基于小波包时延相关解调的滚动轴承故障诊断方法

针对滚动轴承故障冲击信号周期性强且容易被强烈的背景噪声淹没,提出基于小波包时延相关解调的分析方法,实现滚动轴承的故障特征提取及故障诊断。首先,以信噪比SNR和均方根误差RMSE为准则,对比小波包阈值的降噪效果,选取最优小波包参数,以增强振动信号的信噪比。然后将降噪后的信号进行重构。最后,通过时延相关解调分析提取去噪重构信号的故障特征。通过仿真和试验数据分析,验证了所提算法能够较准确地提取轴承故障特征频率。基于与包络分析和小波包络分析进行的对比,证明了所提方法能够获得更高精度的故障特征参数,进而更加有效地实现滚动轴承的早期故障诊断。     

基于小波网络的水轮机组故障诊断

小波包分析能有效地提取水轮机振动信号中的有用成分,作为故障诊断的依据.本文用小波包分析,结合人工神经网络对水轮机故障诊断进行了研究.     

基于小波变换的柱塞泵故障诊断方法

基于柱塞泵的脉动分析模型,提出了一种基于小波变换的柱塞泵故障诊断方法。以泵出口处的压力信号作 为分析信号,利用小波变换将该信号进行频谱分解,可有效地提取压力信号中所包含的故障信号。仿真与试验结 果均表明:基于小波变换对泵出口压力信号的分析可实现泵的故障诊断。     

全信息小波包分析及其在旋转机械故障诊断中的应用

针对传统旋转机械单通道故障诊断的不足，结合设备状态检测和故障诊断中微弱振动信号难以提取的问题，在介绍全信息技术的基础上，提出新的信号处理方法——全信息小波包分析，用小波包变换对双通道信号分别进行分解，以提取信号中的微弱局部成分，把需要的对应小波包进行重构并用全矢谱技术进行融合，根据融合后的数据进行故障诊断。工程应用实践表明，全信息小波包分析是一种新的、较为实用的信号处理方法。     

基于小波包和SOM神经网络的齿轮故障诊断仿真研究

鉴于齿轮振动信号非平稳的特征,提出用小波包分析和SOM神经网络相结合的新诊断方法。首先运用虚拟样机技术建立齿轮模型,模拟出各种故障,并提取出振动信号;然后用小波包分析提取能量特征,再用SOM网络对数据进行分类得到各种故障类型的标准样本,最后通过用待检测样本与标准样本进行对比分析得出诊断结果。仿真结果表明该方法对齿轮的故障诊断十分有效,对其他旋转机械的故障诊断和维修保养具有指导意义。     

基于小波变换的齿轮箱振动信号降噪处理

应用了小波变换理论和小波降噪的原理,对齿轮箱的振动信号进行了小波降噪处理,有效的从含有噪声的齿轮箱振动信号中提取出该信号更加准确和真实的故障特征,从而为提高齿轮箱故障诊断的准确性以及检测齿轮箱的早期微弱故障信号提供了重要的参考价值。通过对仿真信号的降噪处理,然后进行FFT变换,并且和没经过信号降噪处理就进行FFT变换的对比,显示了小波降噪的优越性。最后通过对齿轮箱的实际振动信号的降噪处理,进一步表明了小波降噪在消除噪声干扰方面有效性。     

基于小波变换的引擎故障诊断方法研究

小波分析是近年来迅速发展起来的一门理论,在图像处理和故障诊断等方面都取得了成功的应用。本文从诊断理论和故障信号特点两方面说明对引擎故障信号进行小波分析是引擎故障诊断过程的内在要求;阐述了小波分析的理论基础,得到适合故障信号分析的小波母函数;应用了基于“能量-故障”的引擎故障诊断模式识别方法。通过小波包变换,成功提取了转子振动平台预设故障状态下的特征向量,通过模拟实验验证了该方法的可行性。     

基于小波分析的机械系统振动信号故障诊断

提出利用小波变换的时一频局部化特性及基于多分辨率分析的信号小波分解算法,辅以去噪手段,对微弱机械振动信号进行分析.有效地完成了微弱信号的提取,实现了早期故障诊断;对故障特征信号进行了时域定位;提取了故障特征频率.仿真结果表明了该分析方法的有效性.     

基于小波分析和修正指数分布的齿轮故障诊断方法

提出了基于小波分析和修正指数分布(modifiedexponentialdistribution,MED)的齿轮故障诊断方法,该方法采用小波包将齿轮振动信号分解为若干个频率段,然后选择合适的频率段进行小波包重构,对重构后的信号进行MED分析,得到齿轮振动信号的小波包时-频分布,进而从中提取齿轮振动信号故障的故障特征.对具有裂纹的齿轮振动信号分析结果表明了基于小波分析和MED的齿轮故障诊断方法的有效性.     

基于小波分析的齿轮故障诊断方法的研究

主要研究了小波变换中小波的Mallat算法,并将其应用到齿轮的故障诊断之中,对微弱机械振动信号进行分析.有效地完成了微弱信号的提取,对故障特征信号进行了时域定位,试验结果表明了该分析方法的有效性.     

电液伺服阀力矩马达故障模型及其仿真

本文引入了故障仿真的方法,通过建立故障模型,对电液伺服阀中的力矩马达故障进行了仿真分析,给出了几种故障特征及其区别方法,分析结果为电磁力矩马达及至电液伺服阀故障诊断,提供了特性依据。     

一种基于虚拟仪器的电液伺服阀故障诊断方法

本文提出了一种基于虚拟仪器技术和互相关原理的电液伺服阀故障诊断方法。利用在LabVIEW6.1环境下开发的软件可以对电液伺服阀的输入和输出信号进行相关分析,进而可判断出电液伺服阀是否存在故障。试验结果表明,该方法简单易行,可有效的提高电液伺服阀的故障确诊率。     

建筑结构电液伺服主动抗振系统最优控制的研究

文章分析了线性二次型最优控制不适用于电液伺服主动抗振系统的原因,并根据电了抗振系统特点,提出了以伺服ｐ－Ｑ特性各不等式约束条件的最优控制方法,抗振模拟试验结果证实了这一控制思想的正确性和有效性。     

小波分析提取伺服驱动器故障特征向量的仿真研究

本文以伺服驱动器为研究对象,对其功率主电路中开关管开路故障特征向量的提取方法进行仿真研究。提出一种通过小波多分辨率分析从伺服驱动器的输出电流信号中提取开关管开路故障特征向量的方法。在Matlab/Simulink中对某型伺服驱动器进行建模,并对所提出的故障特征向量提取方法进行仿真验证,仿真结果表明所采用方法的可行性和有效性。     

基于非线性复杂测度的往复压缩机故障诊断

往复压缩机以多源非线性冲击振动信号为主,应用传统方法难以从振动信号中提取故障特征,为此提出一种基于非线性复杂测度的往复压缩机故障诊断方法。以气阀正常、阀片有缺口、阀片断裂及弹簧损坏4种状态下往复压缩机气阀振动信号为分析数据,在小波阈值降噪处理的基础上,采用均值符号化方法计算信号的归一化Lempel-Ziv复杂度(Lempel-Zivcomplexity,LZC)指标,分别给出各状态相应的LZC特征区间,利用BP人工神经网络对各状态信号的有效值特征、功率谱能量特征及LZC特征分别进行训练和测试,结果表明LZC更能准确区分不同状态的往复压缩机气阀故障,为往复压缩机故障诊断和维修决策提供了一种有效方法。     

基于小波--神经网络模拟电路故障诊断方法的研究

对模拟电路提出了一种基于小波神经网络的故障诊断方法 ,该法用小波变换作为故障信号的预处理器 ,大大地减少了神经网络的输入数目 ,从而简化了神经网络的结构和减少了它的训练时间 ,并提高了辨识故障类别的能力。在简介该法故障诊断的基本原理后对实例电路进行了故障划类 ,小波函数及故障特征选择 ,给出了计算故障类别特征的仿真编程及故障类别的识别方法     

数控机床伺服系统的故障形式及诊断方法

进给伺服系统故障是数控机床中较为常见的故障.首先,结合实际工作中数控机床的故障现象,介绍了伺服系统最常见的故障形式;其次,根据故障定位方法判断故障发生部位;最后,通过伺服系统故障诊断实例进行说明并提出处理办法.     

基于连续小波变换的信号检测技术与故障诊断

通过分析指出,连续小波变换具有很强的弱信号检测能力,非常适合故障诊断领域。从参数离散到参数优化系统研究了连续小波变换的工程应用方法,建立了“小波熵”的概念,并以此作为基小波参数的择优标准。论文最后把连续小波技术应用在滚动轴承滚道缺陷和齿轮裂纹的识别中,诊断效果十分理想。     

突变性故障特征识别的两种实用小波技术

研究了小波方法分析的基本原理和方法。然后给出小波分析在故障诊断中的两种用法。一种是通过提取故障信号的突变信息,以识别故障特征,另一种是把最新的小波包变换与传统的故障树分析法相结合,形成一种精细的故障诊断方法。