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.     

基于频域能量和小波系数方差的光伏系统故障电弧判断方法

文章通过实验采集故障电弧数据,根据故障电弧时域波形的特点进行频谱分析,确定故障电弧所在的频段和能量集中的频段;采用小波变换的方法,计算这些频段的小波系数和方差;根据能量值和方差值,判断有无故障电弧发生,以提高检测的准确性和可靠性。     

基于集成卷积小波极限学习的绝缘子故障检测

针对绝缘子因分布位置较远、背景复杂而导致传统方法无法精准并高效识别其故障的问题,提出一种基于集成卷积小波极限学习神经网络(ECWELNN:Ensemble Convolution Wavelet Extreme Learning Neural Network)的绝缘子故障检测方法.首先通过安装在无人机上的工业级摄像机采集现场的绝缘子图像数据并进行预处理;其次将卷积神经网络、自动编码器、极限学习机和小波函数的优势结合,构造集成卷积小波极限学习神经网络,并逐层堆叠建立多个深层神经网络;最后将绝缘子图像样本输入多个深层神经网络进行自动特征学习,将预测结果进行集成并输出最终的故障检测结果.通过实验对比验证了小波函数作为极限学习机网络模型中的激活函数在绝缘子识别领域中的优势.实验结果表明,该方法的平均故障检测准确率达到了98.49％,标准差仅0.20,相比其他方法在图像特征提取和故障检测准确率方面更具优势,适用于绝缘子故障的自动识别.     

基于联合特征的风电机组故障检测

为了提高风电机组的运行可靠性,有必要对风电机组的故障信号进行实时采集并分析.在风电机组的故障检测诊断技术中,有语音信号诊断技术、振动信号诊断技术、电量参数诊断技术,振动信号诊断技术相对于其它诊断技术能更好地反映风电机组的实际工况.提出一种基于小波分析的联合特征提取方法,结合BP神经网络对风电机组的故障进行分析和诊断.以风电机组齿轮箱故障诊断为例,通过频谱分析和模式识别,发现基于联合特征的分析相对于单特征提取在一定程度上提高了诊断精度.     

基于小波分析的滚动轴承故障诊断研究

小波分析是针对非平稳信号的一种有效的数据分析方法。在此基础上提出了基于小波分析的滚动轴承故障诊断技术。它将振动信号进行小波分解与重构,然后对其中某粗略信号进行频谱分析,其频谱特征可以揭示故障的有无及其发生部位。通过滚动轴承内环点蚀、外环划痕、滚动体划痕三种典型故障的实验,验证了该方法在滚动轴承故障诊断方面的可行性和有效性。     

油膜失稳引起的轴承碰摩故障研究

为了研究油膜失稳和转子-轴承碰摩两种单一故障相互作用形成的耦合故障,利用转子实验台模拟油膜失稳引起的轴承碰摩故障,采集发生此故障时转子系统升降速过程的振动信号.利用三维谱振图、重排小波尺度图、频谱图和轴心轨迹图对竖直方向振动信号进行分析,结果表明:重排小波尺度图可以很好地提取轴承碰摩时的时间和频率信息.当转子系统发生二者耦合故障时,油膜失稳占主导地位,油膜失稳引起的碰摩会产生转频和涡动频率的组合频率成分.此外,由于不可公约的组合频率出现,轴心轨迹变得混乱不规则.     

多模型融合的输电线路绝缘子自爆故障检测

针对输电线路巡检图像中绝缘子自爆区域小、背景复杂与故障绝缘子类型复杂多样的特点,提出一种多模型融合计算的绝缘子自爆故障检测方法.通过分析现有绝缘子自爆故障检测算法差异性,选取检测性能差异较为明显的三个目标检测算法(Mask rcnn、 Retinanet、 Yolov3),计算得到巡检图像中绝缘子自爆区域坐标及置信度.再利用多模型融合计算,融合各模型检测结果.最后实现架空输电线路无人机巡检图像中绝缘子自爆故障检测,得到绝缘子自爆故障检测综合评价值为94.81%.所提方法在平均准确率、召回率、准确率方面均高于单一模型检测结果.实验结果表明,本方法能有效实现架空输电线路无人机巡检图像中绝缘子自爆故障检测,对输电线路智能化巡检故障诊断具有一定参考价值.     

飞机发动机轴承滚动体故障诊断的MATLAB实现

主要论述小波变换在信号处理方面的优越性,并通过MATLAB对飞机发动机轴承滚动体故障检测数据进行降噪处理。实验结果表明,对于在频谱图上难以找到其相应的明显频率成分的准周期故障信号,利用小波变换的多重分辨率特性,使故障成分的细节信号得到放大,对比该频率和故障情况下计算出的故障频率可以找出故障的原因。     

基于小波包和解调分析的多类故障综合诊断方法研究

提出了一种基于小波包分解和解调分析相结合的旋转机械故障综合诊断方法.它能诊断复杂机械的多类故障,针对振动信号的非平稳和调制特点,首先采用小波包将信号进行分解,再分别以不同的方法分析不同的分解频段.利用解调技术分析小波包分解的高频段(调制频段),用来诊断轴承、齿轮等零部件的各类故障;利用FFT频谱分析小波包分解的低频段,用来诊断转轴的各类故障.理论分析和仿真结果表明该方法优于仅做FFT频谱分析或Hilbert解调分析.实例分析也证明了该方法的实用性和有效性.     

基于振动特征的变压器的故障诊断

变压器振动的主要来源是铁心和线圈振动,铁心与绕组故障引发变压器振动信号变化,故障类型不同信号变化不同.基于自主设计的变压器振动信号采集系统,采集不同故障状态下的变压器振动信号.由于变压器振动信号噪声较多,首先采用基于遗传优化的匹配追踪算法对信号稀疏表示去除噪声,然后对降噪后的不同故障类型信号进行分析处理,最后确定故障诊断方法.研究表明:箱体振动的基频反映铁心的故障,高频分量所占比例反映绕组的故障.一旦出现铁心故障,基频分量会发生明显的改变,运用快速傅里叶变换计算主频幅值的能量即可诊断出铁心故障;绕组发生故障后,会产生大量的高频分量,运用小波-高低频能量算法求取高低频包络谱,对比低频分量与总能量的比值,即可确定故障为绕组垫块脱落故障.     

地线绝缘子间隙放电电流波形特征分析

地线绝缘子并联间隙长度的减小,使其在高感应电压影响下极易产生间隙击穿放电,直接威胁电力系统的安全运行。为了解地线绝缘子间隙放电电流波形特征,进行地线绝缘子不同间隙击穿放电试验研究。测量了试验过程中击穿放电电流波形,分析了其时域和频域特征。分析结果表明,放电电流波形起始段会产生一个大脉冲,脉冲电流幅值达到6 A左右;大脉冲电流过后出现正弦电流波形,其电流幅值约为0. 25 A,持续1～2个周波之后,电流降为0。正弦电流波形中会包含2～4个小脉冲,脉冲正负交替呈现,持续时间约25μs;且在不同间隙宽度下放电电流波形频率集中在50 Hz。同时研究发现将时域和频域特征分析所得结果作为特征量,可以对间隙放电电流波形进行识别。研究结果可以为地线放电故障电流监测提供参考依据。     

气体泄漏对全封闭组合电器局部放电影响的仿真分析

气体泄漏对气体绝缘全封闭组合电器(gas insulated substation,GIS)局部放电的影响有待研究,但缺少相关研究手段。为此,首先提出等效相对介电常数的概念,推导等效相对介电常数与气室压强、温度、分子数等的关系,从极化原理上分析其表征气体泄露程度的可行性;然后利用XFdtd三维电磁场仿真软件建立同轴波导结构自由金属微粒缺陷下的局部放电(partial discharge,PD)模型,仿真分析发生气体泄露后的局部放电情况;通过对特高频(ultra high frequency,UHF)电磁波时域信号与放电频谱的分析,探究气体泄漏的影响。仿真结果表明,基于等效相对介电常数气体泄漏对GIS局部放电影响的分析得以实现,同时揭示了脉冲宽度、主频、信号幅值等特征量的变化规律。     

基于改进离散傅里叶变换的实时频率和幅值测量算法

精确快速估计频率和幅值对智能电网的监测和运行至关重要;而频谱泄露会严重影响频率和幅值的测量精度。为此提出了一种基于改进离散傅里叶变换(discrete Fourier transformation,DFT)的实时频率和幅值测量算法。首先对考虑频率偏移的DFT算法进行了理论推导。然后为了减弱频谱泄露的影响,对DFT变换结果进行再次计算,给出了频率和幅值计算表达式;为了进一步提高精度,对频率值进行了二次估算。仿真结果表明,该算法能够有效减弱频谱泄露对频率和幅值测量的影响,在不同信号模型下均能得到满足要求的频率和幅值。     

频谱泄漏效应补偿的信号处理方法研究

为减小频谱泄漏对谱分析的影响, 将传统离散傅里叶变换(DFT: Discrete Fourier Transform)的方法和运算从经典的一维频谱扩展到二维时频谱, 在此基础上对简谐信号存在能量泄漏的频谱中任意频率成分的幅值与时域信号截断长度的关系(时谱)进行实验研究, 从而提出一种信号的时谱描述方法。实验结果表明, 在频谱泄漏条件下任意频率成分的幅值随时域信号截断长度的变化遵从sinc 函数, 基于这种关系可完成简谐信号任意截断条件下的频谱构造, 实现零误差幅值谱构成, 得到非整周期截断时DFT 幅值谱误差与信号中所含周期数的关系服从指数规律, 且当信号长度是周期的10 倍时, DFT 频谱产生的标准差约为0. 001。     

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.     

电晕放电辐射场实验研究

针对带高压物体的电晕放电辐射信号的时域、频域特征开展研究,对静电电晕放电电流、辐射场进行了理论分析,设计完成了静电电晕放电电流及辐射信号实验.研究发现,不同极性电晕放电的辐射场波形测试有明显差别:实验条件为负极性时,先发生电晕放电,但正极性放电发生时,脉冲幅值比负极性时大;负电晕电流脉冲波形的上升时间小于正电晕电流.实验结构不同,电晕放电辐射场的特征不同:利用电晕放电针与直流高压源直接相连的实验结构得到的放电波形的上升时间为十几个ns,频率分布集中在20～100 MHz;利用孤立导体电晕放电实验结构得到的放电波形的上升时间为几个ns,频率分布集中在200～600 MHz.结论对于研究带高压物体的电晕放电辐射信号特征具有很好的参考价值.     

全相位DFT抑制谱泄漏原理及其在频谱校正中的应用

为精确估计噪声环境中的信号频率和幅值,数学证明了全相位DFT优良的抑制频谱泄漏的性质.理论分析了基于全相位DFT的双谱线法的频谱校正原理.仿真结果表明,相比于传统能量重心法,该方法的频率估计精度可获得0.01~0.001级频率分辨率的改善,并且适用于传统方法无法校正的密集频谱分布和存在强干扰频率的场合.此外,该方法的抗噪性能好.     

基于高阶谱的异步电机定子匝间短路故障诊断方法研究

传统的信号频谱分析方法应用在信噪比低、故障特征不明显的异步电机定子匝间短路故障诊断中,往往会出现因为故障的频谱图差别不大而导致误判的问题,为此提出了一种基于高阶谱的定子匝间短路故障诊断方法。高阶谱相较于传统频谱分析,具有良好的抑噪性,同时还保留了信号的非线性相位信息,解决了定子匝间短路故障快速诊断的问题。通过理论联系实例分析表明:发生定子匝间短路故障与未发生故障的电流信号"最大幅值"处双谱水平切片图完全不同,且随着故障严重程度的增加,其谐波分量越多,幅值越大。由此验证了该方法可以有效地提取出信号中的非线性特征,完成了对异步电机定子匝间短路故障的诊断,具有良好的实际应用前景。     

变电站容性设备介质损耗角的高精度测量方法

针对绝缘设备泄漏电流非常微弱且容易被噪声淹没的问题,以磁通门传感器组成差动方式来提取泄漏电流,克服了互感器角差和比差带来的误差影响。利用小波变换及自适应网络构成的数字低通滤波器,实现对泄漏电流的正交分量信号电阻性漏电流、电容性漏电流的数字滤波,有效地提取了基波相位。通过信号发生器及四象限乘法器构成的硬件正交分解器对漏电流信号分解,再配合数字滤波,较好地解决了电网频率波动带来的频谱泄漏,并抑制了栅栏效应。母线电压、泄漏电流经同一滤波网络,产生的附加相移相等,保证基波相位的稳定,提高了介损值测量的精确度。仿真及实验结果表明,该方法提高了绝缘设备在线监测的精度,为绝缘设备故障诊断提供可靠的依据。     

基于EEMD与形态滤波的滚动轴承故障诊断方法研究

为从滚动轴承故障信号中提取出包含故障信息的特征频率,提出集合经验模式分解法(EEMD)与形态滤波相结合的解调方法。该方法首先利用EEMD自适应地将信号分解成多个IMF分量,然后计算各IMF分量与原信号的相关系数,选择合适的IMFs进行信号重构,再对重构后的信号进行形态滤波,滤除脉冲干扰,提取出故障特征信息。将该方法应用于滚动轴承故障诊断实例中,并将分析结果与直接对原信号进行包络谱分析解调的结果进行对比。结果表明,该方法提取故障信息的效果较包络谱分析解调的效果要好。