基于SSWPT汽轮机轴承油膜失稳故障诊断

针对时频分析方法在转子油膜失稳诊断方面的不足,提出采用同步压缩小波包变换(synchro-squeezed wave packet transform,简称SSWPT)对汽轮机运行过程中非平稳多分量信号进行连续小波变换,对不同种类信号选取不同主频率小波,得到信号时频图,通过算法可由时频图对原始信号进行重构,并与现有时频方法的精度进行对比。以某电厂1000 MW机组为研究对象,针对调试过程中出现的轴系振动大问题,运用SSWPT方法进行了转子油膜振荡故障诊断分析。利用现场汽轮机诊断管理(turbine diagnosis managment,简称TDM)系统采集数据,进行小波包变换得到小波变换系数,以及故障中非平稳信号的瞬时频率,最后在瞬时频率尺度下对小波包变换系数进行压缩,得到更为准确的频率成分组成。结果表明,该方法对现场非平稳信号的特征提取具有优越性,能够精准判断故障发生的位置和类型,为机组后期故障处理提供可靠依据。

基于SSWPT边际谱特征信息提取的齿轮故障诊断

在噪声的影响下,齿轮的故障信息不易被识别。同步压缩小波包变换(synchrosqueezed wave packet transform,SSWPT)作为一种新的时频分析方法,具有良好的抗噪声能力。在其基础上提出基于SSWPT边际谱特征信息提取的齿轮故障诊断方法。首先,对故障齿轮的振动信号进行SSWPT得到信号的能量矩阵,并对能量矩阵进行积分变换求取齿轮振动信号的边际谱;然后,根据边际谱提取啮合频率及其倍频,并选择对应的啮合调制频带对能量矩阵运用同步压缩小波包逆变换(synchrosqueezed wave packet inverse transformation,ISSWPT)进行信号重构;最后,对重构信号进行解调分析,从而可以有效提取齿轮故障特征频率。仿真及试验分析结果表明,该方法可以准确地提取齿轮故障特征信息,且分析效果优于包络谱和基于快速谱峭度的共振解调方法,为齿轮的故障特征提取提供一种有效的方法。

基于SSWPT的转子油膜失稳故障分析

针对已有的时频分析方法在转子非平稳特征提取方面的不足,提出采用同步压缩小波包变换(SSWPT)方法进行转子油膜失稳故障分析。首先将采集的振动信号进行小波包变换得到小波包变换系数,然后求取信号的瞬时频率,最后对小波包变换系数沿信号瞬时频率方向进行压缩,从而将各频率成分清晰呈现于时频图中。分别利用仿真、实验信号及油膜涡动现场故障数据对该方法进行了验证,并与希尔伯特黄变换(Hilbert-Huang Transform, HHT)时频分析方法进行了对比。结果表明:该方法能够成功提取转子油膜失稳故障特征频率,体现了其在转子油膜失稳故障诊断中的优越性。