小波再分配尺度谱在声发射信号特征提取中的应用

在分析典型声发射(Acoustic emission, AE)信号特征的基础上,根据机械故障或损伤引发的AE信号的故障特征提取原理和特点,首次提出AE信号的小波再分配尺度谱分析法.将小波尺度谱和再分配尺度谱同时用于AE信号的特征提取,再分配尺度谱能提高尺度图的聚集性,减少干扰项,更准确地表征AE信号中的特征信息.通过理论研究和仿真,确定了小波再分配尺度谱基函数及其参数的选择,克服了小波再分配尺度谱的时、频分辨率不能同时达到最好的缺陷.将小波再分配尺度谱用于声发射检测的滚动轴承损伤类型及部件的识别,诊断结果十分直观、清晰、准确.仿真分析和试验研究均表明了小波再分配尺度谱能有效应用于基于声发射技术的状态监测和故障诊断.     

应用最优重分配小波尺度谱的小波脊线提取

针对基于小波尺度谱的模极大值法提取小波脊线存在受噪声干扰影响大、高频部分频率分辨率低等缺点,提出一种基于最优重分配小波尺度谱的小波脊线提取方法。首先,优化M orlet母小波使其与信号特征成分实现最佳匹配,再对小波尺度谱进行重分配,提高尺度谱的时频聚集性;然后,对重分配尺度谱进行信号奇异值分解降噪,降低噪声干扰影响;最后,利用模极大值法提取出小波脊线,根据小波脊线与频率的关系得到信号的瞬时频率。仿真算例和实际工程应用结果表明,该方法能有效提取出强噪背景下的机械故障特征。     

重分配小波尺度谱的时频分布优化方法研究

针对重分配小波尺度谱存在着时、频分辨率不能同时达到最佳及当振动信号中存在着能量较大的噪声时会降低其时频分布可读性的缺陷,提出一种基于参数优化和奇异值分解(SVD)提高重分配尺度谱时频分布可读性的方法。首先利用Shan-non熵方法优化重分配尺度谱基函数的时间-带宽积(TBP),克服其时、频分辨率不能同时达到最佳的缺陷,再对重分配尺度谱进行SVD降噪降低噪声干扰影响,提高时频分布的可读性。最后用该方法对仿真信号和滚动轴承故障信号进行了分析,结果表明该方法的时频聚集性更好,抗噪能力更强,能更有效地识别强噪声背景下的机械故障特征。     

小波分析在输油泵振动信号消噪中的应用

通过MATLAB语言编程检验了小波分析在输油泵振动信号消噪中的应用效果,可以看出小波分析在输油泵振动信号消噪中有着傅立叶分析无可比拟的优点。     

小波尺度谱同步平均在弱信息识别中的应用

旋转机械的早期故障特征微弱,容易受到噪声的干扰,不容易准确识别.而旋转机械发生故障时其振动信号往往是非平稳信号,不同的非平稳性对应不同的故障状态.连续小波变换可以通过伸缩平移变换对信号进行多尺度细化分析,能够在不同的尺度上描述信号的局部特征,因此有利于故障信号的检测.时域同步平均可以削弱观测信号中的随机成分,降低噪声干扰,提取与平均周期相关的确定性信号,提高信噪比.结合小波变换和同步平均的优点,提出小波尺度谱同步平均的方法.对多周期的振动信号进行小波连续变换,并进行尺度谱重排,获得重排小波尺度谱;根据信号的周期性,对尺度谱进行同步平均,同步平均后的尺度谱可以有效地抑制干扰噪声,识别弱故障信息.通过仿真分析和实例分析验证了本方法的有效性,为旋转机械的早期故障诊断提供了新方法.     

谐波小波相位谱研究及其在设备故障诊断中的应用

通过对谐波小波相位特性的理论分析，结合仿真信号进行分析研究，针对其相位谱难以理解的问题，提出了基于谐波小波的重构相位谱分析方法。     

小波尺度函数在旋转机械故障诊断中的应用

运用小波分析的尺度函数,在进行小波分解后,进一步进行傅里叶变换．能够提取其他方法无法得到的故障特征信号,为故障诊断提供了一种新的分析手段。对Jeffcott转子的不平衡和刚度不对称等故障分析验证了该方法的可行性和实用性。最后讨论了小波变换级和噪声对尺度函数分析方法的影响,表明小波尺度函数的降噪作用是十分明显的。     

连续小波变换在滚动轴承故障诊断中的应用

针对滚动轴承故障振动信号的特点，构造脉冲响应小波，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，在此基础上提出了两种滚动轴承故障诊断方法：尺度——小波能量谱比较法和时间——小波能量谱自相关分析法。通过对滚动轴承外圈和内圈故障振动信号的分析，说明两种方法不仅能检测到滚动轴承故障的存在，而且能有效识别滚动轴承的故障模式，从而为滚动轴承故障诊断提供了一种新途径。     

小波分析在柴油机监测信号处理中的应用

研究了小波分析在柴油机监测信号处理中的应用,提出了基于小波变换的特征提取方法。在简要讨论了小波变换及基本性质之后,探讨了利用小波分解序列的特征信息量确定信号特征频带的方法,并给出了分析实例。     

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,...     

小波多重分形及其在振动信号分析中应用的研究

不同于许多基于FFT的信号分析方法,多重分形谱分析的是信号的几何结构特征。以前,多重分形谱的计算方法都有其固有的缺点,使多重分形谱的应用受到限制。而小波局部极大模方法因其简单性和有效性,近来在多重分形谱计算方面受到了广泛的关注。较系统地阐述了多重分形的概念和多重分形谱的小波局部极大模计算方法,讨论了多重分形谱在故障诊断领域的应用途径,并用多重分形谱对不平衡、油膜涡动、联轴器不对中和碰摩等旋转机械的4种典型故障的振动信号进行了事例研究。研究结果表明,多重分形谱能够很好的反映振动信号的几何结构特征,为机械设备故障诊断提供了又一种有效的方法。     

FEATURE EXTRACTION OF VIBRATION SIGNALS BASED ON WAVELET PACKET TRANSFORM

A method is proposed for the analysis of vibration signals from components of rotating machines, based on the wavelet packet transformation (WPT) and the underlying physical concepts of modulation mechanism. The method provides a finer analysis and better time-frequency localization capabilities than any other analysis methods. Both details and approximations are split into finer components and result in better-localized frequency ranges corresponding to each node of a wavelet packet tree. For the purpose of feature extraction, a hard threshold is given and the energy of the coefficients above the threshold is used, as a criterion for the selection of the best vector. The feature extraction of a vibration signal is accomplished by computing the reconstruction signal and its spectrum. When applied to a rolling bear vibration signal feature extraction, the proposed method can lead to be very effective.     

基于小波尺度谱的转子系统碰摩声发射特性

针对转子系统动静件间发生碰摩时会引起弹性应变而产生声发射,进而可利用声发射来辨识和诊断碰摩故障的特点,首先对碰摩声发射和碰摩振动信号进行了试验对照研究,讨论基于声发射的碰摩辨识别方法的独特优越性.然后,着重对碰摩声发射的特性进行了试验研究,并借助于小波尺度谱优越的时频分析性能,利用小波尺度谱对碰摩声发射的时频特性、传播特性和频散特性等进行了详细分析.分析结果显示小波尺度谱非常适合碰摩声发射这种频率丰富、非平稳和非线性的多模态波,是模态声发射分析的有力方法.     

SAMPLING PRINCIPLE AND TECHNOLOGY IN WAVELET ANALYSIS FOR SIGNALS

０ＩＮＴＲＯＤＵＣＴＩＯＮＩｎｒｅｃｅｎｔｔｅｎｙｅａｒｓ,ｗａｖｅｌｅｔａｎａｌｙｓｉｓｗｉｔｈｇｏｏｄｌｏｃａｌｉｚａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｎｄｏｍａｉｎ－ｔｉｍｅａｎｄｄｏｍａｉｎ－ｆｒｅｑｕｅｎｃｙｈａｓｂｅｅｎｄｅｖｅｌｏ...     

旋转机械振动信号的信息熵特征

从信息融合的思想出发 ,针对单个和多个振动传感器 ,在时域、频域以及时 -频域系统、深入地研究了定量评价旋转机械振动状态的方法 ,提出了反映不同域中振动能量分布不确定性的奇异谱熵、功率谱熵、涡动状态特征熵、小波空间特征熵等信息熵特征。通过对实际信号的分析表明 ,这些信息熵形成了有效综合评价转子振动状态的特征指标。     

新的基于小波变换的振动信号消噪方法

噪声消除是小波变换最成功的应用之一,其基本思想是将信号的小波变换系数与给定的门限比较,保留比门限大的系数,而将其他的置零,然后进行小波重构。这种小波变换消噪方法很可能将信号中一些有用的小能量分量当成噪声消除。根据旋转机械振动信号的循环平稳性特征,提出了一种新的基于小波变换的振动信号消噪方法,并用数字试验信号和碰摩试验振动信号对新消噪方法和Matlab提供的小波消噪方法的性能进行了比较测试。结果表明,在振动信号消噪方面,新方法相比传统的小波消噪方法有更好的性能,能够有效地抑制信号中处于各频段的噪声分量。     

基于数学形态学的旋转机械振动信号降噪方法

基于数学形态学实现振动信号降噪。研究了数学形态滤波器对振动信号在不同类型、不同强度噪声干扰下的降噪能力,提出了采用开—闭和闭—开组合数学形态滤波器实现旋转机械振动信号降噪处理的方法。通过仿真计算及实例,检验了形态滤波器的滤波效果,表明数学形态滤波器可以有效剔除脉冲、降低随机噪声干扰,提高振动信号的信噪比。对强烈噪声干扰采用傅里叶变换与形态滤波器结合的处理方法可以取得明显的滤波效果。并具有算法简单、运算速度快的特点。     

SINGULARITY ANALYSIS USING CONTINUOUS WAVELET TRANSFORM FOR BEARING FAULT DIAGNOSIS

In this paper, wavelet transform is applied to detect abrupt changes in the vibration signals obtained from operating bearings being monitored. In particular, singularity analysis across all scales of the continuous wavelet transform is performed to identify the location (in time) of defect-induced bursts in the vibration signals. Through modifying the intensity of the wavelet transform modulus maxima, defect-related vibration signature is highlighted and can be easily associated with the bearing defect characteristic frequencies for diagnosis. Due to the fact that vibration characteristics of faulty bearings are complex and defect-related vibration signature is normally buried in the wideband noise and high frequency structural resonance, simple signal processing cannot be used to detect bearing fault. We show, through experimental results, that the proposed method has the ability to discriminate noise from the signal significantly and is robust to bearing operating conditions, such as load and speed, and severity of the bearing damage. These properties are desirable for automatic detection of machine faults.     

FUZZY RADIAL BASIS FUNCTION (FRBF) NETWORK BASED TOOL CONDITION MONITORING SYSTEM USING VIBRATION SIGNALS

Thriving automation in industries leads to more research on the tool condition monitoring systems for better accuracy and fast recognition/evaluation of tool wear. Research on the applicability of the new advances in the soft-computing as well as in the signal processing fields is the inevitable consequence. In this work, a new soft-computing modeling technique, fuzzy radial basis function (FRBF) network has been applied to the prediction of drill wear using the vibration signal features. This work presents the wear prediction performance comparison of this new model with three other already tried and established soft-computing models, such as back propagation neural network (BPNN), radial basis function network (RBF) and normalized radial basis function network (NRBF), for both time-domain as well as wavelet packet approaches of feature extraction. Experimental results show that FRBF model with wavelet packet approach produces the best performance of predicting flank wear.     

电流变阻尼器的频率自适应减振控制

在分析了影响电流变阻尼器的粘性阻尼和屈服阻尼的诸多因素后，提出利用多层电极结构来扩大阻尼器的可控范围。研制了一套可测试电流变阻尼器阻尼系数、响应时间和耗散功率的静特性测试系统。为了充分利用阻尼器的可控范围，对阻尼器与减振系统的匹配设计进行了研究。针对电流变阻尼器的阻尼力具有非线性的特点，提出了以平均阻尼匹配减振系统最佳被动阻尼的设计准则。最后利用电流变阻尼器对双层隔振系统，以正弦扫频信号作为激励，通过在线主导频率的识别，进行了自适应阻尼减振控制试验，结果表明共振频率和高频的振幅减振效果均达到３０％以上。