用最大重叠离散小波包变换的Hilbert谱时频分析

在介绍基于最大重叠离散小波包变换(Maximal Overlap Discrete Wavelet Packet Transform,简称MODW-PT)的Hilbert谱方法的基础上,将基于MODWPT的Hilbert谱应用于非平稳信号的分析.采用MODWPT可将多分量的复杂信号分解为若干个瞬时频率和瞬时幅值都具有经典物理意义的分量之和,求出各个单分量信号的瞬时频率和瞬时幅值,再进行组合得到原始复杂信号完整的时频分布.对基于MODWPT和基于经验模态分解(Empiri-cal Mode Decomposition,简称EMD)的Hilbert谱,在不同类型非平稳信号下的时频分析效果进行了比较和分析,结果表明了基于MODWPT的Hilbert谱分析方法的有效性.     

小波包在管道漏磁信号分析中的应用

叙述了小波包分析的基本理论,并将时频分析理论引入管道漏磁信号的分析中,通过对实测信号的小波包分析,表明了小波包分析作为时频分析方法的一种,在漏磁信号的分析中具有独特的优越性.     

基于SSWPT汽轮机轴承油膜失稳故障诊断

针对时频分析方法在转子油膜失稳诊断方面的不足,提出采用同步压缩小波包变换（synchro-squeezed wave packet transform,简称SSWPT）对汽轮机运行过程中非平稳多分量信号进行连续小波变换,对不同种类信号选取不同主频率小波,得到信号时频图,通过算法可由时频图对原始信号进行重构,并与现有时频方法的精度进行对比。以某电厂1 000 MW机组为研究对象,针对调试过程中出现的轴系振动大问题,运用SSWPT方法进行了转子油膜振荡故障诊断分析。利用现场汽轮机诊断管理（turbine diagnosis managment,简称TDM）系统采集数据,进行小波包变换得到小波变换系数,以及故障中非平稳信号的瞬时频率,最后在瞬时频率尺度下对小波包变换系数进行压缩,得到更为准确的频率成分组成。结果表明,该方法对现场非平稳信号的特征提取具有优越性,能够精准判断故障发生的位置和类型,为机组后期故障处理提供可靠依据。     

一种基于时频峭度谱的滚动轴承损伤诊断方法

为了准确地提取滚动轴承损伤特征频率,提出一种基于频率切片小波变换的时频峭度谱分析方法。采用频率切片小波变换对振动信号进行时频分解,求取与各个频率分量对应的幅值峭度,由幅值峭度序列构造信号的时频峭度谱。以时频峭度谱的若干个较大谱峰对应的频率作为中心频率,确定相应的共振频带,并在时频空间选择时频切片,然后采用重构分离出这些信号分量,并用包络解调获取重构信号的包络。在此基础上,通过包络信号的等效功率谱确定滚动轴承的损伤特征频率。试验证明,这种方法可以有效地提取滚动轴承的特征频率,由于采用了多个频带保证了足够多的信号能量可用于包络分析,当轴承存在多种损伤时,也可以有效地鉴别不同损伤特征频率。     

虚拟式多功能时频分析系统的研究与开发

介绍了典型的时频分析方法及所研发的虚拟式多功能时频分析系统。该仪器系统功能十分强大,主要包括:零相位数字滤波、短时付氏变换、多分辨时频分析、魏格纳分布、乔伊威廉斯分布、小波和小波包阈值滤波、二进小波及小波包正交分解、连续小波变换等。文中逐一介绍各主要功能的基本原理。给出了仪器的开发、设计、仿真及其应用实例。值得一提的是,在分析极大极小尺度共存信号时,作者所提出的多分辨时频分析方法比其它经典时频分析方法有明显的优势。     

分数阶小波包时频域的信号去噪新方法

为了提高信号去噪的效果,提出了一种基于分数阶小波包变换(FRWPT)的信号去噪新方法。该方法根据输出信号信噪比的大小,用迭代法寻找分数阶小波包变换的最优分数阶p值,通过分数阶小波包变换将带噪信号映射到最优分数阶小波包时频域内,对变换后的信号进行窄带通滤波,最后通过分数阶小波包逆变换对信号进行重构,实现分数阶小波包时频域内的信号去噪。以带噪Bumps信号和语音信号为例的去噪实验结果表明,采用该方法去噪后的信号信噪比明显提高,在抑制噪声的同时可以有效保持细节信息。     

基于线调频小波变换的旋转机械故障诊断

小波变换在设备故障信号处理中得到广泛地应用,然而,小波变换只能消除白色噪声,对有色噪声不起作用.线调频小波变换统一了短时Fourier变换和小波变换的时频分析,是信号的时间-频率-尺度变换,能根据信号的特点自适应生成新的时频窗口.它不仅具有小波变换良好的时频局部性特点,而且它的时频窗口比小波变换的时频窗口更加灵活.本文应用线调频小波变换对旋转机械故障信号进行消噪,效果明显.     

基于时频奇异谱和RVM的柴油机故障诊断研究

提出一种基于双树复小波包时频奇异谱和关联向量机的柴油机故障诊断方法,针对连续小波时频分布计算量大,分析速度慢,运用双数复小波包分解提取柴油机缸盖振动信号中的时频分布特征,并进行奇异值分解,结合柴油机运行的时域特点,通过特征优选,形成组合特征集,输入关联向量机多类分类器,从而实现柴油机的故障诊断.试验结果表明,该方法分析...     

小波分析及其在机械诊断中的应用

从工程应用的角度提出了对于小波分析的理解，给出了小波函数和尺度函数之间的关系和信号分解的小波变换。利用小波包算法分析了两种典型的机械故障。结果显示，小波包的分析方法较传统的窗口傅里叶变换和维格纳分布更加有效。     

基于频率切片小波变换时频分析的齿轮故障诊断

为了在强噪声中有效提取齿轮的故障特征,提出了一种基于频率切片小波变换时频分析的齿轮故障诊断方法。先对信号进行频率切片小波变换,得到在全频带下的时频分布,然后在此基础上分割出含有故障特征的时频区域,再通过对该区域进行时频阈值滤波和逆变换重构分离出有效的故障特征。仿真实验和实测信号分析表明,这种方法可从噪声信号中分离出有效的特征分量,在齿轮故障诊断方面取得了较好的应用效果。     

齿轮振动信号特征的小波包频率表示法

通过对信号的小波包分解的研究．提出了信号特征的小波包频率表示方法．表示信号对分解节点和频率的功率谱分布;同时提出以小波包频率表示为依据的特征信号重建方法。齿轮振动信号特征的小波包频率表示表明该表示方法能有效展示齿轮的技术状况的变化。将功率谱集中的相邻的结点上的分解结果重构,得到的时域特征信号也能展示齿轮的技术状况。     

基于HWPT-ZFFT的二维全息谱计算方法

精确的频率、相位和幅值识别是进行全息谱计算的必备条件,针对含3个及以上的密集频谱成分,提出一种基于谐波小波包变换的频谱细化方法(harmonic wavelet packets transform-zoom fast Fourier transform,简称HWPT-ZFFT),较传统的复调制细化傅里叶变换所利用的低通及带通滤波器相比,其盒型频谱特性可将感兴趣频段的信号正交,无冗余、无泄漏地提取出,提高了识别精度。首先,利用谐波小波包对密集频谱成分进行滤波;然后,频移进而重采样,进行傅里叶变换得到细化的频率、幅值及相位;最后,计算密集频率下二维全息谱,进行双盘转子全息谱计算,考虑高次分倍频,得到更丰富的故障特征。仿真及双盘转子实验结果表明所提出方法的有效性。     

基于小波包-AR谱的变速器轴承故障特征提取

提出了一种小波包-AR谱估计和计算散度相结合的汽车变速器轴承故障特征提取方法.将6种不同磨损状况下的变速器轴承振动信号进行小波包分解,重构各频段信号并进行自回归(auto regressive,简称AR)谱估计,最后计算各故障轴承到新轴承之间的散度值.试验结果表明,不论是轴承的轴向间隙,还是径向间隙差异及疲劳剥落,在小波包-AR谱的谱图上均有明显的反映,该方法可以有效提取出汽车变速器轴承振动信号中的故障特征.     

基于小波神经网络的RC梁损伤识别试验研究

简要阐述了小波包分析及BP神经网络理论，利用小波包变换对获得的加速度信号进行分解和重构，求解各频带内的信号能量，将其作为神经网络输入参数，对神经网络进行训练，然后利用该网络进行损伤检测。按上述方法，通过有限元分析对RC梁进行损伤模拟，建立了结构损伤识别神经网络。按同样的构造制作了RC试件，并进行了损伤试验研究，对试验中在不同损伤情况下采集的加速度信号进行小波包分解和重构，将得到的能量向量输入已建网络判断结构的损伤。从试验结果可以看出诊断误差很小，能够满足实际工程要求。     

运用小波包峭度包络的滚动轴承故障诊断

根据滚动轴承振动信号的性质,提出了一种基于小波包系数、峭度最大值原则及包络谱分析的滚动轴承故障自动诊断方法.首先,用小波包将信号分解到不同的频段上,再对不同频段的小波包系数计算其峭度值;然后,根据峭度值最大原则,自动确定由轴承缺陷所引起的共振频率所在的频带;最后,对该频带的小波包系数进行包络谱分析,以确定故障频率.此方法能够提高滚动轴承故障诊断的可靠性和便捷性.     

声发射和小波包分析在损伤状态监测中的应用

为应用声发射技术对结构的损伤状态进行监测与识别,基于小波包分析提出了一种在线损伤监测方法。采用D-S证据理论对声发射信号的小波包能量谱进行多源信息融合得到改进的小波包能量谱,计算Mahalanobis距离构建结构损伤状态判别指标,采用t检验的概率方法考察不同损伤状态下判别指标的变化情况。旋转轴承结构的声发射信号分析结果表明,D-S证据理论能够对声发射信号的小波包能量谱识别样本抽取有效信息,结构损伤状态判别指标具有良好的结构损伤识别能力,能够准确地实现对结构不同损伤状态的识别。     

基于多尺度信息熵特征和RBF神经网络的气液两相流流型识别方法

根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性，提出一种基于小波包多尺度信息熵的流型识别方法。该方法首先对采集到的压差波动信号进行4层小波包分解，在通频范围内得到分布在不同频段内的分解信号，进而建立流型的多尺度信息熵特征向量。并以此特征向量作流型样本对RBF神经网络进行训练，实现流型的智能化识别。试验结果表明，训练成功的RBF网络能很好地识别水平管内的4种流型，为流型识别开辟了一条新的途径。     

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。