小波变换在轴承故障诊断中的应用

针对轴承故障诊断中非平稳信号的特征提取问题,采用小波变换理论对其进行处理。构建了减速器轴承故障实验平台,采集了大量实验数据。通过滚动体点蚀的典型故障实验与小波变换处理及轴承故障频率分析,获取了该故障的特征频率参数,表明小波变换在非平稳信号处理方面的有效性。     

基于小波包能量谱弧齿锥齿轮的故障诊断研究

为了能够提高弧齿锥齿轮故障诊断的效率,使弧齿锥齿轮能够安全可靠地工作,深入地分析了小波包能量谱在弧齿锥齿轮中的应用。分析了弧齿锥齿轮故障的机理;研究了弧齿锥齿轮故障诊断的小波能量谱的机理;利用小波包能量谱对弧齿锥齿轮进行了故障诊断,结果表明该方法具有较好诊断精度。     

煤矿钢芯输送带缺陷信号小波降噪研究

煤矿钢芯输送带缺陷电磁检测信号受到煤矿工况中宽频带随机噪声影响,因此需对缺陷电磁检测信号进行降噪。一种改进阈值的小波降噪方法被提出,并运用小波硬阈值、软阈值和提出的改进阈值3种方法对缺陷电磁检测信号进行降噪对比实验,实验结果表明:提出的改进阈值处理方法能快速地对缺陷信号降噪,并且降噪性能优于软、硬阈值处理方法。     

基于小波包变换的电网谐波分析研究

随着敏感性负荷大量的涌入电网,电网谐波问题受到关注。介绍了小波包变换理论,并将该理论应用于电网谐波分析。仿真结果表明小波包变换具有良好的分析性能,能够准确地分辨出信号中的高频信息,为电力系统的谐波检测提供了依据。     

EFPI光纤传感瓦斯浓度信号的小波降噪研究

非本征法布里-珀罗干涉(EFPI)光纤传感瓦斯是一种新型的检测技术,凭借其低成本、易复用、高灵敏度、抗干扰等特点的优势被广泛应用于各领域。由于采集得到的干涉光谱是非限带信号,利用低通滤波器无法对非限带信号进行去噪处理,选用小波变换,首先对光谱信号作层层小波分解,选取合理阈值滤除每层信号中高频成分,最后利用小波重构恢复去噪后的光谱信号。通过在线仿真,结果表明小波变换可以很好的实现干涉光谱信号的去噪,提高了整个光纤瓦斯传感系统的性能和稳定性。     

基于小波包分析和概率神经网络的往复泵的故障诊断研究

往复泵的正常工作是确保煤矿生产顺利进行的关键,由于工作环境恶劣,往复泵的故障诊断是非常重要的,因此,深入地研究了小波包分析和概率神经网络在往复泵故障诊断中的应用。分析了基于小波包的往复泵故障提取机理,设计了基于小波包分析的往复泵故障特征提取流程;构建了基于概率神经网络的往复泵的故障诊断模型,设计了概率神经网络的基本结构。对往复泵进行了故障诊断分析,仿真结果表明小波包和概率神经网络能够准确地获得故障诊断的类型。     

基于Wavelet-CNN网络的人类活动识别技术

针对传统的识别方法不能满足人类活动识别(Human Activity Recognition,HAR)技术研究需求的现状,提出了一种基于小波变换和卷积神经网络(Convolutional Neural Networks,CNN)相结合的深度学习模型.将多通道传感器的波形数据通过小波变换分解并重组作为输入.利用不同卷积核...     

基于微源控制-小波神经网络的微网功率预测

针对可再生能源发电具有功率周期变化与对环境敏感的双重性,提出将微源控制(MSC)用入分布式电网功率预测的小波神经网络模型学习算法。该算法在灵活处理功率局部与周期特性的基础上,结合环境因素对功率变化的影响,引入关联因子优化权重,得出最终预测结果。通过对实际微网系统的仿真测试,并与BP神经网络与GRNN模型进行比较,研究结果表明：MSC-WNN模型在三次测试中相对误差均在-1%-1%以内,说明了其具有较高预测精度和良好的鲁棒性能。     

基于小波包域双谱的风力机振动信号监测方法研究

文章主要基于小波域双谱的方法对风力机振动信号监测技术进行研究,以风电场多台1.5兆瓦直驱机型的大量轴承振动信号为基础,运用了一种小波包域双谱的方法对振动信号分析,并与传统双谱进行对比,实验结果表明:小波包域双谱优于双谱分析,能够准确的判断轴承正常和故障运行情况,该方法不但有效抑制噪声和其他高频成分的干扰,而且具有双重消噪的效果,有效地避免了小波分析和传统双谱分析的缺点,为在线监测异常状况预警提供了很好的依据。     

基于小波分析的风机故障诊断

根据故障信号特征和小波变换多尺度分解性质选取小波分解层次，得到能正确地反映风机运行状态的特征向量；参照特征向量的组成方法，提出并构建基于小波分析的韶钢4号风机典型故障特征表。对待检信号选用db10波进行6层小波分解，利用待检状态的特征向量与典型故障特征表，通过模糊模式识别方法进行风机故障诊断。结合傅里叶分析方法进一步找出风机存在的倍频微弱信号。实际诊断结果表明：振动信号与故障特征表中典型不平衡故障的模糊贴近度达到0．958，从而诊断出实例中风机存在不平衡故障；风机存在0.5倍频微弱信号，据此有利于发现风机与该频率相关的早期微弱故障征兆。