基于小波变换与SVD的水电机组振动信号特征提取研究

提出一种基于小波变换与SVD相结合的方法用于提取水电机组振动故障特征。运用小波变换对已去噪处理的水电机组振动信号进行变换,变换得到信号各分支的小波分解系数,对各分支系数进行差值单支重构后,组成SVD的输入矩阵,提取奇异值得到特征向量。应用概率神经网络对提取的奇异值特征量进行效果分类。通过水电站机组实测数据验证表明该特征提取方法操作简单稳定,具有较高区分度与较好识别率,可以为水电机组状态故障诊断提供有效依据。     

水电机组振动信号的自适应VMD分析

水电机组对安全稳定性运行要求不断提升,为了能够准确提取有效故障特征,提出了一种基于回溯算法与参数敏感性分析的自适应VMD方法。首先,通过参数灵敏度分析选择合适的分解预设参数,然后使用回溯算法计算最优参数值。最后用该自适应VMD方法对振动信号进行分析。结果表明,该方法不仅解决了VMD参数不能自适应的问题,同时也具有良好的振动信号特征提取功能。     

EEMD多尺度熵和ELM在水电机组振动信号特征提取中的应用

机组的状态评价及故障诊断基于信号特征提取,水电机组非平稳、非线性振动信号的特征提取是水电领域研究热门.提出了一种基于集合经验模态分解(EEMD)和多尺度熵(MSE)的水电机组振动信号特征提取方法,采用极限学习机(ELM)实现模式识别.对降噪后水电机组振动信号进行EEMD分解,并根据峭度—标准相关系数指标筛选有效本征模态...     

基于AR模型的水电机组振动信号趋势预测

文章提出对水电机组振动信号进行AR模型趋势预测。将现场测得的上机架非平稳振动信号通过差分转化为平稳时间序列,使用Burg算法进行AR模型的参数估计。通过最后的预测数据与原始数据的对比,表明AR模型可以较好的拟合水电机组的振动信号,达到了趋势预测的要求。     

基于小波包分析的水电机组振动信号去噪研究

水电机组有80%故障都可以在振动信号中有体现,研究振动信号很有必要。文章将小波包分析技术应用于水电站机组振动信号去噪,概述了小波包去噪的原理和步骤,通过实际电站运行数据的采用,应用matlab软件编写程序,实现水电机组振动信号的信噪分离。实验表明,小波包分析消噪消去的能量较多,费时较短,去噪后信号光滑,取得了较好的去噪效果。     

优化变分模态分解的超声多普勒测流信号误差模型研究

超声多普勒流量计的应用环境复杂多变,因此提高测量精度和误差,精确提取回波信号非常重要。提出了融合变分模态分解(Variational Mode Decomposition,简称VMD)和奇异谱分析(Singular Spectrum Analysis,简称SSA)的降噪模型,以更好地改善回波信号信噪比。该方法首先利用柯西变异算子产生随机迭代过程,克服了海鸥算法(Seagull Optimization Algorithm,简称SOA)容易陷入局部最优的特性;其次,采用包络谱熵值作为适应度函数,自适应优化VMD参数组合,同时引入云相似度值作为有效模态分量(Intrinsic Mode Functions,简称IMF)筛选的标准;最后,针对中低频的二次谐波振荡现象,引入SSA加以解决。通过构造超声波模拟信号和走车实验数据实例,与小波阈值、经验模态分解(Empirical Mod Decomposition,简称EMD)等方法对比,分析CVSOA-VMD-SSA降噪效果。结果表明：对于仿真信号而言,CVSOA-VMD-SSA能克服模态混叠及SOA易陷入局部最优解问题,更有效地抑制噪声干扰,相...     

基于多小波的水电机组振动信号降噪方法研究

多小波可以同时满足对称性,短(紧)支撑性,二阶消失矩和正交性,在信号处理方面比小波更有优势。在多小波分解系数中,当一个系数包含某些信号成分时,其相邻系数也可能包含一定的该信号成分。与传统的小波去噪算法相比,相邻系数法能更好地解决变换系数之间的相关性,获得更好的降噪效果。在模拟振动信号降噪处理中,对信噪比和均方根误差进行定量分析,结果表明多小波相邻系数降噪法要优于小波阈值降噪法。在对水电机组实际采集的振动信号进行降噪研究时,通过对比降噪前后信号振动特征分量的保持完整程度,表明该方法滤波更彻底,保留振动特征分量更完整,是一种更加有效的降噪方法。     

基于小波包和样本熵的水泵机组振动特征提取

目前大部分大型水泵机组安装有状态监测系统,但如何从海量的状态监测数据中提取出机组故障特征仍是水泵机组故障诊断的一大难点和热点。提出了一种基于小波包和样本熵的水泵机组振动特征提取方法,该方法首先通过小波包变换对水泵机组振动信号进行分层分解,得到小波包频带系数,再结合样本熵算法对小波包频带系数进行重构,得到以各频带信号样本熵值为元素的反映机组故障信息的特征向量,最后采用LVQ神经网络对试验振动信号进行分类,验证结果表明:基于小波包变换与样本熵相结合的特征提取方法对水泵机组不同振动状态具有较好的区分度,是一种合适的水泵机组故障特征提取方法。     

基于CNN-BiGRU的水电机组振动趋势预测

水电机组振动信号是健康状态评价和劣化预警的重要内容,准确预测机组振动变化趋势可以提高机组运行的安全性和可靠性。针对目前单一模型难以获得最优预测结果的问题,提出了一种CNN-BiGRU组合模型振动预测方法。首先,利用卷积神经网络（CNN）提取数据局部特征,然后,将其与双向门控循环单元（BiGRU）网络并行,构建出CNN-BiGRU组合预测模型。该模型旨在通过将CNN的自适应提取局部信息能力与BiGRU的时间系列预测优势相结合,提高预测精度和通用性。最后,以国内某水电站机组轴向振动峰峰值进行预测研究,结果表明,所提模型可有效预测机组振动变化趋势,为水电机组振动预测提供一种新思路。     

基于VMD-GA-BP和误差校正的水电机组振动趋势预测

水电机组振动趋势预测有助于确保机组的安全稳定运行,但由于振动信号的复杂性和非平稳性,准确有效的预测成为难题。利用变分模态分解和神经网络在应对非平稳性和非线性问题方面的优势并结合误差校正方法,建立了振动趋势预测组合模型。首先对原始信号进行VMD分解,然后对每个IMF分量建立GA-BP网络进行预测,将所得结果叠加得到振动信号预测结果。再将各IMF分量的合成信号与原始信号之间的误差同样利用VMD-GA-BP模型进行预测,预测结果与振动信号预测结果相加得到最终预测结果。利用国内某水电站数据对所提模型进行论证实验,结果表明本文所提模型有较高预测精度。     

基于小波变换的滚动轴承振动信号故障特征提取

滚动轴承是多数工程机械的关键零部件,在长时间工作后,其内、外圈常常出现各种程度的疲劳裂纹,影响机器的正常运行。为了提取由故障产生的非平稳信号冲击特征,本文基于小波变换,对原始信号进行多层次分解,通过限定阈值的方法,有效地从振动信号中剥离高强度背景噪声,强化故障特征表达,为轴承故障诊断提供更为有效的数据信号。     

基于LVQ网络的水电机组振动多故障诊断方法

提出了应用学习矢量量化神经网络诊断水电机组的多故障,可避免BP神经网络容易陷入局部最小与学习速度缓慢的问题。通过算例仿真检验,该网络能够有效地识别并分离出各种故障类型。     

基于LMD与Wigner-Ville分布的水力机组振动信号分析

针对现有非平稳信号处理方法在分析水力机组振动信号时,无法同时兼顾较高的时频分辨率和瞬时时频特征的有效提取问题,提出了一种新的将局域均值分解(LMD)和Wigner-Ville分布相结合的非平稳信号处理方法,并将其应用于水力机组甩负荷工况的上导轴承摆度信号分析.通过与短时傅里叶变换、小波变换和Wigner-Ville分布方法提取的时频谱图对比分析,表明该方法继承了局域均值分解可以将多分量非平稳信号分解为多个频率成分单一的PF分量、以直接计算瞬时幅值和瞬时频率的优点,以及Wigner-Ville高时频分辨率的优点,同时,避免了Wigner-Ville分布因为受到固有交叉项干扰导致多个频率成分的信号难以表示清楚的缺陷,能够有效提取与转速变化趋势基本一致的瞬时时频谱图,为后续机组状态识别与故障诊断提供分析工具.     

基于小波包分析的水泵机组振动信号去噪

阐述了小波包的基本原理,介绍了利用小波包给信号去噪的一般工作原理,结合南水北调东线工程某泵站水泵机组的现场振动测试数据,利用小波包理论对被噪声污染的水泵机组的振动测试信号进行去噪分析,从中提取出无污染的振动信号,进一步对机组的故障做出诊断分析．选用db4小波对原始信号进行3层小波包分解,选用启发式SURE阈值,跟据最低层的小波包分解系数和经过量化处理系数,进行小波包重构．结果表明,利用小波包去噪的相关理论,对信号进行去噪处理有效地消除了噪声污染,使消噪后的信号与原始信号保持相似性．     

水电机组振动传感器校准——基于B&K实验台与PULSE分析系统

传感器是水电机组开展状态监测与故障诊断的基础。为加强水电机组振动、摆度等运行参数的监测,利用BK实验台与PULSE分析系统对水电机组振动传感器进行校准,总结分析了水电机组振动传感器存在的问题,并提出四点建议,为水电厂传感器选型及维护提供参考,为水电站长期安全稳定运行提供可靠的保障。     

基于改进不变矩与概率神经网络的水电机组轴心轨迹特征提取研究

在水电机组状态监测与故障诊断中,轴心轨迹是反映机组运行状态的重要特征。提出了将图形改进不变矩算法与概率神经网络相结合的方法,运用改进不变矩算法对水电机组几种不同运行状态下的转子轴心轨迹进行特征提取,得到相应的特征矩向量,构建概率神经网络进行训练分类,并结合电站实测数据进行了验证。结果表明,该特征提取与分类方法简单稳定,对不同形状的轴心轨迹具有较高的区分度和较好的识别率,可以为水电机组故障诊断提供有效依据。     

EMD自相关阈值去噪法在水电机组振动信号中的研究

经验模态分解(EMD)可将信号分解成若干不同频率的固有模态函数(IMF),传统EMD去噪法只对高频IMF分量进行处理,但缺乏有效的IMF选择依据。自相关能量准则可以定量筛选出含有噪声的IMF分量,利用改进的小波阈值去噪法对这些含噪IMF进行处理,然后重构所有IMF分量得到去噪后的信号。将这种EMD自相关阈值去噪法用于水电机组振动信号中,通过实例仿真,将去噪前后的信噪比和均方根误差进行比较,结果表明这种去噪方法能有效用于水电机组振动信号中。     

基于卷积神经网络与奇异值分解的水电机组故障诊断方法研究

提出了一种结合卷积神经网络,小波变换和奇异值分解理论的水电机组故障诊断方法.利用卷积神经网络提取机组轴心轨迹的图像特征;通过离散小波变换对摆度信号进行分解,获得信号的小波分解系数,对各分支系数进行重构,构造奇异值分解输入矩阵,提取矩阵奇异值作为特征向量.将两种方法提取的特征进行组合,构建包含图像特征和波形特征的混合特征...     

基于经验模态分解和Duffing振子的轴承故障诊断

针对齿轮箱轴承振动信号故障信息容易被噪声淹没,且具有非线性、非平稳特性的问题,提出了基于经验模态分解（EMD）和Duffing振子的轴承故障诊断方法。首先对原始振动信号进行经验模态分解,找到包含轴承故障信息的固有模态函数（IMF）,然后利用Duffing振子的分岔图找到混沌振子相轨迹发生变化的内部激励力分界值,并将Duffing 振子的内部激励力频率设定为轴承故障特征频率,最后从混沌振子输出相轨迹的变化来检测齿轮箱轴承故障信息。实验结果表明,基于EMD和Duffing振子的故障诊断方法能够检测轴承故障信息。     

基于排气系统模态分析的振动设计研究

针对某款车型在设计阶段的排气系统振动设计研究,对吊耳刚度分析及吊耳分布优化设计。利用HyperWorks建立排气自由模态模型,导入MSC.Nastran分析排气系统平均位移较小的节点,根据节点布置吊耳位置,对排气系统进行静力学分析。根据得出排气吊耳的受力和位移情况,调整优化吊耳刚度。最后优化排气吊耳位置,使其约束模态频率与发动机怠速频率有效分离。