小波包分解及其能量谱在发动机连杆轴承故障诊断中的应用

论述了波波包分解及其能量谱处理发动机连杆轴承故障的原理与方法,结合传统断火诊断法的思想,应用小波包能量谱直观地识别出故障的特征频带,并进行量化分析,结果证明了这种方法比传统的付立叶分析方法具有更大的优越性及现实的应用价值。     

基于小波包能量谱的滚动轴承振动噪声检测方法

针对轴承振动与噪声源零件识别与检测问题，利用小波包分解的方法来分析轴承的振动噪声信号：根据待测轴承振动信号特点，确定小波包分解的小波函数及分解层数，得到了轴承振动信号在频域的信息；通过构造小波包能量谱来分析各个频段上振动信号的特征，根据各个小波包空间能量值的大小判断轴承振动的剧烈程度；通过小波包重构算法对轴承振动噪声贡献较大的小波包空间进行重构，得到具有较高信噪比的重构信号，便于进行频谱分析。结果表明，本文的检测方法可以较准确的识别出新出厂轴承中振动噪声的主要来源，对于后期实现轴承静音降噪具有重要意义。     

基于小波包能量谱的结构损伤预警方法研究

基于小波包分析推导了结构动力系统在不同分析尺度上的状态方程和观测方程,在此基础上研究了结构动力响应在不同分析尺度上的时-频特性以及系统矩阵和测量噪声在各个分析尺度上的递推性.理论分析证明,采用结构动力响应的小波包能量谱进行结构损伤预警具有较好的损伤敏感性和噪声鲁棒性.根据瞬态激励的特性提出对激励和响应的时域互相关序列进行小波包分解得到小波包能量谱,并在此基础上计算结构损伤预警指标.通过一钢筋混凝土板静力承载力的振动试验分析,对板不同受力阶段的损伤状态进行了判别,并与实际损伤程度进行了比较.     

基于小波包能量谱的声发射信号处理技术

为实现材料早期结构疲劳损伤程度的监测与评价,提出采用小波包能量谱的声发射信号处理方法.首先,搭建金属疲劳损伤在线声发射监测系统,采集金属材料早期结构疲劳损伤产生的裂纹扩展与闭合的声发射信号;其次,选取适用于该声发射信号的小波函数和小波包分解层数,从而得到小波包分解后的各个频带的能量随疲劳周期数增加的变化情况的小波包能量谱图.实验表明:上述信号处理方法可获得能表征金属材料随着疲劳周期数增加的早期结构疲劳损伤程度变化的频带特征,为桥梁结构、建筑工程结构构件中常用钢材疲劳过程的声发射监测及早期疲劳损伤程度的加剧提供参考依据.     

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。     

基于小波包能量变化率的激光超声处理

为提供解决航空发动机原位裂纹的快速检测方法,得到缺陷深度与特征量之间的关系,使用激光器在一系列不同缺陷深度的航空板上激发声表面波,对收集到的信号进行预处理,并提出新的小波包变换能量变化率指标,用于进行缺陷损伤识别。结果表明:反射波信号在S_(80)、S_(81)频带上的小波包能量变化率随缺陷深度的增加呈现增加趋势,增长幅度分别为96.8%、86.3%;而反射回波在S_(80)、S_(83)频带上的小波包能量变化率较为显著,增长幅度分别为23.8%、80.2%。该分析方法为激光超声表征表面缺陷提供新的思路,为今后从能量变化率指标分析裂纹深度奠定基础。     

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。     

基于小波包能量谱的结构损伤预警方法试验研究

摘 要：通过钢梁损伤试验,验证基于小波包能量谱的结构损伤预警方法在实际结构上应用的有效性。对钢梁进行完好工况和三个损伤工况的动力响应测试,对得到的响应进行小波包分解,考察损伤前后各个特征频带的能量变化。试验结果显示,损伤预警指标ERV和ERVD能够对三种损伤工况做出有效预警;同一工况的多次测试得到的损伤预警指标ERVD虽有变化但变化不大。基于小波包能量谱的结构损伤预警指标对结构损伤具有敏感性、对测试噪声具有鲁棒性,可以用于实际结构损伤预警。     

基于小波包分析的Benchmark结构损伤预警试验研究

在基于小波包能量谱的结构损伤预警方法基础上,开展了Benchmark结构损伤预警的试验研究.通过Benchmark试验模型模拟结构的多种损伤状态,并采集模型在结构损伤前后的动力响应,在此基础上计算了结构损伤预警的小波包能量谱及其损伤预警指标.试验结果表明:基于小波包能量谱的结构损伤预警指标具有良好的损伤预警能力,可以准确地判定结构初期损伤的发生.     

An Extended Wavelet Spectrum for Bearing Fault Diagnostics

Rolling-element bearings are widely used in various mechanical and electrical systems. A reliable online bearing fault-diagnostic technique is critically needed to prevent the system's performance degradation and malfunction. In this paper, an extended wavelet spectrum analysis technique is proposed for a more positive assessment of bearing health conditions. Two strategies have been suggested for different wavelet function implementation. Two statistical indexes are proposed to quantify the resulting wavelet (coefficient) functions. Based on the information provided by these indexes, the wavelet functions can be deployed more effectively over the designated frequency bands. An extended Shannon function is proposed to synthesize the wavelet coefficients over selected bandwidths to enhance feature characteristics. An averaged autocorrelation power spectrum is adopted to highlight bearing characteristics. The viability of the developed technique is verified by online experimental tests corresponding to different bearing conditions.      

用1(1/2)维谱结合小波包能量提取地震动信号特征

针对车辆（轮式车、履带式车）引起的地震动信号中,具有非平稳、非高斯性特征相互重叠的实际情况,研究了地面活动目标产生的地震动信号特性;从理论上说明了1(1/2)维谱可消除车辆引起的地震动信号中的高斯白噪声或有色噪声,在将[112]维谱分析和小波包能量谱相结合的基础上,提出一种特征提取方法,以便区分不同的车辆目标。在时频域构建以[112]维谱和小波包能量谱作为地震动信号的联合特征向量,建立以训练误差为目标的BP神经网络模式分类器;然后对两类车辆信号进行识别。地震动信号的车辆实测数据表明,该方法能够准确和有效地识别车辆引起的地震动信号。     

单段爆破振动信号频带能量分布特征的小波包分析

爆破振动分析是研究爆破振动危害控制的基础,也是控制爆破振动危害的前提。根据爆破振动信号具有短时非平稳的特点,利用小波包分析技术对满足分析要求的单段微差爆破振动信号的能量分布特征进行研究。首先,简略地介绍了小波变换与小波包分析的特点。其次,基于MATLAB对单段爆破振动信号进行小波包分析,得到了爆破振动信号在不同频带上的能量分布图。最后,总结了单段爆破振动信号频带能量的分布特征。结果表明,在单段爆破中,爆破震动信号成分主要以中高频(39Hz~156Hz)为主,低频成分(39Hz以下)所占比例极少。     

Adaptive Bearing Fault Diagnosis based on Wavelet Packet Decomposition and LMD Permutation Entropy

Bearing fault signal is nonlinear and non-stationary,therefore proposed a fault feature extraction method based on wavelet packet decomposition( WPD) and local mean decomposition( LMD) permutation entropy,which is based on the support vector machine( SVM) as the feature vector pattern recognition device.Firstly,the wavelet packet analysis method is used to denoise the original vibration signal,and the frequency band division and signal reconstruction are carried out according to the characteristic frequency. Then the decomposition of the reconstructed signal is decomposed into a number of product functions( PE) by the local mean decomposition( LMD),and the permutation entropy of the PF component which contains the main fault information is calculated to realize the feature quantization of the PF component. Finally,the entropy feature vector input multi-classification SVM,which is used to determine the type of fault and fault degree of bearing.The experimental results show that the recognition rate of rolling bearing fault diagnosis is 95%. Comparing with other methods,the present this method can effectively extract the features of bearing fault and has a higher recognition accuracy.     

小波能量谱在铁路轨道检测中的应用

列车振动能量突变是判断轨道病害及状态恶化的重要依据之一。基于连续小波变换细致的时间-尺度网格划分性能,结合概率方法,通过对轨道不平顺和列车振动信号的能量计算与分析,建立列车振动响应和轨道不平顺信号的时间、尺度和时间-尺度小波能量谱,并进行联合诊断。通过沪宁客运专线和朔黄重载铁路的轨检数据分析,表明此方法能够有效提取轨道结构中微弱病害的类型、损伤程度和空间位置,并实现整体不平顺状态的评估。这为铁路轨道病害诊断和状态评价提供了新的技术途径。     

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。     

小波包的频率顺序

通过数学归纳法证明了自然顺序Harr小波包和Walsh-Paley函数在区间[0,1]上的一致性,从而根据Walsh-Kaczmarz函数列率顺序给出Harr小波包频率顺序。而通过理论分析可知,小波包频率顺序和自然顺序之间的错位关系具有固定的规律,与小波包函数类型无关,从而由Harr小波包的频率排序规律给出任何小波包的频率排序。     

基于小波系数包络谱的滚动轴承故障诊断

提出了基于正交小波变换诊断滚动轴承故障的新方法，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包络细化谱分析，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     

滚动轴承振动信号的小波奇异性故障检测研究

该文以滚动轴承振动信号为分析对象 ,基于小波奇异性分析原理进行滚动轴承故障检测新方法的研究。通过求解待测信号的小波变换极大模来检测和识别信号中奇异点位置和奇异性大小 ,以及对噪声极大模的抑制处理 ,达到抑制或消除噪声的目的 ;最后 ,在剩余小波极大模的基础上进行信号重构 ,展现原待测信号中的故障信号模式。通过对铁路货车车轮用滚柱轴承振动信号的分析表明 ,此方法在大幅度地提高信噪比的同时 ,对由轴承损伤冲击造成的信号突变仍保持了较高的灵敏度和分辨率。为滚动轴承故障检测打下了良好的基础。