一种改进的Morlet小波变换及其工程应用

分析了小波变换的特点，提出改进Ｍｏｒｌｅｔ小波变换方法，可进一步提高Ｍｏｒｌｅｔ小波变换的“聚焦”特性。给出了计算验证实例，并应用于冷冻机振动信号分析，解决了一般信号处理技术无法识别的难题。     

小波消噪及其在往复泵振动监测信号处理中的应用

采用浮动阀值分离噪声是小波分析中一个新的信号检测方法。本文在简述了小波分析及噪声分离的非线性小波理论的基础上,给出了从噪声污染信号中恢复原信号的实例。针对三缸往复泵测量信号非平稳时变特点,研究了用小波消噪方法提取反映往复泵动力端状态的振动波形特征。通过对振动信号的波形特征提取表明,该方法能在很高的背景噪声下有效提高反映往复泵状态的有用信息。     

包络检波的数字滤波算法

介绍了用包络分析技术诊断设备零件损伤类故障的原理，提出用一对垂直数字滤波器进行垂直滤波分解，将传统包络分析中信号的窄带带通滤波和包络检波过程合二为一，算法具有较强的实时性，另外包络分析信号的长度也不受限制。     

小波变换在信号处理中的应用

介绍了常用小波基函数和连续小波变换，重点将小波变换应用到信号的去噪、分解和重构信号分析中。通过仿真实验可见小波变换已成为信号处理中行之有效的方法，必将在信号处理中起着重要作用。     

高斯小波—最大熵谱分析及其应用

充分利用小波和现代谱分析的优点,提出了一种新的谱分析方法——高斯小波-最大熵谱分析方法。文中介绍了该方法的分析步骤,并应用于减速机的故障诊断。该方法实现了在机械故障诊断中不同频带范围内零部件故障信息的分离和提取。     

振动信号短时分析方法及在机械故障诊断中的应用

研究了低信噪比情况下提取周期性冲击故障信号特征的短时分析方法。定量分析了短时能量方法的抑噪特征,指出信号的局部特征越明显则短时能量处理越能显著的提高信噪比,短时能量函数中实际有用信号能量与实际噪声信号能量的比值可作为一特征量使用。建立了信号的物理含义相同,反映的只是信号功率谱重心的变化,与信号能量的变化无关,故不适宜于分析受强噪声干扰的时变故障信号。最后以滚动轴承故障信号分析实例验证了短时能量分析     

基于深度 Q 学习和连续小波变换的旋转机械故障诊断方法

针对旋转机械故障诊断中深度神经网络特征学习能力强、决策能力弱的问题,利用卷积神经网络拟合强化学习中的 Q 函数,通过 Q?learning 算法学习策略实现故障诊断,提出了基于深度 Q 学习和连续小波变换的旋转机械故障诊断方法。对振动信号进行连续小波变换得到时间尺度矩阵,构建出环境状态空间,实现智能体与环境间的交互;用 CNN 拟合 Q?learning 中的 Q 函数得到深度 Q 网络,将环境返回的状态输入到深度 Q 网络中学习故障数据具体的状态特征表示,并据此表征学习策略,智能体采用 ε?贪婪方式决策出动作,利用奖励发生器对动作进行评价;通过智能体与环境间不断交互学习以最大化 Q 函数值,得到最优策略实现故障诊断。这种方式融合了深度学习的感知能力和强化学习的决策能力,从而有效提高了诊断能力。通过不同工况及不同样本量下齿轮箱故障诊断实验证明了所提方法的有效性。     

机械故障诊断中的小波基及算法研究

针对小波分析在机械故障诊断应用中的小波基选择和快速算法存在的问题,对常用的正交、半正交、双正交小波提取信号特征的能力进行了分析比较,表明半正交Ｂ样条小波因具有线性相位和采用较长的分解序列而具有较好的频率局部化特性和较小的变换误差,具有比较好的综合性能。推导了正交小波包的图形显示算法。利用该算法解决了小波变换快速算法中存在的数据长度随分解层数倍减小的问题。研究结果为故障诊断中小波基的选择和信号的深层     

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.     

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。     

基于最优Morlet小波和SVD的滤波消噪方法及故障诊断的应用

分析了传统的小波去噪方法和小波变换的滤波特性.利用小波变换技术、奇异值分解技术和Morlet小波良好的时域和频域特性,提出了基于最优Morlet小波和SVD的滤波消噪方法.首先,采用最小Shannon熵方法确定出最优Morlet小波;然后,利用奇异值分解技术确定出最佳变换尺度a;最后对信号进行滤波消噪处理,从而提取信号中的有用成分.实验结果表明,该方法具有良好的去噪性能,用于故障特征提取是有效的.     

基于小波系数包络谱的滚动轴承故障诊断

提出了基于正交小波变换诊断滚动轴承故障的新方法，利用正交小波基将滚动轴承故障振动信号变换到时间－尺度域，对高频段尺度域的小波系数进行包络细化谱分析，不仅能检测到滚动轴承故障的存在，而且能有效地识别滚动轴承的故障模式     

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.     

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。     

小波函数性质及其对小波分析结果的影响

分析了小波变换在图像处理、语音处理领域和设备故障诊断领域的应用特点 ,指出了两者的不同之处。并进一步讨论了小波函数的性质及其对小波变换结果的影响 ,指出在用小波变换进行诊断信号分析和特征提取时 ,小波函数的影响是不容忽视的     

基于复解析小波变换的瞬时频率分析方法

提出了利用基于复解析小波变换的瞬时频率分析的新方法。复解析小波变换将Hilbert变换与小波分析紧密结合在一起，具有自适应分析能力。对信号作复小波解析变换得到信号的瞬时频率，通过瞬时频率的功率谱分析就可提取信号特征。通过对齿轮故障振动信号的分析，表明该方法能有效地诊断齿轮局部故障，且与传统的频域方法相比具有更好的分析效果。     

一种改进HVD信号特征提取方法及应用研究

希尔伯特振动分解(HVD)广泛应用于风电机组、齿轮箱等旋转机械的故障诊断,然而,它有2个亟待解决的问题：一是算法的参数需要经验设置或人工试定;二是如何避免模态混叠选择敏感的本征模态函数分量。针对上述2个问题,提出一种优化的HVD改进算法,有效解决了希尔伯特振动分解的参数设置和模态混叠问题。首先用粒子群优化算法(PSO)对HVD算法的2个参数进行优化。其次,提出了一种新的评估指标—最大包络峰度均值作为PSO优化算法的目标函数,并提出采用最大包络峰度自适应地选择敏感的IMF分量。最后,对选定的重构信号进行平方包络谱分析并提取故障特征频率,以识别风电机组设备故障类型。通过模拟信号、实验信号和风电机组应用实例分析,验证了所提改进HVD方法的有效性。     

小波分析在印刷机故障诊断中的应用

本文介绍了小波变换的原理及在印刷机故障诊断中的应用,利用小波包分析了其机械传动系统的故障。结果显示,同傅里叶变换和傅里叶变换(STFT)相比,小波变换及小波包变换是更有效的印刷机故障诊断方法。     

A Method for Incipient Fault Diagnosis of Roller Bearings Based on the Wavelet Transform Correlation Filter and Hilbert Transform

Noise is the biggest obstacle that makes the incipient fault diagnosis results of roller bearings uncorrected; a new method for diagnosing incipient fault of roller bearings based on the Wavelet Transform Correlation Filter and Hilbert Transform was proposed. First, the weak fault information features are picked up from the roller bearings fault vibration signals by use of a de-noising characteristic of the Wavelet Transform Correlation Filter as the preprocessing of the Hilbert Envelope Analysis. Then, in order to get fault features frequency, de-noised wavelet coefficients of high scales which represent high frequency signal were analyzed by Hilbert Envelope Spectrum Analysis. The simulation signals and diagnosing examples analysis results reveal that the proposed method is more effective than the method of direct wavelet coefficients-Hilbert Transform in de-noising and clarifying roller bearing incipient fault.     

小波包——自回归谱分析及在振动诊断中的应用

概叙了小波、小波包理论，由此提出一种称之为小波包－－自回归谱分析的新方法，它将小波包和自加归模型结合起来，该方法在机械诊断中，实现不同频道范围内，不同零部件故障信息分离和提取，并以挖掘机提升系统龄轮箱的振动信号为例，说明该方法是提取弱故障信息并进行早期诊断的有效方法。