小波变换在滚动轴承故障分析中的应用

采用离散小波变换对滚动轴承进行故障诊断,通过对测试到的故障轴承的振动速度信号进行分析,分别绘出故障信号的频谱图,对结果进行分析比较表明,离散小波分析技术在滚动轴承内圈及滚动体故障特征频率提取方面有较大的优越性。     

基于DWT和PNN的印刷过程实时监测和故障诊断

提出了一种新的基于离散小波变换和概率神经网络的印刷过程振动信号的实时监测和故障诊断系统。利用小波包分解技术对印刷过程振动信号进行降噪处理,并选择特殊频段进行小波包重构,有效捕捉和分离了处于信号不同频段的印刷过程振动信号故障特征分量。对提取的故障特征参数应用概率神经网络映射,实现对印刷过程振动信号运行状态的实时监测和故障诊断。仿真结果表明,该诊断方法快速、准确且易于工程实现。     

基于小波分析的简支梁桥损伤识别

提出了基于小波子带信号能量曲率变化的损伤识别方法。分别对完好和损伤状态下结构的振动响应进行二进离散小波变换,通过信号子带分解与重构将响应分解到不同频带,使叠加的模态响应分离。定义了信号相对能量曲率差损伤指标,利用该指标对结构的损伤进行识别定位。应用此方法对一简支梁桥进行损伤数值分析,结果表明:二进离散小波变换可以对结构振动响应中叠加的多阶模态信息进行有效分离;信号相对能量曲率差指标可以对损伤进行有效识别,且不受激励位置及荷载大小影响。最后通过模型实验验证了该方法的正确性及可行性。     

小波基最优化在齿轮箱振动信号中的应用分析

为了提高齿轮箱低频振动信号准确表征其运行状态和高频振动信号表征故障特征的效果,通过对小波原理及小波基优化理论进行分析,选取适用于处理齿轮箱振动信号的小波基进行小波变换,将均方根误差及信噪比作为除噪性能的评价标准,获取最优小波基。基于小波变换对振动信号多层分解的特性,将最优小波基运用其中,分别重构出近似齿轮箱运动状态的低频信号,以及能够表征故障细节特征的高频信号。实验结果表明:最优小波基的应用有利于提高齿轮箱低频信号表征其运行状态频率的准确率和高频信号细节特征提取的效果,为工程实际中齿轮箱的故障诊断提供了理论基础。     

基于形态小波与排列熵的变速器齿轮故障识别方法

在深入研究形态小波与排列熵的基础上,提出一种新的变速器齿轮故障识别方法。引入形态小波的概念,提出采用形态Haar小波对实测变速器齿轮振动信号进行降噪预处理;将排列熵作为变速器齿轮故障的特征值,提取了包括齿轮正常、齿面轻度磨损、齿面中度磨损和断齿等4种工况的振动信号;依据不同的故障对应不同的排列熵分布,对各种故障状态进行分类,同时对比了未降噪信号的排列熵分布。变速器齿轮故障识别的实例验证了形态小波与排列熵结合能有效提高齿轮故障分类能力。     

基于小波包变换的回转窑托轮轴承故障诊断

针对回转窑对象给出了水泥回转窑故障诊断框图。说明了水泥回转窑工艺流程和常见的水泥回转窑设备故障及原因。阐述了小波包分解方法和小波包分解的优缺点。阐述了基于小波包变换的水泥回转窑故障诊断算法,给出了基于小波包变换的轴承故障诊断流程图。对正常状态、外圈故障状态和内圈故障状态的轴承小波包变换进行分析。得到经小波包分解1~4层细节进行重构后的波形图,得到经4层小波包分解后各频带的能量分布以及重构信号的包络图。将正常状态下小波包分解后的能量频谱信号与故障状态下的进行比照,通过能量频谱信号的不同,确定正常状态和故障状态的特征信息。文中对采集到的振动信号进行小波包分解,对分解后不同频带上的信号进行功率谱计算,通过能量的改变表示某一种特征信号,再对提取到的特征信号进行Hilbert谱分析。最终,通过对特征信号的Hilbert谱分析来区分出不同的故障。     

Wigner-Ville分布复小波相似性评价及应用

针对常规特征量对轴承早期故障不敏感问题,基于不同状态下振动信号时频分布的结构差异,融合WignerVille时频分析和复小波变换的优点,提出了基于复小波变换的Wigner-Ville时频分布相似性评价指数(WignerVille distribution-complex wavelet structural similarity,简称WVD-CWSS),实现时频分布相似性的定量评价,并用于轴承早期状态评估。首先,对振动信号进行Wigner-Ville时频分布;其次,进行复小波变换,获取不同状态下的二维时频分布结构相似性复小波指数;最后,对滚动轴承全寿命试验数据进行了对比试验。结果表明,所提取的WVDCWSS特征对滚动轴承的早期损伤更敏感。     

基于离散小波变换的机械故障信号提取

机械传动的轴承、齿轮等关键部位的故障信号中都含有冲击信息,通过对冲击信息的提取就可以对设备做出精密诊断.本文针对机械故障难以预先发现的问题,将离散小波变换和频谱分析相结合从机械的振动信号中提取非平稳信号,以此作为判断故障信号及类型的依据.从实际的应用效果看,利用离散小波变换技术提取冲击信号是非常有效的.     

连轧机主减速锥齿轮副失效分析

针对连轧机主传动弧齿锥齿轮与圆柱斜齿轮组合减速机第一级锥齿轮副系失效,对其进行转矩测试和振动信号测试,以及部分零件的有限元分析,结合组合减速机第一级弧齿锥齿轮剥离断裂的实例阐述其失效的原因及采取对策。     

基于小波包能量谱齿轮振动信号的分析与故障诊断

小波包是继小波分析之后提出的一种新型的多尺度分析方法,解决了小波分析在高频部分分辨率差的缺点,体现了比小波分析更好的处理效果.测试了齿轮传动系统在几种不同故障类型下的振动信号,利用小波包变换的分解和重构算法,有效地提取出齿轮故障特征信号,得到试验结果.通过比较时域分析、频域分析和小波包分析对齿轮振动信号进行的特征提取,...     

基于小波分析多尺度分解的轴承故障检测

归纳和总结了小波分析多尺度分解的滚动轴承故障检测方法的实施步骤,阐述了故障轴承振动与信号的关系以及离散小波算法的原理和实现过程,并以滚动轴承故障诊断为例,运用MATLAB小波分析工具箱将滚动轴承振动信号进行小波离散多尺度分解,然后在分解的结果中寻找滚动轴承的故障特征频率。结果表明,如果在故障检测过程中合理选择小波函数和各种参数,则小波分析多尺度分解具有很强的故障识别能力。     

The fault feature extraction and classification of gear using principal component analysis and kernel principal component analysis based on the wavelet packet transform

The vibration signal of a gear system is selected as the original information of fault diagnosis and the gear system vibration equipment is established. The vibration acceleration signals of the normal gear, gear with tooth root crack fault, gear with pitch crack fault, gear with tooth wear fault and gear with multi-fault (tooth root crack & tooth wear fault) is collected in four kinds of speed conditions such as 300 rpm, 900 rpm, 1200 rpm and 1500 rpm. Using the method of wavelet threshold de-noising to denoise the original signal and decomposing the denoising signal utilizing the wavelet packet transform, then 16 frequency bands of decomposed signal are got. After restructuring the decomposing signal and obtaining the signal energy in each frequency band, the signal energy of the 16 bands is as the shortlisted fault characteristic data. Based on this, using the methods of principal component analysis (short for PCA) and kernel principal component analysis (short for KPCA) to extract the feature from the fault features of shortlisted 16-dimensional data feature, then the effect of reducing dimension analysis are compared. The fault classifications are displayed through the information that got from the first and the second principal component and kernel principal component, and these demonstrate they have a different and good effect of classification. Meanwhile, the article discusses the effect of feature extraction and classification that caused by the kernel function and the different options of its parameters. These provide a new method for a gear system fault feature extraction and classification.     

基于小波变换的齿轮振动信号降噪分析

在齿轮的故障诊断中,振动信号常常夹杂着大量的噪声信号,表现出极大的非平稳性,采用基于小波变换的降噪方法,通过实例对齿轮振动信号进行降噪分析,收到了较好的效果.     

基于余弦调频小波变换的滚动轴承故障研究

针对滚动轴承故障振动信号的特点，构造余玄调频小波，采用连续小波变换的方法来提取滚动轴承故障振动信号的特征，在此基础上提出了一种滚动轴承故障诊断方法：时间一小波能量谱自相关分析法。通过对滚动轴承具有缺陷的情况下振动信号的分析，说明时间一小波能量谱自相关分析法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。     

采煤机摇臂齿轮传动系统振源定位分析方法

为了研究采煤机摇臂传动齿轮的振动分析方法并进行实机振源定位验证,首先,采用小波分析对采煤机摇臂振动信号进行降噪处理和频谱分析,依据特征频率下的振幅结果确定故障齿轮的啮合频率;然后,通过Morlet小波包络解调分析获取边频带信号频谱特征,依据边频带特征频率下的振幅结果确定故障齿轮的转动频率;最后,对频谱分析和Morlet小波包络解调分析的结果进行综合分析,锁定故障齿轮的准确位置。对一台国产采煤机摇臂齿轮传动系统进行了振动测试与信号分析,结果表明,基于小波分析、频谱分析和Morlet小波包络解调分析相结合的振动分析方法可以实现对采煤机摇臂故障齿轮的准确定位,为强噪声环境下复杂齿轮传动系统的故障快速定位和现场定点维修提供了方法支持。     

Hilbert-Huang变换在齿轮故障诊断中的应用

为齿轮故障诊断提供了一种新的途径,将Hilbert-Huang变换引入齿轮故障诊断,提出了局部Hilbert能量谱的概念,同时根据齿轮故障振动信号的特点建立了两种基于Hilbert-Huang变换的齿轮故障诊断方法:基于EMD的频率族分离法和Hilbert能量谱方法。采用EMD(Empiricalmodedecomposition)方法对齿轮振动信号能有效地将各个频率族分离;局部Hilbert能量谱可以反映齿轮振动信号的能量随时间和频率的分布情况,从而可以提取齿轮振动信号的故障信息。将这两种方法应用于齿轮故障诊断中,结果表明,基于EMD的频率族分离法和Hilbert能量谱方法都能有效地提取齿轮故障特征信息。     

对数螺旋锥齿轮建模优化与加工检测

为了提高对数螺旋锥齿轮三维精确模型的精确性和准确性,提出了基于MATLAB和Pro/E的对数螺旋锥齿轮离散化建模方法。首先,根据对数锥齿轮的形成原理建立齿面方程;然后,根据齿轮的具体参数计算齿面边界条件;接着利用MATLAB计算出齿面离散坐标点,将这些坐标点导入到三维建模软件Pro/E中,利用其逆向工程模块建立齿面的离散模型。以Pro/E为二次开发平台,运用C语言编程建立只需要输入相应参数即可自动完成锥齿轮创建的程序,为后续锥齿轮的静力学分析、动力学分析和齿面修形奠定了基础。     

基于复Morlet小波和系数相关的齿轮故障特征提取

针对大型机械测取的振动信号信噪比低,故障特征不明显,故障定位难度大,提出了基于复Morlet小波和系数相关的齿轮故障特征提取方法。该方法利用了复Morlet小波的幅值、相位组合信息对信号突变点具有更好的敏感特性和小波系数相关降噪特性,对被测信号进行复Morlet小波变换,再分别将小波系数的实部和虚部进行自相关处理,并将相关后系数的幅值和相位进行组合。该方法在对齿轮传动弱故障信号特征提取的试验结果表明,该方法与直接的复Morlet小波变换相比,能够有效去除噪声,更好地突出故障特征,对故障特征点进行更精确地定位。     

弧齿锥齿轮固有振动特性分析

弧齿锥齿轮主要用于高速、重载的场合,有可能在额定转速内发生强烈的共振,振动应力急剧增大,致使齿轮过早引起疲劳破坏.运用APDL语言自主开发的弧齿锥齿轮建模程序建立了包含齿轮完整结构的有限元模型,计算了不同腹板厚度下的五个弧齿锥齿轮的固有特性,归纳了几种基本齿轮低阶振型种类.结果表明随腹板厚度的增加弧齿锥齿轮的固有频率有所增大,对变形和振动应力的影响效果则与振型有关.     

Adaptive wavelet transform for vibration signal modelling and application in fault diagnosis of water hydraulic motor

There has been an increasing application of water hydraulics in industries due to growing concern on the environmental, health and safety issues. The fault diagnosis of water hydraulic motor is important for improving water hydraulic system reliability and performance. In this paper, fault diagnosis of water hydraulic motor in water hydraulic system is investigated based on adaptive wavelet analysis. A novel method for modelling the vibration signal based on the adaptive wavelet transform (AWT) is proposed. The linear combination of wavelets is introduced as wavelet itself and adapted for the particular vibration signal, which goes beyond adapting parameters of a fixed-shape wavelet. The AWT procedure based on the parametric optimisation by genetic algorithm (GA) is developed. The model-based method by AWT is applied to extract the features in the fault diagnosis of the water hydraulic motor. This technique for de-noising the corrupted simulation signal shows that it can improve the signal-to-noise ratio of the vibration signal. The results of the experimental signal demonstrate the characteristic vibration signal details in fine resolution. The magnitude plots of the continuous wavelet transform (CWT) show the characteristic signal's energy in time and frequency domain which can be used as feature values for fault diagnosis of water hydraulic motor.