旋转机械不对中故障特征提取提取及诊断方法研究

对旋转机械转子系统不对中故障的征兆机理进行了分析,得出在不对中条件下,旋转机械产生二倍频振动这一典型征兆的原因,在转子实验台上对该类故障进行转子实验测试,并对原始信号进行频谱特征提取,使该类故障征兆得以验证。用实验测得的振动数据特征归一化处理后作为神经网络的输入变元,以实现对该类故障的准确分离和正确诊断。     

大型旋转机械不对中故障研究及分析

旋转机械运行工况复杂,转子出现不对中后,引起设备的振动、联轴器的偏转、轴承的磨损和油膜失稳、转轴的挠曲变形等,危害极大.通过整理总结大型旋转机械不对中故障案例,归纳分析了不对中原因、振动特征.根据分析结果,总结提出了不对中故障诊断的依据和预防不对中故障的措施,为大型旋转机械安全运行提供技术参考与借鉴.     

弹用燃气轮机不对中故障测试及诊断

对弹用燃气轮机转子系统不对中故障的征兆机理进行了分析,在高速转子实验台上对该类故障进行实际转子系统实验测试,并对原始信号进行频谱特征提取,使该类故障征兆得以验证。用实验测得的振动数据特征作为神经网络的输入变元,以实现对该类故障的诊断。     

旋转机械碰摩擦故障特性分析

对旋转机械的转子发生部分碰摩时引起的振动特性进行分析，提出了变度分段线性的非线性数学模型，并采用解析和数值分析的方法地此数学模型进行了分析，并进而对数值计算结果进行了快速富里叶变换（ＦＦＴ），所得结论与实验结果相吻合。为旋转机械碰摩故障诊断２提供了一定的理论依据。     

转子系统联轴器不对中研究综述

介绍了联轴器的功能、型式以及联轴器不对中的定义、分类,结合国内外研究联轴器不对中的情况,详细总结了含有不对中联轴器的转子系统建模方法、不对中联轴器转子系统动力学特性分析方法以及联轴器不对中对转子系统稳定性的影响,并总结了含有联轴器不对中故障的转子系统振动特征,在此基础上,对联轴器不对中研究中面临的问题和研究趋势进行了讨论。     

平行不对中和交角不对中轴系的扭振特征比较

通过比较平行不地中和交角不对中轴系联轴节处的受力分析结果得到了如下结论：对 型旋转机械来说，平行不对中和交角不对中通常并存，扭振特征主要表现为平行不对中的扭振特征，即主要存在一倍于转动频率的扭转振动，而交角不对中的扭振特征相对量小，一般情况下难以表现出来。通过实验，证实了以上的理论分析是正确的。     

旋转机械碰摩故障特性分析

对旋转机械的转子发生部分碰摩时引起的振动特性进行了分析，提出了变刚度分段线性的非线性数学模型，并采用解析和数值分析的方法对此数学模型进行了分析，并进而对数值计算结果进行了快速富里叶变换（ＦＦＴ），所得结论与实验结果相吻合。为旋转机械碰摩故障诊断提供了一定的理论依据。     

大坝电站300MW机组不对中振动故障的诊断处理

通过进行发电机有功负荷、转子电流(无功)、发电机转子冷却水温试验以及瞬态试验,诊断出励磁机振动故障的根本原因为发电机-励磁机联轴器不对中。采取现场重新铰孔找中的方法,成功消除了励磁机的振动故障。     

旋转机器不对中的新型在线监视及其在线消除的探讨

该文针对旋转机器的主要故障之一－不对中这一问题，提出了一种新的不对中在线监测方法，并研制了了不对中在线监测系统。该系统经实验室试验到工业应用几个阶段的研究，取得了较为满意的结果。     

基于小波神经网络的旋转机械故障诊断

研究了小波变换与人工神经网络结合起来应用于旋转机械故障诊断的问题。通过选择合适的参数，对故障信号功率谱进行小波分解，简化了故障特征向量的提取。建立了基于小波变换和BP网络的混合诊断模型，成功地实现了对故障的智能诊断。     

风电机组传动链典型故障特征提取方法

为解决风电机组传动链易发生故障的问题,文章阐述了风电机组齿轮箱特征频率的计算方法和基于振动信号分析的故障特征提取方法。结合实际情况,以行星级齿轮磨损、中间轴小齿轮崩齿、高速轴齿轮崩齿和发电机轴承电腐蚀等典型故障为例,通过齿轮箱特征频率和传动链典型故障振动信号基本特征分析,可较好地完成故障识别。结果表明,采用经典信号处理方法能对上述典型故障进行特征提取,验证了经典方法对单一、明显故障特征提取的有效性,为深入开展传动链故障特征提取方法研究奠定了基础,为风电机组故障检修维护提供了技术支撑。     

Residual signal feature extraction for gearbox planetary stage fault detection

Faults in planetary gears and related bearings, e.g. planet bearings and planet carrier bearings, pose inherent difficulties on their accurate and consistent detection associated mainly to the low energy in slow rotating stages and the operating complexity of planetary gearboxes. In this work, statistical features measuring the signal energy and Gaussianity are calculated from the residual signals between each pair from the first to the fifth tooth mesh frequency of the meshing process in a multi‐stage wind turbine gearbox. The suggested algorithm includes resampling from time to angular domain, identification of the expected spectral signature for proper residual signal calculation and filtering of any frequency component not related to the planetary stage. Two field cases of planet carrier bearing defect and planet wheel spalling are presented and discussed, showing the efficiency of the followed approach and the possibility of characterizing a fault as localized or distributed. Copyright © 2017 John Wiley & Sons, Ltd.     

基于小波特征提取的可调节负荷辨识方法

可调节负荷辨识方法能够区别可再生能源并网的电力系统中各类具有调节特性的负荷。文章对各类典型可调节负荷特征进行了深入分析,提取可调节负荷的最大可调节速率、调节深度、最大可调节时间等特征参量。为了提高可调节负荷的辨识精度,利用DB小波变换提取小波能量值作为新增特征参量,在此基础上,提出一种基于小波特征提取的可调节负荷辨识方法,并采用模糊C均值聚类方法(FCM)进行负荷辨识。最后,对甘肃某地区典型综合负荷点进行仿真计算,验证了所提辨识方法可有效提高可调节负荷的辨识精度,对利用可调节负荷的调节能力消纳受阻风电具有重要的现实意义。     

基于顺序向前选择算法的制冷系统故障诊断分析

以一台制冷量为90冷t(约316 kW)、制冷剂为R134a的离心式制冷机组为实验对象,从理论上分析该制冷系统的7种典型故障,分析故障征兆与故障间的理论关系,运用基于顺序向前选择(SFFS)算法的封装模型进行特征选择,降低乃至消除特征间的相关度,去除信息冗余,获得不同的能较好表征故障的特征子集.结果显示:运用SFFS算法时选择了22个特征,诊断正确率为89.63%,与原特征集的诊断正确率90.36%基本相当,极大地减少了原特征集的特征数,从64维降为22维;在保证故障检测与诊断正确率的前提下,减少了诊断所需传感器种类和数量,节约了初始投入成本.     

基于SVM的断路器状态监视诊断方法研究

提出了一种基于支持向量机(SVM)的断路器监视诊断方法,通过对断路器故障时的特性参数向量进行训练推理,实现断路器在线监视诊断,并用实例验证了该方法的准确性和快速性。     

基于AR-Hankel矩阵的风力发电机早期故障诊断方法研究

针对风力发电机故障早期阶段,故障特征不明显,继电保护装置检测不到相关电气量异常的问题,文章提出了基于AR模型、Hankel矩阵和奇异值分解的风力发电机早期故障诊断方法。该方法先对主轴径向振动信号进行总体平均经验模式分解,再按照互相关准则选择若干个固有模态函数建立AR模型,然后对自回归系数构建Hankel矩阵并作奇异值分解,将奇异值作为故障特征输入支持向量机判断发电机的运行状态。试验结果表明,该方法能对直驱风力发电机正常运行、定子线圈匝间短路、发电机主轴偏心、发电机轴承磨损4种状态进行准确诊断。     

中压配电网单相接地故障诊断定位系统研究及应用

基于对小电流系统接地故障的过程分析,本文设计并应用了一种智能故障诊断定位系统。该系统基于小电流接地选线装置和线路故障录波单元的数据,通过深度学习和形态比对等人工智能方法,建立并优化故障诊断规则,提高了小电流系统单相接地故障的判断准确率,进一步收敛了故障范围,可大大减少故障处理时间,降低停电损失。现场试验验证了系统的可靠性和实用性。     

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。     

Wind turbine fault diagnosis method based on diagonal spectrum and clustering binary tree SVM

Renewable energy sources like wind energy are copiously available without any limitation. Reliability of wind turbine is critical to extract maximum amount of energy from the wind. The vibration signals in wind turbine's rotation parts are of universal non-Gasussian and nonstationarity and the fault samples are usually very limited. Aiming at these problems, this paper proposed a wind turbine fault diagnosis method based on diagonal spectrum and clustering binary tree Support Vector Machines (SVM). Firstly, the diagonal spectrum is calculated from vibration rotating machine as the input feature vector. Secondly, self-organizing feature map neural network is introduced to cluster the fault feature samples and construct a cluster binary tree. Then the multiple fault classifiers are designed to train and test samples. The wind turbine gear-box fault experiment results proved that this method can effectively extract features from nonstationary signals, and can obtain excellent results despite of less training samples.