煤矿主通风机电机转子断条故障诊断方法研究

为了提高煤矿主通风机电机转子断条故障诊断的准确性,提出了一种基于Hilbert变换和小波包的故障检测方法。通过对定子电流信号进行基波和故障特征分量滤波,然后进行Hilbert变换,利用原信号和变换后的共轭信号构成Hilbert模量,再经过两次Hilbert变换,将直流分量滤除。通过小波包频带能量分解技术,将Hilbert模量信号分解到不同频带,使故障特征更加明显。使用所研究方法对现场实测数据进行分析表明,此方法能够很好地突出故障特征,实现转子断条故障检测。     

有源逆变主电路元件故障诊断方法

配电网静态无功补偿装置D-STATCOM能够解决无功补偿不足造成的功率因数低、谐波等问题。装置内IGBT是最易产生故障的地方。通过单IGBT开路故障时电流Park矢量轨迹进行分析,提出运用近似质心思想的平均电流Park法进行故障诊断,实现对单IGBT开路故障进行诊断和识别。     

基于遗传算法和小波包分析的异步鼠笼电动机故障诊断方法探究

在线检测电动机的故障一直是一个重点研究问题,总结近些年的研究,提出了一个通过定子的电流来检测的方法,即对监测出来的定子电流信号用小波降噪的方法进行降噪处理,得到去掉噪声后的信号,随后对处理后的信号利用小波包分析法分析,提取第四层的小波包系数进行傅里叶分析,提取其频谱中的特征量,而后对特征量进行编码。由于提取后的编码数量较大,为便于之后的判断,故对于编码后的特征向量进行遗传算法的化简,得到最简化的特征向量组,再根据最简化的特征向量组即可初步判断电动机的运行故障。该故障诊断方法的结果表明,该诊断方法可以较快地明确电动机存在的故障类型。     

基于包络谱分析的滚动轴承故障诊断方法研究

分别用小波分解、小波包分解和EMD分解处理滚动轴承故障数据,并结合Hilbert变换进行包络谱分析实现滚动轴承故障诊断。对滚动轴承故障数据进行小波阈值降噪。小波阈值降噪后分别进行小波分解、小波包分解和EMD分解。分别求出小波分解、小波包分解和EMD分解后各个频带的能量谱。再根据能量谱确定故障频带范围并对其进行信号重构。采用Hilbert变换对重构信号进行包络谱分析实现滚动轴承故障诊断。通过对滚动轴承内圈故障信号的分析验证了小波分解、小波包分解和EMD分解结合Hilbert变换进行包络谱分析的滚动轴承故障诊断方法的有效性。     

小波包分解在球磨机的故障特征提取中的应用

对实验中测得的球磨机噪声信号进行了小波包分析 ,指出可用不同频段信号的小波包系数来表征不同信号的特征。提取信号波形的分形维数和信号的均方根值作为反映故障特征信息的指标 ,并给出分形维数和信号能量的计算方法。以分形维数和信号能量为元素的特征矢量可作为故障诊断系统的输入矢量 ,对球磨机的运行状态故障进行了诊断。实验结果表明 ,本文提出的故障特征提取方法可以较好地应用于球磨机运行状态的故障诊断。     

小波包分析在采煤机减速器故障诊断中的应用

提出了一种采用小波包理论提取采煤机减速器故障信号的方法。利用小波包变换对减速器振动信号进行分解、重构及能量计算,有效地提取出采煤机减速器故障特征信号,从而获得故障的信息。仿真研究结果表明,基于小波包能量法的故障诊断方法能够有效地提取出采煤机减速器故障的频率信息。     

谐波小波滤波在异步电动机转子断条故障诊断中的应用

笼型异步电动机转子的断条故障,其早期特征频率分量与基频分量非常接近,针对幅值相对较小、不易诊断的问题,采用谐波小波方法对定子电流信号进行滤波处理。该方法基于谐波小波良好的盒形频谱特性,将特定频率段的成分与定子电流信号的其它频率成分既不交叠,又不遗漏的分解到相互独立的频带上,成功地突出故障特征分量。仿真和实验结果证明,该方法能大大提高转子断条故障诊断的准确性。     

小波包频带-能量重构的异步电动机转子断条故障诊断

基于定子电流信号对异步电动机进行故障诊断时,其转子断条故障特征频率分量常被电流的基频分量淹没。尽管小波变换具有频率越高,相应的时间分辨率也越高的特点,但频率域上的分辨率却降低成了它的弱点。而小波包技术能同时对上一层的低频部分和高频部分进行细分,并根据被分析信号的特征,自适应的选择相应的频段,使之与信号频谱相匹配,从而提高时域分辨率。用小波包分析法对所采集信号处理,可作为电动机故障诊断输入特征向量的分解后的频段能量特征值。实验表明,采用小波包技术可快速、准确地诊断出电动机故障,其效果良好,也为电动机故障在线实时诊断提供了理论依据。     

基于自适应信号提取的采煤机逆变器故障诊断技术

为解决采煤机逆变器故障诊断可靠性、快速性及微弱故障信号提取问题,以直流侧电流作为研究对象,采用自适应信号提取算法,从直流侧电流中提取微弱故障信号。通过对单管开路和缺相2种故障模式的研究,结果表明:该算法采用同一套参数即能实现2种故障模式下故障信号的提取,自适应较强,能够满足故障诊断的快速性和可靠性要求。     

轴承振动信号特征提取及故障诊断研究

为了快速准确地识别轴承故障,研究了轴承振动信号时域特征和小波包能量特征提取方法,通过实验分析最终选择的轴承故障特征为无量纲时域特征和小波包能量特征,并采用"一对多"支持向量机分类算法对轴承的正常、外圈故障、内圈故障和滚动体故障四类数据进行了故障诊断实验,诊断准确率为96%。     

基于电压型PWM整流器的新型内馈斩波串级调速系统

提出一种新型的内馈斩波串级调速系统,将PWM整流技术引入串级调速系统中,不仅有效提高串级调速系统的功率因数和减少网侧谐波含量,而且排除了逆变颠覆的故障。介绍了电压型PWM整流器的工作原理和控制策略,并通过MATLAB仿真进行了验证。     

基于CEEMD与小波包的单相接地故障选线方法

为了解决矿井供电系统发生单相接地故障时故障特征不明显情况下小波包选线方法易错选误选的问题，文章提出了一种基于CEEMD与小波包的选线方法。该方法首先对各条线路的零序电流进行CEEMD分解，提取分解得到的高频IMF1分量进行小波包变换，求取各频段小波包能量总和并排序，按照能量最大原则确定特征频带并进行小波包分解系数模最大值极性的比较，确定模最大值极性相反的线路为故障线路。利用RTDS搭建了35/6kV的矿井供电系统仿真模型，仿真结果表明该选线方法具有较好的选线准确性，并且受不同故障因素的影响较小，在不同故障条件下均有较高的选线准确率。     

Feature extraction of induction motor stator fault based on particle swarm optimization and wavelet packet

To effectively extract the interturn short circuit fault features of induction motor from stator current signal, a novel feature extraction method based on the bare-bones particle swarm optimization (BBPSO) algorithm and wavelet packet was proposed. First, according to the maximum inner product between the current signal and the cosine basis functions, this method could precisely estimate the waveform parameters of the fundamental component using the powerful global search capability of the BBPSO, which can eliminate the fundamental component and not affect other harmonic components. Then, the harmonic components of residual current signal were decomposed to a series of frequency bands by wavelet packet to extract the interturn circuit fault features of the induction motor. Finally, the results of simulation and laboratory tests demonstrated the effectiveness of the proposed method.     

矿井供电系统串联型故障电弧仿真分析及诊断方法

因接触不良或机械损伤,煤矿供电系统会产生串联型故障电弧,串联型故障电弧是引发煤矿电气火灾的原因之一,目前缺少有效的检测手段,影响了井下的供电安全。井下可能存在瓦斯和煤尘等易燃易爆物质,不宜开展串联型故障电弧实验,无法获得大量故障电弧电流样本,加大了井下串联型故障电弧诊断工作的难度。为研究矿井供电系统串联型故障电弧的典型特征及诊断方法,论文首先在Mayr-Schwarz电弧数学模型的基础上,建立了矿井供电系统串联型故障电弧仿真模型,并结合实验结果对仿真模型的性能进行了评估;然后对矿井供电系统的采煤系统、胶带输送系统、泵房排水系统、照明系统的串联型故障电弧、过电压、单相接地、两相接地短路、两相短路、三相短路电气故障进行仿真分析、特征分析,以电流信号的过零点数、峰峰值、方差、峭度系数、裕度因子、谐波畸变率、单边功率谱频率方差、小波包系数能量熵、小波包系数峰峰值为特征量,建立了矿井供电系统串联型故障电弧特征参数数据库;最后综合比较决策树、K近邻、Bagged trees多分类模式识别方法在故障电弧诊断、选相及抗负载电流波动扰动、抗背景噪声扰动方面的性能,提出了K近邻矿井供电系统串联型故障电弧诊断方法。结果表明,建立的串联型故障电弧仿真模型能够用于仿真分析矿井供电系统串联型故障电弧,所建立的特征参数数据库能够反映矿井供电系统串联型故障电弧的典型特征,提出的K近邻串联型故障电弧诊断方法可用于矿井供电系统串联型故障电弧诊断及选相。     

基于希尔伯特变换和小波包节点能量法的齿轮箱故障诊断研究

故障齿轮箱的振动信号中可能包含周期性的振幅和相位调制信号,在齿轮箱故障诊断中,解调成为一个重要的问题。在分析了齿轮振动信号的基础上,提出了一种基于希尔伯特变换和小波包节点能量法的故障诊断方法。通过一个包含调幅调相信息的仿真信号进行了验证,结果表明该方法能够有效提取调制信号,比使用小波包变换更有效。     

基于小波包与EKF-RBF神经网络辨识的瓦斯传感器故障诊断

针对瓦斯传感器常见的偏置型、冲击型、漂移型和周期型4种突发型故障,以小波分析和RBF神经网络为基础,提出了由小波包分解提取特征能量谱与扩展Kalman滤波算法（EKF）优化的RBF神经网络进行模式分类辨识的瓦斯传感器故障诊断方法。对瓦斯传感器的输出信号进行小波包分解,运用基于代价函数的局域判别基(LDB)算法进行裁剪,获取最优的特征能量谱,经处理后作为特征向量训练EKF-RBF神经网络,采用参数增广和统计动力学方法,通过带有整定因子的EKF参数估计,用来辨识瓦斯传感器的故障类型。实验结果表明：该方法的辨识正确率在95%以上,误报率和漏报率都明显优于其他算法,能够有效用于瓦斯传感器的故障在线诊断。     

基于小波包分析的机械故障特征提取方法研究

研究了一种基于小波包分析与信号能量分解的故障特征提取方法 ,运用这种方法提取了一风机轴不对中故障特征向量 ,为神经网络故障诊断提供了新的故障样本。实验结果表明这种方法比基于Fourier变换的故障特征提取方法更有效 ,很适合于机械故障诊断     

基于Elman神经网络的煤矿井下电网故障选线研究

为了解决煤矿井下电网发生单相接地故障时的选线问题,将Elman神经网络引入故障选线领域,根据故障与非故障线路零序电流中谐波电流含量不同的特征,选出故障线路。采用零序电流中的三次、五次、七次谐波电流含量构成特征相量作为Elman神经网络的输入向量对网络进行训练,并用训练好的网络选取故障线路。为了验证该方法的正确性和有效性,在simulink平台上搭建煤矿井下电网仿真系统。     

基于最优小波包与SOM-BP融合的柴油机故障诊断

柴油机振动信号具有非平稳性,用最优小波包将不同故障的振动信号分解到不同频段。提取各频段的能量组成特征向量输入SOM-BP神经网络,通过神经网络输出结果判别柴油机的故障类型。与BP网络的训练结果相比较,证明将最优小波包分解与SOM-BP神经网络相结合的方法可以得到更好的分类结果,有一定的工程实用性。     

基于罗氏线圈二次信的煤矿高压电网接地故障区段定位

煤矿高压电网的单相接地保护仍需依靠动作时间的级差配合以实现纵向的选择性,这对井下供电安全是潜在的威胁。为此,分析并阐明了煤矿高压电网单相接地故障时各线路区段零序电流的基波有功分量、高次谐波无功分量的分布特点;同时提出将罗氏线圈引入到零序电流信号的检测中,对其二次侧电压信号的幅值与相角特性的分析表明利用罗氏线圈测量零序电流可有效提升谐波分量在被测电流中的含量比例。在此基础上构造了基于罗氏线圈二次侧信号的综合零序电流判据,并给出了煤矿高压电网单相接地故障区段定位算法。该算法不仅可实现无级差的单相接地故障区段定位,而且可有效提高单相接地保护的灵敏度。建立了基于PSCAD/EMTDC的10 kV煤矿高压电网模型,通过典型故障仿真验证了算法的正确性。