基于改进TVF-EMD与SVD的轴承故障特征提取

滚动轴承早期故障信号微弱,故障特征难以提取。针对此问题,提出一种基于时变滤波经验模态分解(TVF-EMD)模态分量自适应融合与奇异值分解(SVD)降噪的轴承早期故障特征提取方法。为了降低故障信号的非线性和非平稳性,通过TVF-EMD将轴承信号分解为一系列本征模态函数(IMF)。为了克服TVF-EMD分解后IMF分量过多的不足,构造包络故障信息能量占比(EREFI)指标,通过EREFI对IMF分量进行降序排列,并依据包络故障信息能量占比递增原则对IMF分量依次进行融合,直至找到最优融合分量。最后,通过SVD对最优融合分量降噪,并提取故障特征。通过仿真信号以及2个实测轴承故障信号对所提方法性能进行了实验验证。实验结果表明:所提方法具有良好的敏感特征筛选融合能力和降噪能力,能更准确提取出轴承早期故障特征,实现故障类型的准确识别。

谐振接地系统高阻接地故障能量机理分析

配电线路高阻接地故障经常发生,利用能量的故障方向检测方法对于高阻接地故障具有独特的优势,传统认为其检测的暂态能量只是线路电阻、对地导纳与消弧线圈消耗的有功损耗,该结论不够准确,因此故障方向检测方法应需完善。通过对谐振接地系统在高阻接地故障下的故障点上游及下游线路的能量特征进行分析,发现故障发生后,线路对地电容与消弧线圈电感在暂态时间内会从故障点吸收能量,并且会一直用这部分能量进行交换;在故障下游检测点测得下游线路对地电容所储能量,能量值恒大于等于零;在故障上游检测点测得消弧线圈电感与背后线路对地电容所储能量总和,该部分能量绝大多数不会被释放,幅值较大、能量值恒小于零。根据以上特点可判断故障方向,完善了谐振接地系统高阻接地故障的能量机理分析,提高了高阻接地故障方向检测的可靠性。仿真数据验证了理论分析的正确性。

基于小波包能量神经网络的滚动轴承故障诊断方法

针对单一的信号处理诊断方法难以实现滚动轴承故障准确诊断的局限性,提出一种基于小波包能量神经网络相融合的滚动轴承诊断方法。搭建MPS-ICP滚动轴承振动信号的数据采集平台,利用小波包变换对滚动轴承内环、外环及滚动体的故障信号进行去噪、分解与重构,有效提取不同故障下各频段能量的故障特征。将提取的能量故障特征分别输入至建立的BP、RBF和Elman神经网络的诊断系统中,实验分析表明,三种神经网络都能较好的诊断电机滚动轴承的故障类型,且与实际滚动轴承的故障类型较吻合,但就诊断误差和时间综合而言,BP神经网络诊断系统更适合电机滚动轴承故障的检测。

尖峰能量谱技术用于滚动轴承故障诊断

离心式机泵的滚动轴承故障占转动设备故障的40%以上,而且该种故障产生的危害和后果又是十分严重的,因此对于轴承故障的分析与判断显得尤为重要。中油大港石化分公司采用美国罗克韦振动尖峰能量谱技术对轴承故障进行诊断分析,积累了一些经验和案例。对于轴承故障的判断准确率达到了95%以上,在生产中避免了轴承故障的发生。

基于“能量—故障”诊断模式的转子断条故障在线监测

为了克服转子断条故障特征分量易受基频分量影响的困难 ,采用了一种基于“能量—故障”的诊断模式 ,利用小波理论对电动机定子电流采样信号进行特征频率提取 ,求出对应的能量分布 ,建立了表征转子断条故障的特征向量 ,用模式识别的方法实现了转子断条故障的快速在线监测与诊断。

基于GA和LM组合优化BP神经网络的滚动轴承故障诊断方法

针对传统BP神经网络在滚动轴承故障诊断中存在收敛速度慢且易陷入局部极小等问题,提出一种GA和LM组合优化BP神经网络的故障诊断方法。利用小波包变换对不同故障类型的振动信号进行软阈值消噪处理,然后进行三层小波包分解及重构,并成功提取了8个频带构建的故障能量特征向量。利用GA优化了BP神经网络的隐含层层数及节点数、初始权值和阈值的网络参数,采用LM算法改进网络的搜索空间。以美国凯斯西储大学提供的滚动轴承实验数据进行诊断,结果表明,与GA优化的诊断结果相比,组合优化后的BP神经网络具有更高的诊断效率和精度。

基于TFER及退化趋势相似性分析的轴承剩余使用寿命预测

为了解决传统退化指标对轴承退化起始点的敏感性差,以及退化指标趋势偏移导致无法准确预测风力机轴承剩余使用寿命(RUL)的问题,提出了一种基于Teager能量算子-故障能量比(TFER)与退化趋势(DT)相似性检测相结合的双指数轴承RUL预测方法。首先,通过计算原始信号的TFER值,根据4σ原则确定轴承退化起始点,提取了TFER值趋势特征作为退化指标;然后,采用历史TFER值拟合双指数退化模型,通过分析最新TFER值与拟合曲线的相似性,选取了最佳DT段;最后,通过外推相似性最佳的DT段至失效阈值,进行了风力机轴承RUL预测。实验结果表明:该预测方法对退化起始时间点的检测精度达到98%,与原始指数模型、长短期记忆神经网络(LSTM)以及支持向量回归(SVR)相比,该方法在轴承RUL预测精度上分别提高了10.04%、6.29%、5.22%。该方法不仅提升了风力机轴承的预测性维护精度,还对降低运营成本和提高维护效率提供了有力支撑。

谐波分解结合自互补Top-Hat变换的轴承微弱故障特征提取方法

针对轴承早期故障特征微弱,极易被背景噪声淹没而不能及时检测的问题,提出了基于谐波分解和自互补Top-Hat变换的轴承微弱故障特征提取方法。首先,通过改进广义谐波小波函数,使得信号分解后子带个数和带宽范围不受二进制分解方式的限制,并在此基础上应用谱峭度图方法确定信号中故障特征相对集中的最优频带;然后,对最优频带信号进行多尺度自互补Top-Hat变换,抑制背景噪声的干扰,突出微弱的故障冲击特征,并引入故障特征能量比的方法自适应确定最优结构元素的尺度;最后,通过包络解调提取出轴承微弱的故障特征。对仿真信号和实测轴承全寿命数据分析的结果表明,该方法能较为有效检测出轴承微弱的故障特征,具有较高的工程应用价值。

基于改进EMD算法的小电流接地故障选线

小电流接地系统发生单相接地故障,故障电流暂态分量复杂、稳态分量不明显的特点为可靠选线带来困难。本文分析了小电流接地故障电流暂态分量特征,并提出一种基于改进EMD算法的小电流接地故障选线方法。EMD算法通过叠加电网特征高频信号解决了IMF模态混叠并可靠滤除了高频干扰。基于单相接地故障电流经改进EMD分解出的IMF在不同故障角下展现出不同的特征,分别利用故障时刻低频波形的单调性与线路故障特征能量作为判据进行小电流接地故障选线。基于Matlab/Simulink的配电网单相接地故障仿真验证了该选线方法的有效性。

医科达加速器X线高低能量不能切换的根源

主要叙述了SLi加速器X线高、低能量切换的工作原理,并就使用过程中出现的高、低能量不能切换的故障现象进行了分析,找到了故障的根源,介绍了解决的方法。

一种自适应调整滤波参数的轴承故障诊断方法

针对机械振动信号中存在大量噪声和形态学滤波中结构元素长度不能自适应调整的问题,提出一种可自适应调整结构元素长度的滚动轴承故障诊断新方法。结构元素长度的不同会导致对信号特征提取效果的不同,该方法通过以峭度值为指标,找寻出使峭度值较大的一系列结构元素长度。然后通过计算不同长度滤波后信号的故障特征频率能量比值,找寻出使故障特征最突出、最明显的结构元素长度。以此长度为最优长度对信号进行滤波,能够较好地提取出滚动轴承的故障特征,找到故障特征频率。

基于行波暂态能量的半波长输电线路高灵敏增强型纵联保护方案

半波长输电技术可作为承载大规模新能源外送主干通道的一种选择,其线路中点及远端故障行波弱,同时行波保护技术面临挑战。基于半波长输电线路保护安装处三类母线下的故障行波传输特性分析,将入射波与相邻线路末端反射波能量之比构造一种新型行波方向元件,以增强区内外故障的特征差异,提升区内外故障识别度。借此方向元件建立了基于行波暂态能量的半波长输电线路纵联保护方案。大量雷电冲击电晕仿真测试和RTDS数模混合试验表明,该保护启动灵敏,选择性强,无需双端数据同步,其性能优于传统行波保护。

暂态能量法超高速方向保护——基本原理

本文提出一种以故障暂态能量为基础的超高速方向保护的基本原理。本文的方法解决了其它故障暂态量方向保护普遍存在的一些问题。仿真计算表明,该方法可以在故障发生后两毫秒内判定故障方向。

电弧故障保护装置的分析

介绍了故障电弧类型和产生原因,阐述了故障电弧形成的过程,分析了故障电弧能量与电弧电流的关系,提出了故障电弧的频率范围以及判别故障电弧的方法等。对电弧故障保护装置的研究有一定参考价值。

改进时域反演算法在配电网故障定位中的应用

目前,时域反演算法要求反演阶段仿真模型参数与故障时配电网参数严格保持一致,需要获取的参数多且使用条件苛刻,限制了其在配电网中的应用。为此,提出了改进的时域反演算法:反演阶段使用接近于零的过渡电阻,以解决故障发生时过渡电阻未知的问题,并可以提高定位精度;对于任何故障类型,反演阶段的故障类型均设置为三相短路,根据三相电流信号能量特点实现选相功能。所提算法有效解决了配电网故障发生时过渡电阻和故障类型未知的问题。在10 kV含分布式电源配电网线路上仿真验证了改进的时域反演算法对于复杂拓扑线路的适用性及对于参数测量或计算误差的鲁棒性。同时也对所提方法进行了现场带电试验验证。试验结果表明,在200、500、1000Ω三种过渡电阻及架空线路、架空线路和地下电缆混合的情况下均能实现故障定位。

粒子群结合形态学滤波的滚动轴承故障诊断

针对形态学滤波方法在提取轴承故障特征过程中对滤波效果评价的不足,提出以峭度和故障特征频率能量比值组成的复合评价指标来评价,通过粒子群算法对滤波器长度L进行自适应寻优,并通过最优参数L对信号进行处理,提取出信号中的冲击成分和故障特征。通过对比可以发现该方法明显比其他方法更准确、更快速。

一种改进基尼指数加权的轴承健康指标构建方法

在轴承的状态监测中,构建一个可以准确描述轴承退化趋势且能及时识别早期退化点(EDP)的健康指标(HI)至关重要。目前大多学者提出的健康指标能较好地描述轴承的退化趋势,但不能准确识别早期退化点。提出了一种改进基尼指数(IGI)加权的轴承健康指标构建方法。利用集成经验模态分解(EEMD)对原始信号进行分解,根据各分量的故障特征能量比(FCER),对其进行加权重构得到重构信号;计算重构信号的IGI;将IGI作为重构信号的FCER进行加权计算,得到最终的指标IGI-FCER-HI。通过两个实验验证了所提方法的有效性,并与其他健康指标进行了对比。结果表明,所提方法构建的指标不仅具有良好的单调性和趋势性,而且能准确监测轴承的早期退化点。

基于瓦斯继电器挡板旋转初始角加速度的油浸式变压器非电量保护方法

瓦斯继电器是变压器中重要的非电量保护设备,现有的瓦斯继电器只有当挡板旋转到一定角度并触发干弹簧片时,重瓦斯才报警。为了能够进一步缩短重瓦斯报警的时间,提出了一种基于瓦斯继电器挡板旋转初始角加速度的油浸式变压器非电量保护方法。首先建立了瓦斯继电器挡板的动力学模型,对不同冲击能量下挡板的初始角加速度特性进行了解析推导。然后研制了能够检测挡板转角的瓦斯继电器,并搭建了能够模拟不同故障能量的瓦斯继电器挡板特性试验台,对不同冲击能量下挡板转角和旋转初始角加速度进行试验研究。结果表明:依据挡板旋转的初始角加速度能够预判故障能量和故障的严重程度,并及时发出报警信号,从而提高故障报警的灵敏度。论文研究为变压器故障程度的识别提供了一种新方法。

分布式直流高压缓冲器的研制

分析各种典型铁磁材料抑制和消耗中性束注入(neutral beam injector,NBI)系统中分布电容故障能量的特性,搭建测试平台利用1∶10的短路放电测试实验优选出合适的材料组合,对集中式和分布式缓冲器结构进行仿真分析,推导出适用于80kV中性束实验用分布式缓冲器设计参数并进行实物研制.结果表明,所研制的缓冲器可将故障能量抑制在5J以内.

Application of extension method to fault diagnosis of transformer

A novel extension diagnosis method was proposed for enhancing the diagnosis ability of the conventional dissolved gas analysis. Based on the extension theory a matter-element model was established for qualitatively and quantitatively describing the fault diagnosis problem of power transformers. The degree of relation based on the dependent functions was employed to determine the nature and the grade of the faults in a transformer system. And the proposed method was verified with the experimental data. The results show that accuracy rate of the diagnosis method exceeds 90% and two kinds of faults can be detected at the same time.