小波包和Hibert-Huang变换在汽轮机动静碰磨故障诊断中的应用研究.pdfVIP

小波包和Hibert-Huang变换在汽轮机动静碰磨故障诊断中的应用研究.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
摘要 摘 要 在大型汽轮发电机组中,出于提高效率考虑而将汽轮发电机组动静间隙做得 很小,这导致每年全国有多台大型机组发生动静碰磨故障。而对机组振动信号的 碰磨故障特征提取将有助于对该类故障的诊断及处理,对电力设备的安全运行有 着重要的意义。由于现场通过传感器获得的实际信号通常会含有噪声干扰,故对 振动信号的预处理更具有实际意义。本文主要对汽轮发电机组动静碰磨信号进行 分析研究,利用HHT变换在动静碰磨信号特征提取与分析以及信号的预处理等方 面做了以下工作。 现场的实际信号由于噪声成分的存在,会降低EMD分解产生的模态分量的 准确性,故需对信号进行消噪。当信号和噪声的频带相互重叠时(信号中混有白 噪声),传统方法消噪效果较差。本文基于小波包消噪方法通过引入可变的尺度 因子和平移因子,在信号分析时具有可调的时频窗口,可以巧妙地解决时频局部 化的矛盾,以弥补传统滤波方法的不足。同时对仿真信号和现场机组实际振动信 号进行预处理,从而提高了信噪比,得到比较好的消噪效果,这有利于对噪声干 扰大的信号进行故障诊断。 在深入学习和掌握HHT理论和方法的基础上,对HHT所存在的端点效应问 题进行研究,并对端点效应进行处理。并针对小波包进行预处理过的实际碰磨故 障信号进行EMD分解,然后进行HHT变换,结果表明,能够有效识别机组的碰 磨故障。 本文用HHT对汽轮发电机组现场实际动静碰磨振动故障的分析和诊断进行 了应用性究。主要是对三个电厂机组的动静碰磨信号与未碰磨信号实例进行了 HHT变换的分析对比,并对该故障的HHT分析结果的特征进行了总结。结果表 明,HHT能够得到比传统方法更多有价值的信息,可以有效提高该类故障的诊断 精度和可靠性,有重要的工程应用前景。 关键词:汽轮发电机组振动;小波包预处理; 故障诊断;希尔伯特黄变换;实 际故障分析和诊断 ABSTRACT ABSTRACT lotofunitswith haverubbetweenrotorandstator Everyyear.a largecapacity for betweenrotorandstatoriS rubfault faultinour the small.So,the countrygap very extractionofthevibrationiS usefultothe andtreatment feature signalsvery diagnosis ofthiSkindfaultandiS tothesafe forelectrical veryimportant operation equipment. thesensor contain detection Becausetllefield received usually noise,the signals by Oilvibrationafter hasmore andresearch signal de—noising practicalsignificance.The researchedinthis fault detectionand havebeen mostly paper. rubbingsignal analysis the onfeatureextractionof UsingHilbert.HuangTransform(HH

文档评论(0)

wq640326 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档