基于小波包分析的电机滚动轴承故障诊断

电机滚动轴承发生故障时的信号是非平稳的,小波包变换对故障特征提取有明显的优势,给出了利用小波包对故障信号进行分析的方法。确定轴承参数以及对故障信号的采集,并计算各类故障特征频率,选择小波基和确定最佳的分解层数,之后在Matlab软件环境下对信号进行小波包分解和重构,得到滚动轴承各类故障信号的功率谱,最后把实验结果与计算结果做对比,证实了该方法可以有效地把轴承中的故障信息成分检测出来,从而判断滚动轴承的故障类型。     

基于小波分析的故障诊断

本文通过各种实例，有选择地对信号进行小波分解或小波包分解，并对分解的数据进行处理或重构，最终达到故障信号的检测、信噪分离和信号频带分离的目的，证实了该方法作为故障诊断手段的有效性。     

砂轮振动信号的小波分析算法

砂轮不平衡产生的振动信号是与砂轮转速同频的周期信号，精确获取与转速同频的信号值是对砂轮进行动平衡的前提。由于采集的振动信号中含有频率等于砂轮转动频率的不平衡量信号和它的各次谐波，以及频率不是砂轮转动频率整数倍的非整倍频分量、随机干扰信号等等，对于这样一个复杂信号，要想在线实时提取出振动不平衡量，信号检测问题成为系统设计的一个关键所在。设计应用小波分析算法有效地提取了砂轮的不平衡振动信号，实验和仿真表明，该算法有效，应用此算法构造的砂轮在线动平衡装置取得了满意的效果。     

基于小波分析的柴油机振动信号降噪处理

针对柴油发动机缸盖振动信号信噪比低且呈非平衡特性,对柴油机在工作过程中的缸盖振动信号进行小波噪处理,突出了缸盖在不同时刻受到的激振,为柴油机在线控制和故障诊断提供了进一步的处理和识别的依据。本文对消除柴油机振动信号的随机成分,提高信噪比提出了一种新的方法－小波变换方法。分析中利用3次B样条小波对2135G柴油机的缸盖振动信号按Mallat算法进行分解,运用小波的滤波性能去除随机干扰,对振动信号进行了重构,获得了预计良好的分析结果,显示了小波技术在柴油机信号处理－控制领域的广阔应用前景。     

改进小波算法在滚动轴承故障诊断的应用

在滚动轴承故障诊断中,为了提高诊断的准确率,需要对振动信号进行去噪预处理。小波变换具有良好的时频布局分析能力,在滚动轴承此类非平稳信号的去噪处理中得到了广泛应用。但是传统的阈值函数存在一定问题,影响去噪效果。提出了一种新的小波阈值函数,削弱了传统软硬阈值函数的缺陷,并且与已有的几种改进函数的去噪结果进行对比,证明了上述方法有很高的准确性和有效性,其去噪后的信噪比和均方根误差均优于软硬阈值和其它改进的阈值函数。     

大型水轮机组综合测试系统研制

研制高精度、多功能水轮机组综合测试系统是水电事业发展的需要，华中理工大学与我国多座百万级大型水电厂合作，成功地研制了具有中国特色的水轮机组多功能综合计算机测试系统，为全面开展水轮机组在线监测、性能试验及状态检修创造了条件，为提高我国测试技术水平做了大量有益的工作．     

基于小波分析的汽轮机振动预测研究

针对电厂汽轮机转子振动时间序列的预测比较困难,提出采用小波分解实现趋势预测。小波分解将非平稳时间序列分解成多层近似意义上的平稳时间序列,采用自回归模型对分解后的时间序列进行预测,从而得到原始时间序列的预测值。以某电厂振动信号进行预测结果表明,该算法局部及整体效果优于神经网络模型预测法,验证了该模型对转子振动时间序列预测的精确性。     

小波分析在旋转机械故障诊断中的应用

通过对相关理论的分析证实了旋转机械的故障振动信号基本上是一个复合信号。该复合信号包含多个信号分量，每个信号分量都具有一个单一的频率，每个单一频率都是由旋转机械的旋转频率决定的。如果知道旋转机械的旋转频率，就可以知道这些单一频率。通过对小波理论的分析，证明了在一定的情况下小波分解的频率范围由离散信号的采样频率决定。结合以上理论，提出了一种新的信号检测和分析方法。     

基于小波变换的滚动轴承故障诊断分析

设计了滚动轴承故障模拟试验台,利用小渡变换对检测到的轴承故障信号进行分析,通过分解到各个频段,再经过分析比较故障信号所得出的细节信号,得出基于小波变换的滚动轴承故障诊断方法是可靠准确的,可以应用于轴承的状态检测与故障诊断.     

基于小波包分析及神经网络的汽轮机转子振动故障诊断

根据Bently实验台所采集的碰摩、松动、不对中、不平衡4种典型汽轮机转子振动故障信号,运用小波包分析方法对其进行能量分析并提取故障特征.分析结果表明:小波包分析与信号能量分解的故障特征提取方法,可以获得汽轮机转子振动的故障状态,有较好的故障区分度;另外由于经过小波包分解再重构后所提取的故障特征参数浓缩了汽轮机转子振动故障的全部信息,而BP神经网络具有优良的非线性映射能力,对提取的故障特征参数应用BP神经网络映射,可对汽轮机转子振动故障进行进一步的诊断.诊断结果表明:基于小波包分析及神经网络的故障诊断方法,具有较高的故障识别能力.     

人工鱼群算法的汽轮发电机故障诊断仿真研究

研究汽轮发电机故障准确诊断问题,由于汽轮发电机组故障特征与故障状态间呈现较强的非线性关系,传统的数学模型很难正确识别汽轮发电机的各种故障状态,诊断精度不高。RBF神经网络具有自学习、非线性处理等优,为了提高汽轮发电机故障诊断正确率,建立了一种人工鱼群优化RBF神经网络的汽轮发电机故障模型,充分利用人工鱼的聚群、追尾和觅食行为,对RBF神经网络的参数进行了优化,然后采用优化RBF神经网络对故障进行诊断。仿真结果表明,RBF神经网络可提高汽轮发电机故障诊断准确率。     

基于SA-PSO的小波神经网络汽轮机故障诊断

针对传统小波神经网络的问题,提出了一种基于模拟退火粒子群算法优化小波神经网络并用于汽轮机故障诊断.先使用模拟退火粒子群算法对小波神经网络的参数进行初步优化,再用小波神经网络进行二次优化训练.实验结果表明,所提出的SA-PSO-WNN算法与WNN、PSO-WNN算法相比,网络的训练速度更快,全局搜索能力更强,网络的泛化能力更好,具有很好的实用价值.     

基于膜聚类算法的风机振动故障诊断

在工业环境下,风机振动故障常常需要人工诊断,诊断效率低,不易完成实时计算和在线分析判断。针对上述问题,提出了一种膜聚类算法可用于风机振动故障的在线智能诊断。该算法将膜计算的方法引入到聚类中,并采用概率模型更新种群的方法实现最佳聚类中心的寻优。算法首先在多个数据集上进行聚类实验,实验结果显示该算法克服了常规聚类算法聚类结果不稳定,聚类质量差的缺点。然后将其应用于风机振动故障在线诊断系统中进行仿真测试,结果显示所采用的方法能满足风机振动故障在线智能诊断要求,也可应用于其他各类设备的振动故障在线智能诊断。     

基于Apriori关联规则的汽轮机振动监测与故障诊断

针对火电厂汽轮机发生振动故障时仅依靠振动参数进行故障诊断而产生诊断时间长与诊断的原因与部位不具体的问题,提出了基于关联规则的汽轮机振动监测与故障诊断方法;分析了汽轮机振动故障产生时涉及到的振动参数与热力参数,研究了将热力参数与振动参数关联结合的故障诊断规则,确立了状态运行监测与故障诊断的系统设计思路;通过实际验证证明这种方法具有很强的实用型与可行性,对火电厂汽轮机振动故障设备的研发与改进有借鉴意义。     

基于小波分析的轴承故障诊断和分析

故障特征提取与表示关系到故障诊断的可靠性和准确性,是机械设备故障诊断中的关键问题,而且是机械设备故障诊断的瓶颈所在。应用小波分析理论,针对旋转机械体轴承这种典型部件,对于他们的故障特征进行提取、表示以及判断。     

基于多分辨率分析的模拟电路故障诊断

针对模拟电路故障诊断问题,使用小波多分辨率分析的方法提取电路故障特征,以BP神经网络作为分类器,使用主元分析的方法降低特征维度,改善分类效果.仿真表明,将小波多分辨率分析的方法应用于模拟电路故障诊断是可行的和有效的.     

基于小波分析和支持向量机的模拟电路故障诊断

针对模拟电路故障诊断,采用基于小波分析和支持向量机的诊断测试方法,将方波信号作为输入信号激励电路,对电路的响应信号进行小波分析并提取信号的能量作为故障特征向量,并最终利用SVM的一对一多分类方法实现了故障分类。通过对ITC97中的Elliptical Filter电路仿真验证表明,方波信号能够比单频信号更好地激励电路故障,本文所采用的方法能够有效地应用于模拟电路的故障诊断测试中。     

小波分析在风机叶片振动状态监测中的应用

本文主要讲述了叶片模态振动理论、小波变换的基本原理,利用小波多分辨率分析和小波阈值去噪机理对风机叶片监测数据进行处理,可以更精确地监测风机叶片振动状态,这对于指导叶片避免共振有着重要的意义.