基于小波包能量相对熵的电机振声信号故障检测

电机的振声信号包含了丰富的状态信息,利用电机的声音信号进行故障检测,并提出了综合小波包能量相对熵的概念。对采集的声音信号进行小波包分解,利用重构系数计算故障信号与正常信号小波能量包相对熵,并得到综合小波包能量相对熵,确定电机是否有故障;并通过比较各频带的综合小波包能量相对熵大小判断故障所处的频带位置,从而确定电机为何种故障。电机振声信号诊断实例验证了该方法的有效性。

基于小波包能量相对熵的配电网单相接地故障区段定位

配电网发生单相接地故障时,故障点两侧暂态零序电流波形差异较大,在不同频率下的能量分布不同。结合信息熵和小波包分解,定义了具有对称性的小波包能量相对熵来识别此差异,实现故障区段定位。对馈线自动系统中沿线安装的FTU或其他测量装置获得的暂态零序电流进行小波包分解,获得其频谱能量分布特性,再计算各区段两端暂态零序电流的相对熵,比较计算结果,熵值最大的为故障区段。通过选用暂态零序电流能量最大的数据段来计算相对熵,可以避免采样不同步的影响。该区段定位方法不受过渡电阻、故障位置和故障角的影响,通过仿真分析验证了方法的有效性。

利用全频带综合小波能量相对熵的配网故障选线方法

谐振接地系统故障选线是配电网故障选线的难点,其中缆-线混合线路出线的故障选线尤为困难,是选线研究的热点问题。谐振接地系统缆-线混合线路发生单相接地故障时,各馈线的小波能量分布不同,为此提出综合小波能量相对熵新概念,并利用综合小波能量相对熵实现故障选线。对各馈线故障零序电流首个1/4周期波形进行小波分解,并对各尺度下的小波分解系数进行单支重构,利用重构系数计算各馈线在各个频带下的小波能量。结合相对熵对信号间细微差别的超强识别能力,计算各馈线在各个频带下的小波能量相对熵并求取每条馈线的综合小波能量相对熵,通过比较各馈线全频带的综合小波能量相对熵大小选出故障线路。理论分析和大量仿真表明,该方法有效避开了TA饱和间断角对选线的影响,对于缆-线混合线路、纯电缆线路和纯架空线路,该方法均适用。

基于小波包熵的与动作相关表面肌电信号的分类

目的:对与动作相关的表面肌电信号进行分类识别。材料与方法:与动作相关的表面肌电信号是从右手前臂肌群表面采集而来。用小波包变换将信号分解成16个等频带宽的的子空间。之后,计算每个子空间的相对小波包能量和每个信号的小波包熵。结果:正确识别率达到100%。结论:小波包熵能够作为与动作相关的表面肌电信号的特征值来识别不同的动作表面肌电模式。

基于电流极性和相对熵的广域继电保护新算法

为了提高广域继电保护的容错性和灵敏度,结合母线采样值保护和线路故障分量差动保护原理,提出一种基于电流极性和能量相对熵的广域继电保护新算法.首先,对线路IED保护关联域进行划分,针对不同关联域,提取正序工频故障分量电流,并给出关联域边界电流、综合计算电流和综合虚拟电流概念;其次,定义综合电流采样值能量相对熵,量化综合电流的差异程度,同时,通过求取关联域边界电流之间的夹角大小来表征边界电流的极性关系,并利用电流采样值能量相对熵和极性关系识别关联域内外故障;最后,利用PSCAD/EMTDC软件搭建IEEE-3机9节点系统模型,分别在不同故障点设置不同故障类型进行仿真检验算法性能.研究结果表明:在关联域区内故障时,综合电流几乎一样,相对熵值很小,接近为0;边界电流间夹角小于π/2,极性近似相同;区外故障时,综合电流波形及采样值能量差异显著,相对熵值大于1;边界电流间夹角接近于π,极性近似相反,二者差异明显;域内单相接地故障时,在800Ω的高阻条件下,相对熵最大为0.428,夹角最大为0.388,仍能可靠满足判据,具有较高的灵敏度.实验结果验证了本文算法性能基本不受过渡电阻的影响,能较好克服TA饱和、数据畸变等不利因素的影响.

基于多传感器信号融合的真空断路器机械特性状态评价

真空断路器机械特性状态评估中存在仅依靠单一传感器信号进行评价的问题。对此,提出了一种利用D-S证据理论对多传感器信号进行信息融合来判断真空断路器机械特性状态的方法。此方法首先对位移传感器测出的运行参数利用模糊综合评判方法计算得出基于位移信号的评价结果。然后,运用小波包-能量熵谱法对加速度传感器监测的振动信号进行信号处理,提取特征向量,结合相似性原则得出基于振动信号的评价结果。最后,运用D-S证据理论中的合成法则对以上两个传感器得出的初步评价结果进行融合,得出最终评价结果。经过实例验证,该方法得出的评估结果具有更高的可信度。

基于相对动态误差的轴承故障特征参数提取

轴承故障信号中存在有关故障的异常信息,对维护机械安全有着重大意义。轴承故障信号经小波包分解之后,故障的异常信息主要体现在分解频段的动态误差上,而各个频段的动态误差一般由标准差能量熵和标准差均值来描述。为了凸显轴承故障的区分特征,通过轴承故障尺寸去刻度动态误差,利用相应的轴承故障特征参数提取相对动态误差,是有效的处理方法。基于此思路,本文针对小波包分解后不同频段分量的标准差,计算其能量熵以及均值。然后把对应频段的标准差能量熵和标准差均值相加作为特征参数,在同一尺度下定性分析。同时把轴承信号不同频段的特征参数相加后的数值与轴承故障尺寸相比,通过产生的相对动态误差进行定量分析,最终实现对轴承故障的有效区分。实验结果表明,本文所提方法对轴承故障有很好的区分效果。