小波包分析在滚动轴承故障诊断中的应用

针对滚动轴承故障特征的提取问题,讨论了小波包分析的基本原理,基于小波包分析方法在滚动轴承故障诊断中的应用,并用LabVIEW编制了相应的程序。实践表明,小波包分析方法具有明显的诊断意义。     

小波包神经网络在数控机床故障诊断中的应用

为了能够提高数控机床故障诊断的正确率,提出了小波包模糊神经网络方法对数控机床进行故障诊断,也提出了小波包分析提取特征向量的程序,利用小波包分析可以获得数控机床的特征向量,应用模糊神经网络对数控机床进行故障诊断.利用小波包模糊神经网络对数控机床常见的8种故障进行了诊断,证明小波包神经网络进行故障诊断的有效性.     

小波包分析在采煤机减速器故障诊断中的应用

提出了一种采用小波包理论提取采煤机减速器故障信号的方法。利用小波包变换对减速器振动信号进行分解、重构及能量计算,有效地提取出采煤机减速器故障特征信号,从而获得故障的信息。仿真研究结果表明,基于小波包能量法的故障诊断方法能够有效地提取出采煤机减速器故障的频率信息。     

小波包-BP神经网络在采煤机滚动轴承故障诊断中的应用

针对采煤机在正常工作中经常发生轴承故障的问题,提出了小波包和BP神经网络相结合的故障诊断系统。即运用小波包的分解方法提取检测信号的故障信息作为BP神经网络的输入样本,经过训练的神经网络可对采煤机上轴承的工作状态进行诊断和分类。试验结果表明,此方法对轴承的常见故障可进行有效的识别和诊断,方法简单可靠。     

小波分析和小波包分析在轴承故障诊断中的对比分析

结合轴承故障振动特点,以轴承滚动体故障为例,对比了小波分析和小波包分析在应用时的相同和不同之处。利用MATLAB仿真软件作为分析工具,通过定量分析和定性分析比较了它们在轴承故障信号降噪时的效果,通过计算功率谱、绘制功率谱图的方式比较了它们在轴承故障诊断方面的能力。结果表明,使用相同小波基和相同分解层数条件下,在降噪和故障诊断方面,小波包分析都优于小波分析,为选择合适的轴承故障诊断方式提供了参考。     

小波包-包络分析在滚动轴承故障诊断中的应用

滚动轴承故障诊断是机械故障检测中一个重要方面。使用小波包分析和包络分析相结合的方法提取轴承微弱振动信号 ,克服了传统包络分析方法易丢失信号有效成分的缺点。包络信号的细化谱较好体现了轴承故障信息     

基于小波包-人工神经网络在矿井通风机故障诊断中的应用

通过对已采集的矿井通风机振动信号的处理,提出应用小波包-人工神经网络对其进行故障诊断与监测。以G4-73-11No25D离心式通风机为研究对象,利用小波包提取振动信号的能量特征作为特征向量,并利用L-M算法对BP网络进行改进,建立了神经网络模型。经实际验证,该方法能够准确、快速地对通风机的故障进行诊断和监测。     

小波包降噪与HHT在齿轮箱滚动轴承中的故障诊断

针对齿轮箱的滚动轴承采集振动信号,进行故障诊断是非常有效的一种方法。但在实际中,采集的振动信号中往往存在噪声信号的干扰,因此,需要去掉噪声后再进行诊断。小波包降噪在机械设备的故障诊断中得到了成功的应用,希尔伯特——黄变换(Hilbert-HuangTransform,HHT)是一种处理非平稳信号的方法。结合这两种方法对齿轮箱中的滚动轴承进行故障诊断,并对比了单独使用HHT的方法,证明了结合两种方法对其进行故障诊断的正确性。     

小波包分形技术在泵机组故障诊断中的应用

针对泵机组振动信号的非线性和非平稳特征,根据小波包和分形理论,引入小波包分形技术对泵机组常见故障类型进行研究。使用盒维数分别计算经过降噪处理的故障信号和对原始信号进行2层小波包分解的4个频带信号,结果表明:250~500 Hz频段状态信号盒维数的区分度最大,最适合作为泵机组的故障特征量;中高频信号的维数值对复合故障和松动故障比较敏感,通过量化中高频信号的维数值,能够有效捕捉到复合故障和松动故障信息。     

基于小波包分解的煤矿通风机故障诊断

提出基于小波包分解的煤矿通风机故障诊断方法,经实际验证,能有效诊断出通风机故障,具有实用价值。     

基于LabVIEW的小波包及HHT在提升机故障诊断中的应用

为解决传统信号分析方法频域分辨率不高的问题,提出了一种基于LabVIEW的小波包与Hilbert-Huang变换(HHT)相结合的信号分析方法,并将该法应用到提升机在线监测及故障诊断中:(1)对采集信号进行小波包降噪并进行频带划分;(2)用经验模式分解(EMD)方法对小波包分解重构得到的信号进行分解得到内禀模态函数(IMF);(3)选取有效IMF进行边际谱分析。仿真实验表明,该法能有效地检测出信号存在的异常,从而诊断出故障。     

基于相对小波包能量特征向量的故障诊断

在小波及小波包分析的基础上引进相对小波包能量特征向量的概念,提出了一种建立旋转机械故障库的新方法,并结合模式判别的知识,引进欧几里德距离公式作为判据,使故障诊断公式化、定量化。实验结果表明这种方法能够很快地诊断出转子台故障类型,为旋转机械的故障诊断提供了新方向。     

基于小波包的大型隔膜泵泵阀故障诊断

泵阀作为隔膜泵的重要组成部分,卡阀故障时有发生,给生产带来了很大损失。本文采用小波包频带分解技术,有效提取了泵阀的卡阀故障。这项技术应用在大型隔膜泵上,具有一定的经济意义.     

改进小波能量分析法在轴承故障诊断中的应用

滚动轴承故障诊断的关键问题之一是如何有效准确地提取故障特征信息,为了更好地刻画各频带能量,提出了改进小波包能量算法,提取分解频带的能量在时间域上的分布,更好地刻画了能量随时间变化的分布。同时引入包络分析,更好地体现信号的间断点,从而提高故障信号分析的准确度。诊断实例验证了利用改进小波包能量法进行故障诊断的有效性。     

基于小波包包络分析的滚动轴承故障诊断

提出一种基于小波包、能量分析和包络分析相结合的滚动轴承故障诊断方法。对实测振动信号进行小波包去噪,提取出有用的振动信号。利用小波包将去噪后的信号分解,求出分解后各频带的能量,根据各频带内能量分布,确定故障所在频带,并以此作为特征分量。对特征分量进行Hilbert解调分析,将包络谱谱峰处的频率与理论计算的滚动轴承故障频率进行对比,诊断轴承故障并确定故障位置。     

矿用汽车发动机故障诊断专家系统的建立

采用基于框架的知识表达形式及自向，反向推理技术，建立了矿用汽车发动机故障诊断专家系统，并使用极大极小模糊贴近度，实现了系统的自学习功能。     

基于小波包分解的滚动轴承故障诊断方法的研究

介绍了小波包分析的基本理论,并以滚动轴承为研究对象,将小波包分析应用于轴承的故障诊断。首先用小波包分解的方法提取分解频带的能量在时间域上的分布,得到能量谱图,然后通过包络分析得到信号的功率谱,由此可判断出轴承的故障位置。     

基于小波包和EMD的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包和经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承故障诊断方法。该方法用小波包对振动信号进行预处理,用Hilbert变换求重构信号的包络,采用EMD方法将包络信号分解为若干个IMF分量,让故障信息得到凸显,然后根据某个分量的频谱,判断滚动轴承的故障类型。实验结果表明,比传统的时频分析方法,该方法能够更有效地提取轴承故障特征,诊断轴承故障。     

基于小波包分解和EMD的滚动轴承故障诊断方法研究

提出了一种基于小波包分解与EMD的故障诊断特征提取方法。对故障振动信号进行小波包分解,并将其高频部分节点信号进行重构,对2个节点的重构信号分别进行EMD分解,得到一系列的IMF分量;提取每个节点的各个IMF分量的能量值并归一化后作为轴承的故障特征量输入神经网络进行诊断。通过实验证明2种方法的结合具有良好的局部分析能力及自适应分解的特点,可以提取更加有效的特征值,因此在进行诊断时,具有更快的速度与更高的准确率。     

基于小波包和BP神经网络的滚动轴承故障诊断

基于Matlab平台,利用小波包技术对滚动轴承典型故障的振动信号提取特征值,再借助BP神经网络对特征值进行分类,经验证该方法能够准确识别故障。