基于小波包能量相对熵的电机振声信号故障检测

电机的振声信号包含了丰富的状态信息,利用电机的声音信号进行故障检测,并提出了综合小波包能量相对熵的概念。对采集的声音信号进行小波包分解,利用重构系数计算故障信号与正常信号小波能量包相对熵,并得到综合小波包能量相对熵,确定电机是否有故障;并通过比较各频带的综合小波包能量相对熵大小判断故障所处的频带位置,从而确定电机为何种故障。电机振声信号诊断实例验证了该方法的有效性。     

基于包络谱分析的滚动轴承故障诊断方法研究

分别用小波分解、小波包分解和EMD分解处理滚动轴承故障数据,并结合Hilbert变换进行包络谱分析实现滚动轴承故障诊断。对滚动轴承故障数据进行小波阈值降噪。小波阈值降噪后分别进行小波分解、小波包分解和EMD分解。分别求出小波分解、小波包分解和EMD分解后各个频带的能量谱。再根据能量谱确定故障频带范围并对其进行信号重构。采用Hilbert变换对重构信号进行包络谱分析实现滚动轴承故障诊断。通过对滚动轴承内圈故障信号的分析验证了小波分解、小波包分解和EMD分解结合Hilbert变换进行包络谱分析的滚动轴承故障诊断方法的有效性。     

故障定位中小波基的选择研究

讨论了基于小波变换的矿井高压电网中暂态信号的分析应用,根据故障信号特征与小波基函数的内在联系,以及故障暂态信息中的有效信号和随机噪声的小波变换所体现的不同特征,对矿井高压电网故障定位中,暂态信号检测的小波基函数的选择进行了系统的分析研究。MATLAB仿真结果表明,根据信号特征选择的小波基函数具有很强的检测能力和检测精度。     

连续小波变换在齿轮故障诊断中的应用

提出了将连续小波变换用于提取信号中隐含特征的方法,并将该方法应用于故障齿轮振动信号的特征识别。数值仿真结果表明,信号的连续小波变换能有效地反映出冲击特征信号；实验表明,采用连续小波变换可以对断齿振动信号的故障特征进行有效地识别。     

小波包分析在采煤机减速器故障诊断中的应用

提出了一种采用小波包理论提取采煤机减速器故障信号的方法。利用小波包变换对减速器振动信号进行分解、重构及能量计算,有效地提取出采煤机减速器故障特征信号,从而获得故障的信息。仿真研究结果表明,基于小波包能量法的故障诊断方法能够有效地提取出采煤机减速器故障的频率信息。     

基于二进小波能量自功率谱的转子碰磨故障特征提取

针对转子动静碰磨故障,通过分析转子运行时产生振动信号的时频特性,提出了一种基于二进小波能量自功率谱的故障特征提取方法。该方法利用二进小波变换得到小波能量系数谱,在小波能量系数谱中找到系数之和变化最大的能量尺度层,对该层进行自功率谱变换后可将碰磨故障的特征量提取出来。     

基于小波变换的钢丝绳检测信号分析

介绍了小波变换的基本概念,利用小波变换的变焦特性和局部化性质对漏磁法钢丝绳检测信号进行了多分辨率分析。结果表明,该方法在奇异信号检测和局部化分析方面具有优异特性,小波变换可以聚焦到信号的细节,适合突变信号的时频分析处理。     

基于小波包能量法识别柴油机喷油泵故障

利用小波包分析法,通过柴油机缸盖振动信号能量图诊断出喷油泵渗漏故障,并以此为依据,利用"能量-故障"模式,以柴油机缸盖振动信号为依据对喷油泵渗漏故障进行诊断。对缸盖正常和故障的能量图进行归一化,划分出各个频段的能量图,分析缸盖振动特征频带的能量图判断喷油泵是否渗漏,结果显示故障特征更加明显,表明该方法能够有效检测喷油泵渗漏故障。     

基于小波包的轴承信号降噪和特征提取的研究

为有效识别轴承故障特征,以轴承内圈故障的信号为例,采用在非平稳信号消噪和以频带能量分布作为故障特征方面有着广泛应用的小波包进行Mat-lab仿真,获得小波包降噪后的信号和作为内圈故障特征的频带能量分布。通过分析频带能量,其结果与实际故障相一致,得出小波包在轴承故障特征提取方面有着一定的优越性。     

基于小波Hilbert包络分析与M-距离函数判别的滚动轴承故障诊断

振动信号是反映滚动轴承故障的显著信号之一。将测得的振动信号进行小波分析变换到时频域,对其高频成分加以提取并进行Hilbert包络功率谱分析,以各频段的能量和为特征量,建立M-距离判别函数来识别滚动轴承故障类型。通过实验分析结果表明该方法取得了较好地实验效果。     

基于小波减噪的滚动轴承故障频率的识别

研究了振动信号局部奇异性在小波变换下的特性,定量分析了小波变换方法的减噪特性。根据滚动轴承故障振动信号和噪声的局部奇异性在小波变换下模极大值在不同尺度上的传播特性不同的特点,利用小波分解和重构算法,对轴承振动信号进行了分解、减噪、重构和谱分析。实验表明,小波减噪方法非常适于低信噪比情况下滚动轴承微弱振动信号的故障频率检测。     

基于改进型自适应小波提升的异步电机故障诊断

阐述小波提升分析和提取小波熵的优越性,针对异步电机故障特征值的提取提出了基于小波提升分析的熵特征值提取的具体操作方法;并针对小波提升分析中的混频现象,提出了在能量提取之前进行FFT滤波,理论和实验证明此种方法是非常有效的。     

基于小波自适应包络解调技术的滚动轴承故障识别研究

针对传统的包络解调技术在实际使用过程中存在必须人为确定高频共振频率和带通滤波器的中心频率缺点,提出了小波自适应包络解调技术。该方法通过最小Shannon熵原理自适应确定小波函数的中心频率和带宽,求得在此小波变换下的系数,运用希尔伯特变换得到解析信号,最后计算包络和包络谱来识别故障特征频率,实验结果表明,提出的方法能准确有效地识别出滚动轴承外圈、内圈及滚动体的单点类故障。     

基于小波包神经网络的电机故障诊断分析与研究

由于传统基于傅立叶变换的利用频域对电机故障的信号分析中无法对奇异信号点的时域信息进行检测。针对上述问题,提出基于小波包神经网络的电机故障诊断的方法。结合电机振动的非平稳随机性的特点。利用小波包多分辨率分析方法对电机的采样信号进行分解,提取电机故障状态特征并作为BP神经网络输入样本的特征向量,利用神经网络的自学习和模式识别的特点最终输出电机故障类型。通过MATLAB仿真结果可以证实该方法可行性。     

基于小波模极大值钢绳芯输送带磁记忆信号的奇异性检测

金属磁记忆技术是检测钢绳芯输送带故障的一种重要方式,小波变换的多尺度瞬态分析为检测磁记忆信号突变点提供了最合适的方法。阐述了基于小波变换模极大值的信号奇异性检测理论,通过应用小波模极大值对钢绳芯磁记忆信号进行奇异性检测,可以准确得到故障点的位置。仿真结果表明,该方法对判断钢绳芯接头发生抽动和断丝位置非常有效。     

基于小波奇异性的滚动轴承故障检测研究

基于小波变换的信号奇异性检测原理,提出了信号奇异点的定位及奇异性程度的检测方法,并利用Matlab仿真平台,对故障信号实例进行了仿真和分析。仿真结果表明,与传统的Fourier分析方法相比,该方法是一种简单、有效的检测方法,特别在非平稳信号的监测和机械故障诊断领域。利用此方法可以比较精确地判断出信号发生的奇异点时刻以及奇异程度的大小,并且边缘效应要小得多。     

滚动轴承故障振动信号的分析方法研究

针对滚动轴承故障信号具有非平稳、非高斯的特点,提出了将时域分析与小波分析相结合的方法对滚动轴承进行故障诊断。在研究不同信号分析方法理论的基础上,以滚动轴承外圈故障振动信号为例,采用多种信号处理方法进行了分析。结果表明,各种分析方法在分析轴承故障时的特点各不相同,在实际使用中,可将时域分析与小波分析综合使用,实现轴承状态的实时监测与故障的准确定位。     

基于希尔伯特变换和小波包节点能量法的齿轮箱故障诊断研究

故障齿轮箱的振动信号中可能包含周期性的振幅和相位调制信号,在齿轮箱故障诊断中,解调成为一个重要的问题。在分析了齿轮振动信号的基础上,提出了一种基于希尔伯特变换和小波包节点能量法的故障诊断方法。通过一个包含调幅调相信息的仿真信号进行了验证,结果表明该方法能够有效提取调制信号,比使用小波包变换更有效。     

基于小波神经网络的牵引电机齿轮故障诊断研究

以小波变换、小波神经网络为工具,采用定子电流对HXD1B型机车的YQ1633异步牵引电动机开展牵引电机齿轮故障诊断研究。定子电流法相对于振动法更容易实施,有效克服了振动信号中包含的复杂干扰。由小波分析完成齿轮故障的特征量提取,通过神经网络对故障类型进行判断,实际测试表明,该方法具有较好的故障诊断性能。