基于小波变换的信号奇异性检测的研究

介绍小波变换的基本理论以及基于小波变换模极大值的信号奇异性检测方法,并在MATLAB下进行了仿真实验。实验表明,小波变换有着傅立叶变换无法比拟的良好效果。     

小波奇异性检测在机械故障诊断技术中的应用

信号中不规则的突变部分往往载有设备运行状态特征的重要信息,它是信号重要的特征之一.譬如,在机械故障诊断中,故障通常表现为输出信号发生突变.因而对突变点的检测,通常叫奇异性检测,在故障诊断中有非常重要的意义.文中介绍了奇异性检测的基本原理、典型仿真信号分析,以及在轴承故障诊断中的一例实际应用.     

连续小波用于碰摩信号的奇异性检测及奇异指数计算

把碰摩信号的奇异指数作为判断故障的一个指标,根据小波变换的奇异性检测理论,用小波变换分析了碰摩信号的径向分量,计算了碰 处的奇异指数,得到了如下的结果,即信号在碰摩点处具有奇异性,每个碰摩点在时间－尺度空间上都对应着一条模极大值线,沿着这些线计算Lipschitz指数,其Lipschitz指数一般大于1小于2,而正常振动信号一航不具有奇异性,其Lipschita指数远远大于碰摩信号。     

基于小波分析的切削力信号奇异性检测

利用小波变换模的极大值和信号奇异点的关系,分析了用Lip指数来描述的切削力信号局部奇异性.通过观察奇异点的位置等信息得到切削刀具的磨损情况.通过对实际刀具磨损的在线监测数据分析,证明了采用小波变换检测刀具磨损这一方法的有效性.     

基于小波神经网络的机械故障预测

良好的局部放大特性和多分辨率学习特性使得小波神经网络比神经网络有更强的自适应能力、更快的收敛速度和更高的预报精度。本文构造了一个小波神经网络,给出了基于小波神经网络的机械故障趋势预测方法,并通过对煤矿提升机闸瓦间隙进行故障预测,验证其方法的可行性。     

小波变换在旋转机械故障检测中的应用研究

详述了Fourier变换与小波变换的本质区别,分析了Fourier变换和短时Fourier变换应用于故障检测的不足;介绍了小波变换及其应用于故障检测的优点;指出了小波变换应用于故障检测的理论和方法。     

小波在信号奇异性中的应用

由于信号本身的奇异特性,传统的Fourier在信号奇异性整体表现上具有优势,但是在局部表述上存在不足。利用Lipschitz(Lip)指数和小波变换关系,对信号奇异性作出局部表述。     

刀具磨损的小波检测

通过建立刀具磨损时的切削力信号奇异性指数与刀具磨损状态的对应关系 ,利用小波变换对切削力信号进行分析 ,实现了对刀具磨损的间接测量     

基于小波分析的钢丝绳断丝信号检测

利用漏磁法检测钢丝绳断丝,利用小波变换的变焦特性和局部化性质对检测信号进行了多分辨率分析.结果表明,该方法在奇异信号检测和局部化分析方面具有优异的特性,可以聚焦到信号的细节,适合突变信号的时频分析处理.应用小波变换对钢丝绳断丝检测信号进行了奇异性分析,可以准确判断断丝位置和根数.     

奇异性检测在滚动轴承外圈损伤故障诊断中的应用

以转子动力学、Hertz接触理论和非线性动力学理论为基础,建立了具有表面损伤故障的滚动轴承-转子系统的动力学模型。针对系统在该故障下出现冲击等瞬态信息,利用小波变换对正常和外圈损伤两种情况下的振动信号进行奇异性检测,得出了此类故障的特征。     

基于小波及非线性预测的轴承故障诊断方法

在非线性时间序列预测研究的基础上,提出非线性预测效果的特征提取方法.首先对采集到的足够长轴承数据采用小波变换进行消噪处理及边界延拓,使其满足预测需要的无限长、无噪声的条件,这样延迟时间取任意值均能重构原系统相空间;然后采用基于可预测性的选取嵌入维数的方法确定轴承各种状态信号的嵌入维数,进行相空间重构.应用实验结果表明:该方法提取的特征值能明显地区分轴承各种状态信号,且对数据分段长度的稳定性好,可以作为识别轴承故障的一种新途径.     

小波变换在故障诊断中的应用

小波变换是一种日益获得广泛应用的信号分析方法。介绍了小波变换基本原理和利用小波变化来检测信号的奇异特征的原理,证实了小波变化在检测奇异信号方面的有效性。结果表明基于小波变换的去噪方法是非常有效的。     

基于小波理论的小电流单相接地故障分析

分析了小电流接地系统发生单相接地故障时的运行特点,提出了一种利用一维小波离散变换(多分辨分析)和小波包分析的故障选线、定位方法,在Matlab 6.5环境下,通过Simulink中的电力系统仿真库,建立了相关模型,并进行了仿真验证.仿真结果表明,利用小波分析方法进行系统选线及故障定位,不仅快速、准确,而且适用于多种中性点接地方式,因而具有较为广泛的应用前景.     

基于小波变换的离心风机故障诊断方法

异常振动是离心风机故障的主要表现形式,严重时影响生产运行。引起风机振动的原因很多,本文运用小波变换对离心风机振动故障进行分析,总结出引起离心风机振动超标的主要原因,对故障点进行检修。     

基于信息熵和Haar小波变换的开关电流电路故障诊断新方法

针对开关电流(SI)电路的故障诊断和定位问题,为进一步提高故障准确率,提出了基于信息熵和Haar小波变换的开关电流电路故障诊断新方法。该方法采用伪随机信号激励经蒙特卡罗分析、Haar小波正交滤波器分解和信息熵及模糊集的计算来实现故障特征的提取,以减少信号的冗余。最后构建故障字典,完成各故障模式的故障分类。对六阶切比雪夫低通滤波器进行了仿真实验验证,获得了100%的故障诊断准确率,与其它方法进行比较,实验结果显示了本文方法的优越性。     

小波滤波及奇异性分析在三维表面形貌评定中的应用

在机械加工领域,表面信息对于表面加工的指导作用至关重要。相对于表面二维信息,三维表面结构信息更能充分反映加工表面的实际特征,是热点研究问题。由于测量仪器的机械传动系统和测量环境等震动因素的存在,接触式测量方法得到的表面信号往往包含震动带入的误差信号,而这些信号存在其自身特点——奇异性特征。目前,小波变换是用于信号处理的有效工具。为透彻分析表面信号并剔除震动误差信号,本文介绍了通过小波变换对奇异信号进行检测的原理,并且给出了具体算法。在实验中利用该方法对表面测量信号进行预处理,并用小波滤波将表面结构分解得到粗糙度尺度轮廓,对其三维典型参数进行了计算,并与高斯滤波得到的粗糙度评定参数进行了比对。计算和比对表明小波奇异性分析是有效的,可得到更加合理的评定结果。     

基于小波变换的视频能见度检测算法研究与实现

由于传统能见度仪价格昂贵、架设困难、不能给出道路能见度分布,提出了基于小波变换的视频能见度检测算法.利用摄像机自标定模型恢复图像距离信息,采用小波变换提取图像边缘特征点,使用能见度检测模型提取符合人眼的特征,结合曲线拟合,给出能见度变化曲线.该算法及其系统已在江苏宁常镇溧高速公路上进行试点使用,其结果与人眼及能见度仪检测误差在+10%之内,符合相关国际及国家标准.     

小波理论-近似熵在风机故障诊断中的应用

风机的振动信号是一种典型的非平稳时变信号,具有混沌特征。提出用小波理论的滤波算法对风机原始振动信号进行降噪处理,用近似熵来定量描述风机的工作状态,进而对风机进行故障诊断。通过对风机不同工作状态下振动信号的分析,结果表明,风机在不同工作状态下所对应的近似熵有明显的变化,小波理论近似熵的方法适用于风机故障的检测。     

基于小波除噪和经验模式分解的信号分析方法

经验模式分解是一种自适应分解算法。通过对常见信号的经验模式分解结果进行分析,发现信号中包含的噪声对分解结果影响较大。在此基础上,提出一种小波除噪与经验模式分解相结合的信号分析方法。该方法充分利用小波变换的降噪功能和经验模式分解的自适应分解能力,能真实地反映信号特征,为基于信号分析的故障诊断提供了一种可行的途径。