谐波分解结合自互补Top-Hat变换的轴承微弱故障特征提取方法

针对轴承早期故障特征微弱,极易被背景噪声淹没而不能及时检测的问题,本文提出了基于谐波分解和自互补Top-Hat变换的轴承微弱故障特征提取方法。首先,通过改进广义谐波小波函数,使得信号分解后子带个数和带宽范围不受二进制分解方式的限制,并在此基础上应用谱峭度图方法确定信号中故障特征相对集中的最优频带;然后,对最优频带信号进行多尺度自互补Top-Hat变换,抑制背景噪声的干扰,突出微弱的故障冲击特征,并引入故障特征能量比的方法自适应确定最优结构元素的尺度;最后,通过包络解调提取出轴承微弱的故障特征。对仿真信号和实测轴承全寿命数据分析的结果表明,该方法能较为有效检测出轴承微弱的故障特征,具有较高的工程应用价值。     

基于提升模式非抽样小波变换的滚动轴承故障诊断方法研究

首先分析了传统离散小波变换在分解信号时的缺陷,根据非抽样小波变换的原理,提出一种基于提升模式的非抽样小波变换方法。然后根据滚动轴承故障特征,提出了基于提升模式非抽样小波变换的滚动轴承故障诊断方法,在ADBE-56-N4型交流电机上实测了6305型滚动轴承正常情况、外圈故障、内圈故障时的振动信号,结果表明,与传统离散小波相比,该方法能更加有效地诊断滚动轴承的故障     

小波变换与卡尔曼滤波结合的RLG降噪方法

针对激光陀螺随机游走噪声其非平稳和非正态分布的特性,提出了基于小波变换的卡尔曼滤波的RLG降噪方法,该方法既具有小波变换对自相似过程的去相关作用和多分辨分析的功能,同时又保持了卡尔曼滤波器对未知信号的线性无偏最小方差估计的特点,实现了激光陀螺随机游走噪声的实时多尺度分解和最优估计。实测激光陀螺零偏信号去噪的结果表明,基于小波变换的卡尔曼滤波器使随机游走噪声的标准差降低了10.3%,降噪效果优于传统的卡尔曼滤波器。     

结构物理参数识别的多尺度参数卡尔曼滤波方法

经过正交小波变换后,低尺度上测量信号的信噪比提高。应用小波变换将结构的激励信号和响应信号分解到不同尺度上,得到不同尺度上结构的状态方程和测量方程,结合动力学系统辨识的参数卡尔曼滤波方法,提出了结构物理参数的多尺度参数卡尔曼滤波辨识方法。理论分析和数值算例表明:在多尺度上对结构参数进行辨识比在单一尺度上辨识能获得更高的精度。     

基于小波变换的心音信号检测与噪声消除方法

利用小波变换多尺度多分辨率的特点对心音信号进行分解,将不同频带的信号显现在小波分解的不同尺度上,在进行信号重构时,通过选择重构系数消除信号中的各种干扰分量,保留心音信号中的有效心音成分获得准确的心音信号,为心音信号的进一步分析、处理和心血管疾病的无创诊断奠定基础.     

一种基于WMUWD的液压泵振动信号预处理方法

针对轴向柱塞液压泵故障引起的振动信号非线性强、故障信息湮灭在噪声干扰的问题,提出一种基于加权形态非抽样小波分解(WMUWD)的振动信号预处理方法。首先,在形态非抽样小波分解的一般框架下,提出WMUWD方法,利用特征能量因子表征形态非抽样各分解层近似信号对故障特征的贡献量,并以此为依据进行加权融合,以提高有用信息比重,便于特征提取;在此基础上,对WMUWD方法的初始参数设置进行了分析,给出了一套比较系统的优选组合方法;最后,利用仿真信号以及液压泵实测振动信号验证了该方法的有效性。     

利用小波分析和EMD的机械故障特征提取

故障特征提取是机械设备故障诊断的关键所在。利用小波变换多分辨率分析和经验模式分解的时频特性,将某机械运转机构的振动信号进行分解及重构,得到原始信号在不同频段上分布的详细信息,进而对不同尺度下的细节信号进行频谱分析,通过对比提取出运转过程中的失步故障特征。     

基于小波包和LMS自适应降噪的柴油机振动诊断

由于柴油机振动信号的特征频带和噪声频带存在重叠现象,利用小波阈值消噪时难以选取合适的小波阈值,针对该问题提出一种基于小波包的LMS自适应滤波降噪方法。该方法将小波包与LMS自适应滤波相结合,首先利用小波包变换对信号进行多层分解,然后以噪声干扰对应尺度上的第一层“细节”分量及最大分解尺度上的逼近分量重构信号,将重构后的信号作为LMS自适应滤波器原始输入信号,再以小波包最大分解尺度上的高频细节信号作为自适应抵消器的参考输入信号,进行LMS自适应滤波降噪处理。仿真计算和工程应用表明,该方法参数设置较少,易于控制,不涉及小波阈值降噪中阈值的选取问题,对比试验信号的分析验证了方法的有效性,将该法应用在柴油机振动诊断中提高了故障识别率。     

奇异信号的谐波小波分析

研究稳定信号的理想工具为Fpurier变换。但对于非平稳信号,需要一种具有良好时频特性的函数基来进行分解,Fourier变换所用的三角函数基不能满足此要求。而近些年提出的小波函数很好地解决了非平稳信号的分解问题。在本文中通过对具有奇异信号的非平稳信号进行谐波小波分析,最后根据分解结果可很好地确定信号中出现奇异的时域和频域位置．     

基于小波变换的转子动静件碰摩故障诊断研究

利用小波变换与多分辨率分析理论，对振动信号进行多尺度分解，通过分析细节信号的能量分布研究了振动信号中碰摩特征，由信号的一种特征向量进行了信号特征的放大处理，进而可以清晰地得到振动信号小波分解细节的能量分布特征，能够比较准确地诊断碰摩故障程度，同时也能有效地区分不磁摩与整圈碰摩。     

分形信号的小波分析

本文提出了分形信号的小波分解与重构的一种快速算法。针对分形信号的自相似和长时相关的特点,采取离散小波变换（ＤＷＴ）对分形信号进行多尺度分解,使其成为各尺度上的近似平稳信号,从而可利用通常的Ｗｉｅｎｅｒ滤波＾［５］或Ｋａｌｍａｎ滤波＾［７］方法进行估计,然后再由ＤＷＴ进行多尺度重构,估计出被噪声污染了的原始信号。本文重点对分形信号的ＤＷＴ进行算法设计,并估计了计算复杂度。     

基于小波分解的水中电爆炸冲击波波形重建方法研究

水中金属丝电爆炸产生的冲击波,上升时间仅有数十纳秒,脉冲宽度仅为十几微秒,远小于化学炸药产生的冲击波,采用现有传感器对其进行精确测量非常困难。分析了冲击波波形形成过程,基于帕塞瓦尔时频域能量守恒定律,采用多尺度小波分解的方法,给出了一种冲击波波形重建方法。采用该方法对PCB138传感器实测的压力信号进行了重建,并与Müller-plate针式压力传感器得到的波形进行了比对。结果表明:重建后的信号更加接近真实波形,基于多尺度小波分解的波形重建算法,较基于傅立叶变换的重建算法,稳定性更好,准确度更高。     

基于小波包分解的多尺度互相关管道定位方法

针对直接互相关时延估计法定位管道故障点存在定位精度差的问题,提出了基于小波包分解的多尺度互相关时延估计方法用于管道故障点定位.首先对2路光电检测器采集到的管道沿线振动信号进行小波包分解和重构得到不同尺度数据,然后对2路信号的同一尺度数据做互相关运算,利用互相关时差定位和加权平均原理计算故障点位置,抑制了噪声引起的时延估计误差.现场实验数据表明,本文方法平均定位误差小于150 m,相对误差小于0.4%,最大定位误差不超过±400 m,定位均方差小于0.05,相对于传统直接互相关时延估计法,此方法可进一步降低时延估计的平均误差和均方差,显著提高定位精度和一致性.     

基于提升格形态小波的生物芯片图像增强

提出一种使用提升格形态小波进行生物芯片图像滤波增强的方法。根据生物芯片图像的样点和噪声区域的大小选择合适的结构元素或者预测-升级算子,并通过形态学算子或者提升格构造形态小波分解和重构形式。利用形态小波的不同级连方式和高频系数的处理实现生物芯片图像的滤波增强。实验表明,该方法可以有效地结合形态学和小波滤波的优势,降低了运算量,取得良好的生物芯片图像增强效果。     

基于多尺度高阶奇异谱熵的信号特征提取方法

提出了基于变分模态分解(VMD)的高阶奇异谱熵的特征提取方法,并应用在滚动轴承故障诊断中。首先,使用4阶累积量切片代替奇异谱熵分析(SSEA)的协方差矩阵,引入VMD分解实现方法多尺度化,提出信号多分辨高阶奇异谱熵分析(M-HSSEA)方法;通过信号分析,VMD解决了模态混叠的问题,且能够实现信号滤波,同时该方法提取的熵特征向量增强了相空间重构参数鲁棒性;通过和小波奇异谱提取特征的方法对比,结果表明所提出的方法在克服频率混叠现象,提取的特征点总体离散度小等方面更具优势;最后,结合深度信念网络分类器实现了对故障的分类,实验结果验证了所提方法的有效性和可行性。     

基于最优Morlet小波和SVD的滤波消噪方法及故障诊断的应用

分析了传统的小波去噪方法和小波变换的滤波特性.利用小波变换技术、奇异值分解技术和Morlet小波良好的时域和频域特性,提出了基于最优Morlet小波和SVD的滤波消噪方法.首先,采用最小Shannon熵方法确定出最优Morlet小波;然后,利用奇异值分解技术确定出最佳变换尺度a;最后对信号进行滤波消噪处理,从而提取信号中的有用成分.实验结果表明,该方法具有良好的去噪性能,用于故障特征提取是有效的.     

基于多尺度局部保持投影的轴承故障特征增强方法

针对轴承故障声发射信号的非线性特性,及易受背景噪声干扰的特点,提出一种多尺度局部保持投影方法。通过小波包分解实现一维信号的多尺度构造,利用近邻图保持信号局部流形信息,通过局部保持投影将信号变换到新的坐标空间下,实现故障特征增强。仿真和实验信号处理结果表明,多尺度局部保持投影方法在轴承故障增强检测中效果显著。     

谐波窗方法及其在裂纹故障识别中的应用

分析了谐波小波的优点。在研究谐波小波的频段分解的基础上，提出了不分层分析的谐波窗方法。推导了谐波窗的频段分析表达式，并给出了实现过程。该方法显示了小波分析的窗口伸缩功能．但避免了在基于二进的小波变换过程中，由于隔点采样导致的信息丢失现象。利用该方法对3个数字信号进行分析，体现了该方法对近频信号和微弱瞬态信号的识别能力，也体现了该方法对淹没在强噪声中微弱周期信号的提取能力。利用该方法，对某汽车齿轮箱的裂纹故障产生的原因进行振动信号的频域识别，得到了满意结果。     

一种无频带错位的小波包算法

研究了数字信号处理中的小波分析方法。基于多尺度分析的思想,提出了信号的小波分解及重构新算法和小波包算法。由于算法中采用了频移技术,在小波分解中避免了频率的折叠现象,同时在小波包算法中也解决了频带的错位问题。算法在工程中更具实用价值