小波包算法在振动信号分析中的应用

针对柴油机振动信号的时频特性,阐述运用小波包算法对振动信号进行分析的方法.利用小波包良好的时频局部化特性以及避免信号频率混叠的移频处理方法,实现了对几种气阀状态振动信号时频特性的分析.结果表明,该算法在柴油机气阀故障诊断中具有可行性和有效性.     

小波变换在寻求车辆主振动声源中的应用

利用三级小波包分解,获取车辆各工况下信号能量分布的特征向量,根据信号能量分布的特征向量相关系数,确定两种信号相关程度,从而达到寻找各工况对车内总声压贡献最大的振动部件,为下步的减振降噪提供依据。该方法用于车辆噪声、振动源识别比传统的分析方法更为简单、有效。     

小波包改进算法及其在柴油机振动诊断中的应用

针对柴油机缸盖表面振动信号的非平稳时变特点,提出了基于小波包分析的柴油机振动诊断方法。给出了小波包变换的一种改进算法,通过移频处理,克服了原算法中的频率混叠现象,使分解序列的排列顺序与频带的线性划分顺序一一对应。通过对完整工作循环内的缸盖信号进行小波包分解,实现了整循环诊断特征向量的快速提取。试验结果表明,该方法在柴油机振动诊断中是有效可行的,对其它复杂机械的振动诊断同样具有参考价值。     

小波包能量谱在内燃机噪声信号故障诊断中的应用

基于噪声信号的故障诊断方法具有易于实现离机、无损检测的优越性,将噪声信号故障诊断方法引入内燃机气门间隙故障诊断中。阐述了小波包能量谱提取的基本原理和方法,通过对内燃机在不同转速不同状态下运行时的噪声信号小波包能量谱的提取研究,确定了噪声信号能量波动范围。并在对比分析中发现,利用内燃机噪声信号在特征频带内的能量波动特征研究方法,可以有效识别气门间隙故障。     

小波变化在振动故障奇异信号检测中的应用

从理论上分析了利用小波变化来检测信号的奇异特征的原理,并对信号的奇异性进行了定义。研制出了用于检测信号奇异特征的计算机程序,并利用研制出的分析程序对仿真信号（正弦信号中叠加周期性的冲击信号）和实验转子的故障信号进行分析,从而证实了小波变化在检测奇异信号方面的有效性,可用于旋转机械的非线性故障特征提取。     

小波包分析和神经网络在风电机组变频器故障诊断中的应用

由非线性电力电子装置组成的风力机变频器一旦发生故障,其故障特征信息不容易被提取和识别。为此,提出了一种基于小波包分析和Elman神经网络的电力电子装置故障诊断的方法,先运用小波包分析法提取电力电子装置电路在不同故障状态下电压及电流信号的特征信息,然后对数据进行归一化处理并作为Elman神经网络的输入,由具有智能学习功能的神经元故障分类器完成故障识别和定位。以典型的风力机交—直—交变频器为例,在Matlab软件下建立电路模型对一次侧故障进行仿真实验,结果表明采用该方法可以快速、准确地完成故障诊断。     

基于小波包的泵站机组振动信号特征分析

提出了一种应用小波包分析对泵站机组振动信号进行特征分析的方法。与小波分析相比,小波包分析能对信号的高频频带进一步分解,提高了频率分辨率。利用小波包对泵站机组振动信号进行了信号压缩与消噪以及奇异性分析,为诊断机组振动故障提供了决策依据。对泵站机组主轴摆度和轴承振动实测信号进行了分析,结果表明小波包分析可有效提取原始信号的特征。     

小波分析技术在汽轮机故障诊断中的应用

就小波分析技术在汽轮机故障诊断中故障特征提取和小波算法的硬件实现问题进行了深入研究.提出了基于小波能量分布的故障特征提取方法,并在转子试验台上进行了验证.对于小波分析算法的硬件实现,设计了一种基于DSP的小波算法.实践检验证明,该方法能够满足振动信号实时分析的需要.     

基于小波包能量特征向量神经网络的旋转机械故障诊断

为精确诊断旋转机械的故障,提出一种基于小波包特征向量的神经网络故障诊断方法。用转子台信号模拟旋转机械故障,并对采集到的信号进行3层小波包分解,构造小波包特征向量,并以此为故障样本对3层BP网络进行训练,实现智能化故障诊断。实验结果表明训练好的神经网络能够很好地诊断出转子台故障类型,为旋转机械的故障诊断提供了新方向。     

基于小波包能量分析及改进支持向量机的风机机械故障诊断

为了准确诊断风机的机械故障,提出了一种基于小波包能量特征和改进支持向量机的诊断方法.在某4-73No.8D风机实验台上对13种不同运行状态下的振动信号进行采集,利用小波包对振动信号进行消噪、分解与重构,提取其小波包能量特征,得到了各运行状态下风机多测点信息融合的小波包能量特征向量,并利用改进支持向量机对特征向量样本集进行训练与测试,实现了风机机械故障的分类诊断.结果表明:该诊断方法能够有效地诊断风机机械故障的类别、严重程度和发生部位,且诊断准确率高、测试时间短,适用于在线机械诊断.     

汽轮发电机组轴向振动的分析和处理

从轴向振动的机理入手,结合现场试验研究,对汽轮发电机组轴向振动进行了详细的分析,提出了处理解决的方法,实践证明是行之有效的。     

基于小波包多尺度分析的多时间窗行波相关法

为解决行波相关法中时间窗宽度不固定影响故障测距可靠性的问题,提出了一种基于小波包多尺度分析的多时间窗行波相关法。首先,利用最大相关系数选取最优小波基,使得小波包滤波效果达到最佳;其次,以最优小波基为基底将故障信号进行小波包的多尺度分解和重构,由于小波包自身的变换特性,重构后的正反向行波初始波头的宽度随着尺度的增大逐渐变宽,将初始行波波头宽度作为行波相关法的时间窗宽度,此时行波相关法成为一个多时间窗的相关算法;最后,将经包络线处理的单极性正反向行波进行相关算法故障测距。多次仿真分析表明,所提方法消除了时间窗不固定对测距结果的影响,且在不同的故障距离和过渡电阻下均适用。     

基于小波包特征向量弹性BP算法的故障诊断

为精确诊断转子故障,采用了基于小波包能量特征向量的弹性BP神经网络和最速下降BP算法神经网络的故障诊断方法,对采集到的信号进行3层小波包分解,构造小波包特征向量,对样本进行3层BP网络训练,实现智能化故障诊断。结果表明采用改进的BP算法优于最速下降BP算法,训练的网络可以很好地诊断转子故障。     

基于小波包提取尾水管水压脉动特征的研究

采用小波包与傅立叶变换相结合的方法，对尾水管振动信号进行小波包多层分解，以提取信号的低频特征信息，然后进行精确的频谱分析取得涡带的特征频率。仿真实验表明，该方法能利用小波包时频局部聚焦分析能力，有效提取尾水管微弱低频特性信息，对尾水管振动故障提供早期预诊手段。     

小波包能量熵和改进的LSSVM在风力机轴承故障诊断中的应用

针对极端复杂工况下风力机轴承运行状态监测中的故障诊断问题,提出一种基于小波包能量熵故障特征提取并结合鲸鱼算法(WOA)优化最小二乘支持向量机(LSSVM)进行故障分类识别的风力机轴承故障诊断方法.通过小波包分解提取各频带成分的能量熵值构建故障特征集,同时针对LSSVM参数的选取依赖人工选择的盲目性问题,采用鲸鱼优化算法...