小波分析及其在轴承振动诊断中的应用

在轴承振动测试中,经常需要对系统反馈的信号进行分析,以判断轴承的故障,但反馈信号往往带有较大的噪声,这给故障信号提取带来困难,而且故障信号多是突变信号,传统的Fourier分析由于在时域不能局部化,难以检测到突变信号,故采用可在时频能局部化的小波分析,利用它时窗和频窗宽度可调节以及多尺度分析等优点,在轴承故障诊断中获得良好效果.现介绍小波理论分析和基小波的选取,为小波分析打下理论基础,并提供小波分析方法.     

基于能量频谱分析法的电机故障诊断

基于定子电流信号进行异步电机故障诊断时,转子断条和匝间短路故障特征频率分量常常被电流的基频分量淹没,利用小波变换的能量谱对其进行诊断十分必要.考虑到小波分析在时域、频域都具有表征信号局部特征的能力,能通过时频窗的灵活变换来突出信号的不同频率成分;同时还有用小波处理非平稳信号的优越性,计算出各频带所占能量,进而获取能量分布的故障特征.实践表明,通过上述分析并从能量分布的角度出发,可以快速、准确地诊断出电机故障,诊断效果好于傅里叶分析;同时也提供了一种思路,为电机故障在线实时诊断提供了理论依据.     

基于小波理论的大型发电机内部故障保护方案研究

本文介绍了小波理论在大型发电机内部故障保护中的应用 ,重点分析正交小波在检测各种内部故障中的效果 .仿真结果表明 ,由于故障波形通常表现为不规则和暂态的行为 ,新方案将能取得很好的保护灵敏度 ,并能可靠地应用于保护装置     

电机设备故障诊断技术的新进展

在分析电机设备故障诊断的基础上,讨论了电机设备故障诊断的最新研究成果即基于信号处理的小波变换分析、神经网络和模糊逻辑控制应用技术,并讨论了电机设备故障诊断技术的发展趋势.     

模拟电路故障诊断方法浅析

叙述了模拟电路故障的特点及模拟电路故障诊断的传统方法和发展现状,着重分析了新近发展起来的人工智能、神经网络和小波分析在模拟电路故障诊断中的应用及前景.     

基于小波分析的风电机组故障信息提取

针对风力发电机组在运行工况下故障预诊断难以实现的问题,提出了基于小波分析的故障信息提取方法。机组故障运行时其声音品质特性将发生变化,由此对风电机组进行声发射实验,对噪音信号进行测量,利用小波分析法从中提取故障信息,对机组实施故障预处理和保护措施。经过对现场信号的测量、分析与仿真实验,表明该方法较简单易行,可有效提取故障信息,对工程实践有应用价值。     

基于小波包络分析的滚动轴承故障诊断研究

滚动轴承出现故障时的振动信号是非平稳信号,傅立叶变换方法难以达到满意的效果。小波分析可同时从时域和频域两个方面对信号进行分析,十分适于滚动轴承的故障诊断。根据滚动轴承故障诊断理论,通过构造轴承上有单个损伤点时的仿真信号,应用小波包分析与包络分析相结合的方法,成功提取了滚动轴承的故障特征,并在此基础上对实测的滚动轴承振动信号进行分析,实验结果表明小波包络技术可以有效的提取滚动轴承故障信号。     

基于小波变换诊断轴承外圈故障

针对设备的关键部件轴承易发生故障的特点,利用轴承试验台采集外圈点蚀的故障信号,使用小波分析法对故障信号进行早期诊断,通过实验及诊断过程证明小波与Hilbert包络谱结合进行故障信号分析的方法对于轴承故障具有明显的效果,有助于更好的进行故障诊断工作。     

M带多小波的算法及构造

多小波已经成为小波分析中的一个热点,但一般的多小波只是基于2带来进行分析.本文把M带小波的思想推广到多小波,给出了M带小波的一般计算公式,建立了从复值多小波出发来构造M进制2重多小波的算法,并构造了M带2重多小波.在此基础上,我们还对M带多小波滤波器的性质作了讨论.     

基于小波变换的滚动轴承故障诊断研究

分析滚动轴承的失效机理及出现故障时的特征频率。小波分析能同时从时域和频域两个方面对信号进行分析,应用小波变换加包络分析相结合的方法,成功提取仿真信号和实测信号中的周期性成分,对滚动轴承故障做出准确诊断。     

基于小波分析的配电网故障选线方法研究

提出了一种基于小波分析的配电网故障选线方法。通过剔除线路谐振状态的频带,利用小波包良好的分频特性,以适当带宽对故障后线路的暂态零序电流进行分解,从而实现在低频段下对各线路的零序电流进行小波重构,通过比较重构后的信号来实现选线。仿真实验表明,该选线方法受故障点位置、故障时刻、过渡电阻等因素影响较小,具有可靠性高、抗干扰能力强的特点,适用于中性点不接地的配电网。     

基于小波特征的油浸式变压器电弧光故障诊断

基于小波分解频带能量特征和BP神经网络的方法识别油浸式变压器短路故障。利用电弧光信号进行油浸式变压器短路故障诊断,对不同工况下的光信号进行多分辨率分析的四层小波分解,选择合适的重构小波系数,提取特征频带。对提取出的特征频带的小波系数作平方和归一化处理,求出每个特征频带的能量,作为特征参数输入到BP神经网络模型中进行训练和故障识别。     

基于小波包分析的滚动轴承声发射信号消噪处理

本文叙述了将声发射检测技术应用于火车货车滚动轴承故障诊断中,通过小波包分析提取滚动轴承声发射信号的能量特征,并通过小波包消噪处理法突出能量特征,以达到较好故障诊断效果。     

采用小波变换与RBF神经网络优化的电机故障模糊诊断系统

针对特征信号淹没于噪声信号的情况,采用Morlet小波分析实现了对原始电流特征信号的降噪.同时,采用基于RBF神经网络的最优化插值与具有频谱细化特性的CZT分析,提升了频谱分辨率,充分展现了发生故障时电流特征信号的频谱细节,为电机故障诊断系统提供了可靠的诊断依据.建立了基于改进型BP神经网络的电机故障模糊诊断系统,抽象出了偏心故障的诊断规则.实测结果表明,该系统能够可靠地诊断电机的偏心故障.     

基于小波包多频带相关分析的故障选线方法

针对故障选线问题有许多的研究,提出了许多解决方案,但从现场使用情况看,基于不同原理的选线装置选线效果并不理想。因此,如何可靠的实现故障自动选线,有必要对其进行更深入的研究。本文针对传统小波变换在故障选线中的优缺点分析,提出一种基于小波包多频带相关分析的故障选线新方法。通过对各线路暂态零序电流进行一系列变换,得到各线路的故障测距系数,并按大小排序,其中最小值对应的线路即为故障线路。PSCAD仿真验证该方法正确有效。     

谐波干扰下的异步电机故障诊断研究

推导出在高次谐波干扰下,PARK矢量模平方函数的数学表达式,消除直接进行定子电流分析时基波频率对特征频率的影响。但是新增的频率成分很容易被直流分量、2f分量和4f分量淹没,对PARK矢量模平方函数进行傅立叶变换效果很差。采用多分辨率小波分析,对其各层系数进行分解与重构,其中第7层高频系数和第8层高频系数重构后的波形在发生故障时幅值明显大于无故障时的波形,对电机故障有很高的辨识度,是一种有效的方法。     

模拟电路故障诊断方法浅析

叙述了模拟电路故障的特点及模拟电路故障诊断的传统方法和发展现状，着重分析了新近发展起来的人工智能、神经网络和小波分析在模拟电路故障诊断中的应用及前景．     

Denoising method for shear probe signal based on wavelet thresholding

Shear probe works under a tough environment where the turbulence signals to be measured are very weak.The measured turbulence signals often contain a large amount of noise.Due to wide frequency band,no...