基于小波改进阈值消噪的缸盖振动信号分析

提出了一种改进的小波阈值新方法对内燃机缸盖振动信号进行消噪,进而实现特征向量的提取。试验表明采用改进小波阈值方法能有效地消除信号中噪声的干扰,提高信号的信噪比。用小波包提取消噪后信号的能量作为特征向量,来表征内燃机故障特征,可为神经网络的自适应故障诊断提供新的故障样本。     

尺度--小波能量谱在内燃机故障诊断中的应用

为了对内燃机气门及活塞-连杆组故障进行有效地诊断,通过试验测取内燃机在不同故障下的振动信号,利用连续小波变换得到信号在尺度上的平均能量分布,即信号的平均尺度-小波能量谱.根据不同故障下振动信号在尺度上的能量分布差异,提出了基于尺度-小波能量的标准特征向量,并以此作为标准,结合欧氏距离方法,对待检故障信号进行诊断,定量判断出了内燃机的故障类型,取得了很好的结果,该方法为内燃机故障诊断提供了一种有效途径.     

尺度一小波能量谱在内燃机故障诊断中的应用

为了对内燃机气门及活塞一连杆组故障进行有效地诊断，通过试验测取内燃机在不同故障下的振动信号，利用连续小波变换得到信号在尺度上的平均能量分布，即信号的平均尺度一小波能量谱。根据不同故障下振动信号在尺度上的能量分布差异，提出了基于尺度一小波能量的标准特征向量，并以此作为标准，结合欧氏距离方法，对待检故障信号进行诊断，定量判断出了内燃机的故障类型，取得了很好的结果，该方法为内燃机故障诊断提供了一种有效途径。     

基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断

为了充分提取基于内燃机振动信号形成的振动谱时频图像的二维时频信息,实现基于内燃机振动谱时频图像特征自动提取及识别,提出了一种基于EMD-WVD(EMD-Wign-er-Ville Distributions)振动谱时频图像SVM识别的内燃机故障诊断方法。该方法利用二进制小波对振动信号进行预处理,然后利用EMD-Wigner-Ville时频分布生成不同工况下振动信号的时频图像,并通过提取振动信号的EMD-WVD振动谱时频图像的不变矩特征形成诊断特征向量,利用一种基于类识别率排序的二叉树SVM分类器进行模式识别。在BF4L1011F型内燃机上进行了6种不同工况下气门故障模拟试验,诊断结果表明总体诊断正确率为98.57%。     

应用图像处理进行内燃机故障诊断时应注意的几个问题

图像处理技术在内燃机的故障诊断与状态监测中应用还很少 ,本文探讨了应用于这方面时应注意的几个问题。指出利用缸盖振动信号小波包分解后的时 -频分布图的灰度直方图进行故障诊断的效果并不好 ,并分析了原因 ;进行了信号加噪声与不加噪声的诊断效果对比 ,发现噪声对基于图像处理的气门机构故障诊断的影响不大 ,验证了这一方法的工程实用性和可用性。     

基于LMD边际谱的柴油机气门故障诊断

针对柴油机气门间隙故障诊断问题,在WP7柴油机上模拟了多种气门间隙故障,测取了正常及故障条件下的缸盖振动信号。考虑柴油机缸盖振动信号具有非平稳的特点,提出一种基于局部均值分解边际谱和马氏距离的故障诊断方法。该方法在LMD边际谱的基础上定义了频率中心,并以此作为柴油机气门间隙的故障特征,利用马氏距离判断柴油机气门的工作状态。试验结果表明:该方法可以有效地提取柴油机气门间隙故障特征,实现柴油机气门机构故障诊断。     

应用图像处理进行内燃机故障诊断时应注意的几个问题

图像处理技术在内燃机故障诊断与状态监测中应用还很少，本文探讨了应用于这方面时应注意的几个问题。指出利用缸盖振动信号小波包分解后的时－频分布图的灰度直方图进行故障诊断的效果并不好，并分析了原因；进行了信号加噪声与不加噪声的诊断效果对比，发现噪声对基于图像处理的气门机构故障诊断的影响不大，验证了这一方法的工程实用性和可用性。     

基于改进小波包的风电机组齿轮箱复合故障特征提取研究

针对小波包分解振动信号时会产生频谱混叠从而导致齿轮箱复合故障特征能量谱提取困难的问题,提出基于旁路滤波改进小波包的方法对双馈风电机组齿轮箱复合故障振动信号进行研究,并以风电场的大量齿轮箱振动信号为基础,运用传统小波包及旁路滤波改进小波包分别对齿轮箱振动信号提取特征能量谱。实验结果表明：运用旁路滤波改进小波包对双馈风电机组齿轮箱复合故障振动信号进行分析,可有效避免传统小波包分析振动信号的频谱混叠现象,准确提取每种故障状态的特征能量谱。     

遗传算法在气门机构故障诊断中的应用

通过模拟柴油机气门机构的2种主要故障-气门漏气和气门间隙异常进行试验,采集柴油机缸盖表面的振动信号,计算 了柴油机缸盖振动信号的小波包能量、时域能量、最大幅值和奇异性指标。建立了振动信号的AR和ARMA模型,最后利用遗传算法进行自动再生最佳特征参数,得到了优化的气门机构故障诊断表达式,结果表明利用该表达式可以更简捷有效地进行故障诊断。     

基于NLMS-WP及BP的风机轴承故障诊断方法

为解决风机轴承故障诊断问题,全面提取轴承运行状态的特征信息,提出了基于NLMS与WP相融合的特征提取及神经网络相适配的故障诊断方法。首先采用自适应滤波器对故障信号进行滤波去噪,再利用小波包对信号进行分解重构并提取其能量特征,将小波包各个频段的能量比系数作为风机轴承的故障特征,并通过改进的神经网络模型分类识别轴承的故障信号,实现不同类型的轴承故障诊断。试验结果表明,该方法弥补了传统故障诊断方法的不足,提高了故障类型识别率和故障诊断准确率,诊断效果良好。     

基于小波包的气门故障诊断

本文利用小波包将信号按任意时频分辨率（满足测不准原则）分解到不同频段的特点,论述了小波包特征提取的方法。利用这一特性对柴油机气门间隙和漏气故障进行了诊断,取得了满意的结果。     

基于Lab VIEW的小波理论在风力机齿轮箱故障诊断中的应用

给出一种基于Lab VIEW实现信号的小波包络分析的方法。在Lab VIEW的高级信号处理工具箱中包含了小波包信号分解和重构的模块,利用这些模块快速实现了小波包分解,然后对风电机组齿轮箱采集振动数据进行包络分析,得到了直观的包络谱线,进而得到准确判断风力发电机组的实际工作状态。另外采用小波分解对齿轮箱故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,为实现智能诊断提供故障特征值。     

基于小波分析的柴油机故障信号特征的提取

本文提出了一种新的柴油机表面振动信号的故障特征的提取方法，利用柴油机表面振动信号经过小波降噪处理，有效地剔除柴油机表面振动信号的噪声干扰，提高信号的信噪比。用小波包提取降噪后振动信号的能量特征参数。以表征柴油机故障特征，建立起能量到柴油机故障的映射关系。实际研究表明这一特征提取方法是有效的。     

基于小波包与神经网络的柴油机故障诊断

针对柴油机缸盖振动信号的非平稳时变特点,提出应用小波包能量法提取故障特征向量,并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的,对其他设备的故障诊断也具有借鉴意义。     

柴油机机体振动分析与诊断研究

柴油机运行时因激振力的作用会产生一定方向和频率的冲击振动,构件的裂纹或松动等故障会影响到其响应成分的频率能量特性.针对柴油机运行时的冲击响应振动信号,利用小波分析快速进行信噪分离,频域范围内采用功率谱分析结合小波包分解对各频段能量谱分析.根据振动信号时域峰值和时刻,频域能量的变化和分布,给出故障诊断层使用的状态特征向量...     

柴油机故障诊断与分析

通过采集16V240ZJ型柴油机振动信号并利用小波包分解对振动信号进行消噪处理,利用频带分解技术提取振动信号的特征值向量,应用神经网络实现柴油机自适应的故障诊断。     

基于小波包和概率神经网络的气门漏气故障诊断研究

本文在阐述了发动机气门漏气声学特性及其振动诊断机理的基础上,针对发动机缸盖振动信号的特点,运用小波包对采集的振动信号进行3层分解、重构、提取特征向量。然后将特征向量作为概率神经网络的输入,构建网络模型。再用测试数据验证诊断模型的正确性。诊断结果表明该方法是可行的,并取得了较好的效果。     

柴油机气缸盖振动信号特征提取方法的研究

研究了基于短时AR分析、小波多分辨率分析和小波包分析的故障特征提取和识别方法,分析了柴油机气缸盖振动信号特征提取方法。得出了两条重要结论:基于短时AR分析的柴油机气缸盖振动信号整循环特征提取方法特别适合于短序列数据的分析;利用小波多分辨率分析和小波包分析以及Kllback-Leibler信息量最小,对柴油机表面振动信号进行分解与分析,确定各故障状态的特征频带,进而可用频带的时间序列的时序模型作为特征矢量,实现对柴油机运行状态故障的诊断。