改进小波算法在机械故障诊断中的应用

小波变换具有优良的时频分析特性,适合于提取非平稳信号和时变信号,利用小波变换来提取机械设备的故障特征是当前的一个研究热点.但是由于小波滤波器的频响应特性不理想,因此直接对信号进行小波变换必定会产生一定的虚假频率,从而影响故障特征提取的准确性.针对小波变换产生混频的原因提出了一种改进的小波分解算法,仿真结果表明该方法能有效地消除混频现象,提高故障诊断的精度.     

小波变换理论及其在机械故障诊断中的应用

小波变换是一种日益获得广泛应用的信号分析方法,已成为国际上非常活跃的研究领域.它在时域和频域同时具有良好的局域性,能够很好地反映出瞬态信号的特征,为诊断以非稳态信号为特征的机械故障提供了有效的分析手段.本文从应用的角度简述了小波变换的基本理论和算法,并给出了故障诊断的实例,证明了这种方法对故障诊断的有效性.     

基于小波变换的磨削噪声在线监测方法

随着自动化程度的提高,对磨削加工过程的在线监测方法研究越来越受到重视.无损检测技术的发展,提供了一种通过磨削噪声来在线监测砂轮磨削状况的方法.由于砂轮在磨削过程中产生的噪声,与其本身的材质和磨削状态有着密切的关系,因此通过对磨削噪声信号的分析,就可以精确地获取砂轮磨削状态的信息.将磨削加工过程中实时采集到的噪声信号进行...     

自适应多小波基函数构造与机械故障诊断应用研究

设备在运行中萌生的故障(即早期故障),特征信息微弱且往往被机械设备运行过程的强噪声所淹没,给故障诊断与预示带来困难,已成为国内外此领域研究的热点和难点。文章深入研究了机械故障动态信号与基函数的内积变换原理;提出了若干自适应多小波基函数构造方法;改进了几种多小波邻域区间和局部阈值降噪方法。利用典型的工程案例分析和阐述了重油催化裂化装置、连铸连轧机组、空分机、电力机车和船载卫星通信地球站传动系统在运行状态下,微弱动态信号的特征增强和复合故障特征提取的工程应用实效。     

小波变换和CNN涡旋压缩机故障诊断

针对传统单尺度信号分析难以有效解决涡旋压缩机故障诊断中的故障特征信息多尺度耦合问题,提出一种基于小波变换和卷积神经网络的涡旋压缩机故障诊断方法。首先将采集到的振动信号进行连续小波变换生成时频图,并对时频图进行网格化规范处理,将预处理后的时频图作为特征图输入Alexnet卷积神经网络,通过不断调节网络参数,得出最为理想的神经网络模型,以此实现对涡旋压缩机故障类型的辨识诊断。结果表明,该方法针对涡旋压缩机故障类型的识别准确率达到94.6%,与传统多尺度排列熵、信息熵熵距的故障诊断方法相比,该故障识别方法具有更高的准确率。     

信号处理在机械设备故障诊断中的应用（连载）

第二讲　现代信号处理与特征提取（下）２．２　非平稳信号处理方法在机械故障诊断中的应用在过程实际中,信号的平稳性总是相对的、局部的,而非平稳性则是绝对的和全局的。当机械设备发生故障或工作异常时,其相应的振动或噪声信号一般呈非平稳特性,即此时信号是时变非平稳的。通常情况下,信号的频率成分将随时间变化,此时引入时变信号模型将有利于分析。研究时变非平稳信号的重要方法主要是时－频分析（分布）,该方法在时间－频率域上,而不是仅在时域或仅在频域上对信号进行分析。时－频分析可分为线性和非线性两种形式。其中,线性…     

经验小波变换-同步提取及其在滚动轴承故障诊断中的应用

为了准确诊断轴承故障并探究故障信号的时变特性,提出了一种基于同步提取变换(Synchroextracting Trans-form,SET)和经验小波变换(Empirical Wavelet Transform,EWT)的轴承故障诊断方法.对故障信号进行经验小波变换分解,把分解得到的若干个经验模态进行同步提取变换,将所...     

基于连续小波变换的旋转机械振动信号灰度矩研究

通过对机械振动信号的连续小波变换，利用小波滤波器良好的时频特性，研究了振动信号连续小波变换灰度图的统计特征，提出了“一阶灰度矩向量”指标。对8种典型故障信号的计算表明，一阶灰度矩向量可以较好地展现小波灰度图的局部信息，能够有效地提取信号的特征，区分振动故障。     

小波变换在图象边缘提取中的应用

详细介绍了小波变换在图象边缘提取中的优越性，在参考大量文献的基础上，小结中出常用于边缘提取的小波函数及其提取的边缘的方法与效果。得出在图象边缘提取中高斯函数一阶导数是一种常用的且较有效的小波函数最后给出用高斯函数一阶导数对静态物体边缘提取的计算机模拟。     

小波包在提升机减速箱故障诊断中的应用

本文简述了小波变换的基本原理及利用小波包对振动信号进行分解的方法。小波分析良好的时－频局部化特性,为实现对振动信号在不同频率范围内对应不同零部件故障特征信息的分离和提取,及机械故障诊断提供了有效的分析手段。文中给出了利用小波包在煤矿提升机主减速箱故障诊断中提取微弱故障特征的实例。     

离散余弦变换在滚动轴承故障诊断中的应用

本文探讨了应用离散余弦变换分析滚动轴承故障的方法,采用小波基将滚动轴承振动信号变换到时间－尺度域,对高频段的小波系数用离散余弦变换进行包络分析。通过对滚动轴承具有外圈缺陷、内圈缺陷的情况下振动信号的分析,说明这种方法可以有效的用于效地用于滚动轴承的故障诊断。     

非平稳信号的盲源分离在机械故障诊断中的应用

机械设备发生故障时，故障特征的提取很重要．对于多通道的设备故障振动信号，应用非平稳信号的盲源分离算法，可以有效地提取各自独立的非平稳振动源，从而可以准确地进行机械故障诊断。针对不同时频分布的非平稳盲源分离算法，比较了它们的分离效果。以转子的复合故障为例，验证了该算法在故障诊断中可行性。     

故障振动信号的小波包分解与诊断

本文讨论了故障振动在小波分解下的信号特征,给出了小波包分解处理故障振动信号的原理和方法,论述了诊断信号的表达方式及其特点,给出并分析了一个变速箱多故障源的诊断实例.实践证明,作者给出的小波包分解与诊断方法具有理论和实际价值.     

小波变换在结构损伤识别特征提取中的应用

小波变换用来进行特征提取是近年来模式识别领域中较新的一个研究方向。不同于传统的特征提耿方法，它借助信号处理领域常用的小波变换这一数学工具，对特征库进行再次加工，经过去粗取精而得到更利于分类的新的信息。针对结构损伤识别特征提取的特点，发展了小波变换对基本特征库进行分频段处理的双谱相辅分析技术，并开发了相应的软件系统，通过算例表明，该方法可以达到降低噪声，凸显结构损伤信息的目的。     

基于小波包特征提取的模糊诊断网络建立及应用

本文首先根据小波包分解原理和应用经验总结出小波包特征量与汽机故障对照表,将其与模糊综合评判和BP网络有机结合在一起,建立了基于小波包特征提取的模糊BP诊断网络模型.采用模糊综合评判技术,使该网络可在少量典型故障样本监督下训练成功,对于缺少机组运行故障知识库的厂家具有推广应用前景.最后举例说明,该网络在汽机诊断中是一种有效的智能分类器.     

梳状滤波器在滚动轴承早期故障诊断中的应用

在滚动轴承的早期故障信号中,由于较强的齿轮啮合频率以及噪声成份的存在,致使故障特征的提取比较困难.应用二阶循环平稳方法可以有效的抑制噪声,提取出信号中的周期成份,但无法排除啮合频率的干扰.提出了构造梳状滤波器滤除啮合频率,然后进行二阶循环平稳分析的滚动轴承早期故障诊断方法,并通过实际工程信号进行了验证.     

时频分析在旋转机械故障诊断中的应用

针对旋转机械发生故障时振动信号的不平稳性，利用时频分析中的小波尺度图和再分配后的小波尺度图对点碰摩、松动、裂纹和油膜失稳故障进行对比分析，结果表明再分配小波尺度图比传统小波尺度图，具有更高的时频分辨率，可以更好地识别转子早期故障。     

小波包分析在齿轮故障诊断中的应用

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。通过对含有周期冲击的信号进行分解处理,展示了小波包分析在特征提取中的优点。通过对减速箱齿轮故障信号进行降噪、分解处理,表明该方法可以有效地提取故障信号中的周期冲击成分。