基于小波包能量谱的轴承噪声缺陷辨识

针对滚动轴承噪声的特点振动频率多集中在中高频,频谱为连续谱,成分复杂,特别是新轴承的噪声信号不明显,判断非常困难.本文运用正交小波包能量谱,通过引入能量百分比系数对轴承故障所在频段进行判断,得到的正交小波包分解更适合于分析新轴承的噪声缺陷分析.再通过重构小波包分解后的信号确认轴承的缺陷.运用此种方法对汽车空调器轴承进行分析,成功地辨识出轴承工作表面存在的缺陷.     

小波能量法在车辆变速箱故障诊断中的应用

本文利用小波包分解与小波能量谱分析了车辆变速箱的振动信号,确定了变速箱故障特征频带范围,并对该特征频带范围的小波系数进行了重构,分析了重构信号的频谱,确定了变速箱故障的位置,验证了小波能量法对变速箱进行故障诊断的有效性.     

尺度-小波能量谱在滚动轴承故障诊断中的应用

针对滚动轴承故障振动信号的特点，构造脉冲响应小波，采用连续小波变换的方法来提取滚动轴承故障振动信号的特征，在此基础上提出了一种滚动轴承故障诊断方法：尺度-小波能量谱比较法。通过对具有外圈缺陷、内圈缺陷的滚动轴承振动信号的分析，说明尺度-小波能量谱比较法不仅能检测到滚动轴承故障的存在，而且能有效地识别滚动轴承的故障模式。     

机械故障信号小波包分解的时域特征提取方法研究

本文利用小波包分妥机械故障信号,对分解后的不同频带内的分解系数进行时域重构,分别对重构时间序列用时域分析的方法提取对故障敏感的特征参数,实现对往复机械等复杂机械的故障诊断,并以某油田往复泵为例,验证了该方法对这类机械进行故障诊断的有效性。     

时间-小波能量谱在滚动轴承故障诊断中的应用

为滚动轴承故障诊断提供了一种新途径，针对滚动轴承故障振动信号的特点，构造脉冲响应小波，采用连续小波变换的方法来提取滚动轴承故障振动信号的特征，在此基础上提出了一种滚动轴承故障诊断方法：时间-小波能量谱自相关分析法。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，说明时间-小波能量谱自相关分析法不仅能检测到滚动轴承故障的存在，而且能有效地识别滚动轴承的故障模式。     

小波包降噪方法在滑动轴承故障诊断中的应用研究

小波分析对高频信号降噪效果不明显。针对该问题,提出利用小波包分析对轴承故障信号的降噪方法,并用计算机仿真和实例分析对小波包降噪方法进行了验证。通过对小波降噪和小波包降噪方法的对比分析,表明小波包分析在降噪中的有效性。     

五滚柱式定向离合器故障诊断的小波包变换方法

论述了小波包分解及其能量谱处理五滚柱式定向离合器故障的原理与方法。应用小波包分解及其能量谱直观地识别出故障的特征频带，并进行了量化分析。结果表明，小波包及小波包分解能量谱比传统的傅立叶分析方法具有更大的优越性和价值。     

基于双树复小波包峭度图的轴承故障诊断研究

针对传统包络谱和峭度图分析技术的缺陷,提出了一种基于双树复小波包峭度图的轴承故障诊断方法。该方法综合利用了双树复小波包变换和峭度图分析技术,克服了原峭度图方法只采用FIR和短时傅立叶变换滤波器的缺点,提高了从强噪声环境中提取瞬态冲击特征的能力。首先利用双树复小波包变换,将振动信号分解成不同频带的分量,然后计算各小波分量的谱峭度,再利用谱峭度的滤波器作用,计算最大峭度值对应分量信号的包络谱,根据包络谱就可识别齿轮箱轴承的故障部位和类型。齿轮箱轴承故障振动实验信号的研究结果表明：该方法不仅提高了信噪比和频带选择的正确性,而且能有效地识别轴承的故障。     

小波包能量谱和BP神经网络在波纹管压浆超声检测中的应用

针对小波分析在信号处理的局限性,将小波包分析和反向传播(Back Propagation,BP)神经网络相结合,提出一种基于小波包能量谱和BP神经网络的波纹管压浆超声检测方法。采用超声检测方法接收波纹管模型的回波信号,以小波包分解后各子频带的能量作为检测特征,当波纹管内部出现脱落时,检测特征会发生变化,最后将特征输入BP神经网络中进行分类识别。试验结果表明,该方法能够理想地实现波纹管内部缺陷的诊断,可为波纹管超声检测提供一定的技术支持。     

基于小波包能量矩阵的轴承信号特征提取

为通过振动信号识别轴承的工作状态,结合小波包变换和矩阵特征值理论,提出了一种新的轴承信号特征提取方法。引入了能量值方法,对小波包分解信号进行分层分段能量计算,组成能量特征矩阵,求得矩阵特征值;定义基于特征值的振动信号特征参数,并探讨了特征参数与轴承运行状态间的联系。最后在特征提取基础上,提出了故障早期模式识别的对应系数相乘方法。结果表明：最大值特征参数能够敏感的反映轴承工作性能的变化,可作为轴承状态监测特征量;对应系数相乘法可以作为故障部位诊断的有效方法。     

超越离合器故障的小波包变换诊断方法研究

论述了小波包分解及其能量谱处理超越离合器故障的原理与方法，应用小波包分解及其能量谱直观地识别出故障的特征频带，并进行了量化分析，结果表明，小波包及小波包分解能量谱比传统的傅里叶分析方法具有更大的优越性及实用价值。     

Fault Diagnosis of a Turbo—unit Based on Wavelet Packet Theory

In this paper we studied the fault feature of the generator set and the characteristics of wavelet packet theory for signal de-noising.The vibration signal of the generator set in different states is ana-lyzed by using the signal re-construction technique of the wavelet packet theory.The time domain method is given for the generator set fault diagnosis.The experiment results show that the wavelet packet theory can be used to directly identify the state of the generator set and provide a credible new idea for complex machinery fault diagnosis.     

基于小波包变换的径向基神经网络在故障诊断中的应用

提出了一种新的旋转机械故障诊断方法。基于小波包变换的频率划分特性，对旋转机械的振动信号进行小波包分解，建立旋转机械六种典型故障特征矢量，准确地提取了故障的特征信息，结合RBF神经网络训练速度快的优点，将RBF神经网络应用于故障特征的选择，最后，利用所确定特征及RBF分类器进行故障诊断。实验结果表明，该方法可实现典型故障的可靠诊断。而且由于利用小波包变换代替了传统的FFT，故本方法对于诊断频率分布范围较广而复杂且信号具有较强时变性的复杂故障有着良好的应用前景。     

基于MODWPT的Hilbert谱及其在齿轮故障诊断中的应用

在对基于最大重叠离散小波包变换(Maximal overlap discrete wavelet packet transform,简称MODWPT)的Hilbert谱方法进行介绍的基础上,将基于MODWPT的Hilbert谱应用于齿轮故障诊断当中。采用MOWDWPT可将多分量的复杂信号分解为若干个瞬时频率和瞬时幅值具有经典物理意义的单分量之和,然后求出各个单分量信号的瞬时频率和瞬时幅值,再进行组合便可以得到原始复杂信号完整的时频分布。对具有裂纹和断齿的齿轮故障振动信号的分析结果表明,基于MODWPT的Hilbert谱可以有效地提取齿轮振动信号的故障特征。     

基于小波系数11／2维谱的滚动轴承故障诊断

提出了基于小波系数11／2维谱的滚动轴承故障诊断的新方法。小波分析能有效地提取滚动轴承故障引起的突变振动信号,11／2维谱保留了滚动轴承故障振动信号的相位信息且能够有效地抑制噪声。利用正交小波基将滚动轴承故障振动信号变换到时间－尺度域,对高频段尺度域的小波系数进行11／2维谱分析,不仅能检测到滚动轴承的存在,而且能有效地识别滚动轴承的故障模式。     

小波分解及图像处理在内燃机振动诊断中的应用研究

内燃机缸盖振动具有明显的非平稳时变特点，因此在监测诊断时应尽量利用信号中的信息。为了克服时域和频域特征提取方法的不足，从而充分利用振动信号所包含的信息，本提出了一种新的内燃机故障诊断方法：对缸盖振动信号进行小波包分解，得到信号的时-频分布图，并利用软件方法定义图象，然后提取图象的各种特征参数实现诊断。将该方法用于6135柴油机气阀机构的故障诊断，取得了很好的效果。结果表明此方法简单有效，诊断精度较高，且对信号采样的要求不高，易于实用。     

时频分析方法在冲击故障早期诊断中的应用研究

冲击故障的振动响应信号是时变的 ,用传统的诊断方法一般难以进行早期发现和诊断。本文基于小波包对时变信号的多分辨分解和重构能力以及 CONE时频分布对时信号的优良描述特性 ,发展了基于小波包的时频分析方法。经试验和现场监测数据的分析和验证 ,说明该方法能够从很强的基础振动信号中提取清晰直观的冲击故障特征 ,可以实现冲击故障的早期诊断     

基于最优Morlet小波和SVD的滤波消噪方法及故障诊断的应用

分析了传统的小波去噪方法和小波变换的滤波特性.利用小波变换技术、奇异值分解技术和Morlet小波良好的时域和频域特性,提出了基于最优Morlet小波和SVD的滤波消噪方法.首先,采用最小Shannon熵方法确定出最优Morlet小波;然后,利用奇异值分解技术确定出最佳变换尺度a;最后对信号进行滤波消噪处理,从而提取信号中的有用成分.实验结果表明,该方法具有良好的去噪性能,用于故障特征提取是有效的.