小波包分解算法研究及其在机械故障诊断中的应用

基于小波包的多分辨率特性,研究了B样条小波的小波包分解算法.小波包分析能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,从而提高了频率分辨率.并且基于上述算法,对齿轮传动系统的振动加速度信号进行了小波分解,建立了一套基于小波包能量分布的机器运行特征和诊断特征参数,并给出了实验数据及分析结果.     

小波包分解及其在旋转机械故障诊断中的应用

简述了小波包分析原理，阐明其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，可有效区别不同故障。结合实例验证了其用于故障诊断的优越性。     

小波包分析在故障诊断中的应用

分析了用小波包能量分析方法提取故障信号特征向量的方法，并改进算法解决了小波包分解中的混频现象，根据最佳分解树进行了特征选择。通过实例证明本方法行之有效。     

小波包分析在柴油机故障诊断中的应用

运用小波包分析方法对柴油机缸盖振动信号进行预处理,并运用小波包频带的能量分析方法识别柴油机喷油雾化质量故障。在不同工况下的柴油机上测得两组振动加速信号,并对该信号进行分析,准确识别了故障。说明该方法对提取故障信息并进行诊断是行之有效的。     

小波包算法在滚动轴承的在线故障诊断中的应用

对小波变换的理论进行了简要的阐述,并介绍了小波包理论。指出了在强噪声的背景下小波包变换的算法对于瞬态信号提取的有效性,表明了小波包变换对信号的去噪声,滤波等方面具有广泛的前景。并以五套６３０７号轴承为例进行了诊断,结果与实际情况相一致,说明该算法十分适合于滚动轴承的在线监测与故障诊断。     

全信息小波包分析及其在旋转机械故障诊断中的应用

针对传统旋转机械单通道故障诊断的不足,结合设备状态检测和故障诊断中微弱振动信号难以提取的问题,在介绍全信息技术的基础上,提出新的信号处理方法——全信息小波包分析,用小波包变换对双通道信号分别进行分解,以提取信号中的微弱局部成分,把需要的对应小波包进行重构并用全矢谱技术进行融合,根据融合后的数据进行故障诊断。工程应用实践表明,全信息小波包分析是一种新的、较为实用的信号处理方法。     

小波包分析在旋转机械冲击故障诊断中的应用研究

小波理论在工程中应用的特点之一是能对信号进行多维多分辨率分解及重构,能够用于提取信号的一些特征成份。基于这一优点,本文将小波包分解及重构理论应用于旋转机械冲击故障信号的处理,通过对试验数据的分析,得到了清晰、直观的系统冲击响应成份,与同时测得的声发射信号相对照,说明这一方法是有效的。     

小波包分析方法在齿轮早期故障特征提取中的应用

基于小波包对信号的高分辨率分解和重构能力,把信号分解到不同频段,然后选择有效频段进行故障信号重构,分离出故障信息,试验表明,该方法能从很强的总体振动信号中提取清晰的损伤特征,实现早期诊断。     

瞬时功率小波包分解法在轴承故障诊断中的应用

针对感应电动机轴承故障特征提取的不足,提出了瞬时功率小波包分解的方法。分析电动机单相瞬时功率,发现瞬时功率中故障信息更为丰富,且对故障特征干扰较大的基波可转化为直流分量;滤波后,进行小波包分解,求取故障特征对应子频带小波包分解系数的均方根值及其变换率,并用以表征故障特征,以此作为轴承故障的依据。仿真表明该方法诊断灵敏度高,可用于感应电动机轴承的故障诊断。     

小波分析在滚动轴承故障诊断中的应用

滚动轴承是机械系统中非常关键的部件,它的运行好坏直接关系到整个机械系统的性能优劣,因此滚动轴承的故障诊断研究是非常具有实际意义的。本文对轴承早期损伤引起的故障信号进行了分析,通过比较频谱分析和小波分析的特点,采用小波分析技术对检测的信号进行处理,利用小波变换的分解和重构算法,对具有故障特征的信号进行重构,再通过希尔波特变换进行解调和细化频谱分析,有效地提取出噪声掩盖下的滚动轴承故障特征信号,从而实现对滚动轴承的故障诊断。     

基于小波包的齿轮故障检测与分析

在齿轮故障的监测诊断中,利用小波包对信号的高分辨率把信号分解到不同频段,然后选择有效频段来提取齿轮传动的故障信息特征。实验表明,该方法能对齿轮的故障特征进行有效的监测。     

旋转机械振动信号的小波包分解及故障检测

研究了旋转机械振动信号的特点，指出传统的波形分析和频谱分析存在的问题。提出了从小波包分解序列图和小波包能量分布图两个方面对振动信号分析的方法，赋予小波变换和小波包分解的结果以明确的物理意义，通过测试数据分析旋转机械的三种典型故障在时域、步域及时频域所反映的信息特征，从而表明了该方法的可行性及对故障检测的有效性。     

利用小波包和SVDD的分拣机轴承故障诊断

针对邮政分拣机供包台轴承故障识别精度较低问题,展开一种基于小波包结合支持向量数据描述的振动故障辨识研究。运用小波变换对检测的振动信号进行降噪,再利用统计分析、共振解调和小波包技术从预处理后的信号中提取故障特征频率和小波包能量等时、频域特征作为输入向量。通过核参数优化选取和正常类样本集训练学习,建立描述轴承正常工作状态的最小特征超球体作为预测模型并带入轴承试验台中。试验结果表明,该方法的正确识别率可以达到98%以上。     

谐波小波相位谱研究及其在设备故障诊断中的应用

通过对谐波小波相位特性的理论分析，结合仿真信号进行分析研究，针对其相位谱难以理解的问题，提出了基于谐波小波的重构相位谱分析方法。     

小波分析在机械故障诊断中的应用

文章总结了故障诊断的研究内容,分析了各种诊断方法的优势和不足,探讨了小波分析的特点,指出了小波分析的发展现状,列举了小波理论在降噪、振颤等故障诊断中的典型应用,预测了小波未来的发展趋势。     

基于小波包变换的滚动轴承故障诊断

针对故障轴承振动信号能量集中与调制的特点,提出了一种基于小波包能量法与Hilbert变换的滚动轴承故障诊断方法。使用小波包变换对振动信号进行分解、重构及能量计算,并应用Hilbert变换对能量集中频段的重构信号进行解调和频谱分析,提取故障特征频率。同时针对诊断过程中故障特征参数依靠人工计算的问题,提出故障特征参数自动提取方法。实际的滚动轴承实验数据的处理和分析结果表明,该诊断方法能够准确、快速地识别滚动轴承表面损伤的故障模式。     

小波包分析在轴承早期故障诊断中的应用

为了识别轴承早期损伤引起的故障信号,利用小波包对轴承的振动信号进行处理。小波包分析的实质是对小波分解的结果作进一步细分,因而具有比小波分解高得多的频域分辨能力。文中用小波包分析了两个存在早期轻微损伤的轴承的振动信号,并比较了自然序、Gray序以及移频算法的处理结果。这些分析结果表明,小波包分析能够有效地将隐藏在正常振动信号之中的早期弱故障信号提取出来,从而发现轴承的早期损伤。     

基于小波包和Teager能量算子的齿轮故障诊断研究

齿轮箱故障振动信号通常是非平稳的,为了有效的提取故障信号的特征参数,提出了基于小波包降噪和非线性Teager能量算子的信号特征参数提取方法。利用构造的噪声信号仿真研究了此方法用于信号特征参数提取的可行性,并将此方法成功应用于齿轮偏心的齿轮箱故障诊断,证明了该方法提取齿轮故障齿轮箱振动信号特征参数的有效性。     

小波包能量谱在滚动轴承故障诊断中的应用

提出了基于小波包能量谱的滚动轴承故障诊断方法。首先,以6406轴承为例采集不同工况的振动信号,然后对试验数据进行小波包变换,振动信号被分解到独立的频段,不同频带内的信号能量变化反映了运行状态的改变,提取各频带小波包能量谱为特征向量,最后应用基于模糊聚类的故障诊断方法。经对大量实测数据的处理和分析,能够比较准确地诊断出轴承的故障。