基于小波包变换与样本熵的滚动轴承故障诊断

针对滚动轴承振动信号的不规则性和复杂性可以反映轴承故障的发生和发展,提出一种基于小波包变换与样本熵的轴承故障诊断方法。样本熵可以较少地依赖时间序列的长度,将轴承振动信号进行3层小波包分解,利用分解得到的各个频带的样本熵值作为特征向量,利用支持向量机对轴承故障进行分类。对轴承内圈故障、滚动体故障和外圈故障3种故障及不同损伤程度的实测数据进行实验,结果表明该方法取得较高的识别率,具有一定的工程应用价值。     

基于小波变换的管道泄漏声发射检测信号处理

针对管道泄漏声发射检测信号中含有大量噪声导致定位精度低这一实际,研究了基于小波变换的声发射检测信号降噪技术,利用小波函数阀值降噪法对泄漏系统所采集的信号进行滤波处理,以保证采集到的瞬态信号有效性,并采用互相关分析法对泄漏点定位.10种工况下实验结果表明,采用小波变换对声发射检测信号处理处理后,管道的定位精度在5％之内,满足工程实际需要.     

基于小波分析消噪技术的燃气管道泄漏检测与定位

研究了基于小波分析的负压波管道泄漏检测与定位技术。并主要对小波分析消噪处理方法进行了分析。先选取合适的小波基和尺度对泄漏信号进行小波分解,再对各尺度下小波分解的高频系数进行阈值量化,并重构小波信号可得消噪后的泄漏信号。运用这种方法,可以更为精确地获得压力突降点,提高泄漏点定位的精度。通过对燃气管道泄漏检测与定位的实例分析,验证了此方法的精确性和有效性。     

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。     

基于小波包近似熵的轴承故障诊断

将小波包变换与近似熵原理相结合,根据近似熵随着信号复杂程度的增加而变大的特征,可应用于轴承声发射信号分析,判断轴承有无缺陷。通过采集轴承在不同模拟缺陷、不同转速、不同载荷等工况下的声发射信号,将采集到的信号经过小波包降噪与分解后,找出能量最大的子带,进行近似熵计算。结果表明,故障轴承中近似熵随着径向载荷和转速的增加而增加,正常轴承的近似熵则不会随着工况的变化而变化,从而取得了较好的诊断效果。     

基于改进经验小波变换及互谱相位差谱的供水管道泄漏声振动定位方法

针对供水管道泄漏声振动信号的信噪比较低导致用于时延估计泄漏定位误差大的问题,提出基于改进经验小波变换及互谱相位差谱的供水管道泄漏定位方法。首先采用小波包分解得到不同尺度的信号能量谱,根据小波包能量谱局部极小值的分布自适应确定频带分割区间,解决了传统经验小波变换中频谱划分问题;然后基于频带分割区间构建正交小波滤波器组对信号进行经验小波变换分解得到多个分量,根据相关系数选取有效分量,同时利用有效分量的互谱相位差谱呈水平变化的频带对有效分量信号进行带通滤波,滤除干扰噪声;最后对滤波后的信号进行互相关时延估计来确定泄漏位置。仿真及实验结果表明,该方法能够有效的实现供水管道泄漏定位,并与互相关、VMD与互谱分析相结合的泄漏定位方法相比,平均相对定位误差分别减少6.7倍和1.5倍。     

应用模糊熵和相似度的管道泄漏检测与定位

动态压力波信号的异常识别是声波法输油管道泄漏检测和泄漏定位的关键。从时间序列角度出发,提出一种基于模糊集理论的输油管道泄漏检测定位方法。该方法首先采用小波分解和半硬软阈值法去除动态压力波信号噪声;其次选取固定长度的正常动态压力波信号子序列作为模板序列,并对现场采集所得动态压力波信号选取相同长度的子序列作为被匹配序列,构造两子序列信号所对应功率谱的模糊集并计算其相似度;最后根据模糊相似度判定输油管道是否存在泄漏现象,若发生泄漏,可利用检测信号和模板信号的模糊熵差确定泄漏位置。实验表明,建议方法简单、有效且定位精度高。     

基于声发射与小波变换的阀门泄漏研究

在实验室建立了一阶水箱循环系统,采用声发射技术与小波变换理论,在相同的实验条件情况下,进行了不同开度下阀门泄漏的声发射检测实验。通过matlab软件对原始电压信号进行去噪处理、频率分析、能量特征分析,能够准确判断管道有无泄漏,得出泄漏大小与声发射信号之间的关系。经对各频段能量特征分析,进一步验证声发射技术在阀门泄漏应用的可靠性。     

基于小波包变换的梁体损伤识别

由于小波包变换在分析非平稳信号方面较傅立叶变换更为有效，提出了基于小波包变换的能量变化率指标进行损伤识别的方法。首先，将得到的结构响应信号进行小波包分解，然后通过小波包能量变化率指标来进行损伤定位。通过3种不同损伤工况的梁体室内试验证明．损伤指标可以准确地识别损伤位置。     

基于小波变换及互相关的声发射源定位研究

采用小波互换和互相关技术研究声发射信号的时间延迟,通过时差定位法对声发射源进行定位。首先通过Daubechies8小波对声发射信号进行5层分解,提取能量最大的那一分解层信号,然后利用互相关技术计算出该层信号到达各个传感器所需的时差,最后利用时差定位法对声发射源进行定位。结果表明,定位平均误差都在4mm以内,借助该定位方法,声发射源的定位精度得到明显提高。     

基于小波包变换与神经网络的齿轮故障诊断方法

对齿轮箱故障诊断问题进行研究,由于齿轮的振动信号是非平稳信号,常规的齿轮特征提取方法难以从振动信号中提取有效故障特征信息。笔者采用小波包理论对齿轮振动信号应用db12小波进行多层分解后,从而对信号进行消噪,并对消噪后的信号进行小波包3层分解及系数重构,再次对各频段能量进行处理分析从而得到特征向量。最终应用归一化方法对特征向量处理后再结合RBF神经网络进行故障诊断,并且取得了良好的诊断效果。     

基于小波包熵和ISODATA的滚动轴承故障诊断

针对滚动轴承不同振动信号各个频带的能量不同的特点,提出一种基于小波包熵（WPE）和ISODATA的集合型故障诊断方法（WPE-ISODATA）。文中对滚动轴承振动信号进行采样;利用小波包提取滚动轴承振动信号的能量特征并归一化运算,将归一化的能量特征作为振动信号的概率分布进行信息熵运算,提取滚动轴承振动信号特征;以信息熵作为ISODATA聚类算法的输入进行故障辨识。滚动轴承实验结果表明：基于小波包熵和ISODATA的集合型故障诊断方法鲁棒性好,可靠性高。     

基于小波包样本熵的滚动轴承故障特征提取

将样本熵引入故障诊断领域,讨论了样本熵的性能和计算参数的选择.结合小波包分解和样本熵,提出了一种新的滚动轴承故障特征提取方法.首先对轴承振动信号进行小波包分解;然后对归一化能量最大的子带进行重构,计算重构信号的样本熵;最后通过样本熵评价故障状态.滚动轴承故障诊断实例验证了该方法的有效性.     

原油管道泄漏检测与定位

本文设计了一套原油管道泄漏监测系统，首次提出了采用结构模式识别分析管道负压波检测管道泄漏的方法，给出了根据管道两端测量参数检测管道泄漏的数学模型和实验结果     

基于小波包最优熵与RVM的滚动轴承故障诊断方法

为解决滚动轴承振动信号信噪比低和故障分类准确性不高的问题,提出了小波包最优熵和相关向量机相结合的故障诊断方法。首先采用小波包对采集到的信号进行信噪分离,寻找分解后信号的最优小波包节点熵;然后提取最优节点能量作为训练样本,对相关向量机的多故障分类器进行训练,实现轴承的智能诊断。试验表明,该方法可简单有效地分离噪声,并具有良好的分类能力,可以很好地应用于轴承故障诊断。     

小波变换在管道泄漏在线监测中去噪的应用

对小波变换的基本理论进行了简要的阐述 ,并提出了利用小波变换模极大值消除工程背景噪声的方法 ,给出了小波变换模极大值的算法。最后本文将小波分析方法与波动法结合起来应用到管道泄漏的在线监测中 ,实验结果证明了该方法可以有效地提高波动法对管道泄漏诊断的精度 ,显示了小波变换对信号的去噪声、滤波以及定位等方面具有广泛的应用前景。     

基于LabVIEW的光纤管道泄漏定位软件开发

本文采用LabVIEW与Microsoft SQL数据库结合的方法,开发了干涉型光纤管道泄漏定位软件.首先,该软件控制NI公司数据采集卡PCI-6110E采集经解调后的光纤传感器干涉信号,再对获得的信号进行小波降噪.最后根据降噪后的波形对管道泄漏点定位;同时该软件能够对定位的数据实现数据库实时存储、查询或删除;此外,该软件还具有数据同放与导出、报表打印、磁盘管理等辅助功能.实验证明.该软件具有较高的实时性和可操作性,较好地实现了管道泄漏定位的智能化和自动化.     

基于小波包变换的回转窑托轮轴承故障诊断

针对回转窑对象给出了水泥回转窑故障诊断框图。说明了水泥回转窑工艺流程和常见的水泥回转窑设备故障及原因。阐述了小波包分解方法和小波包分解的优缺点。阐述了基于小波包变换的水泥回转窑故障诊断算法,给出了基于小波包变换的轴承故障诊断流程图。对正常状态、外圈故障状态和内圈故障状态的轴承小波包变换进行分析。得到经小波包分解1~4层细节进行重构后的波形图,得到经4层小波包分解后各频带的能量分布以及重构信号的包络图。将正常状态下小波包分解后的能量频谱信号与故障状态下的进行比照,通过能量频谱信号的不同,确定正常状态和故障状态的特征信息。文中对采集到的振动信号进行小波包分解,对分解后不同频带上的信号进行功率谱计算,通过能量的改变表示某一种特征信号,再对提取到的特征信号进行Hilbert谱分析。最终,通过对特征信号的Hilbert谱分析来区分出不同的故障。     

基于小波包变换的齿轮箱降噪方法研究

应用小波包变换理论和小波包降噪原理,对轧机齿轮箱的振动信号进行小波包降噪,有效地从含噪信号中提取出故障特征。通过对计算机仿真信号的降噪效果比较和实例分析,显示了小波包降噪的优越性。最后对齿轮箱降噪前后小波包各频带能量向量的比较,进一步表明了小波包降噪在消除高频干扰,凸显故障特征方面的有效性。