南理工_电气设备故障诊断课程_第3章诊断技术中的信号处理精选.ppt

* 2）小波变换 正交多分辨小波分解及其时-频特性图 图中，H和G分别可以看成低通滤波器和高通滤波器，分别对信号滤波提取信号缓变和细节或突变特征。 基于多分辨率分析的快速小波变换是利用正交小波基将信号分解为不同尺度下的各个分量，其实现过程相当于重复使用一组高通和低通滤波器对时间序列信号进行逐步分解，高通滤波器产生信号的高频细节分量，低通滤波器产生信号的低频粗略分量。滤波器得到的两个分量所占的频带宽度相等。每次分解后，将信号的采样频率降低一半，下一步对低频分量重复以上的分解过程，得到下一层次的两个分解分量。 * 3）应用实例（03-5.PDF） 应用小波分析方法可有效抑制窄带干扰，现场局部放电检测数据更易分析和处理。 原始数据： 处理后的数据： * 3.5.1 时域平均法 白噪声是电气设备信号检测中经常遇到的一种随机干扰，可以使用时域平均法或小波分析法进行抑制。 时域平均法的原理较为简单。如果被检测信号是周期性的（50Hz电源中周期出现局放），就可使用时域平均法来抑制白噪干扰。 在时域内按有用信号周期的整数倍将测量获得的数据划分为若干个样本，再进行平均，则数据处理前后有用信号的幅度基本不变，而白噪干扰将受到抑制。——时域平均法 * 3.5.1 时域平均法 设x(t)为所获取的回转机械运行中产生的机械信号,对应的离散信号为Xn= X(△n),△为采样间隔。按回转频率f 0提取相应的周期信号,则将Xn分为P段,每段对应周期T = 1/f0,并设各段采样点数相等为N。那么,时域同步平均Xn可以表示为 对上式作Z变换得 根据Z变换的时移特性， 化为： 化简并令 ，可得时域同步平均的频率响应函数 3.5.1 时域平均法 因为 ， 最后得到时域同步平均系统的幅频、相频特性分别为： 滤波前 滤波后 * 3.5.2 小波去噪法 （1） 基本原理：小波变换具有在时、频两域突出信号局部特征的能力，这些特征可以是反映个别信号特点的某些参量，也可以是很多信号共有的共性量。 例如：信号的过零点、极值点、过零间隔等公共特征。小波变换奇异点（过零点、极值点）在多尺度下的综合表现，使其具有表征信号突变特征的能力。 通过小波变换的过零点和极值点来检测信号的局部突变。然而过零点的检测易受干扰影响，因此采用极值点效果更好。 * 3.5.2 小波去噪法 （2） 小波变换极大值在多尺度上的变化 数学上采用李氏指数（Lipschitz exponent）a来表征函数的局部特征。 如有 当尺度因子 时得到： 上述公式反映了 小波变换中数值随尺度j和李氏指数a的变化规律。 当a0时，小波变换的极大值随尺度j的增大而增大； 当a0时，小波变换的极大值随尺度j的增大而减小； 当a=0时，小波变换的极大值不随尺度改变。 * 3.5.2 小波去噪法 （3） 小波去除白噪 小波法去除白噪的应用中，白噪的李氏指数为： 由上式可知，其小波变换极大值随尺度的增加而减小，即白噪的极大点随尺度的增加而减少。因此当信号中混有白噪时，大尺度下的极大点主要属于信号。 消除白噪的做法是：对测量获得的信号进行不同尺度下的小波变换；以大尺度下的极值点为基础；逐步减少j值，根据高一级极值点的位置寻找本级的对应极值点，并去除其他极值点；逐级搜索，直至j=1为止；以选择出来的极值点重建信号。 * 3.5.2 小波去噪法 （3） 小波去除白噪 原始局放信号 叠加白噪声后 小波去噪后的信号 * 脉冲型干扰可分为周期性干扰和随机性干扰两类。 对于随机性脉冲干扰，由于干扰在时间、幅度、脉冲参数上的随机性，对其进行抑制是相对困难的。 对于周期性脉冲干扰 ，虽然干扰出现具有周期性，但由于情况复杂多样（电晕在发生相位和幅度上具有分散性，某些周期脉冲干扰与局放信号具有相似性），使得脉冲干