基于模糊自适应PID的摆式列车倾摆控制系统研究

针对摆式列车伺服倾摆系统大惯性、非线性和时变性等特点,结合PID和模糊控制两者的优点,提出了一种模糊自适应PID控制方法。对模糊自适应PID算法进行了理论分析,对摆式列车的简化模型做了仿真研究。结果表明,采用模糊自适应PID控制,系统的调节时间缩短,响应速度加快,抗干扰能力和适应参数变化的能力都优于常规PID控制,具有更好的动态特性和稳定性。     

小波变换在故障诊断中的应用

小波变换是一种日益获得广泛应用的信号分析方法。介绍了小波变换基本原理和利用小波变化来检测信号的奇异特征的原理,证实了小波变化在检测奇异信号方面的有效性。结果表明基于小波变换的去噪方法是非常有效的。     

连续小波变换在滚动轴承故障诊断中的应用

采用连续小波分析的方法对滚动轴承振动和速度信号进行处理,提取滚动轴承故障特征。通过对滚轴承在正常、内圈剥落、外圈剥落及滚动体落情况下的振动加速度信号进行分析,验证了这种方法的有效性。     

小波变换在滚动轴承故障诊断中的应用

采用小波变换能够快速有效地对滚动轴承振动信号进行带通滤波。通过选用多尺度的小波变换,能较好地分离出所要分析的高频固有振动信号,然后对高频振动信号进行包络分析,从包络谱图中提取故障特征频率分量,就能诊断出滚动轴承故障发生在哪个元件上。实验结果表明,这种诊断方法是有效的。     

摆式列车倾摆控制维护系统设计

摆式列车是既有线路提速的一种有效措施,摆式列车的关键是倾摆控制系统,它是摆式列车安全运行的重要保障,该系统通过摆式列车主控计算机TMS320C40串行接口扩展设计实现与便携式PC机的通讯,倾摆控制维护软件采用VB6.0编写.     

离散小波变换在传感器故障诊断中的应用

本文提出一种基于离散小波分析的传感器故障诊断新方法,该方法不需要模型,具有灵敏度高、故障诊断率高及克服噪声能力强的特点,仿真研究取得了满意的效果。     

小波变换在滚支轴承故障诊断中的应用

采用小波变换能够快速有效地对滚动轴承振动信号进行带通滤波。通过选用多尺度的小波变换，能较好地分离出所要分析的高频固有振动信号，然后对高频振动信号进行包络分析，从包络谱图中提取故障特征频率分量，就能诊断出滚动轴承故障发生在哪个元件上。实验结果表明，这种诊断方法是有效的。     

小波变换在故障诊断中的应用

小波变换是一种日益获得广泛应用的信号分析方法。介绍了小波变换基本原理和利用小波变化来检测信号的奇异特征的原理，证实了小波变化在检测奇异信号方面的有效性。结果表明基于小波变换的去噪方法是非常有效的。     

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。     

小波包算法在滚动轴承的在线故障诊断中的应用

对小波变换的理论进行了简要的阐述,并介绍了小波包理论。指出了在强噪声的背景下小波包变换的算法对于瞬态信号提取的有效性,表明了小波包变换对信号的去噪声,滤波等方面具有广泛的前景。并以五套６３０７号轴承为例进行了诊断,结果与实际情况相一致,说明该算法十分适合于滚动轴承的在线监测与故障诊断。     

液压泵故障的小波变换诊断方法

分析了小波变换的时 -频局部化特性及基于多分辨分析的信号小波分解重构算法 ,研究了信号局部奇异性在小波变换下的特性。根据故障信号和噪声的局部奇异性在小波变换下的模极大值在不同尺度上的传播特性不同的特点 ,并利用小波分解重构算法 ,对泵壳振动加速度信号进行了分解、去噪和重构。大大改善了监测信号的信噪比 ,对故障特征信号进行了时域定位 ,提取了故障特征频率。     

RESEARCH OF WAVELET TRANSFORM INSTRUMENT SYSTEM FOR SIGNAL ANALYSIS

0INTRODUCTIONSincethecoddleofthe1970's,abatchOfcompanieslikeHPinU.S.A.havedevelopedvariousdynamicsignalanalyzersbasedonFrsandhavebeenusedinavarietyofsignalmeasurementsandanalysissuchasstmcturalmodelanalysis,statemonitoringandfaultsdiagnosisofeqUipmentandnoiserealtimeoctaveanalysisetc,thisresultsinbigprogressofdynamicsignalanalysis.However,theFFTdefinedbyRiemafmintegTationisonlyabletoanalyzestaystatistical(smooth)signalsbutinefficienttonon-staystatistical(non-smooth)signalswhicharealso…     

基于Wavelet-HMM的旋转机械故障诊断方法研究

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。     

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。     

基于连续小波变换的信号检测技术与故障诊断

通过分析指出,连续小波变换具有很强的弱信号检测能力,非常适合故障诊断领域。从参数离散到参数优化系统研究了连续小波变换的工程应用方法,建立了“小波熵”的概念,并以此作为基小波参数的择优标准。论文最后把连续小波技术应用在滚动轴承滚道缺陷和齿轮裂纹的识别中,诊断效果十分理想。     

小波变换在齿轮局部缺陷诊断中的应用

采用连续小波变换对齿轮振动信号进行分析,检测到齿轮出现局部缺陷时,其振动信号中的幅值突变点。通过对试验数据的分析,说明这种方法可以有效地应用于齿轮的局部缺陷诊断中,并且不需要对初始信号进行时域同步平均。     

基于小波包的遗传神经网络故障诊断系统研究

用遗传算法建立了汽机故障诊断地人工神经网络模型,以小波包分解技术获得的10个频段上的能量为网络的输入模式,对汽机常见的几种故障进行分类训练,并应用于待识别故障样本的识别计算,结果表明该方法在汽机故障诊断中是有效的。     

基于提升模式的非抽样小波变换及其在故障诊断中的应用

由于传统离散小波变换在分解信号时采用抽样操作,使原始信号的部分时域特征不能保留在分解结果中;另外,分解结果的平移可变,使得分解结果不能完美地描述故障的时域特征。为了克服上述缺陷,根据非抽样小波变换的原理,提出一种基于提升模式的非抽样小波变换框架。首先,通过信号变换方法去除提升小波变换的剖分环节,得到提升模式下的非抽样小波变换框架;在此基础上,建立提升模式下非抽样小波变换与抽样小波变换的预测器和更新器之间的转换关系,提出非抽样提升小波变换的分解和重构算法。采用这种非抽样小波变换从齿轮箱的振动信号中有效提取幅值调制和瞬态冲击的摩擦故障特征。     

基于幅值与相角小波映射的裂纹转子故障诊断

建立了基于简单铰链裂纹模型和局部柔度理论的裂纹转子动力学模型,得到了裂纹转子与无裂纹转子的数值仿真解及其傅里叶变换的相角;利用连续小波变换研究了裂纹转子与无裂纹转子的幅值与相角小波映射特性,提出了利用幅值与相角小波映射识别裂纹的新方法。数值仿真研究了尺度因子对幅值与相角小波映射准确性和有效性的影响,给出了建议的尺度因子。试验研究验证了该方法在工程实际中的有效性和实用性。