基于正弦结构元素的自适应Top-Hat变换及发电机特征振动信号增强检测

提出了一种基于正弦结构元素的自适应改进Top-Hat变换方法,并将其应用至发电机定子特征振动信号的增强检测中。该方法通过嵌套遍历循环确定使特征振动信号频率成分能量占比最大的最优结构元素幅值和长度,结合自互补Top-Hat变换来实现对发电机特征振动信号的增强检测。动模实验机组MJF-30-6定子匝间短路的实测信号处理结果表明,该文所提方法能够同时提取和增强定子的2倍频、4倍频和6倍频这3个特征振动信号,给故障的识别和诊断提供了方便,具备参考价值和积极意义。

基于最大相关峭度解卷积算法的发电机特征振动信号增强检测

采用最大相关峭度解卷积算法(MCKD)对发电机定子的振动信号进行处理,得到信号处理后的时域波形与频谱,并根据提取得到的故障特征信息实现了对发电机运行状态的识别。为了排除偶然性,用最大相关峭度解卷积算法对发电机定子的正常信号和定子匝间短路故障信号都进行了处理,从而证明了这一算法用于振动信号故障特征提取的有效性。通过和当前主流算法之一的最小熵解卷积算法(MED)的处理结果进行对比,分析发现本文算法比最小熵解卷积算法的故障特征信息提取更加明显和准确。结果表明,最大相关峭度解卷积对故障信号特征频率的提取有良好的效果,并与当前主流算法相比有一定的优越性。