小波消噪在基桩完整性检测中的应用

小波分析作为一种全新的信号处理方法,为信号滤波、信噪分离和特征提取提供了有效的途径。通过研究小波分析方法的基础上,针对随机噪声,采用基于小波变换的阈值去噪方法,结合工程实例将小波降噪与常规数字降噪方法分别处理的结果进行比较,结果显示小波降噪具有较明显的优势。     

小波分析在滚动轴承故障检测中的应用研究

滚动轴承是现代工业机械广泛应用的精密部件,研究其故障检测具有重要意义。分别对滚动轴承外圈和内圈2种故障状态下的检测信号进行了频域和提升小波分析。结果表明,提升小波对提取以上2种故障特征有效。     

基于小波阈值的通风机故障特征提取应用研究

为了对原始信号进行有效的降噪,从而获得的客观的煤矿主通风机的振动特征,确保通风机故障的诊断,采用小波阈值的方法,分析了小波阈值降噪的基本思路以及小波去噪阈值的选取原则;对小波降噪的特点进行分析,对比了小波分析和傅里叶变换分析2种方法下的去噪能力,研究为通风机故障的诊断提供了理论基础。     

小波变换在轴承故障诊断中的应用

针对轴承故障诊断中非平稳信号的特征提取问题,采用小波变换理论对其进行处理。构建了减速器轴承故障实验平台,采集了大量实验数据。通过滚动体点蚀的典型故障实验与小波变换处理及轴承故障频率分析,获取了该故障的特征频率参数,表明小波变换在非平稳信号处理方面的有效性。     

小波奇异性分析在齿轮早期故障检测中的应用

齿轮早期故障，如齿顶擦伤、点蚀、裂纹等由于故障信号往往淹没在各种噪声成分中，因此很难利用功率谱等传统信号分析方法进行检测。利用小波奇异性分析方法，提取由这些故障所导致的齿轮正常振动信号中的奇异点，可以较好实现齿轮早期故障的识别。     

小波分析和小波包分析在轴承故障诊断中的对比分析

结合轴承故障振动特点,以轴承滚动体故障为例,对比了小波分析和小波包分析在应用时的相同和不同之处。利用MATLAB仿真软件作为分析工具,通过定量分析和定性分析比较了它们在轴承故障信号降噪时的效果,通过计算功率谱、绘制功率谱图的方式比较了它们在轴承故障诊断方面的能力。结果表明,使用相同小波基和相同分解层数条件下,在降噪和故障诊断方面,小波包分析都优于小波分析,为选择合适的轴承故障诊断方式提供了参考。     

小波降噪在煤岩微震信号处理中的应用

根据微震信号噪声强度ε,利用FFT滤波以及缺省的阈值确定模型、Birge-Massart策略的阈值确定模型和小波包变换中的penalty阈值确定模型对原煤单轴全程压缩加载破坏实验的微震信号进行降噪处理。理论分析及降噪结果表明,FFT滤波得到的降噪信号过于平滑,抑制了很多有用的信息成分,而小波三种阈值确定模型能够更加有效去除微震信号中的噪声成分,降噪后的信号与原信号有着很好的相似性,最大限度的反应了原始信号本身的性质。     

基于小波能量熵的故障信号诊断研究

针对电力故障信号为突变、非平稳信号的特点,利用消噪阈值法对故障信号进行预处理,通过小波变换对故障信号进行特征提取,然后将小波变换和信息熵相结合,并应用到故障检测与定位中,为奇异信号的检测提供了新思路和新手段。通过仿真分析,得到以下结论:小波能量熵WEE可以很好地检测故障突变点,小波能量熵随时间的变化规律,反映了电流或电压在时域的能量分布特征并表征信号的频率变化,可以用作分类所需的特征。     

小波去噪在矿用钢丝绳损伤检测中的应用研究

介绍了矿用钢丝绳损伤检测系统的设计及小波分析降噪的原理,针对电磁干扰对信号采集的影响,阐述了应用小波分析理论实现降噪的方法。测试结果表明,基于小波多分辨率分析对损伤信号的分解与重构处理,有效的去除了野点、工频干扰和其他众多噪声,克服了传统滤波方法的不足,为矿用钢丝绳缺陷信号的定量识别打下可靠的基础。     

小波分析与铁谱技术在滚动轴承状态监测中的综合应用

文中分析了铁谱技术在滚动轴承状态监测中存在的不足,指出振动监测技术更加适合于滚动轴承的状态监测。通过分析用于滚动轴承状态监测的共振解调技术,指出滚动轴承不同元件的故障特征频率不同,用共振解调技术对滚动轴承进行状态监测时就需要具有不同中心频率的带通滤波器,使得检测线路及设备过于复杂。而小波分析技术仅通过采用不同的尺度因子,即可实现具有不同中心频率和带宽的带通滤波器,对振动信号在不同的频率范围内进行分析,刚好可以弥补上述方法的不足。文中给出了用小波分析技术及铁谱技术对滚动轴承状态监测一个例子。     

基于小波包能量相对熵的电机振声信号故障检测

电机的振声信号包含了丰富的状态信息,利用电机的声音信号进行故障检测,并提出了综合小波包能量相对熵的概念。对采集的声音信号进行小波包分解,利用重构系数计算故障信号与正常信号小波能量包相对熵,并得到综合小波包能量相对熵,确定电机是否有故障;并通过比较各频带的综合小波包能量相对熵大小判断故障所处的频带位置,从而确定电机为何种故障。电机振声信号诊断实例验证了该方法的有效性。     

小波包分析在滚动轴承故障诊断中的应用

针对滚动轴承故障特征的提取问题,讨论了小波包分析的基本原理,基于小波包分析方法在滚动轴承故障诊断中的应用,并用LabVIEW编制了相应的程序。实践表明,小波包分析方法具有明显的诊断意义。     

改进小波能量分析法在轴承故障诊断中的应用

滚动轴承故障诊断的关键问题之一是如何有效准确地提取故障特征信息,为了更好地刻画各频带能量,提出了改进小波包能量算法,提取分解频带的能量在时间域上的分布,更好地刻画了能量随时间变化的分布。同时引入包络分析,更好地体现信号的间断点,从而提高故障信号分析的准确度。诊断实例验证了利用改进小波包能量法进行故障诊断的有效性。     

小波分析在变电站综合自动化中的应用

小波分析 (Waveletanalysis)是 80年代后期发展起来的应用数学分支 ,是一种时域—频域分析 ,可以观察函数、信号、图像的任意细节 ,作为一种多学科应用数学工具 ,在变电站综合自动化中有着巨大的潜力和应用前景     

基于小波自适应包络解调技术的滚动轴承故障识别研究

针对传统的包络解调技术在实际使用过程中存在必须人为确定高频共振频率和带通滤波器的中心频率缺点,提出了小波自适应包络解调技术。该方法通过最小Shannon熵原理自适应确定小波函数的中心频率和带宽,求得在此小波变换下的系数,运用希尔伯特变换得到解析信号,最后计算包络和包络谱来识别故障特征频率,实验结果表明,提出的方法能准确有效地识别出滚动轴承外圈、内圈及滚动体的单点类故障。     

基于小波能量谱旋转机械振动信号的故障特征提取

旋转机械故障诊断的关键问题在于对振动故障信号的特征提取。利用小波能量谱分析方法能够发现不同分解层中的振动信号特征并分析出故障原因。基于小波能量谱方法能准确提取旋转机械的故障特征,尤其是对微弱故障信号,为正确判断故障提供了依据。实验验证了该方法在提取旋转机械振动故障信号方面的有效性和准确性。     

基于小波降噪和CEEMD的轴承故障诊断

针对滚动轴承故障振动信号难以提取出准确的故障特征的问题,提出了一种基于小波新阈值降噪与互补集合经验模态分解(CEEMD)的轴承故障诊断方法。该方法充分结合了以上2种方法的优点,有效地解决了故障特征提取难的问题。首先构建出新的小波阈值函数,再用此小波阈值降噪,可以有效地消除背景噪声的影响;将降噪后的故障信号用CEEMD方法进行处理,然后重构根据信号的相关系数挑选出的相关性较大的分量;最后将重构信号进行Hilbert变换包络,从包络图中提取故障特征。运用此方法对轴承进行试验分析,结果证实了该方法的有效性和实用性。     

小波变换在滚珠轴承故障特征提取中应用

分析了小波变换的时频特性,给出了二进离散小波变换的快速算法。利用小波变换,成功地提取了混入在转速信号中的微弱滚珠轴承故障信号,实现了傅立叶变换难以实现的功能。