小波分析的工程理解及其在机械诊断中的应用

在本文中，我们从工程应用的角度提出了小波分析的理解，给出了小波函数和尺度函数之间的关系和信号分析的小波变换，然后，我们利用小波包算法分析了两 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立叶变换和维格纳分布相比更加有效。     

全信息小波包分析及其在旋转机械故障诊断中的应用

针对传统旋转机械单通道故障诊断的不足,结合设备状态检测和故障诊断中微弱振动信号难以提取的问题,在介绍全信息技术的基础上,提出新的信号处理方法——全信息小波包分析,用小波包变换对双通道信号分别进行分解,以提取信号中的微弱局部成分,把需要的对应小波包进行重构并用全矢谱技术进行融合,根据融合后的数据进行故障诊断。工程应用实践表明,全信息小波包分析是一种新的、较为实用的信号处理方法。     

小波包分解及其在旋转机械故障诊断中的应用

简述了小波包分析原理，阐明其具有良好的时频局部化特性，能对非平稳信号进行有效识别，可有效区别不同故障。结合实例验证了其用于故障诊断的优越性。     

小波包分解算法研究及其在机械故障诊断中的应用

基于小波包的多分辨率特性,研究了B样条小波的小波包分解算法.小波包分析能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,从而提高了频率分辨率.并且基于上述算法,对齿轮传动系统的振动加速度信号进行了小波分解,建立了一套基于小波包能量分布的机器运行特征和诊断特征参数,并给出了实验数据及分析结果.     

小波包分解算法研究及其在机械故障诊断中的应用

基于小波包的多分辨率特性,研究了B样条小波的小波包分解算法.小波包分析能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,从而提高了频率分辨率.并且基于上述算法,对齿轮传动系统的振动加速度信号进行了小波分解,建立了一套基于小波包能量分布的机器运行特征和诊断特征参数,并给出了实验数据及分析结果.     

小波包分析在柴油机故障诊断中的应用

运用小波包分析方法对柴油机缸盖振动信号进行预处理,并运用小波包频带的能量分析方法识别柴油机喷油雾化质量故障。在不同工况下的柴油机上测得两组振动加速信号,并对该信号进行分析,准确识别了故障。说明该方法对提取故障信息并进行诊断是行之有效的。     

谐波小波分析及其在旋转机械信号分析中的应用

介绍了谐波小波的信号分析方法,通过运用该方法对一些常见的非平衡信号以及离心压缩机试车的振动信号进行分析表明,其分析手段及结果具有较大的实用价值。     

小波—BP神经网络在旋转机械故障诊断中的应用

利用小波分析和BP神经网络相结合的方法对旋转机械的故障进行识别.首先运用小波分析对故障信号进行降噪处理,然后运用小波包对信号进行分解和重构,提取各频带能量值,将该能量值作为BP神经网络输入端的特征向量,训练网络进行故障模式识别.实验表明,该方法在旋转机械故障诊断中切实可行.     

小波包分析在旋转机械冲击故障诊断中的应用研究

小波理论在工程中应用的特点之一是能对信号进行多维多分辨率分解及重构,能够用于提取信号的一些特征成份。基于这一优点,本文将小波包分解及重构理论应用于旋转机械冲击故障信号的处理,通过对试验数据的分析,得到了清晰、直观的系统冲击响应成份,与同时测得的声发射信号相对照,说明这一方法是有效的。     

小波包分析在故障诊断中的应用

分析了用小波包能量分析方法提取故障信号特征向量的方法，并改进算法解决了小波包分解中的混频现象，根据最佳分解树进行了特征选择。通过实例证明本方法行之有效。     

二维小波变换及其在机械碰摩故障诊断中的应用

以机械碰摩信号为例，采用具有“时频局部化”性能和“方向极化”性能的二维小波变换，成功地分辨出故障信号与正常信号，避免了由于多信号转化成单信号带来的信息冗余以及能量的转化，同时能方便地分辨出故障信号的相位角，为解决机械故障诊断领域多信号、多特征的分析问题提出新的思路。     

基于小波包分解和支持向量机的机械故障诊断方法

提出应用小波包分解和支持向量机进行机械故障诊断的方法。该方法将振动信号小波包分解后的频带能量作为特征向量,输入到由多个支持向量机构成的多故障分类器中进行故障识别和分类。试验结果表明,与神经网络相比,采用支持向量机进行故障诊断可以获得更高的诊断精度,表明该方法是有效的、可行的。     

全息谱的分解及其在机械诊断中的应用

讨论了一种对回转机械中具有多种倍频故障的全息谱进行分解得到多个只含单一故障的全息谱的方法，该方法有助于判明各倍频故障的存在及严重程度，为回转机械的检修提供参考     

小波降噪技术在柴油机故障诊断中的应用

在柴油机的故障诊断中,对其振动信号的分析是柴油机故障诊断的重要手段,但是由于噪声的干扰而使诊断的精度大打折扣,而传统的傅里叶低通滤波降噪方法对于柴油机这样的非平衡复杂振动信号不能起到好的降噪作用。本文采用小波降噪技术,将柴油机缸盖振动信号进行小波多尺度分解,然后分别进行阈值处理,最后进行小波重构,剔除柴油机的噪声信号,提高信号的信噪比,获得了比较理想的效果。     

核函数主元分析及其在齿轮故障诊断中的应用

提出了基于核函数主元分析的齿轮故障诊断方法。该方法通过计算齿轮振动信号原始特征空间的内积核函数来实现原始特征空间到高维特征空间的非线性映射。通过对高维特征数据作主元分析,得到原始特征的非线性主元,以所选的非线性主元作为特征子空间对齿轮工作状态进行分类识别。用齿轮在正常状态、裂纹状态和断齿状态下的试验数据对该方法进行了检验,比较了主元分析与核函数主元分析的分类效果。结果表明,核函数主元分析能有效的检测裂纹故障的出现,正确区分不同的故障模式,更适于提取故障信号的非线性特征。     

HYBRID WAVELET PACKET-TEAGER ENERGY OPERATOR ANALYSIS AND ITS APPLICATION FOR GEARBOX FAULT DIAGNOSIS

Based on wavelet packet decomposition (WPD) algorithm and Teager energy operator (TEO), a novel gearbox fault detection and diagnosis method is proposed. Its process is expatiated after the principles of WPD and TEO modulation are introduced respectively. The preprocessed signal is interpolated with the cubic spline function, then expanded over the selected basis wavelets. Grouping its wavelet packet components of the signal based on the minimum entropy criterion, the interpolated signal can be decomposed into its dominant components with nearly distinct fault frequency contents. To extract the demodulation information of each dominant component, TEO is used. The performance of the proposed method is assessed by means of several tests on vibration signals collected from the gearbox mounted on a heavy truck. It is proved that hybrid WPD-TEO method is effective and robust for detecting and diagnosing localized gearbox faults.     

小波多重分形及其在振动信号分析中应用的研究

不同于许多基于FFT的信号分析方法,多重分形谱分析的是信号的几何结构特征。以前,多重分形谱的计算方法都有其固有的缺点,使多重分形谱的应用受到限制。而小波局部极大模方法因其简单性和有效性,近来在多重分形谱计算方面受到了广泛的关注。较系统地阐述了多重分形的概念和多重分形谱的小波局部极大模计算方法,讨论了多重分形谱在故障诊断领域的应用途径,并用多重分形谱对不平衡、油膜涡动、联轴器不对中和碰摩等旋转机械的4种典型故障的振动信号进行了事例研究。研究结果表明,多重分形谱能够很好的反映振动信号的几何结构特征,为机械设备故障诊断提供了又一种有效的方法。     

基于小波分析的机械故障特征提取研究

常见的机械故障诊断研究侧重于对故障的识别和分类,相应的故障诊断方法均为提高诊断的准确率而设计;从实际应用角度来讲,这样的诊断方法是不全面的。全面反映设备故障状况的因素除了故障类别外,还应指出故障的具体位置和程度。冲击,油膜振荡,碰摩和转速突变等故障往往产生奇异信号,奇异点包含了更为丰富的故障信息。小波分析具有良好的时频局部化特性,为描述信号的奇异性提供了手段,为此提出用小波分析方法,通过对奇异故障信号的检测,信噪分离和信号频带分析来提取故障特征,以确定故障的位置和程度,这种方法提取的故障信息应用在神经网络等其他故障诊断方法中可以更准确,更全面地诊断故障,柴油机和风机故障实例证明了该方法的有效性。