基于Hilbert变换和小波包能量分析的转子断条故障诊断

转子断条是笼型异步电机最常见故障之一.基于Hilbert变换和小波包频带能量分析方法,提出了一种新的笼型异步电机转子断条故障检测方法.对采集的定子电流信号进行Hilbert变换,消去定子电流中包含的直流分量,解决了转子断条故障特征分量容易被基波湮没、难以检测的问题.采用基于小波包频带能量分析方法,对转子断条故障进行识别.实验结果验证了方法的有效性.     

提取感应电动机转子故障特征的新方法

感应电动机拖动机械负载运行时，如果机械负荷波动较大，通过测取电动机定子电流直接作频谱分析，难于得到正确的结果。作者分析了该种工况下电动机定子电流信号的特点，提出了一种提取电动机转子故障特征的新方法。此法通过对电动机定子电流信号作Ｈｉｌｂｅｒｔ变换解调处理，以调制信号的频谱中是否存在２ｓｆ１频率的故障特征分量，来诊断转子有无断条故障。实测结果表明，这种方法是有效的，尤其适用于这种负荷波动较大的电动机转子故障的诊断。     

基于小波包分析的三相感应电动机转子断条故障诊断

转子断条是鼠笼型感应电动机常见故障之一，对定子电流进行信号处理，根据其中（1～2s）f1。特征频率的分量，可以方便地进行故障的诊断．但转子轻微断条或电机轻载时，转差率S很小，（1—2s）f1与f1这两个频率非常接近，用FFT做直接频谱分析时，（1—2s）f1频率分量会湮没在f1频率分量中，从而使检测（1—2s）f1频率分量是否存在变得非常困难，此外，当电机负载波动时，用FFT检测（1—2s）f1频率分量也比较困难．本文采用了基于小波包分析的感应电动机转子断条故障诊断方法，可以很好的解决上述问题，对于感应电动机断条故障的诊断，具有重要意义．     

基于CZT变换分段频谱细化的鼠笼式异步电动机转子故障诊断

提出一种基于CZT变换分段频谱细化的鼠笼式异步电动机转子故障监测和诊断方法.从理论上推导鼠笼式异步电动机转子故障时的电流信号模型,利用CZT变换的分段频谱细化性质,将故障电流信号进行分段频谱细化分析,达到消除电源基波和噪声影响、突出故障特征的目的.同时采用CZT快速精确估计方法估计出故障特征频率成分.通过对样机实测信号进行分析处理,验证了CZT变换的分段频谱细化算法的有效性和优越性.     

无速度传感器感应电机转子断条的故障诊断

在基于定子电流信号进行异步电机故障诊断时,转子断条故障特征频率分量常常被电流的基频分量淹没.针对这种情况,文中提出一种新型无速度传感器感应电机矢量控制转子断条故障方法.该方法通过转子反电动势与电流矢量的叉乘构建无功功率,然后对无功功率进行频谱分析,其中特征频率2sf被用作转子断条的故障诊断判据.同时利用该无功功率进行速...     

大功率电力机车异步牵引电机的典型故障研究

通过分析相电流信号,对大功率电力机车异步牵引电机的两种典型故障——转子断条故障和定子绕组匝间短路故障进行故障诊断,建立电机故障情况下的有限元模型并进行仿真.结果表明,电机故障引起了三相电流不对称,基于故障后的三相电流,利用频谱分析法和对称分量法进行后处理运算,可以提取到明显的故障特征,能够有效的诊断转子断条故障和定子绕组匝间短路故障.实验所得结果与仿真及理论分析吻合,证明了故障模型的正确性,也验证了基于相电流信号的故障诊断方法的有效性.     

基于EMD和ICA的感应电动机故障检测

针对感应电动机的转子断条故障和轴承故障,以定子电流信号为研究对象,结合经验模态分解(EMD)和独立分量分析(ICA)原理提出了一种新颖的故障检测方法.该方法首先对定子电流信号进行经验模态分解,去除高频IMF部分,消除噪声干扰;然后用独立分量分析的方法进行特征提取,进而判断故障类型.仿真试验结果表明,该方法用于感应电动机故障诊断是行之有效的.     

三相鼠笼式异步电动机转子断条故障程度的诊断方法

从三相鼠茏式异步电动机转子断条的物理本质出发，解释断条时定子电流频谱中各种特征频率成分出现的原因，并得出相邻的多根导条断裂时，由定子电流中故障特征成分与基波成分的幅值之比与断条程度之间的修正关系。经计算对比表明，该修正关系与实际情况较吻合，适合于用来诊断转子断条数。     

鼠笼型异步电动机转子故障在线检测

研究鼠笼型异步电动机转子断条故障和偏心故障的在线检测方法.通过对定子电流和轴磁通信号的频谱分析,可以得出,定子电流中的齿谐波分量可作为转子静态偏心的特征分量,轴磁通信号中的3sF1分量可作为转子断条故障的特征分量.设计了以单片机为核心的检测系统.实验结果证明了本方案的可行性.     

基于小波包和EMD的异步电动机轴承的故障诊断方法

异步电动机轴承的故障信号为低频带周期冲击性特征故障数据,呈现非线性特征,倘若对此类特征信息直接做傅里叶变换,会被高频信号调制,使得故障信号严重失真。为此,提出一种新的集有小波包变换、经验模式分解和Hilbert包络谱分析相融合的滚动轴承故障诊断方法,旨在消除高频噪声信号,提升故障诊断效果。利用小波包变换对滚动轴承的振动信号进行降噪,使用经验模式分解把降噪后的故障信号分解成多个有效本征模态分量,并对筛选后的故障信号进行重构处理,最后对重构信号做Hilbert包络谱分析,计算得到滚动轴承故障频率。通过实验及分析,结果表明新方法应用效果良好。     

HHT在齿轮故障诊断问题中的应用

齿轮作为一种重要的机械传动设备,对其进行故障诊断具有重要意义。传统的齿轮故障诊断大都采用FFT或者小波分析方法,对处理具有非平稳性的齿轮故障信号效果不太明显。HHT由经验模态分解方法(EMD)和Hilbert变换两步组成。经验模态分解方法(EMD)把时间序列信号分解成不同特征时间尺度的固有模态函数(IMF),适合处理非线性和非平稳过程。Hilbert变换对具有调制现象的信号的分析有很大优势。介绍了该方法的基本原理,并将HHT应用于齿轮断齿故障诊断,齿轮故障实验信号的研究结果表明:基于HHT的分析方法,能有效地诊断齿轮的故障。     

离散小波变换在电力系统故障检测中的应用

传统的傅立叶分析难以处理电力系统故障时产生的暂态信号.小波变换具有良好的时频局部化特性,为分析非平稳、突变信号提供了有效的途径.通过多尺度分析,将连续小波变换离散化,得到适合数字信号处理的快速算法——离散小波变换.最后给出了应用离散小波变换进行输电线路故障测距的实例,通过仿真分析证明该方法可以极大地提高测距精度.     

基于小波包分解的滚动轴承故障诊断

提出了一种基于小波包分析的滚动轴承故障诊断方法用于实现滚动轴承早期故障的检测.该方法的诊断过程如下:对轴承原始振动信号进行频谱分析,获取振动信号能量集中的频段.根据频段的范围和振动信号的采样频率确定小波包分解的层数.采用小波包分解的方法提取滚动轴承振动信号中能量集中的频段并生成相应的重构信号,对重构后的振动信号进行Hilbert变换和二次频谱分析.通过对比轴承故障的特征频率和二次频谱中的特征谱线判断轴承是否有故障及其发生位置.运用上述方法对具有外环故障的滚动轴承进行了实验研究并成功地实现了滚动轴承外环故障的检测.实验结果表明基于小波包分析的诊断方法可以有效诊断出滚动轴承的早期故障.     

基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及基于多分辨分析的信号小波的分解算法 ,研究了信号局部奇异性在小波变换下的特性 ;根据故障信号的局部奇异性在小波变换下模的极大值及其在不同尺度上的传播特性 ,对 30 8型滚动轴承振动加速度故障信号进行分解 ,对故障特征信号进行时域定位 ,并提取了故障特征频率f=46 .88Hz,这与实际的故障特征频率相近 ,说明该方法适用于滚动轴承的在线监测和故障诊断     

基于希尔伯特-黄变换周期平稳类微弱故障信号检测

在希尔伯特黄变换可以将振动信号分解为有限的模式函数的基础上,针对周期平稳类微弱故障信号难以检测到的问题,对信号进行经验模式分解,然后对本征模式函数进行希尔伯特变换;接着通过希尔伯特谱对多频信号中的弱信号和仿真齿轮裂纹弱故障信号分析,得出多频信号中弱信号成分和其时间分布以及调相频率;最后分析滚动轴承损伤弱故障,从希尔伯特谱中可以分析时频和振动量的分布情况,进而提取故障特征,分析出故障;表明希尔伯特谱对周期平稳类微弱故障信号具有一定的分析能力.     

拉曼光谱预处理中几种小波去噪方法的分析

拉曼光谱分析中,噪声的存在常影响分析的准确度和检测限.以钙长石的拉曼光谱为研究对象,探讨小波变换在拉曼光谱信号去噪方面的应用,分别采用移动窗口最小二乘多项式平滑、移动窗口中位数平滑、非线性小波软硬阈值法和小波变换模极大值法对加噪后的拉曼光谱进行去噪并对去噪效果进行比较.结果表明,小波变换模极大值光谱去噪法得到了较高的信噪比,小波软硬阈值法次之,其他2种方法去噪效果较差.小波变换模极大值法能够有效去除光谱噪声,并很好地保留了光谱信号特征,为拉曼光谱的校正模型的建立奠定了良好的基础.     

小波变换的分析方法研究

小波变换在数学、电子、图像分析等领域有着广泛的应用,小波变换的实质是生成特殊问题域中正交基的一套技术。本文对希尔伯特空间原理的基础内容进行了讨论,哈尔小波基是具有紧支集的正交函数,哈尔小波基由一个"母"函数直接生成,它构建了一个L2(R)空间上的正交基,使用哈尔小波基的例子来解释小波分析,为小波变换的工程应用进行探索。     

基于模极大值与希尔伯特结合的TOA估计

传统的TOA(time of arrival)算法仅在高信噪比情况下才能获得较高精度的估计,为弥补现有估计算法的不足,提出了一种新的基于模极大值与包络提取结合的TOA估计算法。该算法首先利用小波模极大值对多径信号去噪,然后运用希尔伯特变换,对去噪后信号进行包络提取,选取第一个包络的峰值作为TOA估计值。仿真结果显示,与小波阈值相比,小波模极大值与希尔伯特结合的TOA估计误差更小。算法简单有效,实现了低信噪比下的高精度估计。     

基于解析信号的小波变换及其应用

提出对信号的解析进行小波变换，从而可直接计算出信号能量的时-频分布.使分析结果能象短时Fourier变换、Wigner分布那样直观地显示出来，解决了小波分析的可视性问题.用这种算法在调频信号的分析、消噪和故障诊断上应用说明了它的优点.