基于小波包-包络分析的故障特征提取方法

针对齿轮、滚动轴承等的早期损伤类故障，提出将小波包分解作为包络分析的前置处理手段以提取振动信号的故障信息特征。在简述小波包基本原理的基础上．通过仿真信号．对振动信号的具体处理过程进行分析，并对可能遇到的问题．提出处理办法．然后应用于诊断实例。结果表明，该方法能够自由确定振动信号的频带划分并全面获得各频带内隐含的故障特征，且易于实现，有一定的工程应用价值。     

电梯起重机械故障诊断与优化设计

电梯起重机械作为特种设备当中的一种,在现代经济建设中,越来越被广泛的应用于现代化企业当中,其承担着各种物料的运输、拆装、起重和人员输送的功能。从电梯起重机械故障的特点入手,全面阐述了电梯起重机械故障诊断方法和电梯起重机械故障诊断系统的优化设计。     

起重机械金属结构振动与故障诊断思考

为探讨起重机械金属结构振动与故障诊断,采用理论结合实践的方法,立足码头门座式起重机金属的结构特点,分析了起重机械金属结构静态疲劳和动态疲劳的差别,提出了起重机械金属结构振动故障诊断中存在的问题,以及提升振动故障诊断准确性和效率的方法。分析结果表明,码头起重机械运行环境复杂,在长期振动的影响下,会加速起重机械疲劳破坏,缩短安全使用寿命,也不利于生产效率的提升。科学合理的振动故障诊断方法和措施,可及时发展振动损坏,制定有针对性的处理法,以提升起重机械的使用性能。     

二进小波变换在建筑结构振动中的应用

探讨了二进小波变换在建筑结构振动中的应用。提出了一种检测结构受到冲击的新小波方法,利用该方法有效地完成了结构振动特征信号的提取,首先分析了二进小波的定义、特性及检测突变的原理,之后以一典型信号作检测原理的数值模拟,最后通过一框架模型实验对该法进行了验证,研究表明,二进小波变换方法在建筑物受冲击或振动等非平称信号作用时,具有较好的分析效果和实用价值。     

试析起重机械的故障诊断与检验检测

起重机械在使用过程中发生故障的现象并不鲜见,这也是很多企业应当引起注意的重要事项,如果不及时对故障进行诊断和检测,很容易导致出现更加严重的安全事故。本文将介绍起重机械常出现的故障类型,提出预防措施,希望可以带来一定参考价值。     

基于小波分析的机械系统振动信号故障诊断

提出利用小波变换的时一频局部化特性及基于多分辨率分析的信号小波分解算法,辅以去噪手段,对微弱机械振动信号进行分析.有效地完成了微弱信号的提取,实现了早期故障诊断;对故障特征信号进行了时域定位;提取了故障特征频率.仿真结果表明了该分析方法的有效性.     

基于小波分析多尺度分解的轴承故障检测

归纳和总结了小波分析多尺度分解的滚动轴承故障检测方法的实施步骤,阐述了故障轴承振动与信号的关系以及离散小波算法的原理和实现过程,并以滚动轴承故障诊断为例,运用MATLAB小波分析工具箱将滚动轴承振动信号进行小波离散多尺度分解,然后在分解的结果中寻找滚动轴承的故障特征频率。结果表明,如果在故障检测过程中合理选择小波函数和各种参数,则小波分析多尺度分解具有很强的故障识别能力。     

旋转机械基于信号的故障检测分析

旋转机械是各种类型机械设备中数量最多、应用最广泛的一类机械,介绍了基于信号处理的旋转机械故障诊断,并给出了支持向量机下模式识别与故障检测的方法,对压缩机进行了实验研究,证明了方法的有效性。该方法可以广泛应用到工程实际中,为有关人员起到一定的参考作用。     

基于振动图像特征的机械状态异常检测算法

针对实时监测得到的振动信号,从图像角度出发,提出了一种新的特征提取方法.首先,将实时监测得到的连续信号划分为独立的循环片段,将各个片段内的一维振动信号重构成二维灰度图像,在此基础上对灰度图像进行特征提取;其次,通过计算相邻周期图像间的相似性建立能描述机械运行动态特性的量化指标;然后,采用拉依达准则对机械设备运行状态进行...     

基于倒频谱理论的滚动轴承故障检测

探讨了倒频谱技术在滚动轴承故障诊断中的应用。针对滚动轴承振动信号的特征,利用倒频谱技术可简化谱图的特征分析,提高滚动轴承故障诊断的准确性。     

以粗糙集近似逼近理论提取发动机振动故障特征

主要探索一种从庞杂数据中挖掘有用信息的方法。首先介绍了粗糙集的基本理论与计算近似精度的方法，简述了粗糙集理论的特点及与模糊集理论、证据理论的区别与联系，然后将经过预处理的发动机振动信号进行实数离散．运用粗糙集的下近似、上近似及粗糙逼近理论，计算属性等价类对决策等价类的逼近精度。计算结果表明，采用等频率和等量间隔相结合的方法离散实数能保留数据中良好的自然分类特性，采用粗糙集的近似逼近理论能有效地提取出发动机故障特征。     

基于最优Morlet小波的滚动轴承故障诊断

将最优Morlet小波和阈值降噪法相结合,进行强噪声背景下滚动轴承故障诊断.依据峭度最大准则确定最优Morlet小波基.利用连续小波变换和软阈值法对振动信号降噪.试验表明,该方法具有良好的去噪性能,并能更好地提取滚动轴承振动信号中的故障特征.     

基于故障树的汽车起重机液压故障诊断专家系统

根据汽车起重机液压系统故障诊断的特点,建立了汽车起重机液压故障诊断专家系统。该系统提出将故障树和模糊神经网络相融合,并以汽车起重机常见故障为例建立了相应的故障树模型,完成了基于专家规则表示与模糊表示下知识数据库的构建与推理机的实现。解决了传统专家系统知识获取困难的问题;运用模糊神经网络的自学机制,保证知识库的完整性和正确性;实现了对汽车起重机液压系统的故障诊断内容的不断的更新和扩充,并及时将已发生及预测到的的故障写入数据库中,提高了查找故障的准确率及效率,有利于预防和控制汽车起重机液压系统的故障。     

关联维数及其在故障诊断中的应用研究

从工程实际问题出发,论述了分形维数的基本概念和性质,给出了定量描述分形特征的重要参数－－关联维数的计算方法,分析了发动机故障的特点,提出了将关联维数用于汽车发动机故障诊断的技术路线及方法。     

基于迭代形态梯度解调算子的轴承故障检测

针对形态梯度算子结构元素需要单独选择,结构元素选择不当导致故障检测效果不佳的缺点,提出一种不需严格选择结构元素,通过形态梯度解调算子迭代提取脉冲信号的方法。对受到低频干扰的仿真脉冲调制信号和轴承故障信号的分析结果表明,此方法既抑制了噪声又充分突出了故障信号的冲击特征,对滚动轴承故障特征的提取效果更明显。具有计算速度快,不受低频干扰,结果准确稳定的特点。     

基于自适应最优Morlet小波的滚动轴承故障诊断

滚动轴承早期故障信号中故障信息比较微弱常常被强噪声所掩盖,增加了对滚动轴承故障诊断的难度。针对这一问题,笔者提出了基于自适应最优Morlet小波变换的滚动轴承故障诊断方法。首先,利用粒子群优化算法对Morlet小波变换的核心参数进行自适应寻优,在获得最优Morlet小波的同时保证了良好的带通滤波性能;然后,将最优Morlet小波对滚动轴承早期故障信号进行滤波去噪,提高信号的信噪比;最后,对最优Morlet小波滤波信号进行包络谱分析,通过包络谱中的主导频率成分与滚动轴承各元件的故障特征频率对比从而判断轴承的故障位置。仿真数据和实测数据分析结果证明,笔者所提方法能够有效提取故障信号中的特征信息,具有一定的有效性。     

连续小波变换在往复泵泵阀故障识别中的应用

探讨了小波变换在往复泵泵阀故障识别的应用。分析研究表明,通过对测取的往复泵阀箱上振动加速度信号的小波变换,可有效提取泵阀失效的故障信息,结合泵阀关闭位置信号的相位分析,可较为准确地判别三缸泵任一泵阀的故障,该方法用到的测量数据少,具有较为理想的诊断树现场往复泵泵阀状态监测与故障诊断具有重要意义。     

[设备健康管理]深度置信网络在齿轮故障诊断中的应用

针对齿轮传动系统中齿轮等零部件易出现故障或失效等问题,提出了一种基于深度学习理论的齿轮传动系统故障诊断方法。首先利用深度置信网络强大的特征自提取能力,对齿轮传动系统的振动信号进行特征提取,然后通过DBNs的复杂映射表征能力对故障信号进行故障判别。诊断实例表明,若不对齿轮振动的原始时域信号进行特征提取,直接利用DBNs对其进行诊断时,故障识别正确率只能达到 60%左右;如果对时域信号进行简单的傅里叶变换后,再利用 DBNs 对处理后的振动信号频谱进行诊断分析,正确率能达到 99.7%,从而证明了所提故障诊断方法的简易性和有效性。     

基于振动测试的滚动轴承故障诊断技术进展

振动法是滚动轴承最重要的故障诊断方法,其核心在于有效抽取表征故障的特征值。本文重点从信号处理的角度出发,围绕原理、特点及适用范围,对国内外基于振动法的故障诊断方法进行了比较、总结与展望。