基于时间-小波能量谱的齿轮故障诊断

振动信号中的冲击现象及其频率特征是诊断齿轮局部损伤故障的重要依据之一。针对齿轮故障特征提出了一种时间-小波能量谱信号处理方法,它能够有效提取振动信号中冲击成分的时域和频域特征。利用时间-小波能量谱方法分析了正常、磨损、断齿等三种状态的齿轮箱振动信号,并与传统频谱分析方法进行相比。结果表明：时间-小波能量谱不仅可以有效提取故障特征,识别出齿轮箱的故障存在,而且可以清晰地分辨出故障类型及故障元件。     

一种心音小波神经网络识别系统

设计一种心音小波神经网络识别系统,将心音特征抽取、有针对性的神经网络层次化架构和分类识别融合一体,以解决复杂条件下的心音分类识别问题。提出基于心音小波神经网络的识别模型,讨论如何构造心音小波和心音小波神经网络的方法,重点讨论在网络结构的隐含层中引入心音小波作为激活函数的算法,从而获得一种把心音的针对性学习和心音识别技术高度融合的心音小波神经网络识别系统。通过选取正常心音信号与早搏心音信号作为实验对象,验证了心音小波神经网络识别系统的有效性和实用性,并且通过与morlet和Mexican-hat小波神经网络识别系统相比较,证明心音小波神经网络识别系统在收敛性、算法速度上呈现明显的优越性。     

基于提升小波熵指标的梁板组合桥损伤识别研究

利用提升小波和熵的特点,提出了基于提升小波熵的结构损伤识别方法,给出了提升小波时间熵和相对提升小波熵两个结构损伤指标。通过梁板组合桥的数值模拟表明,提升小波时间熵指标能较好地识别结构的损伤时刻,而相对提升小波熵指标能较好地识别结构的损伤位置。     

基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法

为实现风电机组齿轮箱及时有效地监测和维护,提出基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法。该方法针对齿轮裂纹振动信号为转速频率对啮合频率及其倍频调制的特点,利用小波包分解来识别振动信号中的故障特征,通过小波包频带能量监测得到故障部位的啮合频率范围;考虑到倒频谱可以分离和提取难以识别的密集调制信号的周期成分,基于倒频谱识别故障部位的转速频率,综合利用两种频谱分析方法得到的啮合频率和转速频率,能诊断故障部位和类型。实验研究表明,该方法能精确地诊断齿轮裂纹故障,并可以实现对风电机组齿轮在复杂环境中退化状态的监测,预防断齿等重大故障的发生。     

基于小波的非线性结构系统识别

提出了一个基于小波变换的方法用于非线性结构系统识别。采用复Morlet小波,对非线性结构自由响应信号进行连续小波变换,根据小波系数模极大值的方法提取小波变换的脊线和小波骨架。提取的小波脊线和小波骨架被用来识别结构的瞬时频率和振幅,得到非线性结构的骨架曲线。为降低噪音的影响,采用一个基于奇异值分解（SVD）的方法对识别的结构进行处理。最后通过一个具有非线性刚度结构的数值模拟验证了该方法的有效性。     

基于独立分量分析的管道异常振动事件定位方法

针对传统互相关时延估计法定位管道故障点的局限性,提出了基于独立分量分析(ICA)的互相关时延估计方法用于管道异常振动事件定位.利用ICA滤波后的管道沿线振动信号进行互相关运算,抑制了相关高斯噪声引起的时延估计误差,为管道安全监测系统提供了一种新的高精度时延估计方法.仿真结果和现场实验数据表明,该方法可以快速精确地定位管道周围异常事件的发生位置,改善了相关运算的时延估计性能,相对于传统互相关时延估计法,可进一步降低时延估计的平均误差和均方差,具有更高的定位精度和定位一致性.     

基于多尺度降维的柴油机信号信息熵增强方法

针对柴油机曲轴轴承磨损故障信号特征微弱,易被噪声湮没且不同故障程度信号较难区分的特点,提出了一种基于压缩小波和局部保持投影的柴油机信息熵增强方法。利用压缩小波对信号多尺度重构减弱噪声干扰,通过局部保持映射对多尺度信号进行降维,消除冗余信息并增强信号的冲击特性,最终以时域、频域以及时频域的三种信息熵表征信号特征。仿真和实例信号表明,该方法对故障信号特征增强明显,依据信息熵值实现了曲轴磨损状态的分类识别。     

基于小波包变换和奇异值分解的柴油机振动信号特征提取研究

为通过振动信号识别柴油机的工作状态,提出利用小波包变换和奇异值分解提取振动信号特征的新方法。给出了小波包变换算法及奇异值分解算法,依据矩阵奇异值特征向量,定义了振动信号特征参数,并探讨了特征参数与柴油机运行状态之间的内在联系。结果表明：特征参数能够敏感地反映柴油机工作性能的变化。随着柴油机工作性能的恶化,振动强度的增加,特征参数变大。特征参数可作为柴油机状态监测和故障诊断的特征量。     

小波包与分形组合技术在爆破振动信号分析中的应用研究

基于小波包、分形技术的相似性,提出采用小波包、分形组合技术对爆破振动信号进行组合分析。采用小波包对爆破振动信号进行分解,通过各主分析小波包的重构系数验证了爆破振动信号的分形特性,通过对各主分析小波包的盒维数值进行分析及对比,更加细致地分析出爆破振动信号不同频带分量分形维数的变化。组合分析表明,盒维数值随着爆破振动信号小波分量频率高低而变化,提出将盒维数作为反映爆破振动信号频率成分的一个重要参量。小波包与分形组合分析技术的提出为研究爆破振动信号分形特征提供了新的研究思路。     

基于复Morlet小波变换的大跨空间结构模态参数识别研究

摘 要 探讨了基于复Morlet小波变换的结构频率及阻尼比的识别方法,推导了基于小波变换系数的振型识别原理。为提高识别密集模态的精度,提出了基于最小标准差的小波中心频率及带宽的自适应选择方法。针对大跨空间结构具有低频密集模态以及难以实现用力锤或激振器来激励等特点,提出了自然激励法与小波变换相结合的模态参数识别方法。数值仿真及奥运场馆国家游泳中心现场实测数据分析表明,基于复Morlet小波变换的方法能有效识别低频密集模态参数。     

分布式光纤管道泄漏检测及预警技术灵敏度分析

针对管道安全存在的问题,提出了一种基于Mach-Zehnder光纤干涉仪原理的分布式光纤管道泄漏检测及预警技术,利用与管道同沟敷设的光缆中的3条单模光纤构成分布式光纤微振动传感器检测管道沿线的振动信号,可以有效地检测管道沿线所发生泄漏和异常事件．分析和研究了检测系统的测试灵敏度影响因素,并采用不同光缆结构和埋设方式对检测系统的检测灵敏度进行测试．实验结果表明,该检测技术可以检测到1m范围内的人工挖掘信号,在气体管道压力不小于0．2MPa的条件下,可以检测到0．4m^3／min的气体管道泄漏．     

基于通信光缆的光纤油气管线预警系统

提出了一种以光纤分布式扰动传感器为核心,通过随油气管线一同敷设的标准通信光缆为传感介质的新型光纤管线预警系统.该系统利用激光干涉的原理对扰动信号进行实时探测,从而实现对挖掘、偷盗和第三方破坏等事件导致的扰动的实时监测和定位,从而达到管线安全预警的功能.该预警系统成功研制后分别在津唐输油处石油管线和杭州至嘉兴天然气管线进行了多次外场测试,该系统能在长达60 km的管线上实现250 m的定位精度,具有很好的定位稳定性.其测试结果表明:与传统油气管线监测手段相比,该系统具有无需外场供电、本质安全、灵敏度高,监测距离长、可定位以及可预警监测等技术优势,是未来油气管线监测的发展趋势.     

基于支持向量机的相位敏感光时域反射仪研究

为了解决实际环境中振动事件易误报的问题,在基于相位敏感光时域反射仪的分布式光纤振动传感系统中,引入了一种融合小波能量谱和支持向量机(SVM)的模式识别方法。首先,利用小波能量谱分析方法,设定最优分解层为5层,并从原始信号中提取出特征向量;然后利用支持向量机的“一对一法”多分类策略对振动事件进行识别分类。考虑到实际环境因素的影响,对沿光纤行走、敲击光纤以及沿光纤慢跑3种模式的振动进行了检测试验;最后,采用准确率、精确率、召回率和F值来综合评价支持向量机分类器的性能。实验结果表明:该模式识别方法实现了84.9%的振动事件分类准确率。     

基于归一化小波能量系数的管道安全识别算法

针对管道泄漏检测系统存在一定误报率的问题,提出一种基于归一化小波能量系数的油气管道安全识别算法．首先提出最佳母小波选择标准,以现场数据为基础选取最佳母小波,然后提取归一化小波能量系数的最大值作为特征量,最后利用Fisher分类器对压力数据进行识别,判断管道是否处于安全状况．利用现场数据对该方法进行验证分析,结果表明该算法识别正确率较高,实用性好,且可以降低误报率．     

基于小波包分析的拉索损伤声发射信号特征提取

结合显式有限元和小波包分析技术开展了拉索损伤声发射信号特征提取的仿真分析。采用ANSYS/LS-DYNA模拟得到拉索损伤声发射信号的仿真信号,基于小波包能量谱对拉索声发射的有限元仿真信号进行了特征提取,从小波包分解层次、特征频带数量的选择及特征参数的噪声鲁棒性三个方面开展了讨论分析。结果表明:(1)通过选择适当的小波包分解层次,小波包能量谱可以精细地反映信号的特征;(2)选取少数特征频带就能使得小波包能量谱反映声发射信号的特征信息;(3)基于小波包能量谱的特征参数具有良好的损伤敏感性及噪声鲁棒性,能在强噪声影响下实现对拉索不同损伤类型的判别。     

基于小波包特征提取和模糊熵特征选择的柴油机故障分析

船舶动力设备因故障监测信号样本少、变化缓慢、数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。尤其是柴油机振动信号的故障诊断,由于柴油机振动信号噪声多,诊断信号难以进行特征选择的问题,提出了基于小波包能量谱特征提取和模糊熵特征择的柴油机故障诊断方法。利用模糊熵对小波包能量谱提取出的特征集进行特征选择,将选择后的特征参数输入LS-SVM进行故障模式识别。试验结果表明,该方法可以提高故障识别准确率。在该试验中,故障识别准确率达到了99.36%,相比于未进行特征选择的特征集,识别准确率提高了0.72%。     

基于最大Lyapunov指数和小波变换的管道检测信号降噪技术

针对分布式光纤管道安全预警系统检测信号的混沌特性,最大Lyapunov指数（λm ax）被定义为降噪指标用于评价各种小波及其阈值组合的降噪性能.基于小波阈值降噪法,采用不同的小波族系和阈值选取及重调方法对现场实测人工挖掘信号进行降噪处理.现场实验数据的分析结果表明检测信号存在混沌特征.在此基础上,λm ax被用于评价小波降噪性能.最后,通过对比实验结果,sym2小波、Sqtwolog阈值选取规则和M ln阈值重调方法,可以有效地消除现场实测信号中的噪声,达到最优的降噪效果.     

分布式光纤传感器的周界安防入侵信号识别

在分布式光纤周界安防系统中,对距离较长、背景环境复杂的边境进行检测时,系统根据光缆沿线发生的事件进行识别.为了区分各种引起光缆振动的激励,本文根据入侵信号与环境引起的振动信号在小波尺度上方差幅值的分布特征,利用小波多尺度分析理论构造了由各尺度下的方差组成的特征向量,提出了根据方差特征向量的不同来识别各种振动信号的“尺度-方差”信号的方法.在实验系统中,光缆总长度为56 km,光源的功率为300 μW,工作波长为1 550 nm.实验结果表明,此方法可以有效区分入侵信号、环境噪声和人为活动引起的非入侵事件,提高了系统的检测概率和降低系统的虚警率.     

基于双树复小波包峭度图的轴承故障诊断研究

针对传统包络谱和峭度图分析技术的缺陷,提出了一种基于双树复小波包峭度图的轴承故障诊断方法。该方法综合利用了双树复小波包变换和峭度图分析技术,克服了原峭度图方法只采用FIR和短时傅立叶变换滤波器的缺点,提高了从强噪声环境中提取瞬态冲击特征的能力。首先利用双树复小波包变换,将振动信号分解成不同频带的分量,然后计算各小波分量的谱峭度,再利用谱峭度的滤波器作用,计算最大峭度值对应分量信号的包络谱,根据包络谱就可识别齿轮箱轴承的故障部位和类型。齿轮箱轴承故障振动实验信号的研究结果表明：该方法不仅提高了信噪比和频带选择的正确性,而且能有效地识别轴承的故障。