基于连续小波变换的水轮机振动信号检测

通过对连续小波变换的分析研究，提出了一种提取信号在小波尺度上的时频信息的信号分析方法。该方法能够有效将水轮机非稳态工况下的振动信号很好地分解在有限的时间-尺度范围内而保持信号的信息完整；对比传统的频谱分析和二进小波变换，信号经过连续小波变换后，其内部蕴涵的状态信息能在尺度域上很好地体现出来。     

基于小波变换的汽轮机振动信号软阀值消噪技术研究

信号消噪是小波变换的重要应用,介绍了小波消噪的基本原理及其主要步骤,以及软阀值消噪方法及软阀值规则的选取,最后利用实验仿真信号和现场实测汽轮机振动信号,并考虑噪声方差估计的对消噪的影响,分析比较了各种软阀值选取方式的消噪效果,从而得到软阀值选取方式的有价值的规律和原则,利用最佳软阀值处理后的小波系数重建信号,分析结果表明该方法能够最有效地消除噪声.     

基于流形学习的汽轮机转子振动故障特征提取

流形学习算法是一种非线性的数据降维方法,通过对高维空间数据的学习,可以获得数据的低维几何结构,比传统的维数约简方法更能体现事物的本质。针对汽轮机转子故障诊断中原始特征并不具有良好的可分性,必须进行特征提取这一问题,提出了将流形学习理论应用于汽轮机转子振动故障特征的提取的方法,极大地保留原始特征的非线性信息,改善了故障诊断的分类识别能力。实验证明,基于流形学习的汽轮机转子振动故障特征提取方法,提高了故障诊断的准确率。     

基于连续小波变换系数的柴油机异响故障特征提取与诊断

用Morlet小波对EQ6BT柴油机活塞敲缸响、活塞销响的缸体振动信号进行连续小波变换,然后将所得到的小波变换系数作出尺度—能量谱以及三维能量谱图,从而实现了对柴油机异响故障的特征提取和诊断。结果表明：利用Morlet连续小波变换系数的尺度—能量谱和三维能量谱图,能够直观而有效地检测和区分EQ6BT柴油机活塞敲缸响、活塞销响两种故障及其故障的严重程度。     

基于小波分析的汽轮机叶片故障诊断技术

简述了小波分析的基础理论和算法,论述了在小波多分辨率分析下进行汽轮机叶片故障诊断的方法。结果表明,小波的方法能很好地保存瞬态信号中的尖峰和突变部分,对振动信号进行处理后再进行特征提取,使故障诊断变得容易,具有良好的效果。     

基于连续小波变换的气密性故障诊断

给出了利用起动电压波形来检测气密性这一简单易行的试验原理与方法；对小波函数及其尺度参数的选择进行对比分析，根据连续小波变换能够有效地检测出弱信号的优良性质，对除噪后的电压信号使用Gaussl小波进行变换；结合小波系数绝对值分布灰度图和高阶低频逼近信号来实现故障辨识。     

利用振动信号的小波变换识别内燃机噪声源的研究

在某车用发动机的不同部件上采集了振动速度信号,利用连续小波变换的方法对信号进行了研究.根据小波变换的时频分析特点,从小波变换幅值的时频图上提取出振动信号的特征,从中识别出不同的部件对发动机表面辐射噪声的不同频率成分的贡献.小波变换方法得到的结果与声强模态方法得到的结果相比有较好的一致性.     

基于SVM与轴心轨迹不变矩的转子状态识别方法

轴心轨迹是反映转子轴振的重要特征,其中隐含着转子的各种故障信息.提出了利用转子轴心轨迹图像不变矩与SVM的转子轴心轨迹自动识别方法.该方法首先对转子轴心轨迹图形进行填充处理,得到转子轴心轨迹图像,然后计算图像的7个不变矩.将提出的7个不变矩作为特征向量结合SVM分类方法对故障进行诊断.经实验分析和验证,该方法可以有效实现转子故障的诊断.     

基于小波变换的支持向量回归机振动数据短期预测

支持向量回归机(SVR)是数据挖掘方面一种较好的方法.但对于包含多频率成分的非平稳信号的预测,其运算精度不是十分理想.对此,提出基于小波变换的支持向量回归机振动数据短期预测方法.该方法首先利用小波变换(WT)将非平稳信号分解成若干平稳的频率成分;然后对各个频率成分进行回归运算,得到各频率成分的预测结果;最后对各个成分的预测结果求和,最终得到原信号的预测结果.还对影响预测精度的小波函数进行了分析比较,最终实现了振动信号的准确预测.     

基于小波分析的汽轮机碰磨故障诊断

振动故障是故障诊断中的难点,故障原因复杂、类别繁多。小波分析因具有良好的时频局部性及多分辨率分析特性,被广泛地应用在振动故障诊断中。介绍了小波分析方法在振动故障诊断中的应用,利用时频等高图确定汽轮机碰磨故障发生的时刻,借助小波包特征熵向量诊断碰磨故障的严重程度,从而提出了完整的汽轮机碰磨故障的小波分析诊断方法。     

基于小波变换的汽轮发电机组振动故障检测与诊断方法

提出了基于小波变换的汽轮发电机组振动故障检测与诊断方法。通过对仿真的汽轮发电机组典型振动故障信号进行小波变换,利用小波变换后的时频等高线图,对汽轮发电机组典型振动故障进行了检测分析。分析表明,利用小波时频等高图,可以直观表示信号中畸变发生的时间,有效地提取信号中的奇异特征;根据不同的故障发生时的频谱特征,能够识别出不同的故障,进行机组振动故障检测与故障诊断。     

汽轮机振动信号的最优小波包基消噪与检测

在利用小波包进行汽轮机振动信号的消噪和检测时,最优小波包基和消噪阈值的选取是必须解决的两个关键问题。通过对基于shannon熵的最优小波包基的快速搜索算法的探讨,提出了基于最优小波包基的汽轮机振动故障信号的消噪与检测方法;对于消噪阈值的选取,提出一种以小波包能量为基础,以原始信号与降噪后信号之间的均方误差(MSE)极小化为目标的基于小波包的降噪算法,并与传统的Donoho的硬阈值降噪算法作了比较。结果表明:在故障检测前先采用最优小波包基方法对故障信号进行消噪,有利于提高汽轮机振动检测的准确性。图5参9     

基于小波多分辨分析的振动数据压缩研究

小波多分辨分析能够将信号在不同的尺度上展开,因而具有对信号按不同频带进行处理的能力,这就使小波分析应用于数据压缩成为可能,给出了小波分析应用于旋转机械振动信号压缩的实例。     

基于第二代小波变换的转子碰摩故障特征提取方法

为了能够提取隐含在振动信号中的故障特征,利用第二代小波对称、紧支撑和冲击振荡衰减的特点,有效地提取具有冲击响应特性的故障特征。实验证明,即使采用较小支撑区间的此类小波,也可获得理想的效果。另外,为了获得与原始信号相同的时间分辨率,采用单支重构的方法分别对逼近信号和细节信号处理,得到了转子碰摩故障的时域响应特征,为故障诊断和预示提供了一种分离故障时域特征的方法。     

小波灰度图在汽轮机组远程诊断专家系统中的应用研究

利用转子试验台故障试验数据,研究了小波灰度图在汽轮机组典型振动故障识别中的应用,并进一步研究了表征小波灰度图的定量指标———灰度矩对故障的区分度,确定了典型故障的标准灰度图及相应灰度矩取值区间。在此基础上开发的小波诊断模块,已应用在某省级网络化汽轮机组远程监测及故障诊断系统中,该模块作为常规频谱分析模块的辅助诊断工具,对提高远程汽轮机故障诊断的准确度和诊断效率起到了积极的作用。     

基于LabVIEW的汽轮机振动数据采集与信号分析系统

利用NI公司的硬件设备和LabVIEW虚拟仪器开发平台构建了汽轮机振动数据采集与信号分析系统。系统具有以下显著特点：倒频谱分析功能模块谱线定位准确、幅值突出,易于区分源信号和系统传递函数,可较好地识别频域调制信号的边频成分;STFT功能模块以短时傅立叶变换方法为基础,克服了单纯采用快速傅立叶变换进行分析的不足;利用LabVIEW图形化的编程思想使得系统开发周期短,易扩展。强大的数学分析和信号分析处理功能,高效地实现了复杂干扰情况下汽轮机振动信号的提取和较为全面的分析,显示出虚拟仪器的巨大优势。     

汽轮发电机组轴系扭振特性计算分析

介绍了采用多段集中质量模型计算轴导振特性的两种方法：传递矩阵法及特征向量。并利用上述两方法对某电厂１号机轴系的扭振特性进行了计算分析。     

汽轮机轴系振动在线监测与故障诊断系统

利用LabVIEW虚拟仪器开发平台构建了汽轮机轴系在线监测与故障诊断系统。系统有以下显著特点:小波降噪功能模块利用Matlab小波工具包实现了混合编程,能更好地还原真实信号;HHT分析功能模块以新的信号分析方法为基础,克服了传统分析方法的不足,能使信号分析更准确;模糊诊断功能模块利用最大隶属度原则,根据常见的故障与征兆之间的关系,进行故障的在线诊断。