一种基于小波变换的输油泵故障诊断方法

小波变换突破了传统Fourier变换在信号分析中的局限性,实现了对非平稳信号在时域和频域的局部化处理,提出了一种利用小波变换精确定位突变点的位置和突变类型的故障诊断方法,在输油泵的故障诊断中得到了验证.     

基于小波变换的自动机故障诊断

对自动机故障诊断特点和方法进行分析,并举例介绍了小波变换在自动机故障诊断中的应用。利用小波变换对自动机信号进行分解,重构以及提取信号包络谱,快速准确判断出自动机设备运行状态是否异常,比传统方法更有效。     

基于Gabor小波变换册的齿轮故障诊断方法

齿轮产生局部故障时,失效的轮齿间断地进入啮合,产生冲击振动,使得齿轮振动信号包含了非平稳或时变成分.基于平稳信号处理的传统方法无法全面反映信号的时变特性.作者研究了Gabor小波变换册方法,Gabor小波变换册是小波变换的推广,它是时间-频率-尺度三维空间上的线性变换,它有机结合了小波变换与Gabor变换,具有对非平稳信号的强大分析功能,利用其作信号的谱估计,不仅具有小波变换谱估计方法高频率分辨率的优点,而且不受信号频率范围宽窄的限制,可以根据需要自由地选择尺度参数,谱估计值准确有效.利用Gabor小波变换册作齿轮故障信号的谱估计,比经典的自功率谱估计在齿轮局部故障诊断中能取得更好的效果.文中并对该方法进行了仿真和实验验证,仿真和实验数据的分析结果表明这些方法可突出齿轮的边频带结构,适用于齿轮的局部故障诊断,具有一定的应用价值和更深入的研究价值.     

基于模拟系统响应的小波变换故障诊断方法的仿真研究

该文提出了一种基于模拟系统响应函数的故障诊断方法。给出了容差情况下的仿真诊断例子。该方法无需被检测系统的数学模型，具有实时性好、自动化程度高、准确率高的特点。     

一种基于小波变换的图像压缩方法

量化在图像压缩编码中起着至关重要的作用。从标量量化的角度出发,提出了逐级量化的编码方法,该方法能在保证一定图像质量的前提下大大降低编码率。最后,通过实例分析说明了本方法的具体实现过程,并对经典图像进行实验。证实了本方法的正确性和实用性。     

一种基于小波变换的图像压缩方法

提出一种基于小波变换的灰度图像数据压缩编码方法,基本思路是利用小波变换实现图像的多分辨分解,用矢量量化（ＶＱ）对分解后的图像进行编码,在矢量量化ＬＢＧ算法的初始码书的选取中根据矢量中各分量的特性提出一种改进的随机选取法,避免了可能的胞腔不均现象,提高了码书的质量,而且重构的图像质量也有所提高。     

基于小波变换的一种图像编码方法

利用小波图像系数特点,实现高效压缩编码。文中给出了小波图像系数统计数据例子、符号编码定义以及数值编码结构。采用均匀标量量化方法完成小波图像中的低频子图编码。按照EZW的小波树结构组织低频外的其它子图,利用文中定义的方法对系数进行符号编码与数值编码。用标准图像测试编码方法,并把实验结果与EZW方法比较。结果表明:此方法的编码时间较EZW方法短,在相同压缩比下,峰值对数信噪比(PSNR)有明显提高。     

小波变换在轴承故障诊断中的研究

介绍了小波分析理论和MATLAB小波工具箱,并利用MATLAB小波工具箱进行信号分析。滚动轴承是各种旋转机械中应用最广泛的一种通用机械部件,它的工作状况直接影响机械设备的使用性能。小波分析是一种时频信号分析方法,它具有时域和频域的局部化和可变时频窗的特点,利用小波变换和小波包对信号在不同的频带下进行分解与重构,并对不同的分析方法进行了比较,特别是对不同的小波函数也进行了比较。最后,提出利用数据挖掘的理论来建立轴承故障诊断的数据挖掘模型库。     

一种新的基于多小波变换的图像增强方法

小波分析是目前国际上最新的时间频率分析工具，是信号去噪的强有力处理工具．小波变换可以将交织在一起的混合信号分解成不同频率的块信号．多小波所拥有的对称性、正交性、有限支撑等重要特性弥补了单小波的不足．提出了一种新的图像增强方法，该方法以多小波变换为基础，采用多尺度非线性增强技术进行图像增强．实验证明，增强效果良好．     

Hilbert-小波变换的齿轮箱故障诊断*

采用希尔伯特—小波变换对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用小波变换分解获得振动响应信号的各层高频信号小波系数和低频信号小波系数,对小波系数进行重构获得具有不同特征时间尺度的各高频信号和低频信号;再对分解的信号进行希尔伯特变换获得时频信息谱以提取系统的统计特征信息,实现监测齿轮运转工作状态,及时发现齿轮的早期故障,提高机械运行的安全性。仿真研究结果表明,小波变换分解和希尔伯特边际谱方法在故障信息诊断方面是可行和有效的,提高了故障检测的可靠性。     

小波变换在故障检测中的应用

提出一种基于小波分析的动态系统故障检测方法.该方法不需要模型,具有灵敏度高、克服噪声能力强的特点.仿真研究取得了满意的效果.     

基于离散小波变换的某型航空发动机故障诊断研究

主要研究了离散小波变换极值点的方法在航空发动机传感器故障诊断中的应用;对输入信号输出信号进行离散小波高、低频系数分解重构,利用该系数求出输入输出信号的奇异值,然后去除由于输入突变所引起的极值点,其余的极值点对应于传感器的故障;在MATLAB平台下,仿真结果表明,该故障诊断方法可以及时、有效地检测出航空发动机传感器出现的各类故障。     

基于小波变换的泄露故障特征提取研究

为研究液压系统管路泄漏对压力脉动信号的影响,提出利用改进的小波消噪算法和小波包对压力脉动信号进行消噪和特征提取;针对传统小波变换阈值函数在去噪处理中存在的恒定偏差、不连续等缺点,提出一种改进阈值函数和新阈值相结合的新方法,将该方法与平移不变量方法相结合,避免了传统小波变换去噪时在不连续点存在的Pseudo-Gibbs现象;通过利用改进小波消噪方法和小波包对FESTO试验系统采集的正常和故障压力脉动信号进行分析比较,研究结果表明,不同工况下压力脉动信号3个主要能量频带的分布特性,可以作为泄露检测和识别的故障特征。     

采用小波变换和盲源分离的电机轴承故障诊断

针对地铁车辆转向架牵引电机轴承故障,提出一种结合小波变换和盲源分离的轴承故障识别方法.首先从原始信号频谱中判断轴承高频共振信号的大致频带范围以确定小波分解层数;其次利用小波分解提取轴承高频共振信号成分;然后利用盲源分离方法从小波分解后的重构高频信号中分离故障特征信号;最后对故障特征信号进行Hilbert解调并通过包络谱分析提取故障特征频率.对上海地铁某型地铁车辆转向架牵引电机进行试验,试验结果证明该方法能清晰、准确地识别轴承故障特征.     

基于小波神经网络的电机声频故障诊断系统

采用能量分布特征提取方法和改进的BP算法，设计了一种基于小波神经网络的故障诊断系统，并应用于电机声频诊断技术。实验表明，此系统诊断结果与实际相符，验证了该小波神经网络故障诊断系统的有效性。     

小波变换在电路故障诊断中的应用

介绍了利用小波变换来检测信号的奇异性特征的原理，对信号的奇异性进行了定义，并将其用于电路故障诊断中，解决了传统故障诊断方法中对故障存在的知识获取“瓶颈”问题。实验证明提出的方法取得了较好的应用效果。     

基于小波变换的传感器故障诊断

传感器故障的诊断是非常重要的。传统的基于快速傅立叶变换的频谱分析有其局限性和缺陷性,为了克服其缺点,运用小波变换的方法。在介绍了小波变换理论的基础上,采用小波变换技术对传感器进行故障检测,快速而较为准确地诊断出传感器故障。仿真实验证明小波变换技术对传感器故障诊断是十分有效的,取得满意的效果。在传感器的故障诊断方面小波变换有良好的应用前景,有力地证明了它在传感器诊断技术中的优越性。     

基于小波神经网络的陀螺仪故障诊断

为了准确可靠地发现和预测陀螺仪的故障,提出了一种基于RBF小波神经网络的陀螺仪故障检测方法;该方法是将陀螺仪的输出信号进行三层小波包分解,再对分解得到的8个不同频段上的节点进行特征提取,将提取后的8维特征向量作为RBF神经网络的输入;当陀螺仪发生故障时,陀螺仪的输出信号中会产生突变成分,进行训练后的RBF神经网络可以准确地诊断出陀螺仪的故障类型;应用Matlab实现了RBF小波神经网络诊断陀螺仪故障类型的仿真;仿真结果表明,应用RBF小波神经网络进行陀螺仪故障诊断有很好的效果。