基于小波包分析的风机叶片裂纹故障识别研究

叶片断裂和裂纹是风机中普遍存在的一种严重安全隐患.本文应用小波包分析的方法对采集的实时信号进行五层小波包分解,对叶片裂纹进行实时状态监测及实时数据分析处理,同时对采样数据进行故障特征提取,用该方法对叶片裂纹和叶片断裂进行了分析, 提高了风机叶片裂纹故障识别的准确度和故障诊断的实时性.     

焊接裂纹金属磁记忆信号的特征提取与应用

金属磁记忆检测技术是一种新兴的对铁磁性材料进行早期损伤诊断的无损检测方法.通过对焊接裂纹磁记忆信号的小波能量谱特征进行研究表明,与无裂纹时相比,含有焊接裂纹信息的金属磁记忆信号,其尺度-小波能量谱的分布范围广,能量水平高,且能量达到峰值以后,呈指数规律下降,据此可以判定被测试件中是否含有裂纹缺陷;其空间-小波能量集中程度较无裂纹时高,而能量集中的位置恰好就是焊接裂纹存在的位置.     

焊接裂纹金属磁记忆信号的神经网络识别

金属磁记忆检测技术是一种新型的利用铁磁材料内在信息对材料进行检测和评价的无损检测方法,对裂纹类缺陷进行早期检测具有潜在的优势.利用小波包分析技术,对水压试验条件下API 5L X70管线钢焊缝中有无焊接裂纹的金属磁记忆信号能量特征进行了分析,确定了焊接裂纹金属磁记忆信号的小波包能量特征,并利用其作为输入特征向量建立了BP(back propagation)神经网络,对焊缝中是否含有裂纹等缺陷进行智能识别.结果表明,利用小波包能量和神经网络技术可以较好的实现焊接裂纹的识别.     

基于最佳小波包分解和HMM的齿轮故障模式识别

齿轮故障模式识别的关键问题在于对故障振动信号的特征提取。为了快速准确识别齿轮故障模式,提出了一种基于最佳小波包分解(OWPD)和隐马尔可夫模型(HMM)的识别方法。该方法对采集的振动信号进行小波包分解,再利用OWPD自动选择提取最佳小波包能量构造特征向量,输入HMM中进行训练与测试,实现了齿轮故障模式识别。实验结果表明该方法在齿轮故障模式识别方面的有效性和准确性。     

基于小波包和支持向量机的滚动轴承故障模式识别

为了解决对故障轴承的特征提取和故障特征准确分类问题,提出了应用小波包变换和支持向量机相结合进行滚动轴承故障诊断的方法.小波包变换具有良好的时-频局部化特征,非常适于对瞬态或时变信号进行特征提取.而支持向量机可完成模式识别和非线性回归.利用上述原理根据轴承振动信号的频域变化特征,采用小波包变换对其提取频域能量特征向量,然后利用建立的支持向量机多故障分类器完成滚动轴承故障模式的识别.试验结果表明,支持向量机可以有效、准确地识别轴承的故障模式,为轴承故障诊断向智能化发展提供了新的途径.     

基于小波包变换的金属基复合材料深层界面脱粘缺陷特征提取

针对金属板下多层非金属粘接结构试件中的超声检测回波信号,提出了一种基于小波包变换的提取特征参数的方法,以评估试件的粘接特性.在利用超声信号进行层状粘接结构的无损评价时,各层的超声检测回波会严重混迭,难以分辨甚至会丢失某一层的缺陷信息.利用信号处理技术,以小波包变换后的能量来进行深层界面的特征提取.结果显示,提取出的特征可有效地进行各层粘接情况的分析和识别.试验检测结果表明特征提取方法可用在金属基多层材料结构的无损检测中.     

钛合金车削加工过程中刀具磨损状态监测的小波包子带能量变换特征提取新方法

在小波包分析的基础上,提出对小波包子带能量特征抽取的新算法.考虑到小波包能量子带的动态特性和统计特性可以作为刀具磨损状态识别特征提取的来源,提出将小波包子带能量相对比率、小渡包子带能量相对比率的变化值、小波包子带能量相对比率的变化值的统计偏差(能量距)作为三个新特征值.建立刀具磨损状态监测实验平台,采集刀具三维力反馈、振动信号作为监测信号.按常规特征抽取方法和本研究中提出的方法抽取特征值,形成网络训练、识别特征值空间.用梯度下降法训练建立BP人工神经网络,对27具四种磨损状态进行识别,验证小波包子带能量变换提取到的特征的有效性.     

基于小波包能量谱的磁记忆检测方法

提出磁记忆信号的小波包能量谱分析方法,以小波包变换理论为基础,通过对有中心小孔缺陷的45号钢和18CrNi4A试样进行拉伸试验,采集不同载荷下试样表面的磁记忆信号。用sym6小波对所得信号进行小波包能量谱特征分析。该方法可有效判断试样的应力集中部位及应力集中程度。     

数控机床刀具磨损状态特征参数提取

基于振动信号小波包分解理论对不平稳信号特征提取的优势,提出了一种利用振动信号的能量变化来监测刀具磨损状态的方法.该方法利用db4小波基对振动信号进行4层小波包分解,并将分解后的各频带能量值作为刀具磨损状态判断的特征参数.在新刀和刀具磨损的状态下提取特征向量,并根据频段能量的变化判断刀具磨损程度.试验结果证明该方法在刀具磨损状态判断中的可行性.     

基于金属磁记忆法的焊接缺陷特征值提取

研究了磁记忆检测技术在焊缝检测中的应用情况。采集了有缺陷和无缺陷试件分别在无应力作用下和加载后的磁记忆信号,并进行对比分析。以小波包变换为理论基础,对磁记忆信号进行小波包分解和小波包能量谱特征分析。试验证明,采用磁记忆信号的能量集中位置来判断缺陷的区域是可行的。