基于小波分析的机械故障诊断技术研究

针对小波分析在机械故障诊断应用中存在的问题,研究了小波变换图形显示算法,通过新的算法实现了信号的深层次处理,克服了传统的信号处理方法不易提取微弱故障信息的不足.故障诊断中的小波基研究为其选择提供了依据.研究结果为机械故障诊断中微弱故障信息的提取提供了一条有效途径.文中用实例说明了这种方法的实用性.     

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。     

基于谐波小波分析的矿井提升机故障诊断

矿井提升机早期检测的核心技术就是故障检测,而故障引发的动态信号往往具有非平稳性且比较微弱。谐波小波具有很强的微弱信号提取能力,而且在频域具有"盒形"紧支特性和完美的滤波特性等优势,提出了基于谐波小波分析的故障检测方法。首先提取了信号的时域、频域图,由于频域分辨率差,辨识度不高,于是采用db5小波和谐波小波分别对信号频域进行3层分解,结果证明谐波小波有更好的故障诊断效果。     

基于小波包算法的回转零件故障诊断

针对传统的故障诊断方法的局限性,将小波包分析方法应用到回转零件故障诊断中,利用小波包分解和重构方法有效地提取回转零件的共振频段,解决了传统方法人为确定共振解调频段的局限性。应用小波包算法处理后的信号重新采样,再根据Hilbert变换和包络谱细化原理,得到一种新的细化包络谱。通过回转零件的故障诊断实验分析,验证了该理论方法的正确性和实用性。     

基于自适应信号提取的采煤机逆变器故障诊断技术

为解决采煤机逆变器故障诊断可靠性、快速性及微弱故障信号提取问题,以直流侧电流作为研究对象,采用自适应信号提取算法,从直流侧电流中提取微弱故障信号。通过对单管开路和缺相2种故障模式的研究,结果表明:该算法采用同一套参数即能实现2种故障模式下故障信号的提取,自适应较强,能够满足故障诊断的快速性和可靠性要求。     

基于包络谱分析的滚动轴承故障诊断方法研究

分别用小波分解、小波包分解和EMD分解处理滚动轴承故障数据,并结合Hilbert变换进行包络谱分析实现滚动轴承故障诊断。对滚动轴承故障数据进行小波阈值降噪。小波阈值降噪后分别进行小波分解、小波包分解和EMD分解。分别求出小波分解、小波包分解和EMD分解后各个频带的能量谱。再根据能量谱确定故障频带范围并对其进行信号重构。采用Hilbert变换对重构信号进行包络谱分析实现滚动轴承故障诊断。通过对滚动轴承内圈故障信号的分析验证了小波分解、小波包分解和EMD分解结合Hilbert变换进行包络谱分析的滚动轴承故障诊断方法的有效性。     

小波包分析在采煤机减速器故障诊断中的应用

提出了一种采用小波包理论提取采煤机减速器故障信号的方法。利用小波包变换对减速器振动信号进行分解、重构及能量计算,有效地提取出采煤机减速器故障特征信号,从而获得故障的信息。仿真研究结果表明,基于小波包能量法的故障诊断方法能够有效地提取出采煤机减速器故障的频率信息。     

基于WT特征增强的cICA带式输送机齿轮箱故障诊断

约束独立分量分析对于测量信号中的传感器噪声(测量噪声)具有很强的免疫能力,但对源噪声的免疫性却很差。针对这个问题,提出了小波变换特征增强的约束独立分量分析的齿轮箱故障特征提取方法。通过对测量信号小波分解,有针对性地选择某子频段小波系数重构,有利于提高信噪比,增强信号的统计独立性和非高斯性,从而增强约束独立分量分析方法提取齿轮故障特征的效果;而未经小波变换除噪时,约束独立分量分析的效果不佳。通过仿真分析和在矿用带式输送机齿轮箱故障诊断的应用结果综合表明,该方法能有效降低源噪声的影响,准确提取出齿轮故障特征,尤其是微弱低频故障特征。为矿用齿轮箱多通道振动状态监测与故障诊断提供了一种新的有效手段和途径。     

改进小波能量分析法在轴承故障诊断中的应用

滚动轴承故障诊断的关键问题之一是如何有效准确地提取故障特征信息,为了更好地刻画各频带能量,提出了改进小波包能量算法,提取分解频带的能量在时间域上的分布,更好地刻画了能量随时间变化的分布。同时引入包络分析,更好地体现信号的间断点,从而提高故障信号分析的准确度。诊断实例验证了利用改进小波包能量法进行故障诊断的有效性。     

基于小波和神经网络的齿轮箱故障诊断

对齿轮箱故障诊断特点和方法进行分析,举例介绍了小波变换在齿轮箱故障诊断中的应用。利用小波变换对齿轮箱工况信号进行分解,重构以及提取细节信号包络谱,快速准确判断出齿轮箱设备运行状态是否异常,并利用BP神经网络进行故障诊断定位,比传统方法更有效。     

基于小波包神经网络的电机故障诊断分析与研究

由于传统基于傅立叶变换的利用频域对电机故障的信号分析中无法对奇异信号点的时域信息进行检测。针对上述问题,提出基于小波包神经网络的电机故障诊断的方法。结合电机振动的非平稳随机性的特点。利用小波包多分辨率分析方法对电机的采样信号进行分解,提取电机故障状态特征并作为BP神经网络输入样本的特征向量,利用神经网络的自学习和模式识别的特点最终输出电机故障类型。通过MATLAB仿真结果可以证实该方法可行性。     

基于小波双谱的矿用齿轮箱故障诊断

针对矿用齿轮箱振动信号的非平稳、非高斯等特点,提出了一种小波双谱分析的齿轮箱故障诊断方法。利用小波分解可将齿轮箱的振动信号分解到对应不同特征频率的频带,以提高频率分辨率和信噪比,然后有针对性地选择故障特征频率较明显的频带信号进行重构,并做双谱分析,以实现齿轮箱的有效故障诊断。实例表明,小波双谱分析是一种十分有效的齿轮箱故障诊断方法,它更能揭示故障齿轮箱振动信号的非平稳和非线性相位耦合特点。     

基于小波包分解的风机故障诊断技术研究

小波包分析由于能对信号高、低频部分局部细化并保留原信号的时域特征，因而具有良好的时频局部化特性，能对非平稳信号进行有效识别，达到故障诊断的目的，在故障诊断领域得到越来越广泛的应用。风机运行时产生的信号大多是非平稳信号，将小波包分析技术用于其故障诊断具有实际意义。     

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。     

小波变换在齿轮故障诊断中的应用

在分析小波变换理论和齿轮振动信号特点的基础上,提出用小波分析法提取齿轮故障特征。齿轮振动信号具有非平稳性,并且受各种噪声干扰,小波分析法具有处理非平稳信号的突出优点。在MATLAB环境中,建立了齿轮振动仿真信号,采用小波函数对受噪声污染的信号进行软阖值消噪处理,通过功率谱分析提取特征频率。仿真表明,该方法可有效抑制噪声,提取特征频率,从而为齿轮故障诊断提供依据。     

基于核的多故障分类器及其应用

提出了一种基于核的多类别模式识别算法(简称核子空间法， KSPM)，依据此算法建立了多故障分类器.该方法的主要思想是：将原输入空间中的数据经一个非线性映射，映射到一个高维的特征空间(或核空间)，突出各类样本之间的特征差异，利用线性子空间模式识别思路进行分类.经核矩阵特征分解，可以形成各类别对应的特征子空间，然后分别计算待分类模式与各类特征子空间的距离实现模式分类.多故障分类器应用于液压泵故障诊断结果表明，该故障分类器可实现多故障的识别和诊断，并且具有算法简单和故障分类能力强的优点.