共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
基于小波分析的机械故障特征提取研究 总被引:12,自引:1,他引:12
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。 相似文献
3.
小波分析在高速旋转机械故障特征提取中的应用 总被引:2,自引:0,他引:2
简述了小波分析基本原理及其用于故障特征识别的机理,并运用小波分析理论对轴承座松动早期故障成功的进行了特征提取,体现了小波分析的良好性能。 相似文献
4.
基于小波分析和支持向量机的旋转机械故障诊断方法 总被引:1,自引:0,他引:1
提出了一种基于小波分析和支持向量机相结合的旋转机械故障诊断方法.首先运用小波包对振动信号进行分解和重构,然后提取各个频带里的信号能量值,将该能量值作为特征参数输入到支持向量机,进行故障模式识别.通过对实验数据的分析表明,与BP神经网络相比,该方法可以获得更高的旋转机械故障诊断准确率. 相似文献
5.
6.
旋转机械轴心轨迹信号的复数小波分析 总被引:1,自引:0,他引:1
提出了一种利用复数小波变换分析转子振动轴心轨迹信号的方法,通过分析小波尺度与振动倍频间的关系,使得观察某一尺度上的小波幅值就相当于考察一定频率范围的周期谱图,对典型非线性故障轴心轨迹信号的分析揭示出,摩擦故障时高频振动地时-频域上呈现出非均匀间歇现象,而轴裂纹时的高频振动是均匀间歇地出现,且周期与旋转基频相同,因此该方法可以直观地识别故障的细节性特征,有望形成一种新的、有效地监测诊断技术。 相似文献
7.
隐Markov模型是一个双随机过程,适用于动态过程的时间序列的建模并具有强大的时序模式分类能力,特别适合非平稳、重复再现性不佳的信号分析;小波变换具有多分辨率分析的特点,在时频两域都具有表征信号局部特征的能力。文中将小波变换和隐Markov模型相结合,提出基于小波变换的HMM状态识别法,利用Daubechies小波进行8尺度的小波分解,然后从小波分解结构中提取一维信号的低频系数作为特征向量,将其输入到各个状态HMM来进行训练,其中输出概率最大的状态即是机组运行状态,从而实现状态的识别,实验结果表明该方法很有效。 相似文献
8.
9.
10.
基于CHMM的旋转机械故障诊断技术 总被引:5,自引:0,他引:5
隐马尔可夫模型(Hidden Markov model,HMM)是一种具有较强的时间序列建模能力的信号模式处理工具, 在语音处理中获得了广泛应用,特别适合于非线性、重复再现性不佳的信号的分析。基于振动信号与语音信号的相似性,将CHMM(Continuous Hidden Markov model)引入了旋转机械的故障诊断中。采用12阶LPC倒谱系数进行特征提取,建立CHMM,为防止数据下溢,引入前向一后向比例因子算法求其对数似然概率,并且采用K-means 算法对CHMM进行参数初始化。在给定的观测序列中每一种模型的优化路径通过Viterbi算法实现,用Baum-Welch 算法实现参数重估,并给出了重估公式。最后,在转子试验台上模拟了四种故障试验,建立了四种故障的CHMM 模型,通过求其最大似然概率值来决定机器的运行状态,试验结果证明了该方法的有效性。 相似文献
11.
12.
13.
基于信息熵距的旋转机械振动故障诊断方法 总被引:6,自引:2,他引:6
介绍了信息融合的基本概念和目前在旋转机械振动故障诊断当中用得比较多的一些融合诊断方法.从信息融合的思想出发,利用时域的奇异谱熵、频域的功率谱熵、时-频域的小波能谱熵和小波空间特征谱熵,通过特征级的信息融合,提出了一种基于信息熵距的旋转机械振动故障监测和诊断的方法.数学推导表明,信息熵距符合模糊理论中最大隶属度原则,将它作为判别指标是可行的.实例计算表明,信息熵距能够较好的区分故障类别,在此基础上,通过多转速下的熵距曲线图可以提高转子故障诊断的准确性. 相似文献
14.
基于谐波小波奇异熵的轴承故障实时诊断 总被引:2,自引:0,他引:2
将谐波小波变换、奇异值分解理论和信息熵相结合,从揭示故障信号能量分布的复杂程度入手,提出一种轴承故障实时诊断的新方法。对轴承振动信号进行谐波小波分解,将分解得到的小波系数分别以尺度为行、时间为列构建谐波小波时频分布矩阵,并对该矩阵进行奇异值分解,以分解得到的奇异值为划分标准进行信息熵计算,通过信息的熵值来诊断轴承故障,给出了基于谐波小波奇异熵的轴承故障实时诊断的具体方法和模型。通过对轴承内圈故障、外圈故障大量的试验研究表明:该方法能有效地对轴承故障进行诊断,具有很高的实时性,能对采样频率低于68kHz的诊断系统进行实时诊断,适用性很好。 相似文献
15.
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。 相似文献
16.
基于改进小波神经网络的旋转机械故障诊断 总被引:2,自引:0,他引:2
根据旋转机械复杂的故障特点,提出了结合第2代小波分析、模糊理论和神经网络形成的改进小波神经网络。该诊断方法利用第2代小波分析对信号进行预处理-征向量的提取,然后用训练好的模糊神经网络进行故障识别,并对相应算法进行了优化。将改进小波神经网络运用于旋转机械的故障诊断,通过计算机仿真和试验的结果表明,该方法在处理多故障耦合的情况时优势明显,不仅可以正确识别故障的类型,还可以进一步对故障的严重程度及其发展趋势进行可靠的诊断。这表明改进的诊断方法是行之有效的,为旋转机械的故障诊断提供了理论支持。 相似文献
17.
小波变换具有良好的时-频特性,因此可以有效地用于电气设备故障诊断。在对电气设备进行故障分析、诊断过程中,利用小波变换进行故障信号的故障时刻检测具有重要意义。小波变换用于电气设备故障诊断就是对电气设备各种电磁、机械等信号进行实时监测控制,判断其状态,以便在故障初期或故障时刻发出警报,并随时进行处理,排除故障。对信号进行特征提取,是故障诊断的关键。突变信号往往表明电气设备发生了某类故障,如果能对突变信号进行有效识别,就可以进行故障诊断、故障分析,从而排除故障。分析了电气设备故障的奇异性,通过仿真得出小波变换用于电气设备故障诊断的方法,以准确检测奇异点,确定故障时刻。 相似文献
18.
19.
小波分析是在傅立叶变换基础上发展起来的一种信号处理方法,它可以广泛应用在工程中的各个领域,发挥极为重要的作用。本文借助虚拟仪器平台,实现小波分析方法在故障诊断中的应用。首先介绍了小波信号分析的基本原理,然后详细阐述了将其应用于故障诊断中涉及到的几个关键技术问题,最后说明了LabVIEW和MATIAB结合应用构成小波分析仿真平台的方法,获得了比较满意的效果。 相似文献