连续小波变换在传感器故障诊断中的应用

小波变换在信号分析与处理中有良好的局部性质.主要研究基于连续小波变换极值点的方法在传感器故障诊断中的应用.对输入信号输出信号进行连续小波变换,利用该变换求出输入输出信号的奇异值,然后去除由于输入突变所引起的极值点,则其余的极值点对应于传感器的故障.在MATLAB平台下,仿真结果表明,该故障诊断方法可以有效地进行故障检测和定位.     

基于小波分析的浊度传感器故障诊断研究

由于小波分析具有多分辨率分析的特点,在时域和频域都有表征信号局部信息的能力.提出以小波分析为基础的浊度传感器故障诊断的研究,对信号进行小波变换,求出奇异性和奇异值,从而检测传感器故障发生的时刻和严重情况.仿真实验表明:该法能有效地检测和识别出浊度传感器故障、且具有灵敏性好、故障诊断率高等特点.     

基于小波分析的传感器故障检测研究

针对航空发动机控制系统传感器故障检测在强噪声环境下易误报的问题,设计了基于模极大值原理的传感器故障检测方法.首先介绍基于小波奇异性进行故障检测的基本原理,之后根据信号和噪声奇异指数不同的特点判断噪声模极大值.对传感器典型故障,给出基于模极大值原理的传感器故障检测算法,并根据小波变换模极大值在不同尺度下的分布来完成故障的检测.通过某型涡扇发动机控制系统传感器故障检测仿真实验表明,小波变换能很好地刻画信号的奇异性特征,该滤波算法消噪效果明显,故障检测准确度高.     

一种高精度电力谐波检测法

本文介绍了一种基于小波分析的谐波检测方法。小波多分辨分析可以对信号进行有效的时频分解，因而能将信号的不同频率成分分开。检测小波变换系数模的局部极值点可以检测到信号的突变点，即检测到信号频率跳变的时间，这是FFT谐波检测不能实现的。文中采用MATLAB小波分析工具箱对该方法进行了实验验证。     

飞机燃油系统传感器故障诊断方法研究

为了解决某飞机燃油系统传感器的故障检测与诊断问题,提出将小波分析法应用于飞机燃油系统传感器的故障诊断.通过传感器输出信号的一维离散小波变换,得到重构后的第一层细节系数.对该细节系数进行分析,可以精确定位故障点;进而分析传感器输出信号,可以判断出故障类型及故障程度.最后以该系统中油位传感器的故障诊断为例,利用地面半物理仿真试验中采集的现场数据,在Matlab环境下对该方法进行了有效性验证.     

基于Gabor小波变换册的齿轮故障诊断方法

齿轮产生局部故障时,失效的轮齿间断地进入啮合,产生冲击振动,使得齿轮振动信号包含了非平稳或时变成分.基于平稳信号处理的传统方法无法全面反映信号的时变特性.作者研究了Gabor小波变换册方法,Gabor小波变换册是小波变换的推广,它是时间-频率-尺度三维空间上的线性变换,它有机结合了小波变换与Gabor变换,具有对非平稳信号的强大分析功能,利用其作信号的谱估计,不仅具有小波变换谱估计方法高频率分辨率的优点,而且不受信号频率范围宽窄的限制,可以根据需要自由地选择尺度参数,谱估计值准确有效.利用Gabor小波变换册作齿轮故障信号的谱估计,比经典的自功率谱估计在齿轮局部故障诊断中能取得更好的效果.文中并对该方法进行了仿真和实验验证,仿真和实验数据的分析结果表明这些方法可突出齿轮的边频带结构,适用于齿轮的局部故障诊断,具有一定的应用价值和更深入的研究价值.     

小波变换在神经细胞传感器信号去噪中的应用

将神经元培养在半导体传感器芯片表面,构建出能够对细胞电生理特性进行长时程无损测量的神经细胞传感器,具有广阔的生物医学应用前景.由于生物信号非常微弱,采集到的信号往往难以满足实际检测的需要.本研究针对培养在光寻址电位传感器(LAPS)芯片表面的PC12细胞的胞外电生理信号,采用小波变换方法对其进行去噪处理.通过小波变换将信号分解为不同层次的小波系数,得到每一层的阈值.并根据每一层系数特点,按阈值进行分别处理,得到新的小波系数,最后根据该系数,重构了信号.对去噪后的信号进行频谱分析,发现有效信号频率集中在小于2 kHz的范围内,信噪比得到提高,表明小波变换是神经细胞传感器信号去噪的有效方法.     

基于多尺度随机共振变换的微弱信号检测

针对在高噪声背景下微弱信号的检测,以绝热近似小参数的随机共振理论为依据,根据随机共振的噪声选择性和频率敏感特性,提出了基于多尺度随机共振变换的微弱信号检测方法.将含噪输入信号经小波变换分解为不同尺度频率的信号成分后,通过引入归一化变换来调节各尺度信号成分的大小,再将不同尺度的分解信号作为非线性双稳系统的输入,从而实现大参数条件下微弱信号的检测.数值仿真结果表明:该方法可以从高噪声背景下提取微弱信号,并能获得较高的输出信噪比,在信号检测领域具有很好的应用前景.     

基于多小波包的齿轮故障诊断方法研究

提出了一种全新的基于多小波包的齿轮箱故障诊断方法.在机械故障诊断领域,小波分析已经被应用在利用齿轮振动信号进行的故障诊断中.由于小波函数空间在高尺度上频带较宽,因此隐藏在信号中的在较高频段发生的窄带故障信号的频率成分不能被精确地诊断.提出的多小波变换,通过划分小波变换不同层的频带克服了单小波(标量小波)系统的这种缺陷.通过多小波包变换,可以自动并精确地划分不同小波包结点的频率段,从而对频率段较窄的瞬变故障信号进行精确的诊断.对齿轮箱的仿真实验结果表明,应用多小波包系统,不但可以对齿轮系统中包含瞬变现象的故障信号进行诊断,而且可以精确确定齿轮中坏齿的位置.     

基于小波包分析的电机滚动轴承故障诊断

电机滚动轴承发生故障时的信号是非平稳的,小波包变换对故障特征提取有明显的优势,给出了利用小波包对故障信号进行分析的方法。确定轴承参数以及对故障信号的采集,并计算各类故障特征频率,选择小波基和确定最佳的分解层数,之后在Matlab软件环境下对信号进行小波包分解和重构,得到滚动轴承各类故障信号的功率谱,最后把实验结果与计算结果做对比,证实了该方法可以有效地把轴承中的故障信息成分检测出来,从而判断滚动轴承的故障类型。     

基于小波分析的故障系统在旋转机械中的应用

就小波分析技术在旋转机械故障诊断应用中的故障特征提取问题进行了深入研究,提出了基于小波奇异性及小波变换模极大值的故障特征提取方法,通过对故障信号与小波变换的多分辨率方法以及奇异性理论相结合进行研究,发现小波分析便于对信号的总体和局部进行刻画;利用小波变换对信号的分解和重构特性,可有针对性地选取有关频带的信息以及降低噪声干扰,通过对重构信号的频谱分析能更有效地提取裂纹故障的典型特征。结果表明,对于旋转机械的非平稳信号来说,利用小波变换方法进行故障诊断是行之有效的。     

Hilbert-小波变换的齿轮箱故障诊断*

采用希尔伯特—小波变换对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用小波变换分解获得振动响应信号的各层高频信号小波系数和低频信号小波系数,对小波系数进行重构获得具有不同特征时间尺度的各高频信号和低频信号;再对分解的信号进行希尔伯特变换获得时频信息谱以提取系统的统计特征信息,实现监测齿轮运转工作状态,及时发现齿轮的早期故障,提高机械运行的安全性。仿真研究结果表明,小波变换分解和希尔伯特边际谱方法在故障信息诊断方面是可行和有效的,提高了故障检测的可靠性。     

小波变换在电力谐波分析中的应用

电力系统的谐波是影响电能质量的重要因素,谐波对电力系统和用电设备产生了严重危害和影响。文中应用小波变换分析电力系统的谐波,小波变换能描述频谱含量如何随着时间变化,同时在时间和频率上表示信号的能量和作用。与傅里叶变换对比,小波变换不仅可以知道哪些频率分量在信号中出现,而且可以知道这些频率分量在时域内是如何变化的,可以更精确地分析非平稳信号的谐波。     

小波分析应用于直流系统接地故障检测

针对直流系统接地故障检测中常用的低频信号注入法容易受到各支路电缆中存在的对地电容的影响这一问题,提出了利用小波分析实现故障信号特征的提取的方法。分析了低频信号注入法的原理及存在的缺陷,针对其故障信号的特点,提出了基于小波变换的直流系统接地故障检测方案。基于小波去噪的原理,通过选择适当的小波函数,对支路电流信号进行分析和处理。经过仿真实验分析。表明该方法可以克服对地电容对接地故障检测的不利影响,完成故障信号分析,实现故障支路的准确定位。     

基于小波模极大值的信号奇异性检测

小波分析近乎完美的数学特性受到各领域科学家和工程技术人员的青睐.文中讨论了基于小波模极大值的信号奇异性检测方法,该方法突破了傅立叶分析在时域和频域方面的局部化能力,信号的局部正则性可由其小波变换模随尺度参数的衰减特性来刻画,通过确定小波变换在细尺度下的局部模极大值来检测信号奇异性.实验表明,该方法能有效的、实用的.     

一种基于小波变换的红外导引头信号检测方法

针对某型号红外导引头信号的检测问题,提出了一种基于离散平稳小波变换的微弱脉冲信号检测方法.根据有用脉冲信号与噪声信号在频谱特性上的差异,对导引头信号进行多尺度的离散平稳小波变换,利用分解后得到的低频近似信号逼近信号中的低频噪声来滤出低频噪声的干扰,同时采用阈值去噪的方法处理信号中的白噪声.将该方法应用于仿真信号和真实导引头信号检测,仿真实验结果表明:该方法在有效克服传统离散正交小波变换去噪时容易产生的Gibbs现象的前提下,极大地提高了导引头信号的信噪比,增强了导引头的探测能力.     

小波变换在有源电力滤波器谐波分析中的应用

为有效分析和解决有源阻抗变换,对使用小波变换检测谐波与间谐波的方法进行了研究,并在此基础上探讨了利用小波分析、研究时频阻抗的控制特性和频率特性的基本原理,提出了利用小波变换来分离谐波与间谐波的算法,并兼顾时域和频域的分辨率.仿真结果表明,该方法不仅具有高分辨率特性,能较好地找出APF的时频阻抗特性,可以较好地分析谐波,以使其跟踪特性最优,为有源电力滤波器谐波抑制提供了可行的解决途径.     

基于HHT变换的起动电动机特征信号时频分析

针对车辆起动电动机电气和机械故障发生时特征信号的时变不平稳特性,进行了时频域分析处理,提出了利用现代信号处理方法对故障信号提取特征向量的方法,主要对起动电动机的电枢和轴承故障进行诊断。在构建电机故障测试实验平台的基础上,利用破坏性实验构造了故障类型,测取了电枢电流和振动信号,分别采用小波分析理论和HHT变换对信号进行分析,通过分解再重构的方式将信号分解成了频率由高到低的不同分量,并获得了故障的特征频率,提取了特征向量。实验结果表明,基于HHT变换的现代信号处理方法在处理时变非平稳信号方面比小波分析理论更具有自适应性,更易识别。     

基于DB小波变换的多频时变电压闪变检测仿真研究

电压波动与闪变是评价电力系统电压质量的重要参数,因此电压闪变的检测分析对于电力系统的运维至关重要。为了验证Daubechis(DB)小波变换在电压闪变检测方面的有效性与可行性,采用MATLAB搭建了电压闪变信号模型,采用DB小波变换对多频时变电压闪变信号的检测进行了仿真分析,并将仿真结果与基于平方检测法的仿真结果进行了比较。结果表明,DB小波变换不仅能够检测出电压闪变分量的幅值与频率信息,而且能够根据小波变换的模极大值确定电压闪变发生与结束的时刻,而基于平方检测法的电压闪变信号检测无法直接分离出多个电压闪变分量,也无法检测出电压闪变的起止时刻。仿真结果验证了DB小波变换用于电压闪变检测的有效性与可行性。