爆破振动信号的小波包分解及各频段的能量分布特征

在结合爆破振动信号具有非平稳、持时短、时域与频域局部化等特性的基础上，通过对爆破振动信号分析技术的简介，得出了小波包分析技术的特点，并在确定小波包分解层数、优选小波包基的同时，运用能量计算公式在MATLAB7.0的语言环境下进行编程，得出了爆破振动信号能量分布的初步规律，为爆破振动信号的进一步研究奠定了理论基础。     

基于卷积型小波包能量矩的机械故障特征提取

故障特征参数的准确提取是故障诊断的一个关键性问题。提出了一种基于卷积型小波包能量矩的特征提取方法。相比传统的小波包能量特征提取方法,基于卷积型小波包能量矩的特征提取方法能更有效地提取信号在各频带上的能量分布特征。仿真和实验验证了利用小波包能量矩进行故障诊断是一个有效的方法。     

基于小波包能量相对熵的电机振声信号故障检测

电机的振声信号包含了丰富的状态信息,利用电机的声音信号进行故障检测,并提出了综合小波包能量相对熵的概念。对采集的声音信号进行小波包分解,利用重构系数计算故障信号与正常信号小波能量包相对熵,并得到综合小波包能量相对熵,确定电机是否有故障;并通过比较各频带的综合小波包能量相对熵大小判断故障所处的频带位置,从而确定电机为何种故障。电机振声信号诊断实例验证了该方法的有效性。     

爆破振动小波包时频特征提取与发展规律

对爆破振动波形信号进行小波包分析，建立预测单段，多段波形的小波包分析模型。结果表明，各细节信号的峰值质点振速随段药量增加而增加，和比例距离对数坐标呈线性关系，细节信号的主振频带分布受段微差间隔的强烈影响。小波包细节信号主振频带分布范围及优势频率随岩土体完整性系数减小而增大，小波包分析模型。可有效预测爆破振动波形的峰值质点振速，主振频带分布及衰减特征。     

基于小波降噪和CEEMD的轴承故障诊断

针对滚动轴承故障振动信号难以提取出准确的故障特征的问题,提出了一种基于小波新阈值降噪与互补集合经验模态分解(CEEMD)的轴承故障诊断方法。该方法充分结合了以上2种方法的优点,有效地解决了故障特征提取难的问题。首先构建出新的小波阈值函数,再用此小波阈值降噪,可以有效地消除背景噪声的影响;将降噪后的故障信号用CEEMD方法进行处理,然后重构根据信号的相关系数挑选出的相关性较大的分量;最后将重构信号进行Hilbert变换包络,从包络图中提取故障特征。运用此方法对轴承进行试验分析,结果证实了该方法的有效性和实用性。     

基于小波包分析的机械故障特征提取方法研究

研究了一种基于小波包分析与信号能量分解的故障特征提取方法 ,运用这种方法提取了一风机轴不对中故障特征向量 ,为神经网络故障诊断提供了新的故障样本。实验结果表明这种方法比基于Fourier变换的故障特征提取方法更有效 ,很适合于机械故障诊断     

小波包算法在电动机转子断条故障诊断中的应用

采用改进的小波包算法提取故障特征,提出了一种基于频带能量的故障诊断方法。该方法能快速准确地检测转子断条故障。     

基于小波包能量流和LTSA的垮落煤岩特征提取

针对综放工作面垮落煤岩识别的技术问题,采集了放煤过程中垮落煤岩冲击液压支架后尾梁的振动信号,并提出了一种基于小波包能量流和LTSA的特征提取方法。该方法首先利用小波包变换把振动信号分解成一系列的时频子空间;为了观察原信号能量在各层时频子空间的分布特征,计算了小波包分解每一层各个时频子空间的能量,构成了一个小波包能量矩阵,称为小波包能量流;然后利用局部切空间排列(Local Tangent Space Alignment,LTSA)挖掘小波包能量流的低维流形。为了验证小波包能量流低维流形的有效性,把该特征向量输入BP神经网络来识别垮落煤岩。结果表明:基于小波包能量流和LTSA提取的特征向量可以准确简约地表征垮落煤岩,BP神经网络的识别率达到100%。     

基于MED与小波包熵的矿用排水泵轴承故障特征提取方法研究

煤矿排水泵运行的可靠性关系到煤矿工人生命和生产的安全。为了提高煤矿排水泵轴承故障诊断的精度,提出一种基于最小熵反褶积(MED)和小波包熵相结合的故障特征提取方法。该方法在MED降噪基础上利用小波包进行分解重构,再结合信息熵理论求取小波包熵值,突出了信号中有效冲击成分,克服了小波能量特征提取的局限性。通过对水泵轴承振动200组数据进行分析验证,该方法准确率达到100%,具有较高的应用价值。     

小波神经网络在双吸式离心水泵轴承故障诊断中的应用

提出了采用小波包的方法对供暖双吸式离心水泵轴承振动信号进行去噪和提取表征相应轴承故障的频带能量,并采用BP神经网络进行训练和故障识别,通过MATLAB进行了仿真,经试验验证该方法能够有效地识别出轴承故障。     

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。     

基于小波包和距离判别法的滚动轴承故障诊断

将小波包分析与距离判别分析法相结合的方法应用于滚动轴承故障诊断问题中。利用小波包分析技术提取了滚动轴承典型故障的振动加速度信号的状态特征向量,选用此特征向量作为距离判别分析模型的判别因子,以滚动轴承故障实测模拟数据作为学习样本进行训练,通过分析计算,建立了相应线性判别函数,并利用回代估计方法进行检验。研究结果表明:这种新模型判别能力强,交叉确认估计的误判率为0,不需要优化网络结构,是解决滚动轴承故障诊断的一种有效方法。     

基于小波能量谱旋转机械振动信号的故障特征提取

旋转机械故障诊断的关键问题在于对振动故障信号的特征提取。利用小波能量谱分析方法能够发现不同分解层中的振动信号特征并分析出故障原因。基于小波能量谱方法能准确提取旋转机械的故障特征,尤其是对微弱故障信号,为正确判断故障提供了依据。实验验证了该方法在提取旋转机械振动故障信号方面的有效性和准确性。     

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。     

基于小波包能量法识别柴油机喷油泵故障

利用小波包分析法,通过柴油机缸盖振动信号能量图诊断出喷油泵渗漏故障,并以此为依据,利用"能量-故障"模式,以柴油机缸盖振动信号为依据对喷油泵渗漏故障进行诊断。对缸盖正常和故障的能量图进行归一化,划分出各个频段的能量图,分析缸盖振动特征频带的能量图判断喷油泵是否渗漏,结果显示故障特征更加明显,表明该方法能够有效检测喷油泵渗漏故障。     

基于小波包分解相对能量的高压漏电保护研究

小波包分析可以有效提取故障信号暂态分量。形态滤波方法能够在保留信号暂态特性的前提下,有效去除混杂在信号中的尖峰脉冲、白噪声和高频噪声的干扰,提高故障选线的准确性。仿真验证方法的可行性。     

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。     

通风机振动信号的小波包阈值除噪研究

研究了基于小波包分析的阈值除噪的基本方法,并介绍了几种除噪阈限。利用小波包阈值除噪良好的时频局部化特性滤除信号中大量的噪声。通过对通风机振动信号的除噪和特征提取研究,取得了良好效果,说明小波包阈值除噪方法非常适合于信号的预处理和故障特征提取。