基于提升小波的齿轮箱故障诊断

对齿轮箱的振动机理以及故障诊断特点、方法进行分析,介绍了提升小波的基本理论。并利用提升小波对齿轮箱工况信号进行消噪、分解、重构以及提取功率谱,采用BP神经网络模型识别齿轮箱运行状态以及定位故障类型和部位。     

基于小波分析的滚动轴承故障诊断

通过典型信号的MATLAB仿真讨论了小波在检测信号突变点时的选取原则。针对滚动轴承故障振动信号,先进行小波消噪,再进行小波分解与重构,对重构后的细节信号作Hilbert包络并进行谱分析,从功率谱中可清晰地识别出滚动轴承故障特征频率。     

基于小波频谱分析的滚动轴承故障诊断研究

提出了一种基于小波频谱分析的滚动轴承故障诊断方法。利用小波默认阈值方法进行数据消噪处理,并对消噪后振动数据进行了5层小波分解。根据轴承故障特征频率,对故障特征频率所在层进行小波重构,计算功率谱密度。对滚动轴承故障的振动信号的仿真结果表明,该方法能有效识别滚动轴承的内圈、外圈和滚动体故障。     

基于小波分析的岩石声发射信号处理技术

根据岩石声发射信号的特点,利用小波分析方法对岩石声发射信号进行分解、消噪和重构,得到了较为直观的声发射信号.介绍了小波与小波包分析的特点;对声发射信号进行小波消噪,比较了不同阈值下的消噪效果;并提出了基于能量阈值法的小波包消噪,其效果优于小波消噪.     

小波变换在齿轮故障诊断中的应用

在分析小波变换理论和齿轮振动信号特点的基础上,提出用小波分析法提取齿轮故障特征。齿轮振动信号具有非平稳性,并且受各种噪声干扰,小波分析法具有处理非平稳信号的突出优点。在MATLAB环境中,建立了齿轮振动仿真信号,采用小波函数对受噪声污染的信号进行软阖值消噪处理,通过功率谱分析提取特征频率。仿真表明,该方法可有效抑制噪声,提取特征频率,从而为齿轮故障诊断提供依据。     

基于小波包包络分析的滚动轴承故障诊断

提出一种基于小波包、能量分析和包络分析相结合的滚动轴承故障诊断方法。对实测振动信号进行小波包去噪,提取出有用的振动信号。利用小波包将去噪后的信号分解,求出分解后各频带的能量,根据各频带内能量分布,确定故障所在频带,并以此作为特征分量。对特征分量进行Hilbert解调分析,将包络谱谱峰处的频率与理论计算的滚动轴承故障频率进行对比,诊断轴承故障并确定故障位置。     

矿用电驱动装置振动时频特性研究

介绍了振动信号时频分析方法,分析了矿用电驱动装置故障诊断的难点,构建了电驱动装置振动测试系统,拾取了电驱动装置振动加速度信号。应用小波阈值去噪方法,滤除了振动信号噪声,评价了去噪效果。利用小波时频分析技术,获得了电驱动装置振动时频图,分析了电驱动装置振动时频特性,计算了振动故障特征频率,诊断了电驱动装置故障并进行了结构改进,测试验证了改进效果。为矿用电驱动装置可靠性提升奠定了基础。     

基于小波阈值的通风机故障特征提取应用研究

为了对原始信号进行有效的降噪,从而获得的客观的煤矿主通风机的振动特征,确保通风机故障的诊断,采用小波阈值的方法,分析了小波阈值降噪的基本思路以及小波去噪阈值的选取原则;对小波降噪的特点进行分析,对比了小波分析和傅里叶变换分析2种方法下的去噪能力,研究为通风机故障的诊断提供了理论基础。     

通风机振动信号的小波包阈值除噪研究

研究了基于小波包分析的阈值除噪的基本方法,并介绍了几种除噪阈限。利用小波包阈值除噪良好的时频局部化特性滤除信号中大量的噪声。通过对通风机振动信号的除噪和特征提取研究,取得了良好效果,说明小波包阈值除噪方法非常适合于信号的预处理和故障特征提取。     

基于小波能量熵的故障信号诊断研究

针对电力故障信号为突变、非平稳信号的特点,利用消噪阈值法对故障信号进行预处理,通过小波变换对故障信号进行特征提取,然后将小波变换和信息熵相结合,并应用到故障检测与定位中,为奇异信号的检测提供了新思路和新手段。通过仿真分析,得到以下结论:小波能量熵WEE可以很好地检测故障突变点,小波能量熵随时间的变化规律,反映了电流或电压在时域的能量分布特征并表征信号的频率变化,可以用作分类所需的特征。     

基于主分量和小波分析的煤矿主通风机故障诊断研究

针对主通风机故障对煤矿安全生产构成的威胁,综合采用主分量分析和小波分析方法对主通风机进行故障诊断。论述了主分量分析和小波分析原理,建立了主通风机故障诊断数据处理模型。在此基础上利用Matlab对采集的振动信号进行仿真实验,结果表明:该方法能够准确判断煤矿主通风机的故障类型。     

模式自适应小波时能密度法及其在微差爆破振动信号分析中的应用

如何解决适合爆破振动信号特征的爆破振动信号小波基构造、添加及其实现等问题,始终是困扰广大研究者的难题。为准确确定微差爆破振动信号实际微差延迟时间,在模式自适应小波原理的基础上,构造了从实测微差爆破振动信号中分离出子信号的模式自适应小波基,然后将该模式自适应小波基添加到Matlab小波分析工具箱中,并提出了一种新的基于爆破振动信号分析的模式自适应小波时能密度法。以实验设计的多段微差爆破振动信号进行模式自适应小波时能密度法分析为例,验证了该方法的可行性。该方法亦可用于分析实测微差爆破振动信号在实际微差延迟时间的确定,并与db8小波法和模式自适应小波法进行比较,结果表明模式自适应小波时能密度法具有更好的应用效果,从而为爆破振动信号分析在实际工程中的应用提供了参考。     

基于小波神经网络的牵引电机齿轮故障诊断研究

以小波变换、小波神经网络为工具,采用定子电流对HXD1B型机车的YQ1633异步牵引电动机开展牵引电机齿轮故障诊断研究。定子电流法相对于振动法更容易实施,有效克服了振动信号中包含的复杂干扰。由小波分析完成齿轮故障的特征量提取,通过神经网络对故障类型进行判断,实际测试表明,该方法具有较好的故障诊断性能。     

基于二进小波能量自功率谱的转子碰磨故障特征提取

针对转子动静碰磨故障,通过分析转子运行时产生振动信号的时频特性,提出了一种基于二进小波能量自功率谱的故障特征提取方法。该方法利用二进小波变换得到小波能量系数谱,在小波能量系数谱中找到系数之和变化最大的能量尺度层,对该层进行自功率谱变换后可将碰磨故障的特征量提取出来。     

提升罐道故障诊断方法的研究

在分析提升罐道典型故障的基础上， 探讨了采用振动诊断方法对典型故障的检测和诊断的方法． 通过对振动信号采用频域和小波的信号奇异性的分析， 建立了典型故障和信号特征的关系， 为提升容器的安全平稳运行提供了依据．     

基于小波包能量流和LTSA的垮落煤岩特征提取

针对综放工作面垮落煤岩识别的技术问题,采集了放煤过程中垮落煤岩冲击液压支架后尾梁的振动信号,并提出了一种基于小波包能量流和LTSA的特征提取方法。该方法首先利用小波包变换把振动信号分解成一系列的时频子空间;为了观察原信号能量在各层时频子空间的分布特征,计算了小波包分解每一层各个时频子空间的能量,构成了一个小波包能量矩阵,称为小波包能量流;然后利用局部切空间排列(Local Tangent Space Alignment,LTSA)挖掘小波包能量流的低维流形。为了验证小波包能量流低维流形的有效性,把该特征向量输入BP神经网络来识别垮落煤岩。结果表明:基于小波包能量流和LTSA提取的特征向量可以准确简约地表征垮落煤岩,BP神经网络的识别率达到100%。     

小波遗传神经网络在大型直线振动筛故障诊断中的应用

以大型直线振动筛侧帮裂纹为研究对象,利用小波分析对振动信号进行降噪和故障特征提取,设计了用于系统故障诊断的BP神经网络,并用遗传算法对网络结构和参数进行优化。通过样本训练、测试和在振动筛侧筛裂纹诊断中的应用,证明了这种小波遗传神经网络具有较高的故障识别能力、分类精度和速度。     

基于WT特征增强的cICA带式输送机齿轮箱故障诊断

约束独立分量分析对于测量信号中的传感器噪声(测量噪声)具有很强的免疫能力,但对源噪声的免疫性却很差。针对这个问题,提出了小波变换特征增强的约束独立分量分析的齿轮箱故障特征提取方法。通过对测量信号小波分解,有针对性地选择某子频段小波系数重构,有利于提高信噪比,增强信号的统计独立性和非高斯性,从而增强约束独立分量分析方法提取齿轮故障特征的效果;而未经小波变换除噪时,约束独立分量分析的效果不佳。通过仿真分析和在矿用带式输送机齿轮箱故障诊断的应用结果综合表明,该方法能有效降低源噪声的影响,准确提取出齿轮故障特征,尤其是微弱低频故障特征。为矿用齿轮箱多通道振动状态监测与故障诊断提供了一种新的有效手段和途径。