小波变换模极大值在动静碰摩早期诊断中的应用

根据小波变换原理,通过模极大值理论,对转子实验台上的原始碰摩信号、轻度染噪信号、重度染噪信号3种轻微局部碰摩信号进行分析,找出碰摩发生时的奇异点,推断出碰摩发生的时间和位置.经过实验分析和仿真,明确了模极大值理论对碰摩早期的识别和诊断具有一定的指导意义.     

汽轮发电机组动静碰摩的奇异谱理论与小波分析诊断方法研究

作者利用奇异谱对汽轮发电机组转子动碰摩的振动信号进行了分析,剔除信号中因不平衡等邦联所产生的平滑部分、抑制噪声;并运用连续小波变换对信号进行分析。通过多尺度分析形成等高线图,使碰摩故障特征在相应的等高图上得以体现出来。作者还比较了相似频谱特征的两类故障信号的小波变换等高线特征,总结了碰摩故障小波变换等高线分析特征,得到了理想的分析结果,为汽轮发电机组碰摩故障识别提供了新的思路;同时讨论了运用小波变     

汽轮机组动静碰摩故障谐波小波分析诊断方法研究

首先给出了谐波小波时频剖面图检测含噪声信号的微弱奇异成分的方法;然后运用谐波小波时频剖面图方法分析了碰摩故障仿真信号;最后利用该方法对多个实际汽轮机组动静碰摩故障的真实振动信号进行了分析研究。结果表明,谐波小波能够得到其它信号分析方法无法得到的特征,有效识别机组的碰摩故障。     

基于声信号小波分解的转子碰磨故障特征分析

研究了基于声信号小波分解的转子碰磨故障特征,通过人为条件使转子产生碰磨故障,记录现场信号分析故障特征。转子碰磨信号具有较强的奇异性,而奇异信号往往载有重要的故障信号特征,利用小波分析理论在时域和频域上可同时对信号实现局部化处理的“变焦距”性质,分别对不同试件碰磨故障的声音信号进行了分析,将结果进行了对比,研究了碰磨声信号在小波包变换下的特征。结果表明：声音信号用于旋转机械故障诊断具有其特有的优越性。基于声音信号的小波分解可以识别碰磨故障特征。     

碰摩转子轴心运动加速度信号的仿真分析

针对早期碰摩时转子振动特征与其它旋转机械常见故障特征相重复的问题,研究转子轴心运动加速度信号中蕴含的早期碰摩故障特征。建立了转子动力学模型并求解得到仿真转子振动信号,从中计算出转子轴心运动加速度信号并进行了分析。结果表明发生早期碰摩时,转子轴心加速度信号会在碰摩点处发生瞬间剧烈波动,可用来指示碰摩故障及部位,故障特征远比轴心振动位移信号和轴心轨迹图明显,可望用于早期碰摩故障的诊断。     

基于小波分形的旋转机械声发射信号的故障诊断研究

碰摩是旋转机械运行中的常见故障,对碰摩故障进行及时预警对于保障机组安全具有重要的意义。提出了一种基于小波变换的分形分析方法进行碰摩识别,将声发射碰摩信号分解成不同的频带,计算其方差,最后得到小波分形维数。在转子实验台上分别测得无碰摩、轻微碰摩和严重碰摩3种状态下的声发射信号并进行分析,计算声发射信号的小波分形维数,然后根据分形维数的变化对碰摩状态进行判别。同时对该方法和传统的G-P算法计算出的分形维数进行比较。实验结果表明,分形方法能有效判别碰摩的发生,该方法较G-P算法对碰摩发生的区分度更好。本方法为旋转机械碰摩故障的诊断提供了一条新的途径。     

转子早期碰摩故障特征的小波包分析

针对旋转机械碰摩故障的特征,运用电涡流传感器和虚拟仪器检测和诊断转子的碰摩故障.分析了转子碰摩振动信号的时域波形特征、碰摩振动时的轴心运动轨迹特征,提出了应用小波包分解、重构技术进行消噪处理,实验分析结果表明该方法可以有效地提高故障诊断的准确性.这对转子碰摩故障诊断具有重要的理论和现实意义.     

非线性"转子-轴承-基础”系统碰摩动力分析

旋转机械中非线性“转子-轴承-基础”系统的轴心轨迹包含着反映其运行状态的丰富信息,但由于系统碰摩等故障测试信号中的背景信号、噪声信号干扰严重,使轴心轨迹非常杂乱,难以从中得到有用信息,该文将构造的非线性小波包变换用于提纯轴心轨迹,剔除干扰,提取故障特征,取得了好的效果。这对转子系统静件碰摩等故障进行早期准确的诊断具有重要意义。图5参8     

基于ICA在强背景噪声振动信号中的去噪研究

由于小波模极大值去噪方法在强背景噪声的情况下提取碰摩信号的能力变弱甚至失效,在本文中提出应用独立分量分析(ICA)方法对碰摩信号进行特征提取。通过对转子模拟实验台模拟的强背景噪声下的碰摩信号进行ICA去噪方法和小波去噪方法仿真实验,结果表明,本方法明显优于小波去噪方法,为强背景噪声下的弱振动信号的检测提供了新的途径。     

早期碰摩故障下转子进动信号变化规律的仿真分析

针对早期碰摩时转子振动特征与其它旋转机械常见故障(如不对中)特征相重复的问题,研究转子进动信号中蕴含的早期碰摩故障特征.建立了转子动力学模型并求解得到仿真转子振动信号,从中计算出4项转子进动信号(公转半径、径向运动速度、公转转速、公转加速度)并进行了分析.结果表明发生早期碰摩时,转子进动信号的波动幅度会急剧加大,其中公转加速度信号会在碰摩点处发生瞬间剧烈波动,可用来指示碰摩部位;频谱中高阶倍频成分大大增加,大部分情况下高阶倍频代替转频成为主要成分.这些特征与正常状况有显著区别,可望用于碰摩故障的诊断.     

Fuel cell diagnosis method based on multifractal analysis of stack voltage signal

Measuring local singularities on voltage signal transmits valuable information about the evolving dynamics of non-stationary and nonlinear processes in fuel cell systems. This paper deals with wavelet transform combined with multifractal formalism proposed for PEMFC behavior analysis. The proposed method combines the capability of wavelet transform to produce high coefficients on the singular points of signals and the ability of multifractal formalism to measure the singularity strength via the wavelet coefficients. This method is applied in order to discriminate the voltage signals acquired on a PEMFC operated in different conditions. The average multifractal spectrum estimated on voltage signals acquired at nominal operating conditions is compared to those measured for poor operating conditions considered as fault modes.     

基于二进小波变换的电能质量暂态信号的检测

针对暂态电能质量扰动及不易检测的特点,提出一种基于卷积型二进小波变换的电能质量信号定位与检测方法,利用二进小波变换模极大值对应信号的突变点检测电能质量扰动信号,采用Matlab仿真软件对短路故障及电容器投切引起的电压暂态信号进行仿真.结果表明,该法行之有效、尺度定位准确.     

边缘检测小波对信号奇异性的检测在汽液两相流动中的应用

对于函数（信号）奇异性的检测方法主要是用小波变换实现的,小波分解具有良好的空间域和频率域的局部化特性,因此小波变换可以刻画出信号的变化规律以及对信号内奇异点的各种奇异性质进行检测和分析。对汽液两相的流动工况也可以用边缘检测小波变换去进行分析,并实现对汽液两相流动的热工数值检测。通过对汽液两相均相流动模型压力曲线的边缘检测,证明了边缘检测小波完全可以用于对汽液两相的流动工况进行边缘检测。     

基于小波包的泵站机组振动信号特征分析

提出了一种应用小波包分析对泵站机组振动信号进行特征分析的方法。与小波分析相比,小波包分析能对信号的高频频带进一步分解,提高了频率分辨率。利用小波包对泵站机组振动信号进行了信号压缩与消噪以及奇异性分析,为诊断机组振动故障提供了决策依据。对泵站机组主轴摆度和轴承振动实测信号进行了分析,结果表明小波包分析可有效提取原始信号的特征。     

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。     

Feature extraction method of wind turbine based on adaptive Morlet wavelet and SVD

Analyzing the vibration signals of wind turbine usually requires feature extraction. However, in many cases, to extract feature components becomes challenging and the applicability of information drops down due to the large amount of noise. In this paper, a new denoising method based on adaptive Morlet wavelet and singular value decomposition (SVD) is applied to feature extraction for wind turbine vibration signals. Modified Shannon wavelet entropy is utilized to optimize central frequency and bandwidth parameter of the Morlet wavelet so as to achieve optimal match with the impulsive components. The time-frequency resolution can be adapted to different signals of interest. Then, an improved matrix construction method is used to construct matrix of the wavelet coefficient, and the scale periodical exponential (SPE) spectrum is obtained by SVD for selecting the appropriate transform scale. Experimental analysis and application into signal denoising indicate that the proposed method has better denoising performance than other wavelet transforms. The results of the experimental analysis in rolling bearing and the application in planetary gearbox show that the proposed method is an effective approach to detecting the impulsive feature components hidden in vibration signals and performs well for wind turbine fault diagnosis.     

小波变换和信号的奇异性检测技术

小波变换由于具有良好时频局部及多分辨率分析特性，被广泛地应用在信号处理领域中信号奇异性检测等方面。它作为一门新的学科，有着广泛的应用前景。简要地介绍了小波应用在信号奇异性检测方面变换的基本原理。