辛周期模态分解(symplectic period mode decomposition, SPMD)方法可以准确地提取周期脉冲分量,是一种有效的滚动轴承单一故障诊断方法。但在滚动轴承出现复合故障时,尤其是强背景噪声下,周期脉冲信号往往较微弱,使得SPMD难以提取出不...辛周期模态分解(symplectic period mode decomposition, SPMD)方法可以准确地提取周期脉冲分量,是一种有效的滚动轴承单一故障诊断方法。但在滚动轴承出现复合故障时,尤其是强背景噪声下,周期脉冲信号往往较微弱,使得SPMD难以提取出不同周期的脉冲分量,进而限制了其在复合故障诊断中的应用。对此,提出了改进的辛周期模态分解(improved symplectic period mode decomposition, ISPMD)方法。该方法首先采用求差增强技术和最小噪声幅值反卷积相结合的方法对信号进行降噪,增强周期脉冲,以准确估计故障周期;然后构造对应的周期截断矩阵,并通过辛几何相似变换和周期冲击强度获得辛几何周期分量;最后对残差信号采用迭代分解,进而得到不同周期的辛几何周期分量。试验结果表明,ISPMD能准确提取出周期脉冲分量,是一种有效的滚动轴承复合故障诊断方法。展开更多
常规的变电站自动化设备故障诊断方法利用DS(Dempster-Shafer Theory of Evidence)证据融合理论联合获取故障特征,但易受到误动或拒动状态量变化的影响,导致状态诊断异常。文章基于改进小波包分解设计了一种新的10kV变电站自动化设备故...常规的变电站自动化设备故障诊断方法利用DS(Dempster-Shafer Theory of Evidence)证据融合理论联合获取故障特征,但易受到误动或拒动状态量变化的影响,导致状态诊断异常。文章基于改进小波包分解设计了一种新的10kV变电站自动化设备故障诊断方法。首先,生成设备故障信息采集合并单元;其次,利用改进小波包分解提取故障诊断特征;最后,设计故障诊断目标监测算法,实现了对变电站自动化设备的故障诊断。实验证明,该方法在不同状态下均能有效诊断,具有较好的诊断效果和可靠性,应用价值较高。此方法有助于降低设备运行风险,减少变电站运维成本,提升电网安全稳定运行水平。展开更多
文摘辛周期模态分解(symplectic period mode decomposition, SPMD)方法可以准确地提取周期脉冲分量,是一种有效的滚动轴承单一故障诊断方法。但在滚动轴承出现复合故障时,尤其是强背景噪声下,周期脉冲信号往往较微弱,使得SPMD难以提取出不同周期的脉冲分量,进而限制了其在复合故障诊断中的应用。对此,提出了改进的辛周期模态分解(improved symplectic period mode decomposition, ISPMD)方法。该方法首先采用求差增强技术和最小噪声幅值反卷积相结合的方法对信号进行降噪,增强周期脉冲,以准确估计故障周期;然后构造对应的周期截断矩阵,并通过辛几何相似变换和周期冲击强度获得辛几何周期分量;最后对残差信号采用迭代分解,进而得到不同周期的辛几何周期分量。试验结果表明,ISPMD能准确提取出周期脉冲分量,是一种有效的滚动轴承复合故障诊断方法。
文摘常规的变电站自动化设备故障诊断方法利用DS(Dempster-Shafer Theory of Evidence)证据融合理论联合获取故障特征,但易受到误动或拒动状态量变化的影响,导致状态诊断异常。文章基于改进小波包分解设计了一种新的10kV变电站自动化设备故障诊断方法。首先,生成设备故障信息采集合并单元;其次,利用改进小波包分解提取故障诊断特征;最后,设计故障诊断目标监测算法,实现了对变电站自动化设备的故障诊断。实验证明,该方法在不同状态下均能有效诊断,具有较好的诊断效果和可靠性,应用价值较高。此方法有助于降低设备运行风险,减少变电站运维成本,提升电网安全稳定运行水平。