基于小波分析的粉末冶金温压齿轮监测系统研究

粉末冶金温压成形技术制造的斜齿轮耐磨性好,成本低,其工作过程产生的振动、噪声具有明显的频带特点.小波分析技术对噪声没有特殊限制、降噪效果好.建立基于虚拟仪器Labview平台齿轮振动信号采集、分析处理系统,对采集的振动信号使用小波分析技术进行实时分析处理,从而对齿轮传动系统进行监测和诊断.     

基于虚拟仪器的往复压缩机小波分析系统

利用虚拟仪器技术开发机械设备状态监测与故障诊断系统,是机械故障诊断领域中的研究热点。以LabVIEW软件为开发环境,开发了往复压缩机振动信号多层小波分析系统,系统可对振动信号进行多层小波分解和重构。通过对故障状态与正常工作状态下的振动信号的对比分析,能实时发现运行中的压缩机所存在的故障。该研究方法能够为压缩机的检测提供一种新的切实可行的方案。     

基于DWT和PNN的印刷过程实时监测和故障诊断

提出了一种新的基于离散小波变换和概率神经网络的印刷过程振动信号的实时监测和故障诊断系统。利用小波包分解技术对印刷过程振动信号进行降噪处理,并选择特殊频段进行小波包重构,有效捕捉和分离了处于信号不同频段的印刷过程振动信号故障特征分量。对提取的故障特征参数应用概率神经网络映射,实现对印刷过程振动信号运行状态的实时监测和故障诊断。仿真结果表明,该诊断方法快速、准确且易于工程实现。     

矿井主通风机振动故障分析及监测系统设计

以矿井主通风机为研究对象,分析主通风机振动故障的类型,通过小波分析技术提取相关故障特征信号,采用BP神经网络控制算法建立故障训练样本,对故障类型进行训练跟踪,并设计故障监测系统,同时,采用LabVIEW和Matlab平台对故障监测系统的软硬件进行分析,实现对通风机振动故障参数的监测。实验结果表明:在训练180次后基本能达到期望值,且故障监测系统能提高故障监测的准确性,确保矿井生产的安全性。     

基于虚拟仪器的电机振动远程监测系统

采用虚拟仪器系统作为开发平台,应用频谱分析和小波分析相结合的方法以及使用DataSocket技术,构建了电机振动远程监测系统.它能够对振动信号进行自动采集及实时数据分析和处理.很好地实现了监测系统的网络化,改善了操作人员的工作环境.实际应用证明,该系统能有效地判断电机振动故障类型和程度,提高了故障诊断效率.     

运行转子径向振动的小波信号监测

针对运行转子径向振动的信号监测，介绍了小波分析的基本原理，提出了运行转子异常信号检测的原则。利用该原则，本文对实际转子运行的径向振动信号进行了小波信号监测分析，得出了较好的结论。     

小波分析在发动机失火监测中的应用

针对现时发动机失火监测方法的不足,研究了利用小波分析方法进行失火监测.对某发动机缸盖振动加速度信号作频谱分析,可知单缸失火状态的0.5和1谐次振动幅值与正常状态相比有显著增长.采集发动机稳速工况下失火故障瞬间前后一段时间的振动信号,利用小波分析方法,对其进行多尺度近似分解,获得低频逼近信号.由于失火引起低阶次振动幅值变化,观测获得的低频逼近信号的振动幅值波动,可明显分辨出故障发生的时间,再进行加速和减速工况分析.结果同样表明,通过小波变换分析方法,能有效监测发动机失火发生的时间.     

高速线材轧机网络监测系统

高速线材轧机网络监测系统用于监测粗轧机和精轧机的振动信息,软件部分集成了频谱分析、小波 分析和特征频率识别,实现了特征频率计算等功能;硬件系统为自主研制的“高速线材粗轧机齿轮箱故障 检测板”,可从振动信号中提取冲击故障特征。系统运行5年多以来,多次发现故障隐患,为保证轧机安全 可靠运行及维检修提供了科学依据。     

透平压缩机信号监测的二进小波分析技术

介绍了小波分析的优越性,给出了二进离散小波变换的迭代公式,从工程应用角度研究了小波分析的工程实现技术。对压缩机振动信号进行了二进小波监测分析,得到了压缩机原始信号在不同频率段分解的细节信号的逼近信号,并给出了不同频率段压缩机振动信号的瀑布分析图,得到了满意的分析结果。     

基于振动分析的电梯状态监测技术研究

针对电梯系统运行过程中振动信号的非平稳、随机性、不稳定等问题,利用振动信号时域峰值、频域频率值及功率谱密度和时频域能量分布的多参数振动特征量,对电梯机械部件不同工况下的振动特性进行了研究。分析了振动监测系统及其工作原理,在此基础上阐述了机械振动特征量的提取分析方法,论述了小波包分析理论和经验模态分解法;应用上述振动信号提取方法,分别对电梯曳引机减速箱正常和异响工况下的振动信号进行了监测和特征提取。实验结果表明:采用多参数特征量融合表征电梯机械振动特性的方法是可行的,能为电梯机械部件潜在安全隐患识别和故障诊断提供技术支持。     

旋转机械振动信号压缩小波基优化选取方法

旋转机械在线状态监测和故障诊断系统中振动数据的实时存储和远程传输对数据压缩提出了较高的要求.小波分析做为数据处理的常用方法,已被广泛地应用于数据压缩并取得了良好的效果.给出了振动信号的小波通用压缩方法,通过分析旋转机械振动信号的特点和小波函数几种重要属性对小波压缩的影响,提出了旋转机械振动信号压缩过程中最优小波基的选择方法,并根据旋转机械实际故障信号比较了相应小波的压缩效果.结果表明,通过选择合适的小波基函数,可以有效提高重构信号的信噪比.对于旋转机械复杂突变类故障信号应选择低分解消失矩,高重构正则性的双正交小波进行压缩.本研究方法和结论对旋转机械振动信号小波压缩的进一步研究有一定的参考作用.     

基于粗集理论的往复泵泵阀故障诊断方法

提出了一种基于粗集理论的往复泵泵阀故障诊断方法。该方法可以直接从经过小波包处理的泵阀振动信号中提取故障诊断观测，并由此建立基于规则的泵阀故障诊断系统，该系统不仅可以对发生故障的单个泵阀进行诊断，而且还能对同时发生故障的多个泵阀进行诊断，试验结果表明了这种方法的有效性。这种方法的可行性也为其它复杂机械的故障诊断提供了新思路。     

基于现代非线性理论的汽轮发电机组故障诊断技术研究

运用小波理论、分形理论和混沌理论等非线性理论,对汽轮发电机组转子故障进行了综合分析和研究。对 所测某28 MW发电机组转子在三种不同工作状态下的时间序列进行了关联维数计算、小波包分解以及最大李雅 普诺夫指数计算,并结合其相轨迹图和庞加莱截面进行了分析与研究。结果表明,小波包分解重构技术具有很强 的消噪和非平稳信号提取能力;发电机组转子在不同工作状态下其时间序列的关联维数、李雅普诺夫指数具有明 显差别,且两量值相互补充、相互对应。由此提出:关联维数、最大李雅普诺夫指数可以作为刻画发电机组机械 故障特征的综合量化指标。该研究为非线性运动系统的在线监测、故障诊断和状态预测开辟了有效途径。     

裂纹转子系统虚拟状态监测

裂纹转子系统的状态监测一直倍受关注。但由于裂纹转子自身较强的非线性特征,早期裂纹故障的监测与诊断很难在工程实际中实现。本文针对单盘横向裂纹Jeffcott转子系统,以虚拟仪器技术构建了状态监测框架,借助谐波小波变换方法,实现对系统虚拟监测的响应分析。结果表明,借助虚拟仪器可以很简单直接地实现裂纹转子系统的状态监测,其谐波小波分析结果能清晰地解释裂纹故障对系统的影响。     

采煤机摇臂齿轮传动系统振源定位分析方法

为了研究采煤机摇臂传动齿轮的振动分析方法并进行实机振源定位验证,首先,采用小波分析对采煤机摇臂振动信号进行降噪处理和频谱分析,依据特征频率下的振幅结果确定故障齿轮的啮合频率;然后,通过Morlet小波包络解调分析获取边频带信号频谱特征,依据边频带特征频率下的振幅结果确定故障齿轮的转动频率;最后,对频谱分析和Morlet小波包络解调分析的结果进行综合分析,锁定故障齿轮的准确位置。对一台国产采煤机摇臂齿轮传动系统进行了振动测试与信号分析,结果表明,基于小波分析、频谱分析和Morlet小波包络解调分析相结合的振动分析方法可以实现对采煤机摇臂故障齿轮的准确定位,为强噪声环境下复杂齿轮传动系统的故障快速定位和现场定点维修提供了方法支持。     

Adaptive wavelet transform for vibration signal modelling and application in fault diagnosis of water hydraulic motor

There has been an increasing application of water hydraulics in industries due to growing concern on the environmental, health and safety issues. The fault diagnosis of water hydraulic motor is important for improving water hydraulic system reliability and performance. In this paper, fault diagnosis of water hydraulic motor in water hydraulic system is investigated based on adaptive wavelet analysis. A novel method for modelling the vibration signal based on the adaptive wavelet transform (AWT) is proposed. The linear combination of wavelets is introduced as wavelet itself and adapted for the particular vibration signal, which goes beyond adapting parameters of a fixed-shape wavelet. The AWT procedure based on the parametric optimisation by genetic algorithm (GA) is developed. The model-based method by AWT is applied to extract the features in the fault diagnosis of the water hydraulic motor. This technique for de-noising the corrupted simulation signal shows that it can improve the signal-to-noise ratio of the vibration signal. The results of the experimental signal demonstrate the characteristic vibration signal details in fine resolution. The magnitude plots of the continuous wavelet transform (CWT) show the characteristic signal's energy in time and frequency domain which can be used as feature values for fault diagnosis of water hydraulic motor.     

Impeller fault detection under variable flow conditions based on three feature extraction methods and artificial neural networks

Nonstationary flow conditions can introduce complexities and nonlinear characteristics to pumping systems. This paper presents comparative studies of impeller fault detection techniques combined with artificial neural networks (ANNs) to propose the most appropriate diagnosis system. An experimental study, including seven impeller conditions, is performed to further explore the phenomena. Statistical parameters, frequency peaks, and wavelet packet energy present data feature sets, and a three-layer back-propagation ANN is used for fault recognition. The verification of the results proves that the detectability of the wavelet packet transform (WPT)-ANN model is considerably improved by using the energy of the decomposed vibration from WPT. This model can save computational time and provide superior diagnostic information. This study provides two key contributions. First, the feasibility and effectiveness of common monitoring techniques are compared. Second, the results demonstrate the accuracy of the proposed models for impellers operating under variable working conditions, which has not been previously addressed in the literature.     

WVAELET TRANSFORM IN TANDERN WITH AUTOREGRESSIVE TECHNIQUE FOR MONITORING AND DIAGNOSIS OF MACHINERY①

ＷＶＡＥＬＥＴＴＲＡＮＳＦＯＲＭＩＮＴＡＮＤＥＭＷＩＴＨＡＵＴＯＲＥＧＲＥＳＳＩＶＥＴＥＣＨＮＩＱＵＥＦＯＲＭＯＮＩＴＯＲＩＮＧＡＮＤＤＩＡＧＮＯＳＩＳＯＦＭＡＣＨＩＮＥＲＹ①ＨｅＺｈｅｎｇｊｉａ；ＺｈａｏＪｉｙｕａｎ；ＭｅｎｇＱｉｎｇｆｅｎｇ（Ｘｉ...     

基于小波分析的低速重载设备故障诊断

低速重载设备突发故障难于识别,一旦发生,损失巨大。振动监测技术虽可以作为设备维护的重要手段,但常规的频谱分析无法准确提取低速轴上的故障特征。对实时监测的振动数据,采用小波分解技术可以获得必要的低频段信息。某个时段内的信号经小波变换后所定义的小波分层突变系数,可以作为判别低转频微冲击故障隐患的特征值,而且该系数趋势图还可有效刻画出故障部位的劣化过程;对同一组监测数据,分别采用细化谱技术和小波分解+FFT的复合信号处理技术进行比较分析,结果表明,由于FFT分析的局限性,细化谱无法准确识别出故障原因及部位,而后者采用复合信号处理方法提取的故障特征频率对应的振幅变化剧烈得多,此法有助于低速重载设备早期故障的准确识别。     

APPLICATION OF WAVELET PACKET ANALYSIS FOR FAULT DETECTION IN ELECTRO-MECHANICAL SYSTEMS BASED ON TORSIONAL VIBRATION MEASUREMENT

This paper primarily focuses on detecting electrical faults in turbine generator sets by monitoring torsional vibrations with the help of the non-contact measurement technique and analysing the data acquired from torsional vibration meter. Torsional vibrations in shaft trains can be excited by periodic excitation due to a variety of electromagnetic disturbances or unsteady flow in large steam turbine generator sets and may cause failure in shaft trains. A method is presented to use wavelet packet analysis for fault detection. It is achieved by decomposing the torsional vibration signals in the wavelet packet space at different levels to give finer details. Shannon wavelets have compact supports in frequency domain, it allows the analysis to be carried out in frequency bands of interest. Its effectiveness is verified by experimental results. Moreover, the application of the proposed method can be extended to analysis for transient conditions.