基于信号的正交小波构造及其在电机故障特征提取中的应用分析

本文讨论了小波变换的基本理论及小波函数与信号的相关系数对信号去噪效果的影响。在此基础上提出了基于信号的正交小波构造方法:根据信号的频域特征,对各频带系数进行加权处理,确定多尺度分析的生成元,从而构造L2空间的正交小波函数。应用不同小波函数提取750W整数槽化纤电机的振动信号的故障特征,实验结果表明采用此方法构造的小波函数能更加有效地从强噪声中提取故障特征,从而实现对电机故障的精确诊断。     

基于最优小波基的电机故障信号特征提取研究

小波变换去噪中最关键的问题是最优小波基的选取,使其能够将噪声从原始信号中分离出来。针对电机故障的特点,提出了一种基于信号的最优小波基选取方法。将信号小波变换的能量阈值曲线作为小波基函数的适用性评价指标。通过训练神经网络,选取适合该信号的最优小波基,最后采用平移不变量(TI)小波阈值法实现信号去噪。在此基础上对750W化纤电机进行了测试,实验结果表明,该方法能准确找出适合特定信号的最优小波基。训练后的神经网络可直接用于其它类型电机的信号去噪处理,具有实用价值。     

车间噪声分析与治理

某化工公司ABS车间噪声超标（GB12348—1990）,对该车间内噪声超标的主要原因作了测试和分析。根据测试和分析的结果制定以吸声、隔声等噪声控制技术为主的综合治理方案,应用隔声理论和优化设计理论并结合现场的实际因素对风机隔声罩进行数学模型的建立和参数的确定。从而使车间内的隔声设备更加科学合理。     

基于遗传神经网络的汽轮发电机组故障诊断研究

讨论了汽轮机故障诊断中的特征提取、数据处理和遗传神经网络结构。诊断系统的核心即神经网络分类系统可根据征兆区分不同故障。由于事先不知道故障征兆关系 ,所以诊断系统应有学习功能 ,基于遗传神经网络可满足这种要求。基于此提出的新故障诊断方法并应用汽轮发电机组故障诊断中 ,诊断结果与实际相符 ,从而验证了该方法的有效性和实用性     

重型机械设备磨损故障识别研究

本文根据摩擦磨损规律和磨粒特征建立了标准磨粒谱,提出了基于神经网络的磨粒识别 技术,设计了智能磨粒识别系统。诊断实例表明,用神经网络方法可以准确地识别出重型机械设备磨 损故障类型、程度和部位。     

基于小波包频带能量分析的电机振动故障信号特征提取

本文在分析了小波包分解用于信号特征提取的基础上,研究了基于小波包分解的电机振动故障信号特征提取的频带能量分析法、分析了这种方法的特点,与Fourier分析进行了比较,结果表明该方法优于常规的Fourier分析以电机的不平衡和不对中故障验证了这种方法的可行性,并提出了继续完善这种方法的方案,展望了其应用前景.     

基于人工免疫的多故障耦合模式下电机故障诊断方法研究

针对电机的结构和故障特点,借鉴免疫系统中抗体不仅能被抗原识别,也能被其它抗体识别的特点,对传统阴性选择算法进行改进,建立了反馈免疫算法模型,并将其应用于电机多故障耦合模式下的精确诊断。该算法通过检测器间激励度矩阵反映各个故障间的相互耦合效应,从而获得多故障耦合情况下的电机故障特征;诊断过程中综合分析电机的机械和电气特征可有效避免误诊和漏诊的情况发生,提高诊断的准确率。对JSZ148-4型三相异步电动机的诊断实例表明了本文所提出算法的正确性和实用性。     

基于非线性盲提取的柴油机振动诊断研究

提出一种在振动源个数未知的情况下,采用自然梯度算法分离环境噪声信号的同时提取柴油机早期多故障的方法.通过分析信号的非平稳特性,应用具有自适应时变特征的非线性激活函数,根据归一化峭度判断信号统计特性,从而高效真实地反映设备运行状态.为了有效提取信号特征,探讨不同传感器数量对信号分离精度和故障识别的影响,应用实例诊断出柴油机的磨损和撞击故障.结果表明,该方法可有效消除振动信号采集过程中混入的噪声,同时分离未知个数的故障源,为柴油机多故障识别诊断提供理论依据.     

基于小波与神经网络的说话人身份识别

将小波变换和神经网络结合起来应用于说话人身份识别.通过小波变换提取语音信号的基音周期序列不仅体现了人发声时的生理特点，同时还包含了个人说话习惯等后天形成的特征.所以它能有效地反映说话人的语音特点.应用人工神经网络对基音周期序列进行识别分类以确定说话人身份.实验证明应用人工神经网络进行特征识别直接输出代表说话人身份的二进制编码，可以省去与库中所有数据进行匹配的繁琐操作，同时又能保证较高的正确率.     

低速滚动轴承故障诊断方法研究

低速滚动轴承结构和工作条件特殊,故障机理复杂,诊断难度较大。本文根据低速滚动轴承的故障特性,提出了利用应力波与小波分析进行低速滚动轴承故障诊断的方法。首先以低速运转Cooper轴承系列01B65 EX滚子轴承为例,建立了完好和故障低速滚动轴承的三维整体接触计算模型,运用有限元软件对其进行了比较全面、精确的分析,计算出外圈故障模型的最大应力和应变及各元件之间的接触应力,将发生故障前后的外圈外表面应力应变分布规律以及接触应力分布规律进行比较。然后在应力波实验分析的基础上,选择db6母小波、尺度j=4对实验所采集的数据信号进行小波变换,成功提取了外圈模拟故障的应力波信号特征频率。