1、“.....分别记为。对包含故障类型信息的小波包分解频带的系数进行重构,以提高信号的时间分辨率。重构后的信号障信息,并与机械正常运行时的情况相对比,即可实现机械设备的故障特征信息提取。继而运用计算机技术分别对模拟出的正常和不同故障状态时的信号进行小波包变换,计算特征频带的能量值,构造出各自的特征向量,建立特征向量机械状态的对应关系。基于汽轮机组模拟振动信号的故障诊断研究原稿。汽轮机组是典型的大型高速旋转机械。这,所以这类机组称为高速旋转机械。由于转子轴承壳体联轴节密封和基础等部分的结构及加工和安装方面的缺陷,使机器在运行时引起振动,过大的振动又往往是机器破坏的主要原因。异常振动对安全生产构成了重大隐患,并已经造成了些严重的设备事故。因此,认清振动的危害,消除其故障是诊断研究的核心。基于小波包变换的汽轮机组故出判断,并确定对应的解决办法以及实施处理方案......”。

2、“.....根据实际作业的故障现象对振动故障的定性般并不困难,但在确定故障的具体产生的原因时,由于对造成故障的机理分析有分歧,经常发生的判断。汽轮机组转子故障有很多类型,总计有数十种之多,但其中几种常见故障的基于汽轮机组模拟振动信号的故障诊断研究原稿故障以及具体的解决的措施。根据不同的汽轮机组转子振动故障独有的特点,将会反映到各个不同的频带内的时域分析参数上,这样情况下,小波包变换之后就可以根据不同的故障类型从而可以构造出不同的特征向量,这点就相当于通过频谱对旋转机械进行传统故障诊断的想法样,根据不同倍频的不同特点来区别汽轮机组转子振动的不同故障类型。通出能量值作为特征向量,用来作为对故障模式进行识别的神经网络的训练样本。总体上采用小波包变换特征能量故障征兆对应的模式,提取故障信号的特征向量,通过对振动故障信号进行小波包变换,可以把故障信号中的不同频率分量分解到不同的频带上......”。

3、“.....该方法不需要具体的模型结构,而是间接地利用各频率成分能量系数进行重构,以提高信号的时间分辨率。重构后的信号分别记为。求各重构信号的能量,并进行归化处理,分别记为以第步选定的特征频带能量为向量元素,构造特征向量并以特征向量作为神经网络的输入向量,经过神经网络对特征向量进行分类和识别,就可确定检测信号是否有故障具体是何种作为小波基函数,根据具体的频带范围,选择层分解。小波包分析的最大特点是能将信号频带进行多层次划分,将信号无冗余无疏漏正交地分解到独立的频带内,这些分解频带信号都具有定的能量,每个频带里信号的能量对于状态监测和故障诊断都是十分有用的信息。在故障检测前如果采用小波包分析技术对故障信号进行消噪,有利于提高振动信号的振动故障独有的特点,将会反映到各个不同的频带内的时域分析参数上,这样情况下,小波包变换之后就可以根据不同的故障类型从而可以构造出不同的特征向量......”。

4、“.....根据不同倍频的不同特点来区别汽轮机组转子振动的不同故障类型。通过频谱图的显示,可以发现发生突变的具体频率,但无检测准确度。小波包作为种时频分析手段引入到振动信号分析,小波包重构系数可以非常灵活地提供信号在时域和频域的振动故障信息。基于小波包分解算法的汽轮机组转子振动故障特征提取能够满足振动故障信号分析的要求,是种有效和切实可行的方法。结语本文对振动信号进行小波包分解,提取含有特征频率分量的频带进行重构小波包系数,计算利用小波包分解与重构提取汽轮机轴承故障特征的步骤如下由于汽轮机轴承振动信号包含大量非平稳的干扰信号,因此首先对其进行降噪处理。对降噪后的振动信号进行层小波包分解,这样就得到第层从低频到高频的个频率段信号,分别记为。对包含故障类型信息的小波包分解频带的系数进行重构,以提高信号的时间分辨率。重构后的信号需要具体的模型结构......”。

5、“.....可以大范围地保留振动信号的特征。参考文献李雪,陈瑞雪,陈浩,等基于发电厂汽轮机组振动故障实验的研究探讨电子世界,丁毓峰,夏迎秋基于关联规则的汽轮机叶片振动研究机床与液压,。小波包变换能将振动信号按任意的时频分辨率分解到不同的频段,并将信小波基作为小波包变换的基函数,本文选用的小波作为小波基函数,根据具体的频带范围,选择层分解。小波包分析的最大特点是能将信号频带进行多层次划分,将信号无冗余无疏漏正交地分解到独立的频带内,这些分解频带信号都具有定的能量,每个频带里信号的能量对于状态监测和故障诊断都是十分有用的信息。在故障检测前如果采用小波包的变化来诊断异常故障,可以大范围地保留振动信号的特征。参考文献李雪,陈瑞雪,陈浩,等基于发电厂汽轮机组振动故障实验的研究探讨电子世界,丁毓峰,夏迎秋基于关联规则的汽轮机叶片振动研究机床与液压,......”。

6、“.....进而对故障产生的原因或机理做检测准确度。小波包作为种时频分析手段引入到振动信号分析,小波包重构系数可以非常灵活地提供信号在时域和频域的振动故障信息。基于小波包分解算法的汽轮机组转子振动故障特征提取能够满足振动故障信号分析的要求,是种有效和切实可行的方法。结语本文对振动信号进行小波包分解,提取含有特征频率分量的频带进行重构小波包系数,计算故障以及具体的解决的措施。根据不同的汽轮机组转子振动故障独有的特点,将会反映到各个不同的频带内的时域分析参数上,这样情况下,小波包变换之后就可以根据不同的故障类型从而可以构造出不同的特征向量,这点就相当于通过频谱对旋转机械进行传统故障诊断的想法样,根据不同倍频的不同特点来区别汽轮机组转子振动的不同故障类型。通。基于汽轮机组模拟振动信号的故障诊断研究原稿......”。

7、“.....因此首先对其进行降噪处理。对降噪后的振动信号进行层小波包分解,这样就得到第层从低频到高频的个频率段信号,分别记为。对包含故障类型信息的小波包分解频带的基于汽轮机组模拟振动信号的故障诊断研究原稿号的时频成分相应地投影到所有代表不同频段的正交小波包空间上。通过对几种常见故障的振动信号分析和仿真,验证了算法的有效性,对比傅里叶变换等传统方法,实现了故障特征的提取和故障诊断。小波包变换能将振动信号按任意的时频分辨率分解到不同的频段,并将信号的时频成分相应地投影到所有代表不同频段的正交小波包空间故障以及具体的解决的措施。根据不同的汽轮机组转子振动故障独有的特点,将会反映到各个不同的频带内的时域分析参数上,这样情况下,小波包变换之后就可以根据不同的故障类型从而可以构造出不同的特征向量......”。

8、“.....根据不同倍频的不同特点来区别汽轮机组转子振动的不同故障类型。通取含有特征频率分量的频带进行重构小波包系数,计算出能量值作为特征向量,用来作为对故障模式进行识别的神经网络的训练样本。总体上采用小波包变换特征能量故障征兆对应的模式,提取故障信号的特征向量,通过对振动故障信号进行小波包变换,可以把故障信号中的不同频率分量分解到不同的频带上,从而使故障特征表现得更明显。该方法不振动对安全生产构成了重大隐患,并已经造成了些严重的设备事故。因此,认清振动的危害,消除其故障是诊断研究的核心。汽轮机组常见故障的诊断方法汽轮发电机组故障诊断是根据相关的信号数据和信息对故障定性,进而对故障产生的原因或机理做出判断,并确定对应的解决办法以及实施处理方案。近几十年国内有关单位对汽轮机组振动故障处理分析技术对故障信号进行消噪,有利于提高振动信号的检测准确度。小波包作为种时频分析手段引入到振动信号分析......”。

9、“.....基于小波包分解算法的汽轮机组转子振动故障特征提取能够满足振动故障信号分析的要求,是种有效和切实可行的方法。结语本文对振动信号进行小波包分解,提检测准确度。小波包作为种时频分析手段引入到振动信号分析,小波包重构系数可以非常灵活地提供信号在时域和频域的振动故障信息。基于小波包分解算法的汽轮机组转子振动故障特征提取能够满足振动故障信号分析的要求,是种有效和切实可行的方法。结语本文对振动信号进行小波包分解,提取含有特征频率分量的频带进行重构小波包系数,计算过频谱图的显示,可以发现发生突变的具体频率,但无法发现具体信号突变发生的时间,所以根据振动信号的频率范围和所关心的频率成分,对以上模拟的个不同状态的振动信号进行小波包分解,以便提取出反映故障征兆的频带进行重构。在汽轮机组振动信号故障诊断中,为了能够有效地发现奇异点,应该选择紧支撑区间大的......”。