基于小波包变换的减速机降噪方法研究

在小波包降噪的基础上,提出了一种对小波包降噪后的残差信号进行频谱分析和统计分析的新方法．该方法首先对原始振动信号进行小波包降噪,然后根据降噪后的振动信号和原始振动相比的差值提取残差信号,最后通过对残差信号进行频谱分析提取产生噪声信号的特征频率,通过对残差信号的统计量分析判断设备运行状况。实例验证了小波包降噪和小波包降噪后残差统计分析的正确性。     

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。     

基于小波包和BP神经网络的风机齿轮箱故障诊断

为了对风力发电机组中最容易发生故障的核心部件齿轮箱进行故障诊断,提出基于小波包变换和BP(Back Propagation)神经网络的齿轮箱故障诊断方法。首先,根据齿轮箱工作时的振动信号特性,通过小波包变换方法对振动信号进行去噪、分解与重构,有效提取不同故障下各频段能量的故障特征;其次,将提取的能量故障特征输入至BP神经网络诊断系统中进行识别,实现故障的智能诊断。通过试验证明了该方法的有效性。     

基于小波包变换的汽车发动机降噪方法研究

利用小波包变换理论及小波包降噪原理,对汽车发动机含有噪信号进行小波包降噪,有效的提取其中的信号特征.通过对降噪后残差的频谱分析和统计量分析,得到噪声信号的特征频率.通过计算机仿真和实例分析对小波包降噪方法进行验证,表明小波包分析在汽车发动机降噪中有效性.     

基于紧致型小波神经网络的往复泵故障诊断

为了对往复泵的故障进行正确诊断,提出基于紧致型小波神经网络的往复泵故障诊断方法。以往复泵单个泵缸内的压力信号作为系统特征信号通过小波包分解来提取故障特征向量,同时将此特征向量作为小波神经网络的输入,利用小波神经网络对故障做进一步的精确实时诊断。通过对往复泵液力端多故障诊断实例的检验表明,该系统故障诊断正确率达到94 %以上。     

基于参数识别和小波包分析的故障特征提取

针对2D12往复式压缩机气阀的工作特点,提取吸气阀与排气阀均关闭时的压缩过程的局域信号.以此为研究对象,应用模态参数识别与小波包分析相结合的方法对气阀进行故障诊断,最后给出气阀正常与故障时的时域特征参数的图谱分析.     

小波包分析在电动机转子断条故障诊断中的应用

采用改进型小波包算法从电气和机械方面提取信号的故障特征,提出一种基于小波包分析频带能量的故障诊断方法。经实验可知,该方法能够更全面的快速检测到转子断条故障的存在而且准确率高,在许多工程实践中可以应用。     

基于小波包的齿轮箱故障诊断

提出了一种齿轮箱故障诊断的方法,这种方法首先利用小波包提取齿轮箱振动信号的故障特征域,然后计算特征域上绝对值信号的频谱,以正常信号的频谱和特征域上绝对值信号的频谱的相似程度作为齿轮箱故障与否的判据,将齿轮箱的特征频率和特征域上绝对值信号的频谱相比较来判断齿轮箱的故障模式.将此方法应用于齿轮箱断齿故障的诊断表明,这种方法能够准确地诊断出齿轮箱中的冲击故障.     

基于小波分析和模糊神经网络的齿轮故障诊断研究

建立齿轮故障信号采集模拟试验台,结合小波分析特征提取方法和模糊神经网络对齿轮故障进行了诊断,通过实验仿真,取得了很好的诊断结果。相比于传统的BP神经网络诊断方法,无论在诊断速度还是诊断精度上,模糊神经网络更具有优势。     

基于小波包模糊熵的往复压缩机轴承故障特征提取方法研究

针对多尺度模糊熵(multi-scale fuzzy entropy,MFE)分析时间序列复杂性时捕捉不到高频组分信息的局限,提出一种新的基于小波包模糊熵(wavelet packet fuzzy entropy,WPFE)的故障特征提取方法。该方法利用小波包对信号的低频和高频成分进行分解,应用模糊熵对各频带分量进行量化得到特征向量,因而能提取更全面、准确的故障信息。以往复压缩机传动机构为研究对象,将小波包模糊熵作为特征提取工具,通过振动信号提取不同位置轴承间隙大故障的特征向量,利用支持向量机作为分类器,与多尺度模糊熵进行对比分析,验证了该方法的有效性。     

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.     

基于小波包近似熵与LMS加权特征融合异步电机故障诊断

针对大多数情况下异步电机故障在不同传感器和转频等工况参数下的近似熵集合存在差异,难以有效提取表征不同故障状态的信号特征,进行故障状态识别的问题,提出一种基于小波近似熵与加权最小均方误差LMS的特征融合异步电机故障诊断方法。首先,通过小波包分解电机正常、转子不平衡、转子弯曲以及基座松动等故障信号,得到不同频带的信号特性,然后选取最优尺度提取不同频带上近似熵构成集合。然后,结合同种故障不同运行状态下的近似熵集合,通过采用自适应LMS算法进行加权融合提取电机不同故障状态的最优特征,将其作为SVM的输入进行故障分类,从而实现不同工况下故障状态的精确识别。最后,针对异步电机正常运行、转子不平衡、转子弯曲、基座松动四种运行状态,分别采用所提出的SVM分类法和BP神经网络法,结果表明SVM分类法比BP神经网络法的分类识别率更高,诊断效果更好。     

基于谐波小波分析的故障诊断方法研究

谐波小波分析可有效提取非平稳信号中的奇异成分。但当信号中存在噪声时，谐波小波分解的时频等高线图无法凸显其奇异成分。本文采用谐波小波时频剖面图，对仿真信号和齿轮故障信号进行分析，成功提取出信号中的奇异成分。诊断实例证明，该方法可有效用于设备故障诊断。     

变速箱故障声压信号的小波包分解与诊断

针对变速箱故障声压信号的非平稳时变特点,给出了小波包分析处理变速箱故障声压信号的原理和方法,并分析了一个变速箱齿根裂纹故障的诊断实例.实验结果表明,该方法在变速箱声学诊断中是有效可行的,在其它机械的声学诊断中也具有一定的参考价值.     

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。     

基于DDE和小波分析的神经网络故障诊断

应用DDE技术对小波分解后的故障信号进行特征提取 ,利用BP网络进行故障诊断 ,并给出了齿轮箱的故障诊断实例 ,实验证明 ,此方法能取得较好的效果。