基于图形显示算法的小波变换在机械故障诊断中的应用研究

针对广泛应用的Mallat快速算法在小波变换中存在的随分解层数增大数据长度成倍减小,使得对信号进行精细分析、提取微弱故障信息受到限制的问题,研究应用图形显示算法与Mallat算法相结合解决这一问题的方法。介绍了图形显示算法的基本原理,推导了正交小波的图形显示算法。给出了应用该算法对斜轴式柱塞泵振动信号进行分析,在强振动背景下提取微弱故障特征的实例。方法可有效地用于信号的深层信息处理和微弱故障信息的提取。     

小波算法在旋转机械故障诊断系统中的应用

目前旋转机械在社会各个方面均有着广泛的应用,同时旋转机械的故障也十分普遍。一旦发生故障就会造成巨大的经济损失。该文基于小波算法对旋转机械故障特征进行提取,在时域和频域中对提取数据进行分析处理,在上位中对故障诊断结果进行显示。以Visual Studio 2010为开发平台,C#为开发语言,运用小波算法,最终完成了故障诊断系统的开发。验证结果表明,该诊断系统具有诊断精度高、速度快等优点。     

小波-神经网络-模糊识别在旋转机械故障诊断中的应用研究

对旋转机械故障诊断常用的一些方法进行了评述与比较;利用小波包可进行多维多分辨率分析的特点,对旋转机械振动信号进行特征提取。对提取的特征,用ＡＲＴ２神经网络诊断故障类型,根据故障类型的诊断结果,进一步对故障严重程度进行模糊识别;通过对实验数据的分析处理,获得了较好的效果。     

小波尺度函数在旋转机械故障诊断中的应用

运用小波分析的尺度函数,在进行小波分解后,进一步进行傅里叶变换．能够提取其他方法无法得到的故障特征信号,为故障诊断提供了一种新的分析手段。对Jeffcott转子的不平衡和刚度不对称等故障分析验证了该方法的可行性和实用性。最后讨论了小波变换级和噪声对尺度函数分析方法的影响,表明小波尺度函数的降噪作用是十分明显的。     

小波分析及其在机械诊断中的应用

从工程应用的角度提出了对于小波分析的理解，给出了小波函数和尺度函数之间的关系和信号分解的小波变换。利用小波包算法分析了两种典型的机械故障。结果显示，小波包的分析方法较传统的窗口傅里叶变换和维格纳分布更加有效。     

模拟退火算法在旋转机械故障诊断中的应用

本文用模拟退火算法建立了旋转机械故障诊断的人工神经网络模型,以幅值谱中７个频段上的幅值为网络的输入模式,对旋转机械常见的几种故障进行分类训练,并应用于等识别故障样本的识别计算,结果表明该方法在旋转机械故障诊断中是有效的。     

小波分析的工程理解及其在机械诊断中的应用

在本文中，我们从工程应用的角度提出了小波分析的理解，给出了小波函数和尺度函数之间的关系和信号分析的小波变换，然后，我们利用小波包算法分析了两 典型的机械故障，结果显示，小波包的分析方法较传统的窗口傅立叶变换和维格纳分布相比更加有效。     

小波—BP神经网络在旋转机械故障诊断中的应用

利用小波分析和BP神经网络相结合的方法对旋转机械的故障进行识别.首先运用小波分析对故障信号进行降噪处理,然后运用小波包对信号进行分解和重构,提取各频带能量值,将该能量值作为BP神经网络输入端的特征向量,训练网络进行故障模式识别.实验表明,该方法在旋转机械故障诊断中切实可行.     

全信息小波分析及其在旋转机械故障诊断中的应用

传统旋转机械故障诊断用单通道信号进行诊断,信息量不完整,容易导致误诊.在介绍全信息技术的基础上,结合小波分析的频带分离和刻画信号局部特征的能力,提出了一种全新的信号处理方法--全信息小波分析.用小波分析把信号分解到不同的频带,然后把双通道的对应频带的信号用全矢谱技术进行融合,根据融合后的数据进行故障诊断.用全信息小波分析技术对转子的摩擦故障进行诊断,取得了满意的效果.     

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。     

Multiscale slope feature extraction for rotating machinery fault diagnosis using wavelet analysis

This paper proposes a multiscale slope feature extraction method using wavelet-based multiresolution analysis for rotating machinery fault diagnosis. The new method mainly includes three following steps: the discrete wavelet transform (DWT) is first performed on vibration signals gathered by accelerometer from rotating machinery to achieve a series of detailed signals at different scales; the variances of multiscale detailed signals are then calculated; finally, the wavelet-based multiscale slope features are estimated from the slope of logarithmic variances. The presented features reveal an inherent structure within the power spectra of vibration signals. The effectiveness of the proposed feature was verified by two experiments on bearing defect identification and gear wear diagnosis. Experimental results show that the wavelet-based multiscale slope features have the merits of high accuracy and stability in classifying different conditions of both bearings and gearbox, and thus are valuable for machinery fault diagnosis.     

模糊逻辑系统在机械故障诊断中的应用

对几种常用的故障诊断方法进行综合分析,给出模糊逻辑相关算法及模糊逻辑系统故障诊断法,由此建立基于模糊逻辑系统的故障智能诊断系统,并将该法运用于液压系统故障诊断。研究表明,此法能有效地解决工程实践的故障诊断。     

小波变换在旋转机械故障检测中的应用研究

详述了Fourier变换与小波变换的本质区别,分析了Fourier变换和短时Fourier变换应用于故障检测的不足;介绍了小波变换及其应用于故障检测的优点;指出了小波变换应用于故障检测的理论和方法。     

A hybrid fault diagnosis method based on second generation wavelet de-noising and local mean decomposition for rotating machinery

In order to extract fault features of large-scale power equipment from strong background noise, a hybrid fault diagnosis method based on the second generation wavelet de-noising (SGWD) and the local mean decomposition (LMD) is proposed in this paper. In this method, a de-noising algorithm of second generation wavelet transform (SGWT) using neighboring coefficients was employed as the pretreatment to remove noise in rotating machinery vibration signals by virtue of its good effect in enhancing the signal–noise ratio (SNR). Then, the LMD method is used to decompose the de-noised signals into several product functions (PFs). The PF corresponding to the faulty feature signal is selected according to the correlation coefficients criterion. Finally, the frequency spectrum is analyzed by applying the FFT to the selected PF. The proposed method is applied to analyze the vibration signals collected from an experimental gearbox and a real locomotive rolling bearing. The results demonstrate that the proposed method has better performances such as high SNR and fast convergence speed than the normal LMD method.     

小波变换在故障诊断中的应用

小波变换是一种日益获得广泛应用的信号分析方法。介绍了小波变换基本原理和利用小波变化来检测信号的奇异特征的原理,证实了小波变化在检测奇异信号方面的有效性。结果表明基于小波变换的去噪方法是非常有效的。     

基于小波矩和模糊核聚类的示功图诊断方法研究

提出了基于小波矩特征和模糊核聚类算法的示功图故障诊断方法.通过边缘检测和形态学细化的方法完成示功图的图像分割,采用极坐标下小波不变矩算法提取示功图的形状特征,通过参数选择确定12个小波矩特征量,将特征量输入到模糊核聚类分类器中进行故障类型的分类识别,得到了良好的实验效果,验证了该算法对于示功图故障诊断的有效性.     

旋转机械故障诊断专家系统

在旋转机械最佳诊断方法理论的指导下,依据基于黑灰白的推理机技术开发了旋转机械故障诊断专家系统。本文着重说明了故障诊断系统中推理机和知识库这两部分的设计及实现,最后根据工厂实际数据进行验证,列出了验证的结果。     

一种基于小波变换的照明无关边缘检测和模糊增强方法

提出了一种基于小波变换的照明无关边缘检测和模糊增强算法,用于从不均匀的弱照明图像中提取目标边缘。依据照明反射图像形成模板和CCD相机成像公式,推导出图像的小波变换公式。对图像局部区域中边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。给出一种同时考虑小波模值大小和梯度方向的模糊算子来增强边缘并抑制噪声。最后,采用仿真和真实的图像对该算法进行验证,利用此算法检测阶梯边缘,得到该算法的边缘检测评价标准F系数值为0.984 3,边缘定位精度评价系数E_d值为0.126 5,通过被检测的特征球边缘计算得到的交比值误差为3.72×10^-3。实验结果证实,该边缘检测方法能够很好地工作于非均匀的弱照明图像。     

基于小波分析和支持向量机的旋转机械故障诊断方法

提出了一种基于小波分析和支持向量机相结合的旋转机械故障诊断方法.首先运用小波包对振动信号进行分解和重构,然后提取各个频带里的信号能量值,将该能量值作为特征参数输入到支持向量机,进行故障模式识别.通过对实验数据的分析表明,与BP神经网络相比,该方法可以获得更高的旋转机械故障诊断准确率.