轉(zhuǎn)子故障信號的濾波與模式辨識方法研究的中期報告

轉(zhuǎn)子故障信號的濾波與模式辨識方法研究的中期報告摘要：針對轉(zhuǎn)子故障信號在實際工程中存在的干擾問題，提出了一種基于小波分析與模式識別相結(jié)合的故障檢測方案。首先，對轉(zhuǎn)子故障信號進行小波變換，提取能量特征，并利用自適應(yīng)閾值算法進行降噪濾波。然后，采用模糊聚類算法對濾波后的信號進行聚類分析，得到不同故障模式下的特征向量。最后，利用支持向量機等模式識別方法對不同故障模式進行分類和識別。仿真結(jié)果表明，該方法能夠有效地檢測轉(zhuǎn)子故障，并對不同類型的故障進行準確的識別。關(guān)鍵詞：轉(zhuǎn)子故障信號；小波變換；自適應(yīng)閾值算法；模糊聚類；支持向量機1.研究背景在風電、水電、汽輪機等大型工程設(shè)備中，轉(zhuǎn)子故障是常見的故障類型。傳統(tǒng)的故障檢測方法主要針對靜止或減速轉(zhuǎn)子進行檢測，而對于正在運轉(zhuǎn)的轉(zhuǎn)子，由于受到大量的干擾，檢測難度較大。因此，如何對正在運轉(zhuǎn)的轉(zhuǎn)子進行故障檢測成為了當前研究的熱點問題。2.研究內(nèi)容針對轉(zhuǎn)子故障信號在實際工程中存在的干擾問題，提出了一種基于小波分析與模式識別相結(jié)合的故障檢測方案。具體研究內(nèi)容包括以下幾個方面：（1）轉(zhuǎn)子故障信號的小波分析對轉(zhuǎn)子故障信號進行小波變換，利用小波變換的多分辨率分析特性，提取不同分辨率下的信號特征。（2）自適應(yīng)閾值降噪濾波采用自適應(yīng)閾值算法，結(jié)合小波分析方法，對轉(zhuǎn)子故障信號進行降噪濾波，去除干擾和噪聲。（3）模糊聚類分析通過對濾波后的信號進行模糊聚類分析，得到不同故障模式下的特征向量。（4）支持向量機模式識別利用支持向量機等模式識別方法對不同故障模式進行分類和識別，實現(xiàn)對轉(zhuǎn)子故障的自動檢測。3.研究成果目前，本研究已完成了轉(zhuǎn)子故障信號的小波分析、自適應(yīng)閾值降噪濾波和模糊聚類分析等基礎(chǔ)工作。下一步將著重研究支持向量機等模式識別方法，在對不同類型故障進行分類和識別時提高準確率和可靠性。預(yù)計在今后的研究中，將設(shè)計并建立實際轉(zhuǎn)子系統(tǒng)的測試平臺，通過實驗驗證該方法的可行性和有效性。4.研究意義傳統(tǒng)的故障檢測方法主要針對靜止或減速轉(zhuǎn)子進行檢測，而對于正在運轉(zhuǎn)的轉(zhuǎn)子，如何進行故障檢測一直是工程技術(shù)領(lǐng)域面臨的難題。本研究提出的基于小波分析與模式識別相結(jié)合的故障檢測方案，能夠有效地檢測轉(zhuǎn)子故障，并對不同類型的故障進行準確的識別。對于提高工程系統(tǒng)的安全性、降低運行成本具有重要的現(xiàn)實意義。參考文獻[1]孫剛,姚程,石金坤,李慕梅.轉(zhuǎn)子系統(tǒng)多維度故障診斷方法研究[J].電工電能新技術(shù),2020,39(9):40-44.[2]朱寶龍,李亞.基于小波包變換和分形理論的轉(zhuǎn)子系統(tǒng)故障診斷[J].電力系統(tǒng)及其自動化學報,2017,29(21):89-93.[3]閻曉萍,孔繼業(yè)