基于小波分析的汽轮机振动故障诊断

华电技术 ›› 2009, Vol. 31 ›› Issue (11): 1-2.

• 专题综述 • 下一篇

基于小波分析的汽轮机振动故障诊断

侯乃明，丁常富

华北电力大学能源与动力工程学院，河北保定 071003

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2009-11-25 发布日期:2009-11-25

Vibration fault diagnosis of turbine based on wavelet analysis

HOU Naiming, DING Changfu

School of Energy and Power Engineering, North China Electric Power University, Baoding 071003, China

Received:1900-01-01 Revised:1900-01-01 Online:2009-11-25 Published:2009-11-25

摘要/Abstract

摘要： 基于小波分析对汽轮机振动的故障诊断展开研究，介绍了傅里叶变换和小波分析的基本原理，分析了小波分析在定位振动信号成分上相对于傅里叶分析的优越性，并对仿真信号进行了验证。利用db7小波对信号进行了6层分解，信号分解的细节部分清晰地显示了奇异点的准确位置。分析结果证明，在清楚汽轮机振动故障信号特征的情况下，小波分析能有效地进行汽轮机的故障诊断。

关键词: 故障诊断, 小波变换, 信号处理, 汽轮发电机

Abstract: Fault diagnosis of turbogenerator was investigated based on wavelet transform. The theories of Fourier transform and wavelet analysis were introduced. The advantages of wavelet transform in locating of vibration signal composition were discussed comparing with the Fourier analysis and verified by simulation signal. By using db7 wavelet, the signal was be resolved into 6 layers, and the accurate position of discontinuity was appeared clearly in the detail of resolved signal. The analysis result shows that if the characteristics of turbine vibration fault signal are clearly known, then the wavelet analysis can be used effectively in turbine fault diagnosis.

Key words: vibration, fault diagnosis, wavelet transform, signal processing, turbo-generator

侯乃明;丁常富. 基于小波分析的汽轮机振动故障诊断[J]. 华电技术, 2009, 31(11): 1-2.

HOU Naiming;DING Changfu. Vibration fault diagnosis of turbine based on wavelet analysis[J]. Huadian Technology, 2009, 31(11): 1-2.

[1]	龙思成, 黄志鸿. 基于多尺度极限融合网络的电力变压器故障诊断方法研究[J]. 综合智慧能源, 2022, 44(9): 78-83.
[2]	贾志军, 白德龙, 宋燕杰, 王剑飞, 李春新. 基于KPCA算法的电厂设备在线故障诊断研究[J]. 华电技术, 2021, 43(8): 48-53.
[3]	姜寅，任荭葳，陈凯，朱长江. 基于BP神经网络的风电系统控制器I/O硬件故障自诊断方法[J]. 华电技术, 2020, 42(5): 55-60.
[4]	胡杰，唐静，谢仕义，王云. 基于大数据技术的电厂设备状态评估和预警应用研究[J]. 华电技术, 2020, 42(2): 1-6.
[5]	黄绍伟. 自适应调频模式分解在轴承故障诊断中的应用[J]. 华电技术, 2020, 42(1): 54-57.
[6]	金纬. 660MW汽轮发电机组真空泵节能改造[J]. 华电技术, 2019, 41(7): 40-42.
[7]	吴昌浩，曹景芳. 低速钢球磨煤机减速机齿轮断齿故障诊断及分析[J]. 华电技术, 2019, 41(5): 69-72.
[8]	冯坤. 1000 MW超超临界机组发电机调试期间振动问题的分析及处理[J]. 华电技术, 2019, 41(12): 41-45.
[9]	王佳梓1，王桂玲2. "云+端"大数据驱动的预见性电厂设备维护[J]. 华电技术, 2019, 41(11): 40-45.
[10]	陈杰，赵卫正. 600MW机组通流改造后振动故障诊断及处理[J]. 华电技术, 2018, 40(9): 40-43.
[11]	倪新宇1，茅大钧2. 基于数据融合的超临界机组设备故障诊断研究[J]. 华电技术, 2018, 40(7): 5-9.
[12]	安宗武1，孟颖琪1，刘超1，李长海1，吴忠胜2. 新型350MW超临界供热机组调试期间故障分析及处理[J]. 华电技术, 2018, 40(7): 50-53.
[13]	刘琳，郭鹏. 变速恒频风力机叶轮不平衡故障仿真研究[J]. 华电技术, 2018, 40(6): 1-6.
[14]	谢小鹏1，林玥廷2，林英明2. 火电厂设备状态监测与故障预警的研究[J]. 华电技术, 2018, 40(6): 7-9.
[15]	董淑梅1,2，余莉1,2，杜矩虎2. 分布式能源站余热锅炉锅筒水位测量系统的设计与应用[J]. 华电技术, 2018, 40(5): 70-72.

基于小波分析的汽轮机振动故障诊断

Vibration fault diagnosis of turbine based on wavelet analysis

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价