《基于谐波小波滤波的旋转机械故障诊断新方法》

针对旋转机械非平稳信号的特点,提出采用谐波小波滤波对现场采集的振动信号进行故障诊断的新方法。该方法基于谐波小波良好的盒形频谱特性,将特定频率段的成分与信号的其它频率成分既不交叠又不遗漏地分解到相互独立的频带上,再进行重构就可将特定频率成分提取出来。仿真计算及实例验证表明,谐波小波滤波方法具有良好的滤波效果,能将有用频率成分提取出来,为初步故障诊断提供依据。该方法具有算法简单,运算速度快的特点。     

谐波小波在发动机振动信号分析中的应用

在分析了经典谐波小波和广义谐波小波两种谐波小波特点的基础上,提出了两种谐波小波在发动机振动信号分析中的不同应用.仿真试验表明经典谐波小波对信号幅值的变化十分敏感,适合检测信号中的奇异点;广义谐波小波有良好的滤波特性,可以检测并提取出振动信号中的微弱信号.     

噪声和振动信号的谐波小波时频表示

谐波小波变换的时频表示方法应用于持续时间、带宽和采样率差别很大的多种目标的噪声和振动信号处理当中,将其结果与基于STFT方法的结果进行了比对,并给出了其在不同应用场合的参数。结果表明,谐波小波方法用于信号的时频表示,具有很好的灵活性和突出的性能优点,有较好的应用前景。     

基于小波降噪神经网络的旋转机械故障诊断

实测信号往往受到多种因素的干扰,如高频噪声.提出了一种小波降噪神经网络的故障诊断方法,利用小波的多重分辨率分析,有效降低高频噪声干扰,从而简化了有效特征信号的提取.建立了基于小波变换和BP神经网络的混合诊断模型,成功地对故障进行了智能诊断.最后实验验证了此种方法的有效性.     

改进谐波小波及其在振动信号时频分析中的应用

针对谐波小波在时域衰减速度慢的缺点,对其在频域进行光滑化处理,得到了性质更好的改进谐波小波。由于采用光谱化方法只能得到改进小波在频域的表达式,因而采用基于FFT的算法对它进行计算。针对振动信号一般舸样点较多的特点,采用计算等间隔小波系数的方法以减少计算量。以改进谐波小波对某新型导弹空中点火试验的振动信号进行了时频分析,并采用计算时频图等高图的方法以消除大部分无用的信息,得到了振动信号的高清晰时频图。     

基于小波包变换的径向基神经网络在故障诊断中的应用

提出了一种新的旋转机械故障诊断方法。基于小波包变换的频率划分特性，对旋转机械的振动信号进行小波包分解，建立旋转机械六种典型故障特征矢量，准确地提取了故障的特征信息，结合RBF神经网络训练速度快的优点，将RBF神经网络应用于故障特征的选择，最后，利用所确定特征及RBF分类器进行故障诊断。实验结果表明，该方法可实现典型故障的可靠诊断。而且由于利用小波包变换代替了传统的FFT，故本方法对于诊断频率分布范围较广而复杂且信号具有较强时变性的复杂故障有着良好的应用前景。     

改进的小波阈值函数滤波分析

小波分析作为一种优秀的时频分析方法，越来越多地应用于信号、图形处理以及故障诊断等领域。在噪声处理领域，基于小波变换的阈值函数较多，但效果不一。基于二进小波变换，在Sigmoid函数基础上，建立介于软硬阈值函数之间新的阈值函数，即通过改变新阈值函数中不同的参数，能够不同程度地逼近软硬阈值函数。从应用不同阈值函数对六种噪声信号滤波效果分析可知，采用改进的阈值函数能够使滤波后的信号在提高信噪比的同时，更接近于真实信号。     

小波阈值法在信号滤波中的应用研究

针对硬阈值函数在阈值处不连续,重构信号易产生振荡,以及软阈值函数的量化值与原始小波系数有恒定的偏差不能逼近的问题,提出了一种既能在阈值处连续,又能实现逼近原始小波系数的改进型阈值函数。仿真结果显示将改进型的阈值函数用于信号滤波,在均方误差和信噪比方面都优于传统的两种阈值函数。     

基于梳状小波的旋转机械振动信号降噪方法的研究

通过对小波变换降噪性能的研究，针对旋转机械振动信号数据采集的特点，提出了一种在旋转机械振动信号处理中，利用梳状小波进行降噪的方法，该方法利用梳状小波生成的梳状滤波器对旋转机械振动信号进行降噪处理，通过仿真计算，对该方法进行了检验，并与线性平均法进行了比较，得到了很好的结果。     

小波包在谐波减速器振动信号中的特征识别

为得到谐波减速器在不同振动状态的特征信息,应用"特征―能量"的理论和小波包变换的方法对XB-80-134H型谐波减速器的振动信号进行分析,得到不同振动状态的能量向量,即以信号各个频段振动能量密度值的组合作为能量向量,应用这些能量向量为谐波减速器的故障诊断提供了新的解决方法.     

旋转机械高速启动过程振动信号分析方法的研究

通过对Ｈａａｒ小波系数与变频信号瞬时频率关系的分析,提出了基于Ｈａａｒ小波分析的旋转机械高速启动过程振动信号瞬时频率的计算方法。并通过利用此方法得到的瞬时频率,对原信号利用内插法进行了重采样,将由此得到的信号进行阶比分析,可以对信号的各阶谱线实现很好的分离,解决了定频采样所带来的高速启动过程振动信号各阶谱线不能很好分离的问题。     

Genetic Wavelet and Harmonic Waveletand Their Application to Non-stationary Machinery Equipment Diagnosis

1 Introduction [1-3]There exist a lot of non-stationary dynamic signals in monitoring and diagnosing many keymachines in industrial entetprises of metallurgy, mining, power, cement, traffic, port, etc. Newmethods are u4enily needed for condition monitoring and non-stahonary machinery faultdiagnosis.The rapid development of signal processing techniques supplies new effective methods for nonstationary signal analysis. A new lllethod for time varying or non-stationary signal analysis,called the w…     

基于数学形态学的旋转机械振动信号处理方法

介绍了数学形态学滤波的原理,提出一种基于数学形态学的方法来处理现场采集的旋转机械振动信号,以消除噪声污染和直流偏移等问题.该方法通过移动结构元素对采样信号进行形态处理.仿真实验证明该方法切实可行.该方法计算速度快,易于实现,具有较好的适用价值.     

基于第二代小波变换的旋转机械振动信号去噪

旋转机械故障振动信号存在不同形式的波形特征,传统小波去噪中,小波分解的结果与所采用的小波基函数有关,选用不适当的小波基函数会冲淡振动信号的局部特征信息,而造成原始信号的部分有用的细节信息丢失。为了克服上述缺陷,提出一种基于第二代小波变换的振动信号预处理方法,即针对分析信号的局部特征,以预测方差最小为目标,对每个样本选择最佳的预测算子,使小波基函数始终能够匹配信号的局部特征。仿真试验表明,该方法克服了传统小波去噪中降噪信号丢失了部分细节信息的缺点,不仅可有效去除振动信号的噪声,而且能够为保留信号的局部信息。     

回转机械低频振动的时频域识别

应用时频分析方法研究了回转机械低频振动问题。结合数字滤波与Wigner分布，介绍了一种消除交叉干扰项和其它干扰成分的简单、高效、工程实用性强的时频分析方法．对来自现场的分析结果表明，从时频域分析回转机械的低频振动，可以有效地识别和分辨诸如油膜涡动、动静碰摩、喘振、流体激励等具有相似振动特征的低频振动问题．     

复合数字滤波算法及其在风机在线监测系统中的应用

针对干扰噪声的特点,采用中值滤波、均值滤波和移动平均滤波组合而成的复合数字滤波算法,可以有效滤除风机监测系统稳定工作状态下的各种噪声干扰信号.算法运算效率高,适合在在线系统中实现.     

自适应时频分析在回转机械诊断中的应用研究

针对各类时频分析方法的缺陷，提出了基于高斯线性调频基的自适应时频分解算法，经仿真试验验证，该方法拥有极高的时频分辨力，且无交叉干扰项，将其运用于转子冲临界瞬态振动分析，取得了良好的效果。     

On Fault Diagnosis of Rotating Machinery Using Wavelet Time-division Scale Level Moment

Based on an in-depth study of wavelet gray moment,we proposed a concept of a time-division scale level moment and gave the specific definition;ulteriorly,we discussed the factors which affeaed the fault diagnosis abaity of a time-division scale level raomert.The analysis results in the caculatiort of six typical fault signals show that the time-divisiort scale level moment can be used to display the detailed information of a wavelet gray level image,extract the signal's characteristics effecavely,and diatinguish the vibration fault.Compared to the method of a wave gray moment vector,the method mentioned in this paper can provide higher calculation speed and higher capacity of fault identification,so it is more suitable for online fault diagnosis for rotating machinery.