小波包分析在旋转机械故障诊断中的应用

简述了小波包分析的基本原理及其用于故障特征识别的机理,研究了小波包分析在旋转机械故障诊断中的应用。由于此技术能够从复杂的信号中有效地提取微弱的故障特征信号,因此与小波分析相比,分析更为精细简单。实例采用小波包原理对一类旋转信号进行分解重构后,成功地提取了故障特征,体现了小波包分析的优良特性,其结果证明了该方法是行之有效的。     

高阶统计量在传动系统故障诊断中的应用

对小波包分解和高阶统计量理论进行了阐述,提出一种基于高阶统计量特征和小波包分析相结合的雷达伺服传动系统故障诊断方法。当传动系统故障发生时,振动信号一般是非平稳和非高斯分布的信号,通常包含较强的噪声。用小波包分析对故障信号进行有针对性分解,并提取出故障特征频率带,然后运用高阶谱对故障特征信号进行分析,能够有效地实现故障诊断。     

形态梯度小波降噪与S变换的齿轮故障特征抽取算法

针对齿轮故障特征信号具有强噪声背景、非线性、非平稳性特点,提出采用形态梯度小波对齿轮振动信号进行降噪。首先使用形态梯度小波把齿轮振动信号分解到多个尺度上,然后对各层的细节系数进行软阈值方法降噪处理,对经过处理后的小波系数进行重构。对降噪后的齿轮振动信号采用S变换多分辨率时频分析,能够从具有良好的时频分辨率的S变换谱图提取齿轮故障特征。通过仿真试验和故障轴承的信号分析证明,该方法具有短时傅里叶变换和小波变换的优点,不存在Wigner-Ville分布的交叉干扰和负频率,能有效地提取隐含在噪声中的齿轮故障特征,适合齿轮故障的在线监测和诊断。     

基于谐波小波包的微弱信号的频域提取

在工程中,在故障发生的早期,其信号一般比较微弱,为了能在故障发生的早期及时地发现潜在的危险故障并能提取微弱的故障信号,防止不必要的经济损失,利用谐波小波在频域连续分布且具有严格的盒形谱特性,通过对仿真信号的谐波小波包变换,实现了对微弱信号的频域提取.通过对不同方法的仿真分析比较,说明了谐波小波包方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波分析方法和FFT方法,对于工程应用有重要意义.     

一种新的图像编码方法

论述了小波理论、多分辨分析技术与数学形态学的基本方法和内在联系,以及基于这三类理论所产生的形态小波变换的基本思想和应用方法,并将这种形态小波分析方法应用于图像编码。与一般的小波分解方法不同的是,该形态小波分解采用非线性方法,分解结果中图像特征更明显,图像编码压缩比更高,解码出的图像更加清晰;同时由于形态学是基于Minkowski加减基本操作并应用最大最小运算来实现的,分解运算简单,速度快。表明了形态小波及其变换在图像处理中的巨大作用。 。     

小波分析在煤矿胶带机滚动轴承故障诊断中的应用

本文介绍了小波变换理论及小波分析的特点,对小波变换应用于煤矿滚动轴承故障诊断的方法和滚动轴承故障特征频率的计算方法进行了研究。根据煤矿胶带机滚动轴承的振动特征,应用小波分解重构的方法对煤矿胶带机滚动轴承的现场故障振动信号进行分析,验证小波变换在提取滚动轴承早期故障信号特征方面的有效性。     

一种新的Morlet小波及其在雷达信号特征提取中的应用研究

为准确估计雷达信号的瞬时频率,文中提出了一种基于新Morlet小波原子提取信号小波脊线的方法。通过分析小波脊线原理,使用新Morlet小波原子提取雷达辐射源信号的小波脊线特征。同时,针对不同调制类型的雷达信号,根据小波分解时—频约束关系,分析了正确提取信号脊线特征的条件。仿真实验表明,与普通Morlet小波原子相比,基于改进的Morlet小波提取信号脊线特征具有较强的检测概率和抗噪性能,其方法的有效性为实验结果所证实。     

一种基于小波预处理的模拟电路故障诊断方法

文中提出了一种基于小波预处理的模拟电路故障诊断方法。由于小波分析具有数据压缩和特征提取的特性,我们利用小波变换对电路脉冲信号进行多尺度分解,提取特征向量输入神经网络进行训练。实验表明,该办法可以有效地减少神经网络的训练时间,提高模拟电路故障诊断的准确率。     

一种基于红外视频图像电力设施故障识别方法

提出了一种电力设施精确识别方法。首先对所获取的红外降质图像进行提升小波变换,对高频系数根据其信号分布的特征,分别引入改进自适应中值滤波算法(Improved Adaptive Median Filtering Algorithm,IAMFA)以实现该部分分解系数的精细化处理;对于低频分解系数,提出一种随着小波分解层数的变化而自适应改变的改进型小波阈值函数模型进行处理。然后,提出一种基于图像分块的自适应增强方法,通过对图像信号的自适应分类,仅对目标信息区域进行自适应同态滤波增强。通过大量实验证明,基于该图像滤波算法的电力设施故障识别准确率明显提高。     

基于小波包分析的高速牵引电机轴承故障诊断研究

简析高速牵引电机轴承故障类型,介绍了LabVIEW和Matlab小波包相结合所开发的高速牵引电机轴承故障诊断测试软件平台。基于此平台,利用高速牵引电机轴承试验站对已知损伤轴承运转产生振动信号的拾取与采集,通过对信号进行小波包分解画出频谱能量图,再经过yulewalk多通带滤波器滤波,然后提取特征故障频率进行故障识别。试验结果验证了其可行性。     

基于小波变换的网络流量异常监测仿真实验

为有效定位识别和提取网络流量序列的暂态性异常特征,针对网络异常流量特征扰动性和暂态性特点,提出一种基于小波分解的二叉分类回归决策树主分量特征优化跟踪特征提取算法。利用训练集建立决策树模型,采用二叉分类回归决策树模型进行主分量特征优化跟踪建模,利用双正交提升小波分解得到的各层细节信号对暂态性扰动特征的敏感性,通过小波分解得到各层细节信号,将提取的小波分层细节信号的奇异值分解特征再返回到决策树主分量特征优化跟踪模型中,实现网络流量异常特征的定位提取和识别。仿真实验表明,改进算法的抗干扰能力和分辨率提高显著,暂态性异常特征谱图分辨能力提高,异常特征分布谱清晰可见,展示了较好的特征提取和状态识别性能。     

基于小波分析的火车滚动轴承故障点分析

火车机械在运转时发生故障是常见的一种现象,如何快速、准确地提取故障信号、定位故障发生点及进行故障预测是滚动轴承故障信号分析的关键性问题。为此,本文提出基于小波分析的滚动轴承故障诊断分析方法。首先通过试验方法确定了小波基和分解层数,然后对第一层小波系数进行希尔波特变换及频率分析,从而对故障点进行定位。试验结果表明,通过小波变换对火车滚动轴承故障信号进行分析,提高了故障检测的准确性,同时使故障检测更具可操作性。     

基于SVD的小波变换图像去噪方法

针对传统SVD图像去噪方法的不足,提出了一种基于SVD分解的小波分解图像去噪方法。通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分。实验结果表明该文提出的方法适用于图像信号的提取,与传统的SVD去噪方法相比,它提取出的信号特征成分更完整,信噪比更高。     

基于EMD的多尺度形态学解调方法及其在机械故障诊断中的应用

为从机械故障信号中提取包含故障信息的特征频率,提出了基于EMD的多尺度形态学解调方法,该方法首先采用EMD方法将故障信号分解为有限个IMF分量,从中选取包含故障主要信息的IMF分量求和重构信号,再进行多尺度形态学解调,从而提取机械故障特征频率信息。将该方法用于滚动轴承、齿轮的故障诊断中,并与H ilbert包络方法比较,结果表明该方法能更好地提取故障特征频率,且对含噪故障信号也有较好的分析效果。     

基于小波包的故障信号特征提取的研究

讨论了交--交变频调速系统故障诊断的重要性,在当前的检测方法与故障诊断手段研究的基础上,提出了一种改进的小波包算法,并运用该算法对变频调速系统输出电流进行分析.该算法的计算量和占用的存储空间较标准的小波包算法均减少80%.同时,运用基于改进的小波包的频带能量法提取变频调速系统的故障特征,分析了小波包分解层次对特征量提取的影响.经过仿真证明,该方法适用于变频调速系统故障信号的特征量提取.     

基于EMD的多尺度形态学解调方法及其在机械故障诊断中的应用

为从机械故障信号中提取包含故障信息的特征频率,提出了基于EMD的多尺度形态学解调方法,该方法首先采用EMD方法将故障信号分解为有限个IMF分量,从中选取包含故障主要信息的IMF分量求和重构信号,再进行多尺度形态学解调,从而提取机械故障特征频率信息。将该方法用于滚动轴承、齿轮的故障诊断中,并与H ilbert包络方法比较,结果表明该方法能更好地提取故障特征频率,且对含噪故障信号也有较好的分析效果。     

基于EMD的多尺度形态学解调方法及其在机械故障诊断中的应用

为从机械故障信号中提取包含故障信息的特征频率,提出了基于EMD的多尺度形态学解调方法,该方法首先采用EMD方法将故障信号分解为有限个IMF分量,从中选取包含故障主要信息的IMF分量求和重构信号,再进行多尺度形态学解调,从而提取机械故障特征频率信息。将该方法用于滚动轴承、齿轮的故障诊断中,并与H ilbert包络方法比较,结果表明该方法能更好地提取故障特征频率,且对含噪故障信号也有较好的分析效果。     

小波包分析在滚动轴承故障诊断中应用

根据小波包多分辨原理,对齿轮减速器JZQ250内的轴承振动信号进行处理,在分析滚动轴承振动机理的基础上,利用小波包进行多尺度分解,根据信号与噪声随尺度增加的不同传播特性,低频部分代表信号的发展趋势,正常状态信号趋势单调递增,故障状态信号趋势则单调递减,初步判定轴承的运行状态是否正常。当判定为故障时,选择小波包分解重构后特殊层的信息进行频谱分析,提取其故障特征频率。经对大量实测数据的处理和分析,能够比较准确地识别和诊断出减速器的正常运行状态,内圈、外圈和保持架故障运行状态,具有一定的工程实用价值。     

导航与制导

0119280基于小波变换的余度敏感器结构故障诊断方法[刊]/匡启和//南京航空航天大学学报.—2001,33(4).—329～333(E)对于导航系统中余度敏感器结构的故障诊断,本文讨论了基于小波变换的直接比较测量值的诊断方法。根据小波变换的时频特性和信号边沿检测的原理,采用小波 db5对敏感器的输出信号直接进行六层分解,并在相应分解层上进行重构,根据重构的信号对余度敏感器结构进行故障检测、定位和隔离。仿真结果表明,这种方法不仅可以检测出故障、故障的类型和     

基于EMD和小波包的轴承故障特征提取

提出了一种将经验模态分解(EMD)和小波包(Wp)分解相结合的方法,提取某些电机信号非平稳特征.首先对电机振动信号作EMD分解,再对其分解结果单模态函数作WP包络谱分析,从而得到精确度较高的轴承内圈故障频率.最后,通过仿真和实例,将本方法和已有文献中的方法进行对比,结果表明,该方法不仅具有较高的可行性,而且可以准确地提取出故障信息.