数控机床刀具故障在线监测系统开发

介绍小波分析、虚拟仪器及其软件开发平台LabVIEW基本原理的基础上,着重阐述了小波消噪和奇异信号检测在数控机床刀具故障诊断中的应用,以及小波分析与虚拟仪器相结合应用于故障信号分析.设计开发了基于LabVIEW8.2虚拟平台的数控机床刀具故障监测系统,该系统将数据采集,数据分析和故障诊断融为一体,实现机械设备在线检测、实时故障诊断.最后通过数控铣床刀具磨损故障监测实验,验证了该监测系统在工程实际应用中的合理性和实用性.     

基于小波变换的电气设备故障诊断技术

小波变换具有良好的时-频特性，因此可以有效地用于电气设备故障诊断。在对电气设备进行故障分析、诊断过程中，利用小波变换进行故障信号的故障时刻检测具有重要意义。小波变换用于电气设备故障诊断就是对电气设备各种电磁、机械等信号进行实时监测控制，判断其状态，以便在故障初期或故障时刻发出警报，并随时进行处理，排除故障。对信号进行特征提取，是故障诊断的关键。突变信号往往表明电气设备发生了某类故障，如果能对突变信号进行有效识别，就可以进行故障诊断、故障分析，从而排除故障。分析了电气设备故障的奇异性，通过仿真得出小波变换用于电气设备故障诊断的方法，以准确检测奇异点，确定故障时刻。     

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。     

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。     

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。     

基于复合信号处理的滚动轴承早期微故障诊断研究

针对滚动轴承早期故障的微弱信号检测问题,将小波包、谱峭度和包络分析三者相结合,提出一种新的故障诊断方法,该方法首先通过小波包降噪提取原始含噪信号中的高频成分并提高信噪比,然后对降噪后的重构信号应用谱峭度理论来确定合适的带通滤波参数,最后对带通滤信号进行包络解调而得出故障特征频率信号,从而实现滚动轴承的早期微弱故障诊断。对基于小波包和谱峭度的故障诊断法在滚动轴承故障诊断中的应用进行了研究,实验结果表明该方法可以有效抑制背景噪声,提取有用故障信息,为滚动轴承的故障诊断提供了一种切实可行的方法。     

基于小波变换的鼠笼式异步电动机故障诊断

小波变换在时域和频域都具有良好的局部化能力,尤其是对信号的突变点很敏感,其多分辨率性质可逼近细化频谱,对故障信号提取有突出的作用。本文通过算例论述了小波分析在故障诊断中的研究和应用,验证了小波变换方法检测鼠笼式异步电动机故障的准确性。     

基于EMD分解与小波包的滚动轴承故障诊断

针对滚动轴承故障信号分析中的问题,提出了将Hilbert-Huang变换和小波包分析相结合的滚动轴承故障诊断新方法,实测信号分析表明,该方法能有效地对滚动轴承故障信号进行检测.     

基于DSP的车辆滚动轴承小故障检验诊断系统研究

设计了一个基于DSP的车辆滚动轴承的小故障检测系统.运用小波分析和现代功率谱估计法的AR模型法对信号进行谱分析,把正常滚动轴承和故障的轴承信号分解的结果进行对比.验证了小波分析在车辆滚动轴承小故障诊断方面的可行性.     

小波分析在滚动轴承故障诊断中的应用

滚动轴承是机械系统中非常关键的部件,它的运行好坏直接关系到整个机械系统的性能优劣,因此滚动轴承的故障诊断研究是非常具有实际意义的。本文对轴承早期损伤引起的故障信号进行了分析,通过比较频谱分析和小波分析的特点,采用小波分析技术对检测的信号进行处理,利用小波变换的分解和重构算法,对具有故障特征的信号进行重构,再通过希尔波特变换进行解调和细化频谱分析,有效地提取出噪声掩盖下的滚动轴承故障特征信号,从而实现对滚动轴承的故障诊断。     

分形分析在焊接缺陷检测诊断中的应用

具有多尺度(分辨)分析和时-频局部化特性的分形分析技术,特别适用于边缘信号和峰值突变信号的处理和特征提取,因此在焊接过程中缺陷检测和诊断将会有很大的发展前途。用分形变换的方法对焊接过程中进行初步缺陷检测和诊断,结果表明分形分析在焊接过程中缺陷检测和诊断有很好的应用前景。     

分形分析在焊接过程中缺陷检测诊断的应用

具有多尺度（分辨）分析和时-频局部化特性的分形分析技术,特别适用于边缘信号和峰值突变信号的处理和特征提取,因此在焊接过程中缺陷检测和诊断将会有很大的发展前途.这里用分形变换的方法对焊接过程中进行初步缺陷检测和诊断,结果表明分形分析在焊接过程中缺陷检测和诊断有很好的应用前景.     

分形分析在齿轮箱缺陷检测中的应用

具有多尺度(分辨)分析和时-频局部化特性的分形分析技术,特别适用于边缘信号和峰值突变信号的处理和特征提取,因此在齿轮箱缺陷检测中和诊断将会有很大的发展前途.用分形变换的方法对齿轮传动过程中进行初步缺陷检测和诊断,结果表明分形分析在齿轮箱缺陷检测中和诊断有很好的应用前景.     

小波变换在摆式列车倾摆控制系统故障诊断中的应用研究

小波变换在故障诊断中得到较广泛的应用，但采用不同的小波，分析结果往往会有很大差异。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系列，而具有较好的局部化特性和较小的变换误差，是摆式列车倾摆控制系统故障诊断中的较佳小波基。提出一种新的确定故障诊断阈值的方法，并通过实验证明了方法的有效性，为小波变换在摆式列车实车倾摆控制系统故障诊断中的应用提供理论依据。     

Wheel-bearing fault diagnosis of trains using empirical wavelet transform

Rolling bearings are used widely as wheel bearing in trains. Fault detection of the wheel-bearing is of great significance to maintain the safety and comfort of train. Vibration signal analysis is the most popular technique that is used for rolling element bearing monitoring, however, the application of vibration signal analysis for wheel bearings is quite limited in practice. In this paper, a novel method called empirical wavelet transform (EWT) is used for the vibration signal analysis and fault diagnosis of wheel-bearing. The EWT method combines the classic wavelet with the empirical mode decomposition, which is suitable for the non-stationary vibration signals. The effectiveness of the method is validated using both simulated signals and the real wheel-bearing vibration signals. The results show that the EWT provides a good performance in the detection of outer race fault, roller fault, and the compound fault of outer race and roller.     

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。     

基于连续小波变换的信号检测技术与故障诊断

通过分析指出,连续小波变换具有很强的弱信号检测能力,非常适合故障诊断领域。从参数离散到参数优化系统研究了连续小波变换的工程应用方法,建立了“小波熵”的概念,并以此作为基小波参数的择优标准。论文最后把连续小波技术应用在滚动轴承滚道缺陷和齿轮裂纹的识别中,诊断效果十分理想。     

基于小波包免疫算法的驱动桥故障检测

基于免疫系统的信息处理特点和传统免疫算法的不足,通过建立准自体抗体集SS和准非自体抗体集SNS来改进传统免疫算法,并结合故障信号的小波包分解特点,提出了一种基于小波包免疫算法的故障检测系统。首先利用小波包将检测信号进行分解,获取检测信号能量的特征向量。然后以信号能量的特征向量作为免疫系统的原始抗原,利用阴性选择算法对原始抗原进行自体-非自体分析。最后,将此故障检测系统成功应用于汽车驱动桥的故障检测。