光纤周界报警信号自适应压缩感知

在光纤周界报警系统中，对光纤振动信号进行分析与辨识时，针对高频、大规模信号在采样、存储、传输与信号处理过程中存在网络宽带、存储容量、计算速度等一系列限制问题，提出基于小波包的光纤周界报警信号自适应压缩感知方法。对光纤振动信号进行多尺度小波包分解，通过计算各尺度下小波包系数高频部分的数学期望作为阈值，对小波包系数进行置零处理，自适应地选择小波包分解尺度，使信号在频域得到更高的稀疏度；根据小波包系数块的数学期望和信息熵对小波包系数块进行分类，并针对不同系数块的类型设计对应的处理方法，提高信号的传输与处理速度。结果表明，该方法能够有效减少光纤振动信号的观测数据，并在相同采样率前提下，能够提高信号的重构精度和重构速度。     

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。     

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。     

基于小波包和Hilbert包络分析的滚动轴承故障诊断方法

滚动轴承故障诊断是机械故障检测中的一个重要方面。本文提出了一种小波包分析和Hilbert包络分析相结合的方法对轴承进行故障诊断。首先利用小波包分析将滚动轴承的振动信号分解到不同的节点上。然后求出各频段的能量,根据频带能量的变化情况,找出滚动轴承的故障所在的频带,对故障频带的重构信号做包络谱分析,将谱峰处的频率与滚动轴承的故障特征频率进行对比。诊断出滚动轴承的故障。通过对实验中采集到的滚动轴承振动信号进行分析,证明了该方法在滚动轴承故障诊断中的有效性。     

基于相对动态误差的轴承故障特征参数提取北大核心CSCD

轴承故障信号中存在有关故障的异常信息,对维护机械安全有着重大意义。轴承故障信号经小波包分解之后,故障的异常信息主要体现在分解频段的动态误差上,而各个频段的动态误差一般由标准差能量熵和标准差均值来描述。为了凸显轴承故障的区分特征,通过轴承故障尺寸去刻度动态误差,利用相应的轴承故障特征参数提取相对动态误差,是有效的处理方法。基于此思路,本文针对小波包分解后不同频段分量的标准差,计算其能量熵以及均值。然后把对应频段的标准差能量熵和标准差均值相加作为特征参数,在同一尺度下定性分析。同时把轴承信号不同频段的特征参数相加后的数值与轴承故障尺寸相比,通过产生的相对动态误差进行定量分析,最终实现对轴承故障的有效区分。实验结果表明,本文所提方法对轴承故障有很好的区分效果。     

基于小波和能量特征提取的旋转机械故障诊断方法分析

轴承和转子系统在旋转机械中是非常关键的部件,小波包对振动故障信号的特征提取是对于旋转机械故障诊断的关键.针对传统的软、硬阈值量化方法在阈值常数偏差和不连续的问题,设计一个可调参数改进的连续函数以用来量化阈值.对于旋转机械转子常出现故障采用振动信号的小波包分解、去噪然后进行小波包能量特征提取.     

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。     

基于小波包能量熵和PSO的轴承故障诊断方法

支持向量机(SVM)在识别滚动轴承故障过程中,由于其参数选择并非最优导致识别率不高。为解决这一问题,提出了基于小波包能量熵和粒子群优化WSVM的滚动轴承故障诊断方法。首先,获取滚动轴承的振动信号,将信号进行小波包变换计算出小波包能量熵;其次,将小波包能量熵作为故障特征初步判断轴承是否发生故障;然后对各状态的特征向量集进行训练,建立WSVM故障诊断模型,采用粒子群优化算法对WSVM进行参数最优化;最后,将测试样本输入到训练好的向量机中,根据输出结果准确判断出工作状态与故障类型,还可计算得出故障识别率。结果表明:该方法能有效地判断出轴承故障类型,识别率高。     

自适应小波包分解门限去噪新算法

提出了自适应小波包分解门限去噪的新方法。该方法自适应地对信号进行小波包分解,根据小波包子域的信噪比自适应选取去噪门限,并判定是否对该子域的信号进一步分解。与传统方法不同,新方法只需对不同尺度的部分概貌信号和细节信号根据该子域的信噪比大小进行分解,去噪后的信号按分解的逆过程进行重构。仿真结果表明,该方法相比于传统的小波去噪方法计算量有所降低,且去噪后的信号更接近真实的原始不含噪信号。     

基于粒子滤波信号降噪的齿轮箱故障诊断研究

齿轮和轴承是机械设备中重要的部件,它的健康状况直接影响着机械设备的运行状态。研究粒子滤波对齿轮箱的振动信号进行降噪处理,需要知道信号的特性和噪声的统计特性。针对此,先对齿轮箱的齿轮进行振动分析,建立振动模型,而后再研究粒子数算法,对振动信号进行EMD分解,把分解的第一个IMF分量和残余分量进行重构,组建AR模型,经AR模型系数作为粒子滤波状态方程的系数。最后采用小波变换阈值降噪思想,把分解提出的噪声信号放到粒子滤波观测方程中,对信号进行降噪处理。     

基于小波包变换实时检测回转电机振动信号

小波包变换不仅能检测非平稳信号的整次谐波,还能检测信号的非整次谐波,而且小波变换本身对信号的奇异点十分敏感,因此可以用来跟踪牙轮钻机振动信号。简述了小波包变换的原理,并基于Matlab实现了对牙轮钻机振动信号的处理。该处理具有信噪分离、测量牙轮钻机振动功率谱、牙轮钻机振动信号的时域-频域变化规律、牙轮钻机振动速度信号三维图、伴有噪声的原始振动波形和噪声波等测量功能。实测某矿山YZ-35C牙轮钻机的振动速度信号,实测效果优于P3562A动态信号分析仪的测量结果,结果表明该方法是可行的和有效的。     

基于LMD和Fisher判别的风力发电机组齿轮箱滚动轴承故障诊断方法

风力发电机组齿轮箱等旋转机械故障振动信号具有调制特征,因此有针对性地提出了一种基于局部均值分解(Local Mean Decomposition,LMD)和Fisher判别的故障诊断方法。首先对振动信号进行LMD分解,可得若干个的乘积函数(Product Function,PF)分量,以相关系数为依据进行PF分量筛选和信号重构,并对重构信号进行故障特征提取,然后以多组典型故障样本的特征量来训练得到Fisher判别式,最后利用判别式对待判样本进行分类,由判别结果可知滚动轴承的工作状态、故障部位及故障程度。分析从试验台采集的各类故障样本集和从某实际风场监测的数据,证明了所提取故障特征量的准确性,同时也验证了所提出方法在旋转机械故障诊断方面的有效性。     

A Smart Sensing Unit for Vibration Measurement and Monitoring

A novel smart sensing unit is developed in this paper for vibration measurement and machinery condition monitoring. The microprocessor-based smart sensor can collect 2-D vibrations and conduct signal analysis. When mounted in proximity of a bearing housing (a general case), it can conduct online fault detection in shafts and bearings. A correlation spectrum method is proposed as a digital encoder to recognize shaft rotation speed. A wavelet energy spectrum technique is adopted for bearing fault detection. A novel strategy is suggested to extract representative features and enhance feature characteristics by integrating the resulting wavelet energy functions over different frequency bands. The effectiveness of the developed smart sensor and the related fault detection techniques is verified by experimental tests corresponding to different bearing conditions. Test results show that the developed smart sensing unit is an effective measurement and condition monitoring tool; the wavelet energy spectrum technique is a robust bearing fault detection method, especially for nonstationary feature extraction and analysis.      

自适应小波包的光纤传感器信号压缩感知

在由分布式光纤传感器构成光纤周界报警系统中 ,针对大规模、高分辨率的光纤振动信号在采样、传输、存储和重 构过程中会受到网络带宽、存储容量等限制问题,提出基于自适应小波包的光纤传感器信号 压缩感知方法。首先,采用小波 包对光纤振动信号进行多层稀疏变换,通过求取小波包系数的数学期望来选取初始置零阈值 ;然后,对光纤振动信号进行重 构并求取重构信号精度,再根据信号的重构精度采用迭代计算方法求取小波包系数的最佳置 零阈值,使光纤振动信号在满足 重构精度的前提下具有最高稀疏度,实现信号的自适应压缩感知;最后,根据光纤振动信号 的特征,采用K-SVD算法训练 得到过完备字典,结合正交匹配跟踪方法完成光纤振动信号的高精度重构。大量实验证明, 与传统压缩算法相比较,新方法的各方面性能均得到较大程度 提高。     

小波包原理及其在机械故障诊断中的应用

小波分析是一种日益获得广泛应用的信号处理新技术，它具有良好的时－频局部化特性，因而非常适于分析瞬态或时变信号。利用小波包时机械振动柜号进行分解可以获得信号的时－频分布特性，对于分析以非稳态振动为表征的机械故障提供了有效的分析手段。本文简述了小波和波包的基本概念以及利用小波包对振动信号进行时－频分解的方法。文中给出了利用小波包进行信号处理和故障分析的实例，并与其他诊断方法进行了比较。     

一种基于Morlet小波的振动信号包络提取方法

本文分析了Morlet小波的性质,定义了小波包络的概念,进而提出了一种振动信号的小波包络提取方法,理论分析和实验表明,在振动信号的包络提取中,该方法优越于希尔伯特变换方法。     

Research on vibration of rotor by application of the improved harmonic wavelet

Because of low attenuation speed of harmonic wavelet in time domain, we carry on the smooth processing in the frequency domain to get better quality of harmonic wavelet. With improved transaction of harmonic wavelet, this paper analyzes in subdivided frequency domain the vibration signal, which is distilled by the track of axes, eliminates most useless signals by calculating time domain and gets high definition graph of vibration signal in time domain at last. The fine track of axes, especially this of inferior frequency signal, well serves the analysis of rotor malfunction. The result shows greater value in practice.