故障诊断中的应用

针对常用的时域和频域分析在诊断电机故障时存在不能同时诊断出故障时间和类型的问题，在分析电机故障特征的基础上，利用时频两域都具有表征信号特征能力的小波，对采集来的电机振动信号进行小波包分解，利用分解的小波系数，在各个频段上进行小波信号重构，并计算信号各个频段的能量特征值，提取故障特征，诊断故障发生的时间和故障类型。经仿真验证，小波包分解能将故障信号有效划分到不同的频段内，而且时域和频域局部化特性好，能有效地诊断出电机故障，具有良好的理论意义与工程应用价值。     

火力发电厂锅炉风机变频器故障自动诊断技术研究

在对变频器故障进行诊断的过程中,变频器本体信号在不同频率段具有的不同特征,导致诊断结果的准确度和可靠性较低,因此以火力发电厂锅炉风机变频器为研究对象,提出一种故障自动诊断技术。通过在风机变频器故障数据特征量阶段将频带能量作为指标参数,按照4层方式对原始变频器信号进行dbN小波分解处理,再将小波包提取到的信号转化为最优小波包分解树形式,计算得到各个节点的频带能量特征值;最后以提取结果为基础,利用变频器实际运行数据频带能量与故障特征之间的关系,实现对故障的准确诊断。测试结果表明,该技术对变频器故障的诊断结果具有较高的准确性。     

配电网单相接地故障选线的一种新方法

为了提取故障暂态信号的相位谱特征以进行配电网单相接地故障选线，引入了零序电流解析信号的小波包分解。信号的解析表达形式可以更好地描述信号的幅值、相位和瞬时频率随时间变化的规律；它有着比原信号增大一倍的幅值谱、和原信号相同的相位谱和瞬时频率。小波包克服了小波变换不能对高频序列进一步分解的缺陷，在时域和频域上皆具有良好的局部化特性，可以聚焦被分析信号不同频带的时域特性。通过对构造的零序电流解析信号进行小波包分解，提取在适当频带的信号相位谱，依据故障线路和非故障线路相位谱的不同进行故障选线。理论分析和仿真结果表明：这种基于零序电流解析信号的小波包分解所提取暂态信号相位谱的选线判据具有很高的灵敏性和可靠性。     

基于小波包分解的逆变器单管开路故障分析

应用开关函数的双傅里叶变换技术,分析逆变器的直流侧电流在正常运行、单管开路故障时的频谱。利用小波包分解的分频特性对逆变器直流侧电流信号进行小波包分解,求得故障特征频率相应子频带的小波包分解系数的均方根值,并将其作为逆变器单管开路故障的故障特征,以此作为逆变器单管开路故障诊断的依据。试验结果证明了该方法应用于逆变器单管开路故障诊断的可行性。     

基于小波变换的无刷直流电机逆变器故障诊断

故障诊断是实现电机容错控制的前提,为了提高电机系统的可靠性,针对无刷直流电机驱动系统中逆变器功率管的开路故障,采用小波变换对电机三相电流信号进行分析,为了能快速地提取故障信息,提出利用3层以上细节信号的乘积作为检测信号,根据乘积信号的小波变换能够准确找到故障点,以低频小波信号的能量值作为提取特征来识别发生故障的逆变器功率管。该方法故障识别可靠性高,信号特征提取算法简单。仿真及实验结果验证了所提方法的有效性和准确性。