資源描述：
《基于小波包分析及Lyapunov指數(shù)的汽輪機轉(zhuǎn)子振動故障診斷》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、第22卷第8期廣東電力VO1．22NO．82009年8月GUANGD0NGE]【℃TRICPOWERAug．2009文章編號：1007-290X(2009)08—0025—05基于小波包分析及Lyapunov指數(shù)的汽輪機轉(zhuǎn)子振動故障診斷鄢波，梁平，白蕾(1．華南理工大學電力學院，廣東廣州510640；2．約克廣州空調(diào)冷凍設(shè)備有限公司，廣東清遠511685)摘要：根據(jù)Bently實驗臺所采集的碰摩、松動、不對中、不平衡4種典型汽輪機轉(zhuǎn)子振動故障信號，采用小波包分析和Lyapunov指數(shù)相結(jié)合的方法對其進行故障診斷。先對原始信號采用小波包分析進行濾波，提取有用的信號頻段，再對濾波后的信號進行二
2、次處理，提取混沌特征量——Lyapunov指數(shù)進行故障定位。診斷結(jié)果表明：小波包分析的方法有著很好的濾波和提取非平穩(wěn)信號的能力；小波包分解重構(gòu)后的汽輪機轉(zhuǎn)子的振動時間序列在不同故障狀態(tài)下的Lyapunov指數(shù)明顯不同，因此，Lyapunov指數(shù)在進行汽輪機轉(zhuǎn)子故障類型診斷時有較好的區(qū)分度。關(guān)鍵詞：小波包分析；最大Lyapunov指數(shù)；汽輪機轉(zhuǎn)子中圖分類號：TK268文獻標志碼：BTurbineRotorVibrationFaultDiagnosisBasedonWaveletPacketAnalysisandLyapunovExponentYAN13o，LIANGPing，BAILei(1
3、．ElectricPowerCo1．，SouthChinaUniv．ofTechnology，Guangzhou，Guangdong510640，China；2．York(Guangzhou)AirConditioningandRefrigerationEquipmentCo．，Ltd．，Qingyuan，Guangdong511685)Abstract：Accordingtothefourtypicalfaultsignalsofturbinerotorvibration，includingrubbing，loosening，misalignmentandmassunbalancewhi
4、charecollectedfromtheBentlyexperimentset，themethodwhichcombineswaveletpacketanalysisandLyapunovexponentisadoptedtodiagnosethefaults．First，waveletpacketanalysisisusedforfilteringthefaultsignals，extractingusefulsignalfrequencysegmentsfromoriginalsignals．Thenthefilteredsignalsaretreatedagaintoextract
5、thechaoscharacteristicquantity，i．e．Lyapunovexponentforfaultlocation．Thediagnosticresultsindicatethatwaveletpacketanalysisisofgoodabilityoffilteringandextractingnonstationarysignal；theLyapunovexponentofvibrationtimeseriescandistinguishdifferentfaultconditions，andisofgooddiscriminabilityinturbinerot
6、orfaultdiagnosis．Keywords：waveletpacketanalysis；largestLyapunovexponent；turbinerotor汽輪發(fā)電機組是電力工業(yè)中的重要設(shè)備，由于集機器工作時所發(fā)出的振動信號，應(yīng)用諸如傅里葉其結(jié)構(gòu)和系統(tǒng)的復(fù)雜性、運行環(huán)境的特殊性，汽輪變換、神經(jīng)網(wǎng)絡(luò)、分形等方法對采集的信號進行處機組的故障率較高。對機組進行故障診斷，對保證理，實現(xiàn)故障診斷_1]。汽輪發(fā)電機組穩(wěn)定安全運行十分重要。由于振動信小波包分解能夠?qū)⑷魏涡盘?平穩(wěn)或非平穩(wěn))分號攜有豐富的機械設(shè)備運行狀態(tài)信息，對振動信號解成一個由小波伸縮而成的基函數(shù)族，信息量完整進行分析可以掌
7、握故障產(chǎn)生的機理，并可通過信號無缺，通過對分解信號在不同尺度上的分解與重分析提取出故障特征，所以在大型旋轉(zhuǎn)機械及其主構(gòu)，能得到原信號在不同頻段上分布的詳細信要輔機的故障診斷中，通常是利用振動傳感器來采息。系統(tǒng)正常工作時其吸引子結(jié)構(gòu)是穩(wěn)定的，當收稿日期：2009．04．02系統(tǒng)偏離正常工作狀態(tài)時其吸引子結(jié)構(gòu)就會發(fā)生廣東電力第22卷變化?；煦鐒恿W中的Lyapunov指數(shù)可以很相空間重構(gòu)過程中有兩個非常重要的參數(shù)：嵌好地反映
