基于小波变换的引擎故障诊断方法研究

小波分析是近年来迅速发展起来的一门理论,在图像处理和故障诊断等方面都取得了成功的应用。本文从诊断理论和故障信号特点两方面说明对引擎故障信号进行小波分析是引擎故障诊断过程的内在要求;阐述了小波分析的理论基础,得到适合故障信号分析的小波母函数;应用了基于“能量-故障”的引擎故障诊断模式识别方法。通过小波包变换,成功提取了转子振动平台预设故障状态下的特征向量,通过模拟实验验证了该方法的可行性。     

基于小波分析和Hilbert变换的滚动轴承故障诊断

针对滚动轴承故障信号的非平稳和调制特点,使用小波分析对包含故障信息的信号进行分解、重构.应用Hilbert变换进行解调和细化频谱分析,提取了故障特征频率,判断轴承故障模式.小波分析和希尔伯特(Hilbert)变换结合对滚动轴承局部损伤故障的检测是有效的.     

大型电动机的状态监测及诊断

电动机故障包括绝缘故障、定子故障、转子故障、轴承故障等。各种故障都会以一定的故障信号方式表现出来，而通过对信号中故障特征信号的提取分析可以对电动机故障进行判断。本文对电动机的多种基于信号监测的故障分析方法进行了原理分析，包括对定子电流信号的多种分析、轴承振动的频谱分析、电动机转速的波动分析等，对其他的多种故障监测方法也进行了介绍，并对每种分析方法所适用的故障诊断类型及优缺点给予了说明，最后指出了今后的发展趋势，为电动机故障诊断方法的应用提供了参考依据。     

基于小波分析的机械故障特征提取研究

常见的机械故障诊断研究侧重于对故障的识别和分类,相应的故障诊断方法均为提高诊断的准确率而设计;从实际应用角度来讲,这样的诊断方法是不全面的。全面反映设备故障状况的因素除了故障类别外,还应指出故障的具体位置和程度。冲击,油膜振荡,碰摩和转速突变等故障往往产生奇异信号,奇异点包含了更为丰富的故障信息。小波分析具有良好的时频局部化特性,为描述信号的奇异性提供了手段,为此提出用小波分析方法,通过对奇异故障信号的检测,信噪分离和信号频带分析来提取故障特征,以确定故障的位置和程度,这种方法提取的故障信息应用在神经网络等其他故障诊断方法中可以更准确,更全面地诊断故障,柴油机和风机故障实例证明了该方法的有效性。     

小波分析在往复压缩机故障诊断中的应用

由于往复压缩机的振动特性比较复杂，振动信号是非平稳信号，而小波分析非常适合分析非平稳信号。阐述了小波分析的基本原理，并应用多分辨率分析和小波包分析对往复压缩机故障振动信号进行处理，取得了很好的效果。     

基于EMD-ICA去噪的滚动轴承故障诊断方法

针对轴承故障信号易受环境噪声影响、信噪分离难的问题,提出了一种基于经验模态分解和独立成分分析相结合去噪的滚动轴承故障诊断方法。给出了该方法在故障诊断信号去噪领域的应用原理、方法步骤和评价指标;并通过仿真信号和实际轴承的滚动体故障、内圈故障和外圈故障信号进行了分析和故障诊断,验证了该方法在轴承故障信噪分离中的有效性。结果表明,采用文中提出的方法消噪后提取故障信号特征频率,压制了噪声干扰,能明显区别出轴承的状态及其故障的类型,有效提高了轴承故障诊断的准确性。     

基于ICA和小波变换的滚动轴承故障诊断方法研究

提出了结合独立分量分析(ICA)和小波变换进行滚动轴承故障诊断的方法。在设计的系统平台上,首先对冲击脉冲信号进行预处理,使信号较好地满足独立分量分析的前提条件。然后,应用独立分量快速算法分离故障轴承的冲击脉冲信号,通过小波快速算法完成信号重构,实现滚动轴承故障的识别。实验结果表明,利用独立分量分析方法提取的故障状态特征向量与小波快速算法相结合可以有效、准确地识别滚动轴承的故障信号。     

形态分量分析在齿轮箱复合故障诊断中的应用

针对齿轮箱复合故障难以检测和诊断难题,提出了基于形态分量分析的齿轮箱复合故障诊断方法.形态分量分析是一种基于信号形态多样性和信号稀疏表示的信号或图像处理方法,其主要目标是根据信号组成成分的形态差异性,选择合适的字典来分离信号.通过仿真信号和齿轮箱轴承、齿轮复合故障振动实验信号的研究结果表明:形态分量分析技术不仅能将形态各异的多分量信号进行有效分离、提取故障特征,而且提高了从强噪声环境中提取瞬态冲击特征的能力,能有效识别齿轮箱的故障类型和故障发生部位,其性能优于传统的独立分量分析.     

基于小波分析的滚动轴承故障诊断

针对滚动轴承故障的非平稳振动信号,提出了一种结合峭度和小波函数的时-频分析方法.该分析方法应用Matlab软件对包含滚动轴承故障信息的信号进行了小波分解和重构,并通过Hilbert变换进行了解调和细化频谱分析.实验结果显示,该分析方法可以有效地把轴承中的故障信息成分检测出来,从而快速地判断出轴承的故障类型.     

基于小波分析的滚动轴承的故障特征提取技术

提出了一种新的滚动轴承电流信号的故障特征提取方法,利用电流传感器把测得的电流信号转变成电压信号,并对该信号进行小波降噪处理,有效地剔除噪声的干扰,提高了信号的信噪比.用小波分析提取降噪后电流信号的能量特征参数,以表征滚动轴承故障特征,在频谱图中建立起故障频带能量与滚动轴承状态的映射关系,为进一步应用神经网络进行故障诊断奠定了基础.     

基于Daubechies小波和工件面形误差的机床导轨误差相关性分析

提出一种基于Daubechies小波和车削面形误差的导轨误差辨识的新方法,根据检测结果的特征分析结果,识别出引起此特征的机床误差源。为了了解小波分析的误差,对工件面形检测信号用不同紧支集的Daubechies小波族在1～9尺度下进行分解和重构,对比重构信号和原始信号发现,紧支集为[0,1]的Db1小波用于工件面形信号分解时误差最小。误差源对加工结果影响的仿真结果与实际加工工件的面形检测结果对比,分离出的表面形貌的单尺度上的信息与原信息除了会有相位时移外,还有很多特征相关性。利用小波的变焦特性,采用特征相关性分析方法,从检测结果中确定出引起加工结果的机床误差源。     

小波分析在压缩机噪声信号去除趋势项处理中的应用

采用小小分析方法，对压缩机噪声信号进行分解重构，利用小波算法多分辨率特性在重构信号中去除低频干扰成分的影响，利用重构信号进行噪声主要频率成分分析，提取噪声信号的主要频率成分。通过对剩余信号的分析，找出干扰频率。     

基于小波域广义高斯分布的轴承故障诊断方法

针对基于小波能量谱和能量谱熵的故障诊断方法要求小波分解系数基本符合高斯分布这一不足,提出一种基于小波系数广义高斯分布参数特征的故障诊断方法。提出的方法分析轴承振动信号多尺度小波分解系数的统计特征,利用广义高斯分布模型对信号的小波分解系数直方图进行拟合,采用最大似然估计方法确定模型参数并以此作为信号特征实现故障诊断。将建议的方法与基于小波能量谱、能量谱熵及小波包的方法进行比较,结果验证设计思想的正确性和算法的高效可检测性。从小波基、窗口宽度和分类器三个层面对建议方法诊断性能的影响进行分析,结果表明提出的方法具有很强的稳定性和鲁棒性。     

RESEARCH OF WAVELET TRANSFORM INSTRUMENT SYSTEM FOR SIGNAL ANALYSIS

0INTRODUCTIONSincethecoddleofthe1970's,abatchOfcompanieslikeHPinU.S.A.havedevelopedvariousdynamicsignalanalyzersbasedonFrsandhavebeenusedinavarietyofsignalmeasurementsandanalysissuchasstmcturalmodelanalysis,statemonitoringandfaultsdiagnosisofeqUipmentandnoiserealtimeoctaveanalysisetc,thisresultsinbigprogressofdynamicsignalanalysis.However,theFFTdefinedbyRiemafmintegTationisonlyabletoanalyzestaystatistical(smooth)signalsbutinefficienttonon-staystatistical(non-smooth)signalswhicharealso…     

基于小波分析的裂纹梁的损伤识别

阐述了一种基于小波变换的含裂纹梁的损伤识别方法,利用含裂纹梁的一阶模态阵型作为小波分析的力学特征信号,识别损伤的位置和大小.利用小波分析系数的模极大值随分析尺度的传播定位损伤的位置,计算针对于损伤频率信号的能量判断损伤的大小.与以前的小波分析方法相比,此方法确定损伤位置的可靠性高,能识别微小的损伤.利用能量守恒定理和小波分析频段细化的能力,裂纹的定量分辨率高.     

超声缺陷回波信号的小波包降噪及特征提取

根据非稳态超声检测信号的特点，将小波包变换用于缺陷信号的降噪及特征提取问题的研究，并利用类别可分性判据和RBF神经网络分别对特征值提取结果进行评价。引入了平均阈值的概念，在此基础上研究了小波包降噪效果。提出了以选取小波包分解频带的能量作为缺陷信号特征值的方法。实际焊接缺陷的实验结果表明，小波包降噪效果明显；在特征数据得以压缩的同时，分类的可分性较高。     

零件图像的Hilbert扫描-小波分解去噪处理

提出了利用图像的Hilbert扫描曲线和小波变换实现图像去噪的方法.将含噪声图像生成为Hilbert扫描矩阵,再将Hilbert扫描矩阵转换为一维向量,对一维向量进行小波分解,提取低频分量并转换为二维矩阵.然后,对二维矩阵进行Hilbert反扫描,完成图像去噪处理.仿真实验结果表明该方法是有效的.     

二维小波变换及其在机械碰摩故障诊断中的应用

以机械碰摩信号为例，采用具有“时频局部化”性能和“方向极化”性能的二维小波变换，成功地分辨出故障信号与正常信号，避免了由于多信号转化成单信号带来的信息冗余以及能量的转化，同时能方便地分辨出故障信号的相位角，为解决机械故障诊断领域多信号、多特征的分析问题提出新的思路。     

旋转机械振动信号的小波包分解及故障检测

研究了旋转机械振动信号的特点，指出传统的波形分析和频谱分析存在的问题。提出了从小波包分解序列图和小波包能量分布图两个方面对振动信号分析的方法，赋予小波变换和小波包分解的结果以明确的物理意义，通过测试数据分析旋转机械的三种典型故障在时域、步域及时频域所反映的信息特征，从而表明了该方法的可行性及对故障检测的有效性。     

滚动轴承故障特征信息的自动提取方法研究

提出基于小波包分析和包络检测的滚动轴承故障特征信息的自动提取力法。根据滚动轴承的故障冲击能激起轴承座或其他机械零部件产生共振的特性，对轴承振动信号进行快速傅里叶变换FFT分析，在频谱图中自动识别高频共振频带。然后利用小波包分析可以在全频带内把信号分解到相邻的不同频带上的特性，对滚动轴承的振动信号进行小波包分解，自动提取共振频带上的信号并进行重构。最后，对重构后的信号进行包络检波，实现滚动轴承故障特征信息的自动提取。通过对实际滚动轴承振动信号的分析，发现这种方法能非常有效地检测和诊断滚动轴承的故障．