小波包分析在滚动轴承故障诊断中应用

根据小波包多分辨原理,对齿轮减速器JZQ250内的轴承振动信号进行处理,在分析滚动轴承振动机理的基础上,利用小波包进行多尺度分解,根据信号与噪声随尺度增加的不同传播特性,低频部分代表信号的发展趋势,正常状态信号趋势单调递增,故障状态信号趋势则单调递减,初步判定轴承的运行状态是否正常。当判定为故障时,选择小波包分解重构后特殊层的信息进行频谱分析,提取其故障特征频率。经对大量实测数据的处理和分析,能够比较准确地识别和诊断出减速器的正常运行状态,内圈、外圈和保持架故障运行状态,具有一定的工程实用价值。     

小波包分析在旋转机械故障诊断中的应用

简述了小波包分析的基本原理及其用于故障特征识别的机理,研究了小波包分析在旋转机械故障诊断中的应用。由于此技术能够从复杂的信号中有效地提取微弱的故障特征信号,因此与小波分析相比,分析更为精细简单。实例采用小波包原理对一类旋转信号进行分解重构后,成功地提取了故障特征,体现了小波包分析的优良特性,其结果证明了该方法是行之有效的。     

基于小波包变换的模拟电路故障诊断

把小波包变换用于模拟电路故障诊断中。由于输出信号的各频率成分能量的变化表征了电路中某些元器件的损坏情况,因此,利用小波包变换有效地提取故障特征信息,提出了“能量——故障”的故障诊断方法。计算和实验结果表明：该方法可以快速高效地进行模拟电路故障诊断与定位。     

小波分析在煤矿胶带机滚动轴承故障诊断中的应用

本文介绍了小波变换理论及小波分析的特点,对小波变换应用于煤矿滚动轴承故障诊断的方法和滚动轴承故障特征频率的计算方法进行了研究。根据煤矿胶带机滚动轴承的振动特征,应用小波分解重构的方法对煤矿胶带机滚动轴承的现场故障振动信号进行分析,验证小波变换在提取滚动轴承早期故障信号特征方面的有效性。     

基于小波包和支持向量机的故障诊断方法研究

基于支持向量机（SVM,support vector machine）对小样本决策具有较好的学习推广性,本文提出一种基于小波包和支持向量机的故障诊断方法,通过小波包分解系数求取频带能量,并根据各个频带的能量的变化提取故障特征,应用LSSVM（least squares support vector machines）进行故障分类。实验结果表明,支持向量机分类器优于传统的BP神经网络和RBF神经网络分类器,识别率较高,具有更强的泛化推广能力。     

基于小波包分析和Elman神经网的故障诊断方法研究

由非线性电力电子装置组成的电路发生故障时,故障特征信息不易提取和识别。对此提出一种基于小波包分析和Elman神经网的电力电子装置故障诊断的方法,先运用小波包分析法提取电路在不同故障状态下电压及电流信号的特征信息,然后对数据进行归一化处理并作为Elman神经网的输入,由具有智能学习功能的神经元故障分类器完成故障识别和定位。以12脉冲整流电路为例,在Matlab软件下建立电路模型进行仿真实验,结果表明该方法能快速、准确的完成故障诊断。     

基于改进经验小波变换的时频分析方法及其在滚动轴承故障诊断中的应用

经验小波变换是最近提出的非平稳信号分析方法,针对其不足,提出了一种改进的经验小波变换方法;同时结合瞬时频率新定义,提出了一种非平稳信号时频分析新方法.该方法首先通过改进的经验小波变换将一个复杂的非平稳信号自适应地分解为若干个具有紧支集频谱的内禀模态函数之和;再通过对每个内禀模态函数进行解调,得到原始信号的时频分布.将提出的方法应用于滚动轴承试验数据分析,并将其与希尔伯特黄变换进行了对比,结果表明,论文提出的方法能够有效地诊断滚动轴承故障,且诊断效果优于希尔伯特黄变换方法.     

基于小波包和自组织网络的模拟电路故障诊断

提出了一种基于小波包变换和SOFM网络相结合的模拟电路故障诊断方法.利用小波包分解作为预处理和消噪工具,对电路采样信号进行多尺度分解和消噪,然后进行能量特征提取、归一化,作为样本输入给神经网络.用SOFM网络竞争层的神经元,对样本数据进行故障识别分类,克服了BP网络隐层神经元选取困难的缺点.详细叙述了诊断原理和步骤,并给出了诊断实例.     

基于小波包变换的FED驱动电路故障诊断

根据FED驱动电路的特性,提出了一种小波包变换和神经网络相结合的方法,并将其应用于FED的驱动电路故障诊断.首先采用小波包变换对电路输出节点的电压信号进行分解,提取各频段的能量作为故障样本输入神经网络.仿真实验证明,该方法减少了故障诊断的时间,提高了故障诊断的准确率,使准确率达到87.17％.     

小波包分析在铁路货车轴承故障诊断中的应用

对铁路货车滚动轴承发出的音频信号进行了分析,并对故障特征的提取进行了研究。给出了采用Daubechies小波变换将声学传感器阵列采集到的滚动轴承音频信号分解到各个频段,再对各个分信号进行Hilbert包络解调分析,以提取噪声环境中微弱的轴承故障特征,从而对轴承故障进行识别定位的方法,同时提出了一种可行的故障判定方法,并用试验测试证明了此方案在实际运用中的可靠性。     

A novel algorithm of multi-sensor image fusion based on wavelet packet transform

In order to enhance the image information from multi-sensor and to improve the abilities of the information analysis and the feature extraction, this letter proposed a new fusion approach in pixel level by means of the Wavelet Packet Transform （WPT）. The WPT is able to decompose an image into low frequency band and high frequency band in higher scale. It offers a more precise method for image analysis than Wavelet Transform （WT）. Firstly, the proposed approach employs HIS （Hue, Intensity, Saturation） transform to obtain the intensity component of CBERS （China-Brazil Earth Resource Satellite） multi-spectral image. Then WPT transform is employed to decompose the intensity component and SPOT （Systeme Pour I＇Observation de la Therre ） image into low frequency band and high frequency band in three levels. Next, two high frequency coefficients and low frequency coefficients of the images are combined by linear weighting strategies. Finally, the fused image is obtained with inverse WPT and inverse HIS. The results show the new approach can fuse details of input image successfully, and thereby can obtain a more satisfactory result than that of HM （Histogram Matched）-based fusion algorithm and WT-based fusion approach.     

基于电路传递函数的故障诊断方法研究

本文提出的故障诊断方法主要是针对模拟电路的故障诊断,首先应用拉氏变换确定模拟电路的传递函数,其次根据已确定的正常电路传递函数,由不同故障类型计算相应的故障传递函数,生成故障诊断表。在进行故障诊断时,根据输入输出值计算当前的电路传递函数,把该函数与故障诊断表进行比对完成故障诊断。本文最后利用Multisim软件仿真了一个典型的模拟电路,并对该电路进行故障设置,计算了故障诊断表,应用软件仿真结果与理论计算的结果进行了比较,验证了该方法有效性。     

小波包分析在故障特征提取与识别中的应用

对观测信号进行小波包分析,从而提取故障信息,建立能够表征系统特征的状态向量,用模式识别的方法对系统进行故障检测与定位,实现系统的故障诊断。     

改进的小波包算法及在故障信号特征提取中的应用

分析TDaubechies小波系列的频带特性,针对故障诊断信号特征提取的问题,提出了一种改进的小波包算法,并运用该算法对变频调速系统输出电流进行分析。该算法克服了小波包频谱混叠的缺陷且其计算量和占用的存储空间较标准的小波包算法均减少50%.经过仿真证明,该方法适用于变频调速系统故障信号的特征提取。     

基于自适应遗传随机共振的滚动轴承微弱故障诊断

随机共振(SR)能够利用噪声能量增强微弱信号,有效降低了噪声信号对特征提取的影响,针对SR方法参数选择时缺少交互以及提取特征诊断效果缺乏验证的不足,提出自适应遗传随机共振(AGSR)的滚动轴承微弱故障诊断方法。AGSR方法利用遗传算法(GA)寻找随机共振的最优系统参数,在考虑参数间交互作用的同时对其进一步优化,有效提高了轴承微弱故障特征的提取效果,随后将AGSR方法提取的特征信号输入堆叠自动编码器(SAE),通过反向传播算法多次迭代优化整个SAE网络,最终实现故障诊断。滚动轴承实测数据的检验结果表明,该方法可有效实现滚动轴承早期微弱故障检测。     

基于EMD和小波包的轴承故障特征提取

提出了一种将经验模态分解(EMD)和小波包(Wp)分解相结合的方法,提取某些电机信号非平稳特征.首先对电机振动信号作EMD分解,再对其分解结果单模态函数作WP包络谱分析,从而得到精确度较高的轴承内圈故障频率.最后,通过仿真和实例,将本方法和已有文献中的方法进行对比,结果表明,该方法不仅具有较高的可行性,而且可以准确地提取出故障信息.     

基于小波包去噪和EMD的混合算法

经验模态分解(EMD)是希尔伯特?黄变换(HHT)中的关键步骤,并伴有过冲和端点效应的产生.利用遗传算法(GA)对支持向量机(SVM)中的未知参数:惩罚函数 C和高斯核函数中的预设参数σ进行优化选取,运用 GA-SVM 对信号进行端点延拓来处理端点效应问题并提出采用分段三次 Hermite多项式插值进行包络线拟合;为了机械设备早期故障频率的特征提取,采用小波包降噪预处理,结合改进的 Hilbert?Huang变换进行轴承故障特征频率的提取实验;实验表明该方法提高了故障频率提取的准确性.     

基于小波包神经网络的开关电源电路故障诊断研究

针对开关电源电路常见故障,提出一种基于小波包神经网络的开关电源电路故障诊断方法。利用小波分析对开关电源输出电压进行分析处理,依据小波多分辨分析的特点,获得信号各频段的细节系数及其能量,再利用小波包分析对小波分析中没有细分的高频信号进行分解,提高频率分解率,将各频段能量进行归一化处理后,构造故障特征向量作为神经网络的输入进行分类。将Multisim13与Matlab可以实现开关电源电路的故障诊断。     

基于小波包分析的激光陀螺信号滤波方法

各种随机噪声是激光陀螺误差的主要来源。为了减少激光陀螺的随机误差,提高其测量精度,介绍了基于小波包分析的滤波方法,研究了小波包分析和滤波的原理、熵标准和阈值函数的选取,比较了选择不同熵标准、阈值函数对激光陀螺信号滤波的效果,并采用Allan方差法分析滤波效果。结果表明基于小波包分析的滤波方法能有效减小随机误差,提高激光陀螺的测量精度。