基于小波分析的制冷压缩机故障诊断研究

介绍了小波分析的方法，并利用于吸排气阀片损坏及压缩机好转故障诊断。小波分析可以将故障检测出来，及早地发现并预报故障。     

往复压缩机气阀故障诊断的信息融合方法研究

针对使用单一信号对往复压缩机气阀故障进行诊断时所存在的不足．提出一种适合气阀故障诊断的信息融合方法。该方法将气阀的压力信号和振动信号特征进行信息融合，再通过RBF神经网络进行故障诊断。诊断实例表明该方法能更准确地诊断出气阀的各种故障。     

往复压缩机气阀故障诊断方法的试验研究

对往复压缩机进气阀漏气故障进行模拟,采用热力参数、示功图和振动的方法在不同程度故障工况与正常工况下对压缩机进行现场监测.分析采用这几种方法对进气阀漏气故障的可诊断程度,探索压缩机气阀漏气故障特征提取的有效方法.     

基于RBF神经网络的往复压缩机气阀故障诊断

提出了一种往复压缩机气阀的故障诊断方法.把往复压缩机气阀的振动信号作为识别故障的特征向量,送入RBF神经网络中,进行故障类别的自动识别.试验结果表明,该诊断模型对往复压缩机气阀故障诊断具有良好的诊断效果,系统不仅能够检测到往复压缩机气阀故障的存在,而且能够比较准确地识别往复压缩机气阀的故障模式.     

基于小波包与LS-SVM的气阀故障诊断

基于小波包原理,对柴油机的缸盖振动信号进行小波包分解,利用“频带能量”的特征提取方法得到特征向量,并作为LS-SVM的输入进行训练和分类检验,提出了一种基于小波包和LS—SVM的气阀故障诊断方法。结果表明不同状态下的气阀漏气故障能得到识别和分类,且具有较高的精度。     

基于小波神经网络的往复压缩机故障诊断方法研究

针对往复压缩机在线故障诊断时难以提取故障特征的实际情况,提出一种适于往复压缩机的在线诊断方法。该方法利用小波包对采集信号进行分解和重构来构造能量特征向量,用该方法构造的特征向量能有效地反映往复压缩机的故障特征,通过用BP神经网络进行故障诊断,结果表明该方法能提高往复压缩机的诊断率。     

气阀故障诊断的实验研究

分别以阀腔平均压力、温度、阀腔脉动压力、气缸盖振动信号为气阀故障诊断信号,实验研究分析对比了这几种信号对气阀几类常见故障的可诊断程度,获得几点有益的结论。     

基于参数优化SVM的往复压缩机气阀故障诊断

气阀是往复压缩机发生故障最频繁的部件,为了提高气阀故障诊断的准确性,将网格搜索法和支持向量机(SVM)应用到气阀故障诊断中.采用网格搜索法对SVM进行参数寻优,提高故障模式识别的准确率.对气阀历史振动数据样本进行训练和预测,将固有模态分量的能量特征作为支持向量机的输入,对已知的统计样本进行训练,并对未知样本进行预测.结...     

基于小波变换的往复式压缩机故障诊断系统

首先介绍了小波分析的理论方法,并把小波分析方法应用在压缩机监测信号处理中,根据压缩机的故障特征,研制了往复式压缩机故障监测与诊断系统,根据Ｍａｌｌａｔ快速算法实现信号的多尺度分解,能获得信号的局部特征,系统还具有多种信号处理功能,将小波分析和Ｆｏｕｒｉｅｒ分析相结合,为机器的故障诊断提供了一种有效的工具。     

连续小波变换在往复泵泵阀故障识别中的应用

探讨了小波变换在往复泵泵阀故障识别的应用。分析研究表明,通过对测取的往复泵阀箱上振动加速度信号的小波变换,可有效提取泵阀失效的故障信息,结合泵阀关闭位置信号的相位分析,可较为准确地判别三缸泵任一泵阀的故障,该方法用到的测量数据少,具有较为理想的诊断树现场往复泵泵阀状态监测与故障诊断具有重要意义。     

小波变换在故障诊断中表征信号奇异点的应用

在工业控制系统中,设备故障信号多是突变性的。采用小波变换这种全新的时频分析方法能有效检测系统信号的奇异点,进而提取出故障信息。实验证明,小波变换在故障诊断中具有优越性。     

小波变换在滚动轴承故障诊断中的应用

采用小波变换能够快速有效地对滚动轴承振动信号进行带通滤波。通过选用多尺度的小波变换,能较好地分离出所要分析的高频固有振动信号,然后对高频振动信号进行包络分析,从包络谱图中提取故障特征频率分量,就能诊断出滚动轴承故障发生在哪个元件上。实验结果表明,这种诊断方法是有效的。     

往复式压缩机气阀故障分析与诊断

本文以实验压缩机为例,实测在正常情况下和故障情况下压缩机气阀的振动信号,运用小波包理论分析气阀不同位置的故障,对气阀故障的种类和特点进行了分析和探索,为小型压缩机气阀故障诊断和预判提供了一种新的方法。     

基于复小波变换相位谱的齿轮故障诊断

提出了一种基于复小波变换诊断齿轮故障的新方法。利用Mexican-hat调制复小波基函数对齿轮振动信号进行连续小波变换，再作相位的频谱分析，可以突出边频带结构，识别不同故障模式。试验数据的分析结果表明，该方法适用于齿轮故障诊断，与传统的自功率谱方法以及基于实值小波的小波变换方法相比，这种方法效果更好。     

基于小波包变换的滚动轴承故障诊断

针对故障轴承振动信号能量集中与调制的特点,提出了一种基于小波包能量法与Hilbert变换的滚动轴承故障诊断方法。使用小波包变换对振动信号进行分解、重构及能量计算,并应用Hilbert变换对能量集中频段的重构信号进行解调和频谱分析,提取故障特征频率。同时针对诊断过程中故障特征参数依靠人工计算的问题,提出故障特征参数自动提取方法。实际的滚动轴承实验数据的处理和分析结果表明,该诊断方法能够准确、快速地识别滚动轴承表面损伤的故障模式。     

基于小波变换的智能混合诊断系统

介绍了计算智能的主要内容和研究方法及其在故障诊断中的应用,讨论了小波变换在故障诊断中的重要作用,提出了一种基于小波变换的智能混合诊断系统。     

连续小波变换在滚动轴承故障诊断中的应用

采用连续小波分析的方法对滚动轴承振动和速度信号进行处理,提取滚动轴承故障特征。通过对滚轴承在正常、内圈剥落、外圈剥落及滚动体落情况下的振动加速度信号进行分析,验证了这种方法的有效性。     

第二代小波变换在旋转机械故障诊断中的应用

不同类型的机械故障在振动信号中会反映出不同的波形特征 ,选用不适当的小波基函数会冲淡故障的特征信息 ,给故障诊断造成困难。第二代小波变换可以通过设计预测系数和提升系数获得具有某种特性的小波基函数。本文介绍了第二代小波变换的原理 ,研究了预测系数和提升系数与低通和高通滤波器系数之间的关系 ,根据信号的特征构造了基于插值细分方法的双正交小波 ,在旋转机械的轴系不对中故障诊断中取得了满意的效果。     

小波分析在机械故障诊断中的应用

文章总结了故障诊断的研究内容,分析了各种诊断方法的优势和不足,探讨了小波分析的特点,指出了小波分析的发展现状,列举了小波理论在降噪、振颤等故障诊断中的典型应用,预测了小波未来的发展趋势。