基于小波变换的包装机械故障诊断方法的研究

文中介绍了小波分解在包装机械故障诊断中的优点 ,并通过对包装机械振动信号特征进行分析 ,指出该类信号用频谱分析的方法不能得到有效的特征。由于小波分析具有传统频谱分析方法所没有的时—频分析特征 ,通过小波逼近系数能得到机组实际振动的大小 ,从而准确诊断出故障 ,本文通过实例得以证明     

盘磨机故障的振动特征分析

当前盘磨机故障特征尚属一个不明确的问题。本文在讨论磨浆机组成结构的基础上,借助于振动方程和运行过程中的力学分析,给出了盘磨机不平衡情况下的故障振动特征。根据实际采样数据的小波包分解分析可以得出结论,即通过盘磨机振动的小波包分解,能够找出隐藏在振动信号中的故障特征分量。     

基于小波包分解和卷积神经网络的滚动轴承故障诊断

针对旋转机械滚动轴承在恶劣工作环境中易于损坏,而目前故障诊断过于依赖人工特征提取的问题,提出了一种基于小波包分解和卷积神经网络(CNN)的滚动轴承故障诊断方法(WPDEC-CNN):通过小波包分解对振动时域信号进行处理,获得表征信号相似的小波系数,再将其进行预处理后输入CNN进行分类识别.试验结果表明,WPDEC-CN...     

基于单片机的智能电力系统故障录波仪浅析

本文对比了现有的智能电力系统故障测距方法,选择行波法作为本文研究对象。结合行波保护的研究现状和智能电力系统故障特点,通过对比A型行波法和D型行波法的优缺点,综合考虑本文采用D型行波故障测距法对智能电力系统进行故障测距研究。然后在了解智能电力系统暂态保护特点的基础上深入分析了输电线路故障暂态过程,并简单叙述了相模变换理论以及小波变换理论,着重分析了基小波的特征并介绍了db小波,最终选择db4小波根据小波变换奇异点检测理论利用小波变换对行波故障信息进行提取。     

基于小波包与神经网络的EPS转矩传感器故障诊断

本文针对EPS转矩传感器的故障特点,根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,结合小波包变换中能量可以表征电路的变化情况,提出了故障信号在不同分解频段的能量特征概念及算法,并将其与BP神经网络相结合,提出一种新的EPS转矩传感器故障诊断方法,实验结果表明了该方法的正确性和有效性。     

基于小波分解和奇异值分解的织物疵点检测

探讨基于小波分解和奇异值分解的织物疵点检测效果。运用三种算法进行了织物疵点检测。采用基本奇异值分解法进行机织物疵点检测,检测结果受噪声影响较大;采用Haar小波对待测图像进行除噪,边缘检测性较弱。利用Gabor小波良好的图像边缘敏感度、方向和尺度选择性,进行图像滤波,再进行SVD分解。结果表明:Gabor小波和SVD的融合算法可以对图像多种方向多种尺度进行调节,检测效果较好。认为:Gabor小波和奇异值分解相融合算法可应用于机织物疵点检测。     

基于EMD和小波变换的信号去噪

本文针对振动信号易被噪声污染的特点,采用了EMD＋小波的方法对振动信号进行去噪处理。即在EMD分解的基础上,利用评估系数辨析出被噪声污染严重的分量,并通过小波变换对噪声Imf分量进行去噪。然后建立仿真信号,验证出EMD＋小波的方法对信号去噪是可行的,最后利用信噪比,与常用的去噪方法进行比较,得出了EMD＋小波方法方便、灵活,不受傅里叶变换的限值等。     

浅谈煤矿机电设备故障检测中小波分析的应用

煤矿机电设备故障检测是针对煤矿机电设备平衡问题、对中问题、磨损（剥落）问题、断裂（裂纹）问题等机电设备故障,总体思路是采集动态信号,运用智能预示例如信号处理与采集、提取特征、评估状态等方法,准确获取反映设备故障信息的信号源,根据机电设备低速重载的特点,获得振动传感器灵敏度、频率范围等指标,提出故障解决方案的系统技术。与此,以小波变换中两类“奇异点”的特征入手,分析了小波变换的检测原理与方法,并提出了故障诊断专家系统、模糊诊断法和“人工神经网络”诊断法等故障检测方法,最后提出了“信息融合”智能诊断法的工作原理和特点。     

基于小波-频谱分析的滚动轴承故障诊断的应用研究

对于实际工作中的轴承发生故障时,其故障冲击的能量小,干扰噪声多。直接采用频谱分析得到的频谱图谱线比较密集,有时很难鉴别出故障。本文利用小波多分辨分析能对信号进行不同频段分解特点,研究了小波-频谱分析在滚动轴承故障诊断中的应用。通过对滚动轴承外圈、内圈和滚动体三种不同的早期故障的实验信号进分析,结果证明该方法可以有效的鉴别出滚动轴承的不同故障。     

一类随机传染病模型的非参数统计分析

非参数估计无需考虑分布,便于处理数据.为研究随机SIS传染病模型中的扩散系数和漂移系数,对其随机微分方程作变换,得到扩散系数和漂移系数的非参数估计模型,并给出小波估计公式.通过模拟SIS模型的样本轨道,得到扩散系数和漂移系数的初始样本值,并利用小波多分辨分析理论,得到小波修正样本值.分别基于初始样本值和小波修正样本值计算扩散系数和漂移系数的小波估计值,得到估计效果图.通过比较发现小波修正样本估计效果更优.     

基于谱峭度Morlet小波变换法和经验模态分解的滚动轴承故障诊断研究

本研究针对轴承早期故障信号微弱不易检测的缺陷,提出了一种基于谱峭度Morlet小波变换法和经验模态分解的轴承早期故障信号检测与增强的方法.该方法把谱峭度引入到Morlet小波中,根据谱峭度变化寻找Morlet小波的最佳匹配参数,最大限度地增强故障弱信号;然后对信号进行经验模态分解,以信号相关系数大小确定重构信号的基本模态分量,对重构信号进行包络分析完成故障诊断.实验结果验证了此方法在滚动轴承早期故障诊断中的良好应用效果.     

电力线路故障定位方法的研究

针对配电线路发生单相接地故障,介绍了一种综合定位方法,首先向故障线路和正常线路分别发射行波信号,比较两个信号波形,使两波形相减,进行小波包分解和重构,找到故障特征波时刻,利用测距公式计算故障距离。求取线路节点特征波能量,利用训练好的神经网络来识别故障区段,综合故障距离和故障区段来确定故障点。     

一种用于便携式12导数字化心电导联线的Q RS波检测方法

针对便携式12导数字化心电导联线不易识别心电信号QRS波的问题,基于信号处理,利用小波函数良好的时频局域化特性和对时变信号分析的优越性,运用小波变换的奇异点与信号变化剧烈处间的联系理论,以软件方法实现了QRS 波的检测。仿真结果表明,该方法对于QRS 波、特别是R波的检测,有较高的精确度。     

一种红外图像增强算法研究

针对传统红外图像存在的一些不足,提出一种融合多尺度Retinex和小波变换的红外图像增强算法。该算法综合了小波变换多尺度、多分辨率的优点,以及多尺度Retinex红外增强的特性,利用小波变换对图像信号进行分解,对低频系数进行多尺度Retinex算法处理,而对小波分解的高频细分量进行消除噪声并改善图像细节部分,并同时也改善了性噪比、对比度以及亮度均匀性等性能指标。通过仿真该算法可增强图像细节,优化图像整体视觉效果。     

新型10kV配电线路缺相故障定位方法

针对10k V配电线路常见的缺相故障,文章提出一种新型的缺相故障定位方法。该方法结合C型行波故障定位法和小波包分解方法可以迅速准确地完成线路缺相故障的定位。该方法的步骤是:首先采用C型行波方法进行故障距离的测量;然后应用小波包方法对信号进行多频带分解,以便分离噪声对特征波的影响;最后比较故障前后特征波的差异确定故障区段。文章利用PSCAD/EMTDC软件来模拟实际线路的缺相故障情况,仿真的结果验证了该方法对缺相故障定位的有效性。     

一种用于便携式12导数字化心电导联线的QRS波检测方法

针对便携式12导数字化心电导联线不易识别心电信号QRS波的问题,基于信号处理,利用小波函数良好的时频局域化特性和对时变信号分析的优越性,运用小波变换的奇异点与信号变化剧烈处间的联系理论,以软件方法实现了QRS波的检测.仿真结果表明,该方法对于QRS波、特别是R波的检测,有较高的精确度.     

基于CEEMD和3点对称差分能量算子的滚动轴承故障诊断方法

为解决传统信号处理方法提取滚动轴承故障特征不精确和Teager能量算子解调信号的解调频率和幅值误差较大的问题,课题组提出一种基于互补集合经验模态分解和3点对称差分能量算子结合的轴承故障特征提取方法CEEMD-DEO3S。课题组首先对滚动轴承进行CEEMD分解前进行去噪处理来增强信号的故障脉冲;然后利用CEEMD将去噪后信号分解为一系列固有模态函数,并依据相关系数原则选择最能表征故障的敏感分量,重构后进行DEO3S解调,依据解调后得到的幅值和频率计算信号的包络谱。实验分析表明:所提方法解调信号的误差更小,提取轴承故障频率更精确。     

基于EMD平均能量法的滚动轴承故障诊断

文中提出了一种用于滚动轴承故障诊断的系统一基于EMD和BP神经网络相结合的诊断系统。该方法首先对原始振动信号进行小波包预处理,提高信噪比,从而得到更适合研究的故障振动信号。然后再对信号进行EMD,分解得到IMF分量,对几个感兴趣的IMF进行分析,获得每个IMF分量的平均能量,作为BP神经网络的输入向量,由此训练神经网络,实现了对滚动轴承故障的智能诊断,并用实际的滚动轴承故障数据进行了验证。图6表2参12     

基于小波包分析的超声相控阵检测信号特征提取

通过对超声相控阵A扫信号进行小波分析,研究了基于小波能谱信息熵的特征信息获取方法。并对最优小波基的选取提出了基于能量差异原则的选取方法,对40种小波基的能量差异进行分析,选取了三种小波基对两类A扫信号进行小波包分析,用于信息熵值的提取。最后对掺杂不同杂质的碳纤维复合材料的A扫信号的超声检测信号应用所选小波基进行分解,计算了信息熵值并加以比对,作为不同掺杂下碳纤维复合材料的超声相控阵信号的特征值。     

Vilenkin群上信号的分解与重构

探讨将Vilenkin群上的小波理论运用到实际信号分析的算法,根据实际需要重新定义Vilenkin群的二元运算,引入经典的尺度函数和小波函数,在此基础上建立相应的多分辨分析,分析了定义在它上面的信号,运用多分辨分析的特性得到信号分解和重构的算法.进一步给出了康托尔二元群上信号分解和重构的具体算法,得到了Vilenkin群上信号的分解定理和重构定理.