双馈风力发电系统变流器故障诊断方法研究

确定风电机组变流器故障类型和位置,是保证风电机组运行的重要前提。文章分析了双馈风力发电系统变流器的组成和运行原理,利用仿真软件PSCAD搭建了仿真模型;采用小波包分析去噪并提取变流器故障特征向量;应用支持向量机方法进行故障分类,实现了双馈式风力发电系统变流器的故障诊断。仿真结果验证了该方法应用于双馈式风力发电系统变流器故障诊断的可行性和准确性。     

基于NLMS-WP及BP的风机轴承故障诊断方法

为解决风机轴承故障诊断问题,全面提取轴承运行状态的特征信息,提出了基于NLMS与WP相融合的特征提取及神经网络相适配的故障诊断方法。首先采用自适应滤波器对故障信号进行滤波去噪,再利用小波包对信号进行分解重构并提取其能量特征,将小波包各个频段的能量比系数作为风机轴承的故障特征,并通过改进的神经网络模型分类识别轴承的故障信号,实现不同类型的轴承故障诊断。试验结果表明,该方法弥补了传统故障诊断方法的不足,提高了故障类型识别率和故障诊断准确率,诊断效果良好。     

基于Zigbee无线技术和粒子滤波的风电机组无线监测系统故障定位研究

为满足风电机组处理故障数据准确性和实时性的要求。文章通过采集无线风电机组振动信号,对其进行数学建模,利用小波分析提取振动信号的随机噪声和状态信号叠加,并以此为观测方程。利用小波包分解求取降噪前和降噪后的信号,根据各个频带能量变化提取故障信号,并采用SVM方法进行故障模式识别,从而实现对风电机组的故障定位。实验验证了该算法能有效提高风电机组故障定位的精确性和可靠性。     

小波包能量谱在内燃机噪声信号故障诊断中的应用

基于噪声信号的故障诊断方法具有易于实现离机、无损检测的优越性,将噪声信号故障诊断方法引入内燃机气门间隙故障诊断中。阐述了小波包能量谱提取的基本原理和方法,通过对内燃机在不同转速不同状态下运行时的噪声信号小波包能量谱的提取研究,确定了噪声信号能量波动范围。并在对比分析中发现,利用内燃机噪声信号在特征频带内的能量波动特征研究方法,可以有效识别气门间隙故障。     

小波神经理论在风力机齿轮箱故障诊断系统中的应用

风力机齿轮箱振动信号是一种时频特性复杂的非平稳信号,常规的时域和频域分析方法难以有效的分析齿轮箱故障及提取故障特征。提出一种基于小波分析和神经网络的风力机齿轮箱故障诊断方法,该方法采用小波时频分析技术对风力发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,为实现智能诊断提供故障特征值。应用BP神经网络进行故障识别,并采用LabVIEW和matlab软件予以实现。结果表明,该方法能有效提高风力发电机组齿轮箱故障诊断的准确性。     

基于小波包能量特征向量神经网络的旋转机械故障诊断

为精确诊断旋转机械的故障,提出一种基于小波包特征向量的神经网络故障诊断方法。用转子台信号模拟旋转机械故障,并对采集到的信号进行3层小波包分解,构造小波包特征向量,并以此为故障样本对3层BP网络进行训练,实现智能化故障诊断。实验结果表明训练好的神经网络能够很好地诊断出转子台故障类型,为旋转机械的故障诊断提供了新方向。     

小波降噪在柴油机振动诊断中的应用研究

基于小波分析与神经网络的振动信号故障诊断方法，本文提出在小波包特征提取前对原始信号进行小波降噪处理，并以295柴油机进排气系统故障诊断为例验证采用小波降噪处理方法的必要性。结果表明：进行小波降噪处理的故障识别率较未经小波降噪处理的有较大提高。     

基于FHMM模型的离心泵故障诊断方法研究

针对离心泵故障振动信号特点,提出了一种结合小波变换与FHMM的离心泵故障诊断方法.利用Daubechies 小波对振动信号一维8尺度小波分解,从中提取一维信号低频系数作为特征向量输入各状态FHMM进行训练,输出概率最大的状态即为离心泵运行状态,从而实现了离心泵故障诊断.通过2BA-6A离心泵试验系统可验证该方法的有效实用性.     

小波包算法在振动信号分析中的应用

针对柴油机振动信号的时频特性,阐述运用小波包算法对振动信号进行分析的方法.利用小波包良好的时频局部化特性以及避免信号频率混叠的移频处理方法,实现了对几种气阀状态振动信号时频特性的分析.结果表明,该算法在柴油机气阀故障诊断中具有可行性和有效性.     

发电机组转子机械故障诊断的DWPT方法

研究了小波理论及小波包(DWPT)分解技术在发电机组故障特征提取和诊断中的应用。针对发电机组的常见故障及其表现特征，结合对某故障发电机组的实际测试，利用小波包分解技术对该发电机组的振动信号进行了分析诊断，得到了与实际情况完全相同的结果。研究结果表明：利用小波消噪方法和小波包分解技术在时城内能更准确地判断发电机组的工作状态，该方法也为其它复杂机械的故障诊断提供了新路径。     

基于提升小波包的离心泵故障诊断方法

为准确诊断离心泵的振动故障,提出了基于提升小波包和相关向量机的离心泵振动故障诊断方法.首先通过提升小波包方法快速提取各状态振动信号的分解系数能量、时域统计参数作为特征量.针对支持向量机稀疏性不高而导致诊断速度慢的问题,利用相关向量机实现分类诊断.研究结果表明,该方法能够有效地诊断离心泵的振动故障,诊断率达95.5％;与...     

基于LabVIEW的柴油机失火故障诊断系统设计

针对柴油机工作中的失火故障问题,我们提出并设计了一种基于LabVIEW的柴油机失火故障诊断系统。该系统具有对柴油机进行信号采集、信号特征提取以及故障诊断的功能,能够对柴油机工作状态的检测及诊断。系统中将实验室虚拟仪器环境与故障诊断技术相结合并应用于柴油机失火故障检测与诊断,利用小波分析结合LabVIEW编程开发,使该系统可以对故障信号进行特征提取;系统运用LabVIEW和MATLAB混合编程技术,通过支持向量机实现了柴油机失火故障的诊断识别。工程实践应用表明:该系统可以对柴油机工作状态的测量结果进行显示、处理、存储、分析和判断,证明了系统的正确性和可行性。     

基于小波包的EITD风力发电机组齿轮箱故障诊断

基于三次样条插值和固有时间尺度分解中的线性变换,提出了集成固有时间尺度分解(EITD)方法,将该方法与小波包变换相结合,实现了风电机组齿轮箱故障的精确诊断.首先使用三次样条插值拟合基线控制点,将振动信号分解为一系列固有旋转分量;然后选择相关系数最大的PR分量进行小波包分解,计算分解后小波包系数的能量分布,选择能量比重较大的小波包系数重构PR分量;最后计算重构PR分量的关联维数,实现振动信号的故障诊断.利用所提出的方法对风电机组齿轮箱振动信号进行了分析,结果表明:与经验模态分解(EMD)方法处理后直接计算关联维数和经小波包的EMD方法处理后计算关联维数相比,采用小波包的EITD方法处理后计算关联维数更具有区分性,可有效识别齿轮的工作状态和故障类型.     

基于小波包特征向量弹性BP算法的故障诊断

为精确诊断转子故障,采用了基于小波包能量特征向量的弹性BP神经网络和最速下降BP算法神经网络的故障诊断方法,对采集到的信号进行3层小波包分解,构造小波包特征向量,对样本进行3层BP网络训练,实现智能化故障诊断。结果表明采用改进的BP算法优于最速下降BP算法,训练的网络可以很好地诊断转子故障。     

基于Lab VIEW的小波理论在风力机齿轮箱故障诊断中的应用

给出一种基于Lab VIEW实现信号的小波包络分析的方法。在Lab VIEW的高级信号处理工具箱中包含了小波包信号分解和重构的模块,利用这些模块快速实现了小波包分解,然后对风电机组齿轮箱采集振动数据进行包络分析,得到了直观的包络谱线,进而得到准确判断风力发电机组的实际工作状态。另外采用小波分解对齿轮箱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,为实现智能诊断提供故障特征值。     

小波神经网络法在柴油机故障诊断中的应用

用小波分析作信号处理手段提取柴油机振声信号特征量 ,以神经网络作为故障模式识别手段 ,进行了柴油机故障的振声诊断方法研究。针对柴油机振声信号的非平稳时变特性 ,应用小波理论中的小波包方法对其进行处理 ,结果表明小波分析是比傅里叶分析更为有效的处理柴油机振声这类非平稳信号的方法。在此基础上 ,研究了用神经网络实现根据小波包分解结果识别柴油机故障状态的方法。     

小波包分析和神经网络在风电机组变频器故障诊断中的应用

由非线性电力电子装置组成的风力机变频器一旦发生故障,其故障特征信息不容易被提取和识别。为此,提出了一种基于小波包分析和Elman神经网络的电力电子装置故障诊断的方法,先运用小波包分析法提取电力电子装置电路在不同故障状态下电压及电流信号的特征信息,然后对数据进行归一化处理并作为Elman神经网络的输入,由具有智能学习功能的神经元故障分类器完成故障识别和定位。以典型的风力机交—直—交变频器为例,在Matlab软件下建立电路模型对一次侧故障进行仿真实验,结果表明采用该方法可以快速、准确地完成故障诊断。     

风力电网故障下的机械载荷优化测试分析

风力发电网络受到外界的不确定因素干扰较大,容易产生故障。分析风力电网故障下的电机机械载荷,实现对风力电网的故障诊断。传统方法采用风力电网故障信号采集和特征提取方法,在非线性耦合干扰下对电机机械载荷的测试效果不好。提出一种基于机械载荷线性反馈和谐波抑制的风力电网故障诊断方法,实现对故障下机械载荷优化测试。构建风力电网故障下的机械载荷数据采集和信号生成模型,采用双曲调频信号的自连续小波变换来分析机械载荷的电流信号、差压信号、绝压信号和振动信号,采用机械载荷线性反馈和谐波抑制方法,实现对风力电网故障下机械载荷数据的干扰滤波和特征优化测试,输入到风力电网故障诊断专家系统中,比对故障数据中的可用知识,实现对风力电网故障的准确诊断。仿真结果表明,采用该方法能实现对载荷数据的准确采集和测试,提高风力电网的故障准确诊断性能     

基于小波改进阈值消噪的缸盖振动信号分析

提出了一种改进的小波阈值新方法对内燃机缸盖振动信号进行消噪,进而实现特征向量的提取。试验表明采用改进小波阈值方法能有效地消除信号中噪声的干扰,提高信号的信噪比。用小波包提取消噪后信号的能量作为特征向量,来表征内燃机故障特征,可为神经网络的自适应故障诊断提供新的故障样本。     

改进小波包联合PNN的风电故障诊断研究

针对风电机组故障信号的非平稳性以及故障与征兆的非线性映射导致的故障识别困难问题,提出了改进型的节点重构小波包频带能量谱与PNN(概率神经网络)的联合故障诊断新方法。文章深入分析了传统小波包频带错乱的问题,借助傅里叶变换与傅里叶逆变换改进了小波包,消除了小波包频带错乱的缺陷。首次采用改进型小波包提取故障信号特征量作为PNN的输入,然后利用PNN快速准确的非线性映射能力进行故障诊断。最后,采用风力发电机故障试验台的故障轴承的实际数据对所提方法进行验证,结果表明,所提方法可行且有效。