基于小波包分解的方差非线性均衡下的轴承故障特征提取

当轴承发生不同故障时,振动信号在不同频段的方差分布并不均衡。为了有效提取不同故障信号的特征,针对轴承故障信号小波包分解得到的频段分量,提出一种非线性均衡的方差均衡化方法,实现故障特征的更高区分度。实验中,基于凯斯西储大学轴承数据中心实测的轴承振动数据,用该方法对4种转速之下的正常轴承信号、内圈故障轴承信号、外圈故障轴承信号和滚动体故障轴承信号提取的方差参数进行了分析,结果表明均衡后的不同故障信号的方差参数具有更好的区分度,能有效地实现轴承故障类型的区分。     

基于改进小波包变换的音频指纹提取算法

数字音频指纹技术在音频信号分析和处理中起着重要作用。针对传统基于时频分析的音频指纹提取算法中仅使用信号能量作为特征参数,而无法全面表征出信号的复杂度和不规则性问题,提出了基于小波包分解与重构,将小波包系数的奇异值熵和样本熵相结合,作为音频信号的特征参数提取指纹。实验证明,该算法提取的指纹提高了音频识别的准确率,在常见信号处理下能保持较强的鲁棒性,并具有明显的区分音频和定位音频篡改位置的能力。     

基于小波包能量熵和PSO的轴承故障诊断方法

支持向量机(SVM)在识别滚动轴承故障过程中,由于其参数选择并非最优导致识别率不高。为解决这一问题,提出了基于小波包能量熵和粒子群优化WSVM的滚动轴承故障诊断方法。首先,获取滚动轴承的振动信号,将信号进行小波包变换计算出小波包能量熵;其次,将小波包能量熵作为故障特征初步判断轴承是否发生故障;然后对各状态的特征向量集进行训练,建立WSVM故障诊断模型,采用粒子群优化算法对WSVM进行参数最优化;最后,将测试样本输入到训练好的向量机中,根据输出结果准确判断出工作状态与故障类型,还可计算得出故障识别率。结果表明:该方法能有效地判断出轴承故障类型,识别率高。     

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。     

基于小波包与神经网络的海底电缆故障诊断北大核心

针对海底电缆的故障诊断问题,提出了一种基于小波包与神经网络的诊断新方法。该方法将海缆中光纤的布里渊频移转换成温度和应变数据,首先使用六层小波分解对监测信号降噪,然后对故障数据进行三层小波包分解和重构,再通过提取能量、标准差和Shannon熵等构造特征向量并输入BP(反向传播)神经网络进行训练和测试。实验分析表明,在海底电缆故障诊断中,采用标准差作为特征向量输入BP神经网络中的诊断方法性能最佳。     

基于小波包和Hilbert包络分析的滚动轴承故障诊断方法

滚动轴承故障诊断是机械故障检测中的一个重要方面。本文提出了一种小波包分析和Hilbert包络分析相结合的方法对轴承进行故障诊断。首先利用小波包分析将滚动轴承的振动信号分解到不同的节点上。然后求出各频段的能量,根据频带能量的变化情况,找出滚动轴承的故障所在的频带,对故障频带的重构信号做包络谱分析,将谱峰处的频率与滚动轴承的故障特征频率进行对比。诊断出滚动轴承的故障。通过对实验中采集到的滚动轴承振动信号进行分析,证明了该方法在滚动轴承故障诊断中的有效性。     

基于小波包频段分解及综合能量系数的小电流接地系统故障定段方案

针对小电流接地系统中单相接地故障定位这一难题,提出一种基于小波包频段分解及综合能量系数的小电流接地系统故障定段方案,根据故障发生的不同时刻对低频段与高频段能量比分配不同的权重,在最大程度上获取故障零序电流信号中的能量信息,避免频段选择不准确导致无法提取电流有效能量信息的问题,然后根据故障线路综合能量系数CEC与非故障线路CEC的差异确定故障区段。理论分析和基于ATP-EMTP的仿真模型验证了所提单相接地故障综合定段方案能有效辨识主馈线故障、贯穿线路故障及末级线路故障,且不受过渡电阻及故障发生时刻的影响,具有较高的准确性和可靠性。     

基于小波包分析的高速牵引电机轴承故障诊断研究

简析高速牵引电机轴承故障类型,介绍了LabVIEW和Matlab小波包相结合所开发的高速牵引电机轴承故障诊断测试软件平台。基于此平台,利用高速牵引电机轴承试验站对已知损伤轴承运转产生振动信号的拾取与采集,通过对信号进行小波包分解画出频谱能量图,再经过yulewalk多通带滤波器滤波,然后提取特征故障频率进行故障识别。试验结果验证了其可行性。     

基于小波包能量分析的红外火焰信号识别

在设计红外火焰探测器的过程中,人工光源常常会引起探测器的误报。为有效区分人工光源与火焰信号,本文首先对采集的1种人工光源以及3种火焰信号进行分析,将采集的信号进行小波包4层分解,得到信号的能量谱。通过分析发现选取第2,3,4,7频段的能量值能够将这4种信号有效区分。为进一步验证实验结果,本文将双通道两路信号的第2,3,4,7频段的8个能量值作为一组特征向量,与BP神经网络结合进行模式识别。结果表明,通过这样的方法不仅可以区分火焰和人工光源,同时可以对3种火焰进行识别,其识别的正确率为84.1%。因此,基于小波包能量分析的方法提取这8个能量值作为特征值具有一定的可行性,能有效减少人工光源引起的误报,同时为火焰种类的识别以及以后的灭火自动化提供了新的可能性。     

基于小波包分解的船舶发电机轴承故障检测

为了实现对船舶发电机轴承进行故障检测,通过对三相定子电流的Park失量模信号进行小波包分解,求相应子频带小波包分解的均方根值(RMS)作为表征电机轴承的故障特征,以此作为发电机轴承故障诊断的依据。在实验室条件下,选择一款发电机并人为设置轴承故障进行试验验证,实验结果表明,提出的方法能够有效的识别发电机的轴承故障。     

PC三电平逆变器电解电容故障特征分析

针对目前NPC三电平逆变器电解电容故障特征难以提取的问题,提出变分模态分解与模态能量结合的故障特征提取方法。该方法通过采集NPC三电平逆变器输出端的电流信号,结合参考电流信号,求取电流的偏差信号。根据电流偏差信号频率分布的特点,用模态重复率对VMD的分解尺度进行参数寻优。利用VMD对电流偏差信号分解,得到具有中心频率的有限带宽的模态分量。根据模态分量的信息熵确定能表征电容故障的特征分量,进而计算特征分量的模态能量,构造特征向量,寻求特征变化规律,并对其进行分类。结果表明,此方法能够准确地反映出电解电容的工作状态。     

风电轴承多源振动信号故障诊断的数据融合方法研究

针对风电回转支承的故障振动信号为低频信号,不平稳、非线性,难以检出等难题,提出了基于数据融合的方案：首先提出了B型关联度加权法和小波去噪相结合的方法,对多源振动信号进行融合去噪,然后以EEMD为基础对融合后的信号进行分解,此方案不仅提高了融合信号的信噪比,而且抑制了在经验模态分解中的模式混叠现象,实验结果表明与理论计算的故障特征频率相吻合,充分显示了其应用在回转支承故障诊断系统中的可行性。     

一种适用于机械非平稳故障信号的分析方法

该文提出了一种适用于机械非平稳故障信号的特征提取方法,鉴于该类信号时域特征明显,首先利用小波包进行分解,对分解后的不同频带内的分解系数进行时域重构,分别对重构的时间序列用时域分析的方法提取对故障敏感的特征参数,通过简化特征参数,确定判别阈值,使该方法更便于现场工作人员对机器故障的识别.同时也为具有同类特征的非平稳信号提供了一种行之有效的分析方法.文中最后用某油田往复泵实测数据验证了该方法的有效性.     

基于提升小波的古铜镜X光图像融合方法研究

为了将古铜镜X光图像信息综合到同一图像中, 采用提升小波的方式将源图像进行分解, 并分别对低频、高频采用不同的融合规则进行了图像融合。低频采用区域能量与区域方差相结合的方法, 高频采用空间频率加邻域像素点规范中间像素点的方法, 最后经提升小波逆变换得到目标图像; 同时进行了理论分析和实验验证, 取得了融合图像的信息熵、平均梯度和标准差数据。结果表明, 在3组实验中, 相对于其它几种算法, 本文中算法的信息熵平均提升了5.76%, 平均梯度平均提升了28.70%, 标准差平均提升了7.70%, 算法有效地保留了源图像的信息, 对于边缘的传递效果更优秀。这一结果对古铜镜X光图像的融合是有帮助的。     

小波包分析在电动机转子断条故障诊断中的应用研究

文章介绍了鼠笼式异步电动机常见的故障及其诊断的重要性,采用了改进型小波包算法从电气和机械方面提取信号的故障特征。并提出了一种基于小波包分析频带能豢的故障诊断方法。经实验可知,该方法能够更全面的快速检测到转子断条故障的存在而且准确率高,具有很大的可行性和很强的推广性。     

基于小波包的故障信号特征提取的研究

讨论了交--交变频调速系统故障诊断的重要性,在当前的检测方法与故障诊断手段研究的基础上,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.该算法的计算量和占用的存储空间较标准的小波包算法均减少80%.同时,运用基于改进的小波包的频带能量法提取变频调速系统的故障特征,分析了小波包分解层次对特征量提取的影响.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量提取.     

非均匀采样信号小波分析误差控制方法

标准的小波分析方法中,信号的低频能量和高频能量不能人为控制,因此在利用低频分量近似原信号时,在一些陡峭变化区域会存在较大偏差。针对这一问题,本文首先分析了小波分解各子带能量与采样频率的关系,发现增加采样频率可以降低高频能量,并给出了部分证明。以此为基础,提出了非均匀采样信号小波分析误差控制方法,考虑到小波分解的高频能量和低频能量存在互补关系,算法利用高频系数作为低频表示误差的判断指标,对误差超限位置处的数据增加采样,然后对修正后的数据进行低频分解;该方法使低频能量可根据误差门限人为进行调整。重构是分解的逆过程,可完全无误的恢复原始信号。实验表明算法对小波分析低频表示误差具有很好的控制能力。