小波分析在电液系统故障诊断中的应用

通过实验的方法,对电液系统进行了局部故障模拟,提取了模拟故障的特征信号,并利用小波变换这一时变信号分析的有力工具,对信号进行了多尺度分析,通过对小波变换后系数的模量极大值的检测来确定故障发生的时间点,对突变信号进行有效识别．结果表明,小波分析方法应用于电液系统的故障诊断是可行的．     

基于模型的电液控制系统故障诊断的示范

为研究电液伺服控制系统故障诊断提出了一种桌面示范的方法．这个示范是在Simulink平台上实现的．通过不同开关的动作来虚拟模拟常见的故障,诸如,放大器漂移、系统参数改变、伺服阀反冲以及传感器失灵等．设置了一些阈值以用于故障的检测．它清楚地演示了如何建立系统模型、如何产生残差以及如何进行故障诊断等,为研究和应用基于模型的故障诊断方法提供了一个方便、可行的途径,     

基于小波分析的水泵机组振动故障诊断

介绍了小波分析的基本原理、多分辨率分析的特点以及与Matlab相结合后在故障信号分析方面所具有的灵活、简洁直观等优势,并通过具体的信号分析,探讨了其用于故障诊断的可行性及其在定位信号成分的情况下相对于传统的傅里叶分析的优越性,且通过小波系数的分析和处理,可消去原始信号中与故障无关的信息、定位突变点、奇异性检测等,结合水泵机组振动故障的研究,提出小波分析用于故障诊断的基本步骤,在清楚水泵机组振动故障信号特征的情况下,能有效地进行水泵机组的故障诊断.     

基于小波变换的水轮机组故障诊断的研究

对传统傅立叶分析技术在水轮机组振动故障诊断的故障特征提取的应用进行深入研究的基础上,针对使用该方法提取的频率信息精度不够的问题,提出了一种运用小波分析技术对水轮机组振动信号进行故障诊断的方法.采用Mallat算法并运用设定阈值的方法对采集到的裂纹转子的振动信号进行去噪,然后运用Trous算法对滤波后的振动信号的突变信号特征进行提取.结果表明本方法对水轮机组的振动信号故障诊断具有很好的准确性,为水轮机组故障识别提供了一种方法.     

基于小波分析的风机故障诊断

根据故障信号特征和小波变换多尺度分解性质选取小波分解层次，得到能正确地反映风机运行状态的特征向量；参照特征向量的组成方法，提出并构建基于小波分析的韶钢4号风机典型故障特征表。对待检信号选用db10波进行6层小波分解，利用待检状态的特征向量与典型故障特征表，通过模糊模式识别方法进行风机故障诊断。结合傅里叶分析方法进一步找出风机存在的倍频微弱信号。实际诊断结果表明：振动信号与故障特征表中典型不平衡故障的模糊贴近度达到0．958，从而诊断出实例中风机存在不平衡故障；风机存在0.5倍频微弱信号，据此有利于发现风机与该频率相关的早期微弱故障征兆。     

基于小波神经网络的油泵故障诊断

依据小波神经网络技术的各种优点,提出采用三层BP小波神经网络构造故障诊断模型,对油泵进行故障监测和诊断.该故障诊断方法对神经网络训练、故障特征参数提取和对应神经网络状态输出等均实现了数据库管理,对油泵多种常见故障取得了满意的诊断效果,不仅具有特征自动提取以及较强的自学习和自适应功能,而且操作维护简便.研究结果表明:信号的小波分析和神经网络识别的融合将为油泵状态监测与故障诊断系统的建立提供新的方法和更简便的途径;对油库安全维护与故障诊断具有重要意义.     

故障诊断的小波分析方法

本文分析了Fourier变换和窗口Fourier变换的不足,给出了小波变换的时—频特性,阐述了小波变换用于故障诊断的可能性,指出了小波变换用于故障诊断的理论和方法．     

基于小波包变换的故障诊断

由于小波包变换在信号分析与处理中,具有良好的局部化品质,本提出了一种基于小波包变换的故障诊断方法,并应用于控制系统动态测试过程的故障检测。计算和实验结果表明：该方法可以快速有效地进行故障检测与定位。     

基于模型的故障诊断方法仿真研究

介绍了一种以典型的电液控制系统为目标,利用SIMULINK平台的仿真功能,虚拟化地再现了该控制系统及其几种常见的故障的虚拟故障诊断实验系统.通过系统模型和虚拟故障系统的输出特性对比,直观地描述了基于模型故障诊断方法的全部环节.     

故障诊断的小波分析方法

本文分析了Ｆｏｕｒｉｅｒ变换和窗口Ｆｏｕｒｉｅｒ变换的不足,给出了小波变换折时－频特性,阐述了小波变换用于故障诊断的可能性,指出了小波变换用于故障诊断的理论和方法。     

基于小波分析的白车身装焊误差故障诊断

采用小波分析方法对白车身装焊过程中三坐标测量机(CMM)测量的数据进行滤波处理,用分离后的趋势项进行相关分析并对白车身装焊故障进行诊断.通过实际例子的应用分析,验证了小波滤波后趋势项相关后对白车身装焊故障诊断的有效性.     

傅里叶变换与小波变换在信号故障诊断中的应用

研究了傅里叶变换与小波变换在信号故障诊断中的应用。仿真表明，小波变换在检测信号突变点方面比傅里叶变换优越得多，且利用小波变换可以精确地检测出信号突变的时间与位置。最后探讨了在应用小波变换进行故障检测时小波基的选取原则。     

基于小波变换的整流电路故障诊断

小波变换具有在时域和频域内的局部化特性,对于弱信号的检测非常方便,易于从高信噪比的信号中去除噪声,在故障诊断领域中的信号去噪应用非常广泛.首先介绍了小波变换的基本原理,建立了晶闸管三相桥式全控整流电路的MATLAB仿真模型,并对故障仿真中的含噪信号进行了小波变换去噪,较好地从噪声中分离出了电压故障曲线.     

子波神经网络在故障诊断中的应用研究

根据旋转机械常见的的故障类型和故障信号时域采样数据 ,以子波空间作为模式识别的特征空间 ,采用信息熵为代价函数的神经网络学习算法 ,由子波神经网络对故障进行学习和诊断 .实验结果表明 ,子波神经网络的故障诊断方法在不了解故障信号频率结构的情况下 ,即可对平稳和非平稳故障信号进行诊断 ,适于设备在线监测及设备的巡检     

基于小波奇异性的滚动轴承故障检测方法研究

在滚轴故障诊断中,故障通常表现为振动信号的突变,因此检测信号奇异点意义重大。文章介绍了小波变换理论和小波变换奇异性检测原理,研究了奇异性检测方法在滚动轴承故障诊断问题中的应用。采用小波门限消噪法处理繁杂的滚轴振动信号,对消噪后的振动信号采用小波变换模极大值奇异性检测方法进行多尺度小波分析,得到故障点的位置。仿真结果表明,该方法下振动信号奇异程度以及奇异点的位置明显。     

小波变换在轴承故障诊断中的应用

提出一种利用连续小波变换诊断轴承故障的方法。该方法不需要对象的数学模型，具有灵敏度高、仰操能力强、鲁棒性好的特点。