基于双树复小波变换和奇异谱熵的采煤机摇臂轴承故障诊断

该文提出基于振动信号分析的采煤机摇臂轴承故障诊断方法,对振动信号进行双树复小波变换(Double Tree Complex Wavelet Transform,DTCWT),将原始振动信号分解为不同频带的7层信号;针对各频带信号,结合奇异谱熵实现从信号奇异成分能量分布角度的故障特征量化提取,通过分析比较各频带奇异谱熵,可实现采煤机摇臂滚动轴承故障准确诊断。     

基于小波包变换和支持向量机的提升机故障诊断

在介绍小波包变换和支持向量机原理的基础上,阐述了如何利用小波包变换和支持向量机对提升机进行故障诊断的方法,该方法将故障信号经小波包变换后的频带能量作为特征向量,利用训练样本训练过的多故障分类器对特征向量进行故障识别与分类,并以提升机轴承故障为例进行了论证,试验证明.该方法对故障具有很好的诊断效果及实际运用价值.     

小波包分析在减速机故障诊断中的研究

以冶金企业的轧钢设备中典型关键设备减速机为具体研究对象,对减速机进行状态监测与故障诊断,并将三维小波变换与小波包降噪残差信号频谱分析相结合,利用残差信号的频率特征信息,有效地提取了减速机故障频率。     

基于小波包分解的滚动轴承故障诊断方法的研究

介绍了小波包分析的基本理论,并以滚动轴承为研究对象,将小波包分析应用于轴承的故障诊断。首先用小波包分解的方法提取分解频带的能量在时间域上的分布,得到能量谱图,然后通过包络分析得到信号的功率谱,由此可判断出轴承的故障位置。     

基于希尔伯特变换和小波包节点能量法的齿轮箱故障诊断研究

故障齿轮箱的振动信号中可能包含周期性的振幅和相位调制信号,在齿轮箱故障诊断中,解调成为一个重要的问题。在分析了齿轮振动信号的基础上,提出了一种基于希尔伯特变换和小波包节点能量法的故障诊断方法。通过一个包含调幅调相信息的仿真信号进行了验证,结果表明该方法能够有效提取调制信号,比使用小波包变换更有效。     

基于小波包神经网络的电机故障诊断分析与研究

由于传统基于傅立叶变换的利用频域对电机故障的信号分析中无法对奇异信号点的时域信息进行检测。针对上述问题,提出基于小波包神经网络的电机故障诊断的方法。结合电机振动的非平稳随机性的特点。利用小波包多分辨率分析方法对电机的采样信号进行分解,提取电机故障状态特征并作为BP神经网络输入样本的特征向量,利用神经网络的自学习和模式识别的特点最终输出电机故障类型。通过MATLAB仿真结果可以证实该方法可行性。     

双树复小波变换域矿区遥感图像自适应滤波

矿区遥感图像因受成像环境、成像器件固有缺陷等因素的影响容易出现不同程度的失真,为此,结合双树复小波变换（Dual-tree complex wavelet transform,DTCWT）多尺度图像分析的优良特性,提出了一种矿区遥感图像自适应滤波算法。首先对获取的视觉效果不佳的遥感图像进行直方图均衡化处理,使得增强后的图像灰度分布较为合理,提高图像的对比度;然后对增强后的图像进行双树复小波变换,对获得的高频分解系数采用改进的多级中值滤波算法进行处理;最后,将低频分解系数与滤波后的高频分解系数进行逆双树复小波变换。其中改进的多级中值滤波算法相对于经典多级中值滤波算法进行了2点改进：①将原有的4个方向滤波窗口扩展为7个,更有利于保持图像中信息的多方向特性;②对新增设的3个滤波窗口分别进行加权中值滤波,将上述7个滤波窗口的滤波值采用一种基于图像灰度值相关性的判别方法进行处理,剔除与待滤波像素点相关性不强的滤波值,将剩余的滤波值计算均值输出;MATLAB平台试验结果表明：新算法的总体性能相对于经典多级中值滤波、中值滤波、双边滤波等算法而言,优势较为明显。     

基于小波包变换的电网谐波分析研究

随着敏感性负荷大量的涌入电网,电网谐波问题受到关注。介绍了小波包变换理论,并将该理论应用于电网谐波分析。仿真结果表明小波包变换具有良好的分析性能,能够准确地分辨出信号中的高频信息,为电力系统的谐波检测提供了依据。     

基于双树复小波域统计建模的煤岩识别方法

针对煤炭开采与加工过程中采煤机滚筒高度调节、选煤厂预排矸等工程实际问题,提出了1种有效的基于双树复小波域统计建模的煤岩识别方法。首先,通过双树复小波变换对煤岩图像进行多级分解;然后,提出了1种旋转不变增强策略,即对每1级双树复小波变换产生的高频子带按系数模的均值和方差之积从大到小排列;接着,提出了高频子带系数模符合广义伽玛分布模型的假设,并采用1种基于尺度独立形状估计方程的广义伽玛分布参数估计方法确定模型参数;最后,根据相对熵相似性测度完成煤岩图像的自动识别。结果表明:在双树复小波域中,广义伽玛分布模型具有较强的区分煤岩图像的能力;所提出的旋转不变增强策略在一定程度上提高了煤岩识别的正确识别率,并且使正确识别率与时间复杂度之间的折中权衡变得更加灵活;与现有的其他方法相比,所提出方法具有更高的正确识别率,其时间复杂度也是可以接受的。     

基于小波包分解的煤矿通风机故障诊断

提出基于小波包分解的煤矿通风机故障诊断方法,经实际验证,能有效诊断出通风机故障,具有实用价值。     

基于小波包络谱分析的减速机故障诊断研究

介绍了小波分析方法,以小波分析和包络谱分析在故障诊断中的应用为例子,利用小波分析信号突变的特点,利用Hilbert包络并进行频谱分析,体现了小波包络谱分析的优越性,实现故障诊断的目的。     

基于小波包和EMD的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包和经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承故障诊断方法。该方法用小波包对振动信号进行预处理,用Hilbert变换求重构信号的包络,采用EMD方法将包络信号分解为若干个IMF分量,让故障信息得到凸显,然后根据某个分量的频谱,判断滚动轴承的故障类型。实验结果表明,比传统的时频分析方法,该方法能够更有效地提取轴承故障特征,诊断轴承故障。     

基于小波包和BP神经网络的滚动轴承故障诊断

基于Matlab平台,利用小波包技术对滚动轴承典型故障的振动信号提取特征值,再借助BP神经网络对特征值进行分类,经验证该方法能够准确识别故障。     

基于小波分析的刮板输送机齿轮故障诊断

刮板输送机是煤矿开采任务中不可或缺的设备，而刮板输送机中的齿轮部件故障极为常见。因此，对齿轮进行故障诊断成为重中之重。通过小波变换对故障信号进行处理，再采用小波包进行3层分解，得到最佳分解树。仿真结果表明，可以有效且明显地对故障信号进行检测，为以后故障数据的分析与处理奠定了基础。     

基于小波包算法的回转零件故障诊断

针对传统的故障诊断方法的局限性,将小波包分析方法应用到回转零件故障诊断中,利用小波包分解和重构方法有效地提取回转零件的共振频段,解决了传统方法人为确定共振解调频段的局限性。应用小波包算法处理后的信号重新采样,再根据Hilbert变换和包络谱细化原理,得到一种新的细化包络谱。通过回转零件的故障诊断实验分析,验证了该理论方法的正确性和实用性。     

基于小波包分解和EMD的滚动轴承故障诊断方法研究

提出了一种基于小波包分解与EMD的故障诊断特征提取方法。对故障振动信号进行小波包分解,并将其高频部分节点信号进行重构,对2个节点的重构信号分别进行EMD分解,得到一系列的IMF分量;提取每个节点的各个IMF分量的能量值并归一化后作为轴承的故障特征量输入神经网络进行诊断。通过实验证明2种方法的结合具有良好的局部分析能力及自适应分解的特点,可以提取更加有效的特征值,因此在进行诊断时,具有更快的速度与更高的准确率。     

基于相对小波包能量特征向量的故障诊断

在小波及小波包分析的基础上引进相对小波包能量特征向量的概念,提出了一种建立旋转机械故障库的新方法,并结合模式判别的知识,引进欧几里德距离公式作为判据,使故障诊断公式化、定量化。实验结果表明这种方法能够很快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。     

基于小波包的大型隔膜泵泵阀故障诊断

泵阀作为隔膜泵的重要组成部分,卡阀故障时有发生,给生产带来了很大损失。本文采用小波包频带分解技术,有效提取了泵阀的卡阀故障。这项技术应用在大型隔膜泵上,具有一定的经济意义.     

基于小波包和距离判别法的滚动轴承故障诊断

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。