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。     

基于小波包分析及Lyapunov指数的汽轮机转子振动故障诊断

根据Bently实验台所采集的碰摩、松动、不对中、不平衡4种典型汽轮机转子振动故障信号,采用小波包分析和Lyapunov指数相结合的方法对其进行故障诊断.先对原始信号采用小波包分析进行滤波,提取有用的信号频段,再对滤波后的信号进行二次处理,提取混沌特征量--Lyapunov指数进行故障定位.诊断结果表明:小波包分析的方法有着很好的滤波和提取非平稳信号的能力;小波包分解重构后的汽轮机转子的振动时间序列在不同故障状态下的Lyapunov指数明显不同,因此,Lyapunov指数在进行汽轮机转子故障类型诊断时有较好的区分度.     

小波和能量特征提取的旋转机械故障诊断方法

转子系统和轴承是旋转机械中的关键零部件,其长期处于高速、满负荷运行极易出现故障。基于振动信号处理的诊断方法具有可在线、实时诊断的特点,针对频谱分析对非线性振动信号故障特征提取的不足,研究小波包对振动信号进行特征提取。由于传统软、硬阈值量化方法在阈值处分别存在恒定偏差和不连续的问题,设计了一种参数可调的改进连续函数对阈值进行量化。系统首先对振动信号进行小波包分解与去噪,然后采用小波包能量特征提取方法完成对旋转机械的转子不平衡故障、不对中故障、转子动静碰摩故障进行有效诊断。测试结果表明,轴承出现不同故障时,通过小波包分解后不同子带能量的不同,可用模式识别方法有效进行故障识别。     

小波包-神经网络在汽轮机转子故障诊断的应用

根据汽轮机转子振动信号特点,提出了小波包分析和概率神经网络相结合的故障诊断方法。利用小波包对故障信号进行分解,然后将归一化后的数据用于概率神经网络,从而对信号特征及其故障类型建立非线性映射,实现故障诊断。MATLAB的实验仿真表明,小波包分析和概率神经网络的结合在汽轮机转子常见故障的诊断中是很有效的。     

小波包分解在发电机组转子振动故障诊断中的应用研究

为研究发电机组转子振动问题,从转子实验台上得到几种典型振动信号,分别进行了小波包分解和能量特征提取;并与海南某电厂燃气轮发电机组的现场振动信号进行了对比和研究。结果表明,小波包分析在发电机组振动故障诊断中能较好地识别故障类型。     

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。     

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.     

小波包分析技术在大型电机转子故障诊断系统中的应用

通过精密离心机电机驱动系统和机械系统的故障机理的分析,提出了两种故障信号基于小波包分析的特征提取方法.一个是渐进性故障信号的特征提取方法,控制器误差信号通过小波包分解与重构,最后在最低频段的节点得到了已经去噪的故障信号.另一个是振动信号频带能量的特征向量提取方法,动平衡系统的振动信号被分解到独立的频段,不同频带内的信号能量变化反映了系统机械运行状态的改变,每个能量成分被提取形成特征向量用于故障诊断.试验与仿真结果表明这种基于小波包分析的故障方法具有算法简单、可行的优点.     

Morlet小波解调制方法诊断鼠笼电机转子断条故障

针对电机电流信号特征分析(motor current signature analysis,MCSA)诊断早期转子断条故障时存在的频谱泄露阻碍故障特征频率识别的问题,提出一种基于定子电流Morlet小波解调制信号分析的故障诊断方法。首先选择合适的参数对Morlet小波性能进行优化,继而利用优化后的Morlet小波提取鼠笼电机定子电流信号包络线以消除基频和噪声干扰的影响,然后对提取到的包络线作快速傅里叶变换(fast Fourier transform,FFT)分析,并根据FFT频谱中是否存在特征频率成分2sfs判断转子断条故障发生与否。所提方法在电机工频或变频供电方式、不同负载运行状况下都能够消除噪声干扰和频谱泄露影响,因而便于故障特征提取并实现早期转子断条故障诊断。理论分析和实验结果表明了所提方法的正确性和有效性。     

小波分析技术在汽轮机振动信号消噪与检测中的应用

采用小波包进行汽轮机振动信号的消噪与检测,可有效保留信号中包含故障特征的弱突变信息。提出了基于小波包的汽轮机振动故障信号的消噪与检测方法。它是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硬阈值降噪算法作了比较。检测结果表明,在故障检测前先采用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。     

小波包能量谱和功率谱分析在水电机组故障诊断中的应用

小波包克服了小波分析在高频空间分辨率差的缺点,能够给信号提供更加精确的分解。因此在小波包分析的基础上,从能量和功率分析的角度出发,阐述了在水电机组故障诊断中采用小波包能量谱和功率谱分析相结合的信号特征提取的方法。通过对实验及电厂振动故障信号的提取与分析,表明小波包能量谱和功率谱分析相结合的信号特征提取方法准确而高效,是一种应用价值较高的信号特征提取方法,并能为机组故障的准确诊断提供依据。     

汽轮机转子振动故障诊断新方法

文章提出了基于小波包分析和人工免疫的汽轮机转子振动故障诊断的新方法。在本特利实验台上模拟碰摩、不对中、不平衡三种典型汽轮机转子振动故障,用该方法对其进行诊断,诊断结果表明该方法有效。     

基于小波包能量谱的电网故障行波定位方法

为减少电网故障行波传播色散特性对行波波头检测和波速测量的影响,提高电网故障行波定位的准确度,提出了基于小波包能量谱的电网故障行波定位方法。该法结合小波包技术与傅立叶变换的谱分析,对行波信号进行分析,提取能量相对集中的故障频带信号进行故障行波定位计算;行波到达时间由该频带相应尺度下的小波包能量时谱提取的行波特征点位置计算;该频带行波传播速度由输电线路两端对外部扰动的实测行波数据计算。大量的电网故障行波定位ATP仿真分析结果和现场实验测试分析表明,该电网故障行波定位方法能有效提取电网行波特征信号,减少行波传播色散特性和线路长度变化的影响,定位误差<200m。     

小波包-特征熵在高压断路器故障诊断中的应用

在详细介绍小波包和特征熵的基础上,提出了一种基于振动信号的断路器机械故障诊断新方法.该方法首先在振动信号小波包分解的第3层各节点重构信号,并提取包络;而后利用包络信号的分段能量,计算小波包-特征熵向量;最后将正常状态和待测状态下所得向量之间的欧氏距离作为诊断参量.对某少油断路器无负载开断振动信号的分析证实,该方法检测断路器故障简单、准确,能同时在时域和频域检测断路器状态的变化.     

基于机械振动信号的高压真空断路器故障诊断研究

提出一种基于小波-包络谱能量提取振动信号特征并进行故障诊断的新方法。首先应用小波分析对振动信号进行降噪处理,然后与希尔伯特变换相结合,提取振动信号的低频和高频包络,最后对包络信号进行谱分析及能量特征提取。实验结果表明,该方法对提取高压真空断路器机械振动信号的特征是有效的,可为故障诊断提供依据。     

基于改进冗余提升方案的汽轮机组振动故障特征提取

故障特征提取是大型机械设备状态监测和故障诊断领域的核心问题。传统的振动故障特征提取方法主要是基于频谱分析的方法,小波变换的出现则为该领域提供了新的工具。文中提出并构造了一种改进的冗余提升小波变换算法来提取振动信号的时域特征。算法以第2代小波为基础,设计了冗余提升小波变换的算法,不进行分裂,直接利用构造的算子进行预测和更新,各层分量和原始信号的数据长度相同,从而保留了更多的时域信息。研究了提升小波和冗余提升小波算法中存在的频率混叠问题,阐述了产生频率混叠的原因。通过对冗余提升小波分解得到的近似信号和细节信号采用傅里叶变换的方法消除了与其对应频带无关的频率成分,以突出相应频带信号的时域特征。对仿真信号和实际汽轮发电机组振动故障信号进行了分析,结果表明,改进的冗余提升小波变换算法能够较理想地提取出故障特征,有效地解决了提升小波算法中存在的频率混叠问题。