基于小波包和极限学习机的汽车发动机失火故障识别

针对缸盖振动信号的非平稳特性,提出了基于小波包相关系数和极限学习机的汽车发动机失火故障诊断系统.首先,对原始信号进行小波包分解,然后计算得到每个样本的能量熵和每个样本各子频带重构信号与原始信号的相关性系数.分别利用相关系数法和能量熵融合峭度的方法建立特征向量,随后输入到BP神经网络和极限学习机中进行训练和测试.实验结果表明,该方法可以有效地反映故障产生的差异并准确地识别单缸失火故障,具有精度高、训练时间短的优点.     

谐波小波分析及其在旋转机械信号分析中的应用

介绍了谐波小波的信号分析方法,通过运用该方法对一些常见的非平衡信号以及离心压缩机试车的振动信号进行分析表明,其分析手段及结果具有较大的实用价值。     

运行转子径向振动的小波信号监测

针对运行转子径向振动的信号监测，介绍了小波分析的基本原理，提出了运行转子异常信号检测的原则。利用该原则，本文对实际转子运行的径向振动信号进行了小波信号监测分析，得出了较好的结论。     

透平压缩机信号监测的二进小波分析技术

介绍了小波分析的优越性,给出了二进离散小波变换的迭代公式,从工程应用角度研究了小波分析的工程实现技术。对压缩机振动信号进行了二进小波监测分析,得到了压缩机原始信号在不同频率段分解的细节信号的逼近信号,并给出了不同频率段压缩机振动信号的瀑布分析图,得到了满意的分析结果。     

小波分析在柴油机监测信号处理中的应用

研究了小波分析在柴油机监测信号处理中的应用,提出了基于小波变换的特征提取方法。在简要讨论了小波变换及基本性质之后,探讨了利用小波分解序列的特征信息量确定信号特征频带的方法,并给出了分析实例。     

小波降噪技术在柴油机故障诊断中的应用

在柴油机的故障诊断中,对其振动信号的分析是柴油机故障诊断的重要手段,但是由于噪声的干扰而使诊断的精度大打折扣,而传统的傅里叶低通滤波降噪方法对于柴油机这样的非平衡复杂振动信号不能起到好的降噪作用。本文采用小波降噪技术,将柴油机缸盖振动信号进行小波多尺度分解,然后分别进行阈值处理,最后进行小波重构,剔除柴油机的噪声信号,提高信号的信噪比,获得了比较理想的效果。     

声发射和小波包分析在损伤状态监测中的应用

为应用声发射技术对结构的损伤状态进行监测与识别,基于小波包分析提出了一种在线损伤监测方法。采用D-S证据理论对声发射信号的小波包能量谱进行多源信息融合得到改进的小波包能量谱,计算Mahalanobis距离构建结构损伤状态判别指标,采用t检验的概率方法考察不同损伤状态下判别指标的变化情况。旋转轴承结构的声发射信号分析结果表明,D-S证据理论能够对声发射信号的小波包能量谱识别样本抽取有效信息,结构损伤状态判别指标具有良好的结构损伤识别能力,能够准确地实现对结构不同损伤状态的识别。     

小波分析在输油泵振动信号消噪中的应用

通过MATLAB语言编程检验了小波分析在输油泵振动信号消噪中的应用效果,可以看出小波分析在输油泵振动信号消噪中有着傅立叶分析无可比拟的优点。     

小波分析和神经网络技术在故障诊断中的应用

介绍了智能诊断技术、小波分析技术及神经网络技术，阐述了小波与神经网络相结合的两种方式——松散型小波神经网络和紧致型小波神经网络。在此基础上，以松散型小波神经网络对刀具故障的在线监测为例，说明了小波分析和神经网络技术对刀具故障进行在线监测，故障预报正确率为87.7％。     

正交小波变换在钻削刀具状态监测中的应用

系统地阐述了正交小波变换的概念和小波多分辨率分析的方法,并对不同刀具状态的振动信号进行分解和重构处理,获得了振动信号在不同频段的重构分量.根据各个频段重构分量在不同刀具状态下的变化特点,进而提取高频段重构分量的功率谱的频域统计值以及[313～625 Hz]频段重构分量的局部极大模线对应的平均Lipschitz指数作为监测特征.实验结果表明:采用上述方法可有效实现刀具状态特征信息提取,较其它方法更加适用于钻削刀具状态监测.     

汽油机“失火”原因及检测方法探析

分析了发动机"失火"的主要原因,介绍了常见的检测方法,为发动机"失火"的检测和故障维修,提供了一定的依据。     

基于小波分析的谐波在线监测系统

针对传统谐波在线监测系统存的结果不准确,无法描述谐波动态变化特点,设计了基于小波分析的谐波在线监测系统。首先设计了谐波在线监测系统的硬件模块,然后谐波在线监测系统的软件模块,依据小波变换分析谐波信号特征,得到的谐波变化率,从而谐波在线监测系统的监测结果,最后采用具体实验进行了谐波在线监测系统性能的仿真实验,由实验结果可知,该系统的谐波监测精度高,可以有效检测各种谐波分量,保证电力系统稳定运行。     

基于小波分析的离心式注水泵机械振动实时监测方法

为保证注水泵机组安全稳定运行,减少管理人员工作量,提出基于小波分析的离心式注水泵机械振动实时监测方法。探究注水泵作业流程与结构特征,结合多种常见故障类型分析结果,构建水泵输入、输出功率与生产效率的动力学模型;考虑到注水泵特性,以压电加速度传感器作为主要监测设备,明确信号采样要求,通过量化处理将模拟信号变换为数字信号,便于信号分析;当监测信号内低频成分丰富时,确定母小波和变换系数,经伸缩与平移处理完成连续小波变换与反变换;当低频分量不足时,引入小波包理论,分割小波空间,合理分解不同频带的信号,保证监测信息不丢失,获取信号特征,实现机械振动实时监测。仿真实验证明,该方法具有较强的信号处理能力,可通过监测信息准确判断出设备故障类型。     

基于角域同步平均技术的内燃机失火故障诊断

在利用缸盖振动信号诊断内燃机失火故障时,由于发动机工作背景噪声复杂,必须消除信号中的非周期分量和随机干扰,保留与发动机工作循环有关的周期分量。为了解决时域同步平均方法在转速波动时振动信号存在的不同步问题,提出了以旋转角度信号作为同步触发基准的角域同步平均技术,对内燃机缸盖振动加速度信号进行了处理,有效地削弱了随机噪声的干扰。分析了缸盖振动信号中不同激励源产生的响应分量与发动机失火故障的关系,利用缸盖振动加速度信号中的各个瞬态冲击响应更加易于识别,能有效地对内燃机失火故障进行诊断。     

车辆报单缸失火或多缸失火案例原因解析

结合维修实例,从故障表现状况检查寻找故障原因,并归纳总结,为车辆其他方面的维修提供一个模板。     

基于小波分析的多通道信息融合技术的研究

在数字信号处理的过程中,以小波分析技术为基础建立了多通道信息融 合的数学模型。通过采集车辆变速箱的多通道振动信号,将测试信号进行小波包分解与重构,对感兴趣的频带进行数据层信息融合,并进行图形显示和分析,获得其测试信号的特性参数。将小波技术与信息融合技术巧妙地结合,这为齿轮变速箱的振动信号分析提供了新的方法。     

基于人工神经网络的柴油机失火故障诊断

车载诊断系统在诊断失火故障时,采用基于曲轴段角加速度和阈值规则相结合的方法,该方法在内燃机高速轻载运行时诊断单缸完全失火工况存在一定的局限性。通过对比分析失火和正常工况下曲轴瞬时转速的幅频和相频特征,提取不同谐次的幅值和相位信息,结合人工神经网络作为故障模式识别工具,得到了一种改善方法。通过台架实验,对此改善方法进行了单缸完全失火、两缸完全失火和单缸一定程度失火的故障诊断测试。结果表明,在实验条件下该方法可以有效识别不同的失火模式,并可在单缸失火模式下实现失火程度判别。同时,该方法通过少量工况数据训练神经网络,即可实现一定转速范围内的失火诊断,可行性强,可用于发动机失火故障在线诊断。     

基于小波包能谱熵的铣削颤振监测方法

针对切削加工过程中容易出现颤振,导致零件表面加工质量降低,本文以铣削加工为研究对象,提出了基于小波包能谱熵的铣削颤振监测方法。信号的采集是一个连续的过程,为避免刀具不参与切削对这种方法的影响,本文提出基于铣削力幅值平方和的方法以识别刀具是否参与切削。试验结果表明,无论对于刀具是否参与切削的识别或者是否出现铣削颤振的监测都能有效的监测。     

基于最近最远距离保持投影算法的发动机失火状态识别

目前的局部保持投影算法(Locality and preserving projections, LPP)只考虑样本点的近邻矩阵,但是对于那些处于与该样本点距离最远处的样本特性并没有做出研究,这些最远处的样本同样具有描述数据结构信息的功能。为了更好地保留数据结构信息,在考虑样本的近邻点分布的同时分析其最远处的样本点分布,即同时考虑样本的“近邻矩阵”和“最远矩阵”,通过二者结合实现数据维数的约简,由此提出基于最近最远距离的保持投影算法(Nearest and farthest distance preserving projections, NFDPP)。将该算法运用于发动机失火状态的仿真数据及实际测试中,通过与主成分分析(Principal component analysis, PCA)、LPP、邻域保持嵌入(Neighborhood preserving embedding, NPE)、线性判别分析(Linear discriminant analysis, LDA)等算法的对比,得出NFDPP算法能够得到更低的识别错误率曲线,证明所提出的NFDPP算法能够有效地识别发动机失火故障状态。     

基于小波变换的引擎故障诊断方法研究

小波分析是近年来迅速发展起来的一门理论,在图像处理和故障诊断等方面都取得了成功的应用。本文从诊断理论和故障信号特点两方面说明对引擎故障信号进行小波分析是引擎故障诊断过程的内在要求;阐述了小波分析的理论基础,得到适合故障信号分析的小波母函数;应用了基于“能量-故障”的引擎故障诊断模式识别方法。通过小波包变换,成功提取了转子振动平台预设故障状态下的特征向量,通过模拟实验验证了该方法的可行性。