基于小波分析的齿轮故障诊断方法的研究

主要研究了小波变换中小波的Mallat算法,并将其应用到齿轮的故障诊断之中,对微弱机械振动信号进行分析.有效地完成了微弱信号的提取,对故障特征信号进行了时域定位,试验结果表明了该分析方法的有效性.     

基于小波分析的机械系统振动信号故障诊断

提出利用小波变换的时一频局部化特性及基于多分辨率分析的信号小波分解算法,辅以去噪手段,对微弱机械振动信号进行分析.有效地完成了微弱信号的提取,实现了早期故障诊断;对故障特征信号进行了时域定位;提取了故障特征频率.仿真结果表明了该分析方法的有效性.     

基于小波分析技术的通风机振动故障诊断研究

提出了风机故障诊断的小波频带分析技术,与傅立叶分析技术进行了比较,指出小波频带分解技术在本质上具有比Ｆｏｕｒｉｅ 分析技术更大的优越性。     

基于小波包能量谱齿轮振动信号的分析与故障诊断

小波包是继小波分析之后提出的一种新型的多尺度分析方法,解决了小波分析在高频部分分辨率差的缺点,体现了比小波分析更好的处理效果.测试了齿轮传动系统在几种不同故障类型下的振动信号,利用小波包变换的分解和重构算法,有效地提取出齿轮故障特征信号,得到试验结果.通过比较时域分析、频域分析和小波包分析对齿轮振动信号进行的特征提取,...     

基于小波分析和修正指数分布的齿轮故障诊断方法

提出了基于小波分析和修正指数分布(modifiedexponentialdistribution,MED)的齿轮故障诊断方法,该方法采用小波包将齿轮振动信号分解为若干个频率段,然后选择合适的频率段进行小波包重构,对重构后的信号进行MED分析,得到齿轮振动信号的小波包时-频分布,进而从中提取齿轮振动信号故障的故障特征.对具有裂纹的齿轮振动信号分析结果表明了基于小波分析和MED的齿轮故障诊断方法的有效性.     

齿轮故障诊断的小波分析方法

在齿轮故障监测与诊断中，故障特征提取是诊断的关键，而特征提取的方法也是多种多样的。利用双正交小波基将齿轮的故障振动信号分解到时频域，并提取出齿轮的故障特征。同时结合MATLAB编程语言检验小波在齿轮故障检测中的应用效果。     

基于小波分析的滚动轴承故障诊断方法的研究

介绍了小波分析的基本理论,并将小波分析应用于轴承的故障诊断。通过对实验数据的分析和处理,提取出了故障特征,并准确地对故障进行了定位。这种方法取得了良好的诊断效果,适合于滚动轴承的故障诊断。     

基于小波分析的齿轮故障诊断方法的研究

简述了小波分析的数学原理和小波分析在齿轮故障诊断中的应用机理，提出了进行齿尊繁障诊断的两种方法：奇异点检测法和多分辨分析及能量检测法，通过仿真和实例证明这两种方法能准确提取齿轮的故障特征，达到识别故障、消除故障的目的。     

基于小波包-包络分析的故障特征提取方法

针对齿轮、滚动轴承等的早期损伤类故障，提出将小波包分解作为包络分析的前置处理手段以提取振动信号的故障信息特征。在简述小波包基本原理的基础上．通过仿真信号．对振动信号的具体处理过程进行分析，并对可能遇到的问题．提出处理办法．然后应用于诊断实例。结果表明，该方法能够自由确定振动信号的频带划分并全面获得各频带内隐含的故障特征，且易于实现，有一定的工程应用价值。     

基于小波能量法的变速箱齿轮故障诊断技术研究

利用小波包分析并结合小波包能量谱尺度图的方法,通过小波包分解利用各频带范围信号能量的改变,进行了变速箱齿轮故障的诊断。按此方法准确地识别了某汽车H型变速箱的故障。研究表明,对变速箱齿轮故障诊断是一种行之有效的方法。     

基于小波分析对变速箱的故障诊断

为确定某型号液力叉车变速箱的故障原因,对其进行故障诊断,简要分析了变速箱内部结构,并计算了各档位情况下各个齿轮和轴承的故障特征频率,搭载实验平台,采集变速箱运转过程中的振动信号,并运用小波阈值去噪法对原始振动信号进行了消噪,接着分别运用小波分析和小波包分析方法对振动信号进行分解,并对相应频段信号进行重构和谱分析,综合两种分析方法的结果,获得变速箱的故障特征频率,确定是输入轴上齿轮存在缺陷。该研究对齿轮及轴承等相关构件的故障诊断有一定的参考意义。     

基于小波包分析的风机故障诊断

根据故障信号特征和小波包变换多尺度分解性质选取小波包分解层次,得到能正确地反映风机的运行状态的特征向量;参照特征向量的组成方法,提出并构建基于小波包分析的韶钢4号风机典型故障特征表。对待检信号选用db10小波进行6层小波包分解,利用待检状态的特征向量与典型故障特征表,通过模糊模式识别方法进行风机故障诊断。     

基于小波包分析的电动机轴承故障诊断

比较详细地阐述了电动机滚动轴承异常产生的机械振动机理,得出了几种常见故障的频率表现.结合实验数据,对所测得的振动信号进行小波包分解,对特定的频率段与正常信号相应的能量进行比对,确定出故障频率,从而准确找出电动机的故障所属.     

基于小波分析的航空发动机轴承故障诊断

针对常规方法难以准确分析非平稳信号的局限性,采用小波变换快速有效地对滚动轴承振动信号进行带通滤波.通过选用多尺度的小波变换,能较好地分离出所要分析的高频固有振动信号,然后对高频振动信号进行包络分析,从包络谱图中提取故障特征频率分量,准确诊断出滚动轴承发生故障的元件.     

基于小波多分辨率分析的高性能XY工作台故障诊断

针对直线电机驱动的高性能XY工作台的结构及运动特点，提出基于小波多分辨率分析与信号时域分析相融合的高性能XY工作台故障诊断方法；该方法通过分析研究高性能工作平台多工况多位置的振动信号，对信号进行小波多分辨率分解后不同尺度上的分解系数模值取平方，进行消噪处理，解决了工作台振动信号中随机噪声信号和故障特征信号混叠不易提取的难题，由获取的小波系数模值平方序列结合时域分析方法构造特征量，提取出故障信号特征。试验表明，该方法可有效地实现高性能XY工作台的故障诊断。     

基于小波包分析的滚动轴承故障诊断方法的研究

为了在滚动轴承故障诊断中获得更好的效果,详细研究了小波包分析的原理,提出了基于小波包分析的滚动轴承特征向量提取算法,并利用这一算法对齿轮箱的滚动轴承在正常工况下的振动信号和故障工况下的振动信号进行了10层小波包分解处理.将处理后的图像和相同信号傅里叶变换后的频谱图进行了比较,证明本算法能够较好地分辨出滚动轴承的工作状况是否正常,具有一定的理论价值和现实意义.     

小波-神经网络在齿轮故障诊断中的应用

基于齿轮箱故障齿轮的特征提取,提出了将小波包分析与神经网络结合的齿轮故障诊断方法.对齿轮信号进行3层小波包分解,构造小波包特征向量作为故障样本.用训练好的BP神经网络进行故障诊断,实验结果表明该方法能够有效地诊断出齿轮的故障类型.