电机运行故障检测是满足安全生产的关键技术。为了弥补局部均值分解(Improved Local mean decomposition,LMD)算法存在模态混叠的问题,设计了一种有理样条插值改进LMD方法,并成功应用于电机早期故障诊断领域。以LMD方法分解初始振动信...电机运行故障检测是满足安全生产的关键技术。为了弥补局部均值分解(Improved Local mean decomposition,LMD)算法存在模态混叠的问题,设计了一种有理样条插值改进LMD方法,并成功应用于电机早期故障诊断领域。以LMD方法分解初始振动信号得到乘积函数分量后,并获取乘积函数各个分量,通过包络方式对电机故障进行诊断。研究结果表明:通过有理样条插LMD分解后未出现模态混叠,在包络谱中出现明显故障特征频率与二倍频。以有理样条插LMD诊断准确度高达99.8%,该模型在电机故障诊断方面达到了有效性要求。该研究能够有效提高电机早期故障诊断能力,且适用于其它的机械传动设备上,具有很好的推广应用价值。展开更多
为了实现电力系统暂态扰动信号的精确识别,针对暂态扰动信号的非线性、不规则性和突变性特点,采用局部均值分解(local mean decomposition,LMD)法检测电力系统暂态扰动;并用LMD法分析了电压暂降、电压暂升、电压中断、振荡暂态、脉冲暂...为了实现电力系统暂态扰动信号的精确识别,针对暂态扰动信号的非线性、不规则性和突变性特点,采用局部均值分解(local mean decomposition,LMD)法检测电力系统暂态扰动;并用LMD法分析了电压暂降、电压暂升、电压中断、振荡暂态、脉冲暂态、频率偏移、谐波加电压暂升信号以及某智能变电站采集的实际扰动信号等典型扰动;同时与希尔伯特-黄变换(HHT)法的分析结果进行比较.研究结果表明:用LMD法检测电力系统的暂态扰动信号是有效的,且在定位精度、运算速度方面比HHT法更具优越性.展开更多
内圈点蚀、外圈压痕和滚动体磨损是滚动轴承常见典型故障,为实现其快速、准确诊断,提出基于振动信号局部均值分解(local mean decomposition,简称LMD)的PF分量能量特征和神经网络相结合的滚动轴承诊断方法。对振动信号进行局部均值分解...内圈点蚀、外圈压痕和滚动体磨损是滚动轴承常见典型故障,为实现其快速、准确诊断,提出基于振动信号局部均值分解(local mean decomposition,简称LMD)的PF分量能量特征和神经网络相结合的滚动轴承诊断方法。对振动信号进行局部均值分解,将其分解为若干个乘积函数(product function,简称PF)分量之和,以获得的PF分量能量特征作为神经网络输入进行滚动轴承的故障类型的识别,同时引入遗传算法对神经网络结构参数进行优化,提高故障识别诊断速度和准确率。结果表明,该方法用于轴承典型故障诊断有较高的诊断速率和故障识别率。展开更多
文摘电机运行故障检测是满足安全生产的关键技术。为了弥补局部均值分解(Improved Local mean decomposition,LMD)算法存在模态混叠的问题,设计了一种有理样条插值改进LMD方法,并成功应用于电机早期故障诊断领域。以LMD方法分解初始振动信号得到乘积函数分量后,并获取乘积函数各个分量,通过包络方式对电机故障进行诊断。研究结果表明:通过有理样条插LMD分解后未出现模态混叠,在包络谱中出现明显故障特征频率与二倍频。以有理样条插LMD诊断准确度高达99.8%,该模型在电机故障诊断方面达到了有效性要求。该研究能够有效提高电机早期故障诊断能力,且适用于其它的机械传动设备上,具有很好的推广应用价值。
文摘为了实现电力系统暂态扰动信号的精确识别,针对暂态扰动信号的非线性、不规则性和突变性特点,采用局部均值分解(local mean decomposition,LMD)法检测电力系统暂态扰动;并用LMD法分析了电压暂降、电压暂升、电压中断、振荡暂态、脉冲暂态、频率偏移、谐波加电压暂升信号以及某智能变电站采集的实际扰动信号等典型扰动;同时与希尔伯特-黄变换(HHT)法的分析结果进行比较.研究结果表明:用LMD法检测电力系统的暂态扰动信号是有效的,且在定位精度、运算速度方面比HHT法更具优越性.
文摘内圈点蚀、外圈压痕和滚动体磨损是滚动轴承常见典型故障,为实现其快速、准确诊断,提出基于振动信号局部均值分解(local mean decomposition,简称LMD)的PF分量能量特征和神经网络相结合的滚动轴承诊断方法。对振动信号进行局部均值分解,将其分解为若干个乘积函数(product function,简称PF)分量之和,以获得的PF分量能量特征作为神经网络输入进行滚动轴承的故障类型的识别,同时引入遗传算法对神经网络结构参数进行优化,提高故障识别诊断速度和准确率。结果表明,该方法用于轴承典型故障诊断有较高的诊断速率和故障识别率。
