共查询到19条相似文献,搜索用时 218 毫秒
1.
2.
小波变换在故障诊断中的应用 总被引:1,自引:1,他引:0
对小波变换与傅立叶变换进行了比较。由于小波分析能对信号高、低频部分局部细化并保留原信号的时域特征,因而具有良好的时频特性,能对非平稳信号进行有效识别,达到故障诊断的目的。 相似文献
3.
4.
本文概要地叙述了小波变换、小波包理论;利用小波包对KTA50型汽车发动机的振动信号进行分析,证实了小波理论能够对康明斯汽车的发动机信号进行有效的分析和处理,利用小波理论分析汽车发动机的振动信号能够对汽车发动机准确实施故障诊断,为小被包理论在汽车发动机故障诊断领域中的应用提供了例证。 相似文献
5.
通过对采用最小shannon熵标准来获取最优小波包基方法的探讨,针对氮爆式液压破碎锤测量信号非平稳时变特点,对其进行基于最优小波包基的分析与消噪。通过实例分析表明,噪后的信号具有更好的可读性及更佳的分析利用价值。 相似文献
6.
故障特征参数的准确提取是故障诊断的一个关键性问题。提出了一种基于卷积型小波包能量矩的特征提取方法。相比传统的小波包能量特征提取方法,基于卷积型小波包能量矩的特征提取方法能更有效地提取信号在各频带上的能量分布特征。仿真和实验验证了利用小波包能量矩进行故障诊断是一个有效的方法。 相似文献
7.
8.
9.
故障特征参数的准确提取是故障诊断的一个关键性问题.提出了一个基于卷积型小波包能量矩的特征提取方法.相比传统的小波包能量特征提取方法,基于卷积型小波包能量矩的特征提取方法能更有效地提取信号在各频带上的能量分布特征.仿真和实验验证了利用小波包能量矩进行故障诊断是一个有效的方法. 相似文献
10.
针对齿轮箱的滚动轴承采集振动信号,进行故障诊断是非常有效的一种方法。但在实际中,采集的振动信号中往往存在噪声信号的干扰,因此,需要去掉噪声后再进行诊断。小波包降噪在机械设备的故障诊断中得到了成功的应用,希尔伯特——黄变换(Hilbert-HuangTransform,HHT)是一种处理非平稳信号的方法。结合这两种方法对齿轮箱中的滚动轴承进行故障诊断,并对比了单独使用HHT的方法,证明了结合两种方法对其进行故障诊断的正确性。 相似文献
11.
将小波包分析与距离判别分析法相结合的方法应用于滚动轴承故障诊断问题中。利用小波包分析技术提取了滚动轴承典型故障的振动加速度信号的状态特征向量,选用此特征向量作为距离判别分析模型的判别因子,以滚动轴承故障实测模拟数据作为学习样本进行训练,通过分析计算,建立了相应线性判别函数,并利用回代估计方法进行检验。研究结果表明:这种新模型判别能力强,交叉确认估计的误判率为0,不需要优化网络结构,是解决滚动轴承故障诊断的一种有效方法。 相似文献
12.
将小波包分析与Bayes判别分析法相结合的方法应用于矿用通风机故障诊断问题中。利用小波包分析技术提取了矿用通风机不同工作状态的特征向量,选用此特征向量作为Bayes判别分析模型的判别因子,以矿用通风机故障实测模拟数据作为学习样本进行训练,通过分析计算,建立了相应线性判别函数,并利用回代估计方法进行检验。研究结果表明:这种新模型判别能力强,交叉确认估计的误判率为0,不需要优化网络结构,是解决矿用通风机故障诊断的一种有效方法。 相似文献
13.
14.
15.
16.
轴承故障诊断的方法有多种,但要在复杂干扰情况全面地诊断、精确地了解电机轴承的故障程度,传统的诊断方法很难满足要求。以电机定子电流信号为分析源,利用小波包变换等数字信号处理技术,在实验中得到了一个与轴承故障程度有良好线性关系的参数。此参数的获得为更精确地诊断轴承设备的损坏程度提供了新的思路。 相似文献
17.
基于小波包分析和高阶模糊神经网络的滚动轴承故障诊断 总被引:1,自引:1,他引:0
滚动轴承是旋转机械中最易发生故障的元件之一,提出了一种基于小波包分析和高阶模糊BP神经网络的滚动轴承故障诊断新方法。该方法的具体诊断过程:采用小波包分解的方法提取样本信号各频段的Shannon熵值并结合其他一些量化指标,经筛选后作为特征向量输入滚动轴承故障诊断高阶模糊神经网络,对该网络进行训练与检验。实验表明这种方法与传统方法相比,在收敛速度及对训练总误差控制方面具有更大的优越性。 相似文献
18.
19.
基于小波包的轴承信号降噪和特征提取的研究 总被引:1,自引:1,他引:0
为有效识别轴承故障特征,以轴承内圈故障的信号为例,采用在非平稳信号消噪和以频带能量分布作为故障特征方面有着广泛应用的小波包进行Mat-lab仿真,获得小波包降噪后的信号和作为内圈故障特征的频带能量分布。通过分析频带能量,其结果与实际故障相一致,得出小波包在轴承故障特征提取方面有着一定的优越性。 相似文献