电流信号分析法在油田高压电机监测中的应用

将电机电流信号分析法应用于油田高压电机的监测,通过理论分析和实验验证了该方法的准确性,为油田高压电机的监测测提供了有效的手段。     

基于电机电流信号的滑动轴承摩擦状态监测研究

为有效预防滑动轴承的磨损失效,对滑动轴承的摩擦状态监测进行了研究。介绍了通过对电机电流信号进行经验模态分解、谱峭度分析,从而对滑动轴承摩擦状态进行监测的具体方法。同时介绍了油膜压降法试验原理,进行了油膜压降法试验,对试验结果进行了分析,并进行了镜像表面观察。通过对比确认,基于电机电流信号分析得到的滑动轴承摩擦情况与通过油膜压降法试验得到的结果基本一致,验证了基于电机电流信号进行滑动轴承摩擦状态监测的有效性。     

刀具切削状态的电机电流监测新方法

本文从实时在线监测刀具切削状态的应用出发,研制了一种新型的电机电流拾取方法和传感装置,并分析了刀具在加工过程中切削力,电机电流与刀具切削状态的关系,同时,研究了利用电机电流信号进行刀具切削状态的监测原理,实验证明了其方法的可靠性和实用性。     

基于小波分析的交流伺服电流中摩擦影响信息特征提取的研究

由于交流伺服电动机的伺服电流受到很多干扰,难以从中直接得到有用的信息。为此,利用霍尔传感器测量了交流伺服电动机控制器输出的伺服电流,将小波变换的理论用于提取反映摩擦力动态特性的伺服电流的有用信息。在这一过程中,对它进行多分辨率分析,即把伺服电流信号分解成多个层次细节部分和平滑部分,从中识别出静摩擦力到动摩擦力过程中信息特征。通过和位移输出信号对比分析,说明在伺服电流中能提取出摩擦影响的信息。此外,还发现突变发生时刻总是早于工作台宏观运动时刻,这一提前量还需要进一步研究。     

基于小波包能量神经网络的滚动轴承故障诊断方法

针对单一的信号处理诊断方法难以实现滚动轴承故障准确诊断的局限性,提出一种基于小波包能量神经网络相融合的滚动轴承诊断方法。搭建MPS-ICP滚动轴承振动信号的数据采集平台,利用小波包变换对滚动轴承内环、外环及滚动体的故障信号进行去噪、分解与重构,有效提取不同故障下各频段能量的故障特征。将提取的能量故障特征分别输入至建立的BP、RBF和Elman神经网络的诊断系统中,实验分析表明,三种神经网络都能较好的诊断电机滚动轴承的故障类型,且与实际滚动轴承的故障类型较吻合,但就诊断误差和时间综合而言,BP神经网络诊断系统更适合电机滚动轴承故障的检测。     

基于小波包的碰摩信号能量特征辨识

基于小波包分解结果,针对信号在不同频段内能量的变化,进行故障辨识。信号发生故障一般都伴随着能量的变化,而小波包提供了一种将信号划分到不同频段的方法,借助小波包将信号细分到各个频段,分别求出频段内信号的能量,观察能量的变化就可以判断出是否发生了故障以及故障的程度。以一组转子系统正常与故障时的实验数据为例,详细地说明了该方法的可行性,取得了准确的结果。该方法可以被广泛应用于各种平稳信号或非平稳信号的故障监测。     

应用EMD能量值的导轨摩擦特征提取方法

针对机床类设备加速度传感器安装不便的实际情况,以机床电机负荷电流为分析对象,提出了应用经验模态分解(empirical mode decomposition,EMD)和本征模态函数(intrinsic mode function,IMF)能量值的摩擦特征提取方法,间接分析摩擦振动和摩擦磨损状态特性。设计对比实验获取4组传动链电流信号,利用EMD分解电流信号获得系列IMF,计算各阶IMF分量单位时间内能量值,提取摩擦振动对应的边频带和摩擦特征值E(IMF3)。实验表明,通过摩擦特征值E(IMF3)变化曲线可以观察出导轨磨损状态经历的4个时期,实现在线监测导轨磨损状态的目的。     

基于频域能量特征的故障分类方法研究

该文针对现有频域分析方法的不足，利用小波包分解具有任意的时间-频率局域化特性，给出一种对信号进行多频段能量特征提取以及主分析频段的细化能量特征提取新技术，在此基础上将能量容差概念引入ART1神经网络；进而提出了基于小波包分解与ART1神经网络相结合的故障分类方法。液压动力系统电流信号的诊断实例证明该方法有效、可靠。     

基于小波变换的ADC电流测试方法

本文提出了一种基于小波分析的混合信号电流测试方法，该方法通过小波变换对电路的动态电流信号Idd进行分解来诊断电路是否存在故障。对示例ADC电路的仿真结果表明，该方法不仅能够有效检测出电路中的各种缺陷，而且比积分法和傅里叶分析方法对故障有更高的灵敏度。     

基于小波包频带能量分布的往复机故障诊断方法研究

往复机在发生故障时会使得正常状态下的振动频带有所改变,因此各频率成分的能量分布中包含有丰富的故障信息,可以作为设备状态的评价参数.文中提出了基于"频带能量分布一设备状态"的故障辨识方法,采用小波包进行信号的分解-重构,并对每个频段的能量进行归一化,构成一个特征向量,可以以此进行设备的状态识别,并以柴油机的状态识别证明了此方法的有效性.     

基于电流信号的液压设备状态监测技术研究

通过大量理论研究与试验验证发现机械工程中液压设备的许多故障信息是以调制的形式存在于所监测的电气信号及振动信号中,借助硬件解调电路及软件希尔伯特变换对这些信号进行解调处理,通过监测调制信号以达到对整个液压系统的状态监测。该文介绍了硬件解调电路、希尔伯特变换的解调原理以及基于电流信号借助DSP的电动机功率监测的方法。     

基于小波包熵的机床导轨润滑状态监测

存在于机床工作台和导轨之间的滑动摩擦直接影响刀具的速度和位置,进而影响加工工件的表面质量。对机床传动链分解,分别提取电机负荷电流,对电流信号做5层小波包分解,利用小波包熵值提取能反映摩擦信息的特征量D值。对机床导轨加润滑油之后采集四个半小时之内55组电流信号数据,提取电流信号D值做趋势分析,通过D值随时间的变化曲线可以观察出润滑状态经历过的三个时期。实验表明,利用小波包熵值在电流信号中提取的特征量能反映润滑状态的变化情况。     

基于全矢小波包能量熵的滚动轴承智能诊断

研究滚动轴承不同状态下的振动信号,使用小波包变换提取信号各频带的能量熵,作为轴承故障的特征,然后使用支持向量机智能诊断轴承不同故障。传统单通道信号诊断方法容易造成误诊,全矢小波包能量熵融合了振动信号双通道的信息,能更准确地反映故障的特征。实验结果表明,采用全矢小波包能量熵比传统单通道方法有更高的诊断精度。     

基于小波包频带能量分析的电机振动故障信号特征提取

本文在分析了小波包分解用于信号特征提取的基础上,研究了基于小波包分解的电机振动故障信号特征提取的频带能量分析法、分析了这种方法的特点,与Fourier分析进行了比较,结果表明该方法优于常规的Fourier分析以电机的不平衡和不对中故障验证了这种方法的可行性,并提出了继续完善这种方法的方案,展望了其应用前景.     

基于小波包变换的二滩大坝地震响应能量分析

由于地震响应信号具有明显的非平稳特性,为分析其在不同频带的能量分布规律,结合实际地震监测数据,利用小波包分析良好的时频局部化性质和均匀频带划分能力,对二滩大坝地震动响应信号进行研究。首先,简略地对比了小波变换与小波包变换的异同,讨论了基小波选取的侧重点,提出了小波基混频度的概念,并作为选取小波基的评判指标;其次,对坝体不同位置响应信号在不同频段内进行展开,讨论了不同测点、不同方向上响应信号能量在各频带上的分布规律;最后,总结了结构响应信号的能量在频带上的分布与信号的方向及结构的位置关系。研究结果可为大坝的抗震减振以及与能量相关的安全评估方法提供理论基础。     

基于小波理论的电机电流信号消噪研究

小波分析是当前应用数学和工程学科中一个迅速发展的新领域。小波分析具有良好的多分辨分析能力,因而已广泛应用于信号和图像的消噪。而对电机电流信号进行消噪对于整个工程系统的分析具有很重要的意义,因此采用小波阈值消噪法对电机的电流信号进行了消噪。首先介绍了小波阈值消噪法的原理,然后用noisbump信号验证小波阈值消噪法的可行性,之后再用该方法对实验测取的电机电流信号进行消噪。消噪的效果表明:采用小波阈值消噪法对电机电流信号进行消噪,是一种可行的方法。     

全信息小波能量熵及其在旋转机械状态监测中的应用研究

结合全信息技术、小波分析以及信息熵的基本理论,提出全信息小波能量熵的概念.用小波分析将两个垂直通道的信号分别分解至不同的频率带,综合所有分解系数计算得到小波熵,对融合信号能量分布的紊乱程度进行量化.仿真计算表明,全信息小波能量熵能反映融合振动信号能量分布的复杂性,且对能量分布的变化较为敏感,可作为衡量设备工作状态的指标,应用于旋转机械状态监测中.     

基于提升小波包和神经网络的结构损伤检测

提出一种提升小波包分解、多传感器特征融合和神经网络模式分类相结合的结构损伤诊断方法.首先,对多个传感器采集的振动响应信号进行提升格式小波包分解,定义标准化相对能量并计算每个频带上的相对能量;然后,把这些传感器信号的小波包相对能量融合作为神经网络分类器的输入特征向量,实现损伤的诊断和评价.数值仿真结果表明,提升小波包分解的频带能量分布能够较好地反映结构的损伤特征;特征融合能够使不同传感器的信息相互补充,减小了损伤检测信息的不确定性,使诊断信息具有较高的精度和可靠性.     

基于小波包能量和调制信号双谱边带估计的齿轮磨损监测

为提高调制信号双谱边带估计的分析效果和鲁棒性,提出了小波包能量和调制信号双谱边带估计相结合的磨损特征提取方法.首先,使用小波包变换将信号分解为多个频段,计算每个频段的小波包能量,选取小波包能量较高的频段进行重构,以达到优选分析频段和降低计算量的目的;然后,对重构信号进行调制信号双谱边带估计以提取齿面磨损特征,并通过合理...