首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 125 毫秒
1.
针对往复泵泵阀冲击振动信号的非平稳特性,运用谐波小波包能量特征提取和最小二乘支持向量机(LSSVM)相结合的方法识别泵阀故障。通过对泵阀冲击振动信号进行谐波小波包分解,提取各频段谐波小波包系数的能量值,将各频段能量值组成的特征向量作为诊断模型的特征向量,输入到LS-SVM多类分类器中进行故障识别,并将谐波小波包与小波包在泵阀故障诊断中的诊断准确率进行了比较。试验结果表明将谐波小波包分解和LS-SVM相结合可以准确有效地识别泵阀故障类型。  相似文献   

2.
提出了一种将小波包能量法和细化包络分析相结合的滚动轴承故障诊断方法。首先利用小波包变换将滚动轴承振动信号分解到独立的频段上,计算出不同频率段的能量,根据频段能量的变化情况,确定滚动轴承故障所在频段。重构故障频段信号。然后应用Hilbert变换对重构信号实现包络解调,提取故障特征频率。最后为了进一步提高包络谱的分辨率,采用线性调频Z变换细化频谱。实际的滚动轴承实验数据的处理和分析结果表明,该方法在滚动轴承故障诊断中是有效的。  相似文献   

3.
以柴油机为代表的动力设备噪声信号是一种典型的非平稳信号。为了实现动力设备精确故障诊断,针对噪声信号引入一种非平稳信号分析方法——小波包分析。首先利用声音传感器采集柴油机不同工作状态下的噪声信号;然后根据柴油机噪声信号的特点,选择DB4小波基对信号进行3层小波包分解,将信号的频段分解为8个子频段,以每个子频段的能量信息作为特征向量;最后使用K-近邻法对特征向量进行判别,从而实现故障诊断。实验结果表明,该方法有着较高的故障诊断率,可以实现动力设备的故障智能诊断。  相似文献   

4.
小波包能量谱在滚动轴承故障诊断中的应用   总被引:1,自引:0,他引:1  
提出了基于小波包能量谱的滚动轴承故障诊断方法。首先,以6406轴承为例采集不同工况的振动信号,然后对试验数据进行小波包变换,振动信号被分解到独立的频段,不同频带内的信号能量变化反映了运行状态的改变,提取各频带小波包能量谱为特征向量,最后应用基于模糊聚类的故障诊断方法。经对大量实测数据的处理和分析,能够比较准确地诊断出轴承的故障。  相似文献   

5.
简述了小波包分析及用于特征提取的机理,以SKF 6326-C3轴承为例,从吉林同发风电场采集了不同工况下的实时信号,利用小波包对滚动轴承振动信号进行分解,振动信号被分解到独立的频段。不同频带内的信号能量变化反映了运行状态的改变,提取各频带小波包能量谱,并对其进行能量归一化处理,作为特征向量,最后应用于基于Kohonen神经网络的故障诊断方法。经对大量实测数据的处理和分析,能够比较准确地诊断出轴承的故障。  相似文献   

6.
变压器绕组发生不同类型和程度的故障时,在不同频带内的信号能量会发生改变,可以通过计算不同工况下绕组响应信号的各频带能量来诊断是否发生故障,故提出了一种基于频率响应法(Frequency Response Analysis,FRA)和小波包特征能量提取的变压器故障诊断方法,将待分析信号与小波基之间的最大互相关系数作为选择小波基的依据,对变压器绕组短路和径向移位进行研究,并进行了试验验证.试验结果表明,基于小波包的特征能量提取方法能有效地区分绕组故障类型和程度,提高了诊断的灵敏度.  相似文献   

7.
小波包包络法是轴承振动信号分析中的一种重要方法,使用该方法可以对包含有故障特征频率的各频段信号进行分析,能够滤去噪声信号,有效地提取轴承的故障信息。在小波包分解时,对小波包细节信号的选取目前常用的是基于细节系数能量的方法,但该方法在信噪比较小的情况下对信号分析效果一般,结合自相关和互相关的特性,提出了一种改进型的小波包包络方法,为小波包分解中细节信号的选取提供了一定的理论依据,提高了小波包在轴承故障诊断中的判断准确度。  相似文献   

8.
为解决滚动轴承单通道振动信号中复合故障特征难以分离的问题,提出了基于改进谐波小波包分解的轴承复合故障特征分离方法。首先,改进了二进谐波小波包分解方法,提出了连续谐波小波包分解方法,克服了信号分解后子带个数和带宽范围受二进制划分的缺陷;然后,采用谐波窗分解提取信号中频率成分集中的频段,根据轴承各单点故障特征频率确定分解层数,进行连续谐波小波包分解,利用能量算子包络解调得到子带信号中各个单点故障的权重因子;最后,重构轴承各单点故障信号,实现复合故障的特征分离和提取。对仿真信号和实测轴承内、外圈复合故障信号分析的结果表明,该方法能将轴承单通道复合故障信号分解到不同的通道中,实现了复合故障特征的分离,具有一定的工程实用价值。  相似文献   

9.
基于阶次小波包与粗糙集的轴承复合故障诊断   总被引:3,自引:0,他引:3  
针对齿轮箱启动过程中振动信号表现为非平稳非高斯特征,传统诊断方法诊断精度不高的现状,将阶次小波包和粗糙集理论引入到轴承的复合故障诊断中,利用计算阶次跟踪算法对瞬态振动信号进行重采样,采用小波包对该信号分解-重构,并对每个频段的能量进行归一化,构成一个特征向量,通过粗糙集理论得到清晰、简明的决策规则.并通过复合故障实例验证了此方法的有效性.  相似文献   

10.
应用小波包和包络分析的滚动轴承故障诊断   总被引:12,自引:2,他引:10  
提出了一种基于小波包分析、频带能量分析和包络分析相结合的滚动轴承故障诊断方法.首先利用小波包将滚动轴承振动信号分解到不同的节点上.然后求出各频率段的能量,根据频带能量的变化情况,找出滚动轴承的故障所在的频带.最后对故障频带的重构信号做包络谱,将谱峰处的频率同滚动轴承的故障特征频率进行对比分析,诊断出滚动轴承的故障.通过对试验中采集到的滚动轴承振动信号进行分析,证明了该方法在滚动轴承故障诊断中的有效性.  相似文献   

11.
This paper presents a novel method for fault diagnosis based on an improved wavelet package transform (IWPT), a distance evaluation technique and the support vector machines (SVMs) ensemble. The method consists of three stages. Firstly, with investigating the feature of impact fault in vibration signals, a biorthogonal wavelet with impact property is constructed via lifting scheme, and the IWPT is carried out to extract salient frequency-band features from raw vibration signals. Then, the faulty features can be detected by envelope spectrum analysis of wavelet package coefficients of the most salient frequency band. Secondly, with the distance evaluation technique, the optimal features are selected from the statistical characteristics of raw signals and wavelet package coefficients, and the energy characteristics of decomposition frequency band. Finally, the optimal features are input into the SVMs ensemble with AdaBoost algorithm to identify the different abnormal cases. The proposed method is applied to the fault diagnosis of rolling element bearings, and testing results show that the SVMs ensemble can reliably separate different fault conditions and identify the severity of incipient faults, which has a better classification performance compared to the single SVMs.  相似文献   

12.
小波包分析在轴承早期故障诊断中的应用   总被引:5,自引:3,他引:2  
为了识别轴承早期损伤引起的故障信号,利用小波包对轴承的振动信号进行处理。小波包分析的实质是对小波分解的结果作进一步细分,因而具有比小波分解高得多的频域分辨能力。文中用小波包分析了两个存在早期轻微损伤的轴承的振动信号,并比较了自然序、Gray序以及移频算法的处理结果。这些分析结果表明,小波包分析能够有效地将隐藏在正常振动信号之中的早期弱故障信号提取出来,从而发现轴承的早期损伤。  相似文献   

13.
Dejie Yu  Yu Yang  Junsheng Cheng 《Measurement》2007,40(9-10):823-830
When faults occur in the gear, energy distribution of gear vibration signals measured in time–frequency plane would be different from the distribution under the normal state. Therefore, it is possible to detect a fault by comparing the energy distribution of gear vibration signals with and without fault conditions. Hilbert–Huang transform can offer a complete and accurate energy–frequency–time distribution. On the other hand, Shannon entropy could give a useful criterion for analyzing and comparing probability distribution and offer a measure of the information of any distribution. Targeting the feature of energy distribution of gear vibration signal, the merit of entropy and Hilbert–Huang transform, the concept of time–frequency entropy based on Hilbert–Huang transform is defined and furthermore gear fault diagnosis method based on time–frequency entropy is proposed. The analysis results from simulated signals and experimental signals with normal and defective gears show that the diagnosis approach proposed could identify gear status-with or without fault accurately and effectively. However, further study is needed to the classify gear fault pattern such as crack fault or broken teeth.  相似文献   

14.
利用小波分析和BP神经网络相结合的方法对旋转机械的故障进行识别.首先运用小波分析对故障信号进行降噪处理,然后运用小波包对信号进行分解和重构,提取各频带能量值,将该能量值作为BP神经网络输入端的特征向量,训练网络进行故障模式识别.实验表明,该方法在旋转机械故障诊断中切实可行.  相似文献   

15.
Continuous wavelet transform (CWT) is a kind of time–frequency analysis method commonly used in machine fault diagnosis. Unlike Fourier transform, the wavelet in CWT can be selected flexibly. In engineering application, there is a problem of how to select a suitable wavelet. At present, the selecting method mainly depends on the waveform similarity between the signal required to extract and the wavelet. This method is imperfect. For example, Haar wavelet possesses the rectangular waveform in its supporting field and dissimilarity to any component in the machine signal. It is rarely used in machine diagnosis. However, the time–frequency periodicity of Haar wavelet continuous wavelet transform (HCWT) should be useful in revealing the features in signals. In addition, Haar wavelets under different scales have good low-pass filter characteristic in frequency domain, particularly under larger scales, and that can allow HCWT to detect the lower frequency signal. These merits are presented in this paper and applied to diagnose three types of machine faults. Furthermore, in order to verify the effect of Haar wavelet, the diagnosis information obtained by HCWT is compared with that by Morlet wavelet continuous wavelet transform (MCWT), which is popular in machine diagnosis. The results demonstrate that Haar wavelet is also a feasible wavelet in machine fault diagnosis and HCWT can provide abundant graphic features for diagnosis than MCWT.  相似文献   

16.
二进离散小波能量谱及其对微弱信号的检测   总被引:8,自引:1,他引:7  
提出了二进离散小波的能量谱的分析方法 ,给出了实用的计算公式 ,论述了其可行性。导出了二进离散小波的能量频谱与离散信号频谱之间的关系。应用该分析方法有效地检测出了时域微弱奇异信号和频域微弱特征信号。能量时谱使二进离散小波分析得到的时域奇异信号更加突出 ,能量频谱发现了 Fourier分析不能得到的某些能量集中的特征信号。实例验证了该分析方法的优良特性 ,为设备运行状态检测和故障预报提供了一种新的手段。  相似文献   

17.
基于朴素贝叶斯方法和权值分析方法的电机轴承故障诊断   总被引:1,自引:0,他引:1  
李万清 《机电工程》2012,29(4):390-393
为了分析电动机轴承故障类型,首先采用小波包分析对轴承振动信号进行了高低频分解及重构,然后以各频带的能量值构成了轴承振动信号的特征向量,最后通过朴素贝叶斯网和提出的权重分析两种方法进行了电机轴承故障分类;采用朴素贝叶斯网对已知电机轴承故障类型的样本数据进行训练,获得参数后识别未知样本的故障类型,利用权重分析法计算未知与已知类型的电机轴承振动样本的相关系数,然后构建权重,并按照权值和的大小获取未知样本的故障类型。仿真结果表明,朴素贝叶斯网能较好地实现电机故障诊断,所提出的权重分析方法也能较好地对电机故障进行诊断。  相似文献   

18.
基于经验模态分解的滚动轴承故障诊断方法   总被引:14,自引:1,他引:13  
杨宇  于德介  程军圣 《中国机械工程》2004,15(10):908-911,920
提出了一种基于经验模态分解的滚动轴承故障诊断方法,并定义了能量熵的概念。从不同状态的滚动轴承振动信号的能量熵值中发现,当滚动轴承发生故障时,各频带的能量会发生变化。为了进一步对滚动轴承的状态和故障类型进行分类,再从若干个包含主要故障信息的IMF分量中提取能量特征参数作为神经网络的输入参数来识别滚动轴承的故障类型。对滚动轴承的正常状态、内圈故障和外圈故障振动信号的分析结果表明,以经验模态分解为预处理器提取各频带能量作为特征参数的神经网络诊断方法比以小波包分析为预处理器的神经网络诊断方法有更高的故障识别率,可以准确、有效地识别滚动轴承的工作状态和故障类别。  相似文献   

19.
滚动轴承故障是旋转机械常见的故障之一,针对传统包络解调分析方法需要人为选定共振频带的缺陷,首先采用小波包变换滤波的方法提取滚动轴承固有频率共振频带的信号,并对提取的信号进行重构,滤除了其他信号的干扰.然后用Hilbert变换检波的方法对提取的重构信号实现包络解调,去除高频固有振动成分,诊断轴承的缺陷信息.为了进一步提高包络谱的分辨率,最后采用快速傅立叶变换-傅立叶级数(FFT—FS)方法细化频谱.并在ADBE-56-N4型交流电机上实测了6350型滚动轴承故障模拟信号,与理论分析基本吻合.  相似文献   

20.
研究滚动轴承不同状态下的振动信号,使用小波包变换提取信号各频带的能量熵,作为轴承故障的特征,然后使用支持向量机智能诊断轴承不同故障。传统单通道信号诊断方法容易造成误诊,全矢小波包能量熵融合了振动信号双通道的信息,能更准确地反映故障的特征。实验结果表明,采用全矢小波包能量熵比传统单通道方法有更高的诊断精度。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号