小波包分析在车辆变速箱故障诊断中的应用

运用小波分析方法对车辆变速箱振动信号进行预处理，并运用小波包能量尺度图分析方法识别出故障，按此方法对BJ212型车辆变速箱振动加速度信号作了分析，准确地识别出了故障,结果表明,利用小波包分析进行变速箱故障诊断的方法简单且行之有效．     

整数小波变换的优化设计

整数小波变换已在嵌入式图像编码领域取得了极大的成功,一种实现整数小波变换的方法是提升．构造了一类新的整数小波变换,它们仅用一个自由参数表示．随意调整该参数,就可构造出不同的整数小波变换．作为构造示例,构造了5种整数小波变换．     

JPEG2000中优化逼近的整型小波变换

提出了一种JPEG2000中整型小波变换的优化逼近方案,并从硬件实现的角度出发,提出相应的基于行提升算法的VLSI结构．该方案在提升步骤中有效保护小波系数的尾数部分,从而确保在小波系数动态范围限定的情况下进一步提高小波变换的精度,从而提高图像压缩的质量．由于在硬件实现中采用基于行的提升变换结构,使水平和垂直方向上的变换能并行处理．实验表明,在XC2V3000型号的Xilinx FPGA上实现该结构所需资源只占27％,时钟频率可达到66MHz以上．与其他小波变换结构相比,该结构不仅改善了小波变换的性能,同时具有并行度高、节省存储空间等优点,并且可以在一幅图像逐行扫描的时间T内完成整幅图像的小波变换．     

基于虚拟仪器的滚动轴承振动故障诊断系统

介绍了小波变换在滚动轴承故障特征提取中的应用．结合小波变换研制了一套滚动轴承故障诊断虚拟仪器系统．通过对滚动轴承振动信号的小波变换分析,可提取滚动轴承运行状态的特征向量,分析滚动轴承的振动信号,诊断轴承的故障．     

再生核空间中重构小波变换的一种方法

针对MaUat极大模重构小波变换算法没有充分利用信号突变点的不足,提出了一种改进Mallat极大模重构小波变换的方法,并以插值的形式给出了重构小波变换的显式表达式．显式表达式便于数值计算,同时也为求解一类广义微分方程提供了途径．     

探地雷达回波信号处理中小波变换域滤波方法的研究

探地雷达信号是非平稳信号．在传统的傅氏变换域滤波不能有效地解决滤波和信号高频损失的情况下,文中研究了利用小波变换来处理这一矛盾的方法．系统地讨论了小波变换在信号滤波中的原理和各种实现方法,比较了与傅里叶变换域滤波的差别．最后对实际的探地雷达信号进行了处理．结果表明,基于小波变换域的滤波能滤除８０％～９０％的噪声,同时可基本保持原信号的边缘不变．此外小波变换域滤波还具有直观、简便、快速操作、稳健的优点,完全可用于实时或事后的数据处理．     

故障诊断的小波分析方法

本文分析了Fourier变换和窗口Fourier变换的不足,给出了小波变换的时—频特性,阐述了小波变换用于故障诊断的可能性,指出了小波变换用于故障诊断的理论和方法．     

小波包分析在车辆变速箱故障诊断中的应用

运用小波分析方法对车辆变速箱振动信号进行预处理,并运用小波包能量尺度图分析方法识别出故障,按此方法对BJ212型车辆变速箱振动加速度信号作了分析,准确地识别出了故障.结果表明,利用小波包分析进行变速箱故障诊断的方法简单且行之有效.     

基于复小波变换和人类视觉模型的数字水印算法

提出了一种基于复小波变换的水印算法，同时描述了一个基于复小波域的简单而有效的人类视觉模型．实验结果表明，复小波域比实小波域具有更大的信息容量，基于复小波变换的水印算法比实小波具有更好的鲁棒性，具有极大的潜在应用性能．     

恒等逼近与连续小波变换的点态逼近

类似于Ｆｏｕｒｉｅｒ变换,连续小波变换的反演公式与卷积的恒等逼近也存在着密切联系．实际 上,可以将连续小波变换看作是一种逼近单位的构造方法．前人已经对小波变换的点态逼近做过 了充分的讨论,但都没有与恒等逼近相联系．利用恒等逼近证明了几个新的连续小波变换的点态 逼近定理,并在此基础上给出了在不同条件下逼近的误差估计,为信号去噪提供了理论依据．最 后的数值实验成功地进完成了信号去噪,从而验证了这些定理的正确性和相关算法的可用性．     

齿轮箱故障诊断中的正交匹配追踪算法

为通过齿轮箱的振动信号进行故障诊断,应用正交匹配追踪算法对振动信号进行处理.齿轮箱的振动信号包含了齿轮箱运行状态特征,但同时也掺杂了大量噪声信号,总体呈现出非平稳性.齿轮箱故障诊断的关键是从齿轮箱的振动信号中剔除冗余信息,用少量特征信息准确的表达信号,完成对信号中故障特征的提取.传统的频域分析法,只能从频域图上定性的判断故障,无法做到定量判断.正交匹配追踪算法是一种定量提取特征的方法,在傅里叶正交基下对振动信号进行时域向频域的映射,在频域上定量的得到主要特征,再根据主成分分析思想,提取出3组主要特征点,将已知故障分类的信号特征与待检测信号的特征进行对比,通过频域的位置和幅值的两次比较,判断故障状态,实验证明该方法可以准确的判断出齿轮箱从正常状态到100%磨损的5个不同形态的特征,完成对齿轮箱的故障诊断和分类.     

Application of particle swarm optimization blind source separation technology in fault diagnosis of gearbox

Blind source separation (BBS) technology was applied to vibration signal processing of gearbox for separating different fault vibration sources and enhancing fault information. An improved BSS algorithm based on particle swarm optimization (PSO) was proposed. It can change the traditional fault-enhancing thought based on de-noising. And it can also solve the practical difficult problem of fault location and low fault diagnosis rate in early stage. It was applied to the vibration signal of gearbox under three working states. The result proves that the BSS greatly enhances fault information and supplies technological method for diagnosis of weak fault.     

基于小波理论的故障特征提取

在对齿轮进行故障诊断时,采样信号不可避免地受到各种噪声和干扰的污染,所测信号属于典型的非平稳信号.信号的降噪和特征提取是齿轮状态监测和故障诊断的关键环节.小波理论对于非平稳信号的处理非常有效.在MATLAB环境下,利用小波理论对减速器齿轮箱的采样数据进行去噪实验和分析,提取齿轮大周期故障的特征指标,为进一步进行故障诊断奠定基础.     

基于小波包络谱分析法的齿轮箱故障振动信号诊断

利用正交小波基将齿轮箱故障振动信号变换到时间一尺度域.对高频段尺度域的小波系数进行包络细化谱分析,不仅能检测到齿轮箱内部故障的存在,而且能有效地识别故障模式,说明了正交小波分析是信号检测淹没于非平稳信号中瞬时信号的有力工具.结合实例.从小波故障特征提取来说明小波变换的有效性.     

基于纵横交叉算法优化BP神经网络的风机齿轮箱故障诊断方法

风电机组齿轮箱的运行工况比较复杂,容易发生故障. 针对常规BP（Back Propagation）神经网络故障诊断容易陷入局部最优的问题,提出一种基于纵横交叉算法（Crisscross Optimization Algorithm,CSO）优化BP神经网络的风电齿轮箱故障诊断新方法. 考虑到风电齿轮箱振动信号的波动性和非线性,首先从信号中提取故障特征参数,建立带评价因子的误差分析模型,然后通过纵横交叉算法优化BP的权值和阈值对神经网络进行训练,最后用训练好的神经网络对样本进行测试. 经实验仿真并与其他方法的对比,验证了本文方法用于风电机组故障诊断有效性及优越性.     

基于小波变换和优化CNN的风电齿轮箱故障诊断

针对传统故障诊断方法过于依赖人为经验的缺陷,提出小波变换和二维密集连接扩张卷积神经网络(WT-ICNN)的风电齿轮箱智能故障诊断方法. 所提方法将一维振动信号通过连续小波变换(WT)转换成二维故障图像;再将二维故障图像输入ICNN中进行训练和测试. 通过齿轮箱开源数据和风场实测数据验证结果表明,与传统故障诊断方法相比,所提方法采用密集连接的结构自适应特征提取时频图,有效加强了故障特征的利用效率;在对风电齿轮箱的故障诊断中,所提方法具有更好的特征复用能力和更高的诊断精度.     

Gearbox fault diagnosis of rolling mills using multiwavelet sliding window neighboring coefficient denoising and optimal blind deconvolution

Fault diagnosis of rolling mills, especially the main drive gearbox, is of great importance to the high quality products and long-term safe operation. However, the useful fault information is usually submerged in heavy background noise under the severe condition. Thereby, a novel method based on multiwavelet sliding window neighboring coefficient denoising and optimal blind deconvolution is proposed for gearbox fault diagnosis in rolling mills. The emerging multiwavelets can seize the important signal proce...     

动车组齿轮箱滚动轴承变转速故障诊断方法

动车组齿轮箱滚动轴承在运行过程中处于高温重载的变转速工况,容易产生裂纹、点蚀等故障,且不易被检测出来。为及时诊断出动车组齿轮箱滚动轴承的故障,保证动车组的安全行驶,提出了一种变转速工况下的滚动轴承故障诊断方法。首先,结合短时傅里叶变换(STFT)无干扰项与魏格纳-威尔分布(WVD)高时频分辨率的特点,提出了一种融合时频分析算法,该算法能够提高变转速信号分析时的时频矩阵精度;然后,针对动态路径规划方法无法处理归一化时频矩阵的局限性,对其进行了改进,并提取出融合时频矩阵中的转速曲线;此外,进一步提出了一种插值重采样的阶次分析方法,根据转速对采集到的原始信号进行插值重采样,在角域对信号进行重构,并得到对应的阶次谱,实现滚动轴承的故障诊断;最后,通过试验台对提出的变转速动车组故障滚动轴承诊断方法进行了验证。结果表明：本文所提出的方法在动车组转速变化的情况下,能够有效提取出滚动轴承的变转速曲线,并且准确识别出齿轮箱中滚动轴承发生的故障类型。     

复合Q因子基在齿轮箱微弱故障特征提取中的应用

根据强噪声干扰环境下齿轮箱故障非平稳信号是由持续振荡成分(高共振成分)和非持续振荡的瞬态成分(低共振成分)混合而成,且其各成分存在频率重叠而不能利用传统的基于频率不同的方法对其进行有效处理的特点,提出了构造复合Q因子基(高Q因子基及低Q因子基)对故障信号进行处理的方法,对提取齿轮箱各故障的冲击性信号特征取得了良好的效果.仿真信号分析及应用实例分析结果表明了算法的可行性及有效性,为强噪声干扰环境下的机械故障信号提取提供了一种方法.     

基于EMD和FFT的齿轮箱故障诊断

提出了一种基于小波包分析（WPA）,经验模态分解（EMD）和快速傅里叶变换（FFT）的齿轮箱故障诊断方法,此方法适合于非线性非稳态信号的自适应分析.首先运用WPA对采集的齿轮箱振动信号进行分解可得到不同频率的子频带;然后对各子频带信号进行EMD,从而得到一定数量的本征模态函数（IMF）;最后选取特定的IMF,对其作FFT可得到相应的功率谱,从而提取齿轮箱故障特征频率,进而对齿轮箱故障模式进行识别和诊断.分析结果表明本文所提议的方法能有效地检测出齿轮箱故障特征频率.