用振动信号的小波变换监测泥浆泵的吸入状态

将小波变换理论用于泥浆泵吸入状态的监测。研究结果表明，用振动信号绝对值小波分解后的逼近信号可较准确地判断吸入阀的关闭时刻，进而准确地判断泵的吸入状态。该方法可排除随机干扰的影响，具有信号特征简单、监测准确性较高及便于在现场推广应用等优点，在不测量缸压的情况下，较容易实现对泥浆吸入状态的缸外监测。     

气固流化床中静电信号的多尺度分形特征与流型

通过小波分析和R/S分形分析方法,对气固流化床内静电势波动信号进行多尺度分解,研究了信号的分形特征,建立了静电波动信号的尺度划分标准.实验结果表明,在鼓泡流化状态下,静电信号中介尺度的能量分率最高,且介尺度能量分率沿径向由内而外逐渐减小,与床内空隙率的径向变化规律一致.证实介尺度信号与气泡运动有直接的对应关系,各尺度能量分率的变化能够灵敏地指示出流化床内的流型转变,据此可对颗粒的起始流化速度以及起始湍动速度作出较准确的判断.     

电主轴振动加速度信号特征提取

针对电主轴振动加速度信号存在噪声问题,本文研究了利用小波理论进行电主轴振动加速度状态信号的监测处理方法．介绍了电主轴的基本概念和简单结构;分析认为小波理论非常适合电主轴振动加速度状态信号的处理,它是非常重要的理论基础;阐述了小波基本理论以及Mallat算法;最后针对电主轴加速度信号,利用小波理论分析了信号与噪声呈现的不同特性,进行小波逆变换重构信号,解决了加速度信号去噪和恢复,这样可以准确提取电主轴的振动运行状态信息,为科学研究和数控系统的决策和控制提供了很好的依据．     

基于互相关技术与小波分析的模态参数识别

系统地阐述了自然激励技术（NExT）与小波分析在大型机械结构的模态参数识别中的应用,机械系统在白噪声激励下利用NExT方法可得到系统响应信号的互相关信号,并结合改进的Morlet小波对其进行了分析,通过调整小波中心频率及分析信号的长度,可有效地抑制端部效应的产生并能较准确地识别机械结构的密集模态参数,仿真试验的分析结果验证了该方法的可行性及准确性。     

小波包变换在往复泵活塞状态监测中的应用

根据小波变换能同时在时间域和频率域进行局部化信号分析的特点,采用小波包分解、小波包重构及小波包分频带能量监测方法对往复泵活塞状态进行识别,取得了良好的效果。这种方法具有特征参量少、故障特征突出等优点。可以预见,信号的小波包分析将发展为一种可用于往复泵工况监测与故障诊断的特征提取方法     

基于小波包分析的铝合金点焊飞溅研究

提出了在铝合金点焊过程中，采用小波包分析判断飞溅发生的一种新方法。通过对点焊过程中电压信号进行小波包分析，可以获得不同频带中的电流信号时域波形，根据波形的不同形态和特征，判断点焊过程中飞溅的发生。试验证明，利用小波包分析方法可准确判断飞溅发生的情况，因此它可作为一种可靠的方法广泛用于铝合金的点焊质量控制。     

小波减噪和双谱分析在轴承故障诊断中的应用

提出了基于小波减噪技术和双谱分析的滚动轴承故障诊断的方法。利用小波变换及其减噪技术对滚动轴承早期微弱故障振动信号的特征频率进行提取，采用双谱估计可绘出滚动轴承故障信号的特征图谱。实验表明，小波减噪和双谱分析方法可以敏感地监测滚动轴承工作状态，并且利用特征图谱可以有效地识别滚动轴承不同的故障特征。     

基于小波分析的水力机组故障诊断奇异数据还原研究

采用小波变换中奇异信号检测的基本原理,首先检测出信号中的奇异点,将奇异点剔除后再通过处理过的细节系数和近似系数一起重构信号,根据重构信号再对机组进行重新分析。实例仿真结果表明,小波能够正确识别水力机组奇异信号,并对机组信号进行准确重构,基于此可正确认识机组故障并准确描述机组状态。     

车辆传动系监测信号突变与渐变识别

为识别车辆传动系运行状态的变化,讨论利用小波变换处理传动系监测信号,提取信号在时域的突变特征;利用折中阈值法对监测信号进行消噪处理,从而识别监测信号的渐变趋势,并提出了一种阈值改进方案. 从能量谱和特征频率分布的角度,研究了监测信号的变化趋势在频域的表征,并提出了一种解决小波包混频现象的方法. 研究结果表明,利用小波变换能同时在时域和频域上提取出监测信号所隐含的表征系统运行状态变化的信息.     

小波尺度谱在AE信号特征提取中的应用

通过分析典型声发射信号及其特征提取,将小波尺度谱引入到声发射故障诊断领域,首次提出了声发射信号的小波尺度谱分析法。给出了小波基函数及其参数的选取,克服了声发射信号小波尺度谱的时、频分辨率不能同时达到最好的缺陷。将小波尺度谱用于声发射检测的滚动轴承损伤类型及部件的识别,诊断结果十分直观、清晰、准确。仿真分析和实验研究均表明小波尺度谱能有效应用于基于声发射技术的状态监测与故障诊断。     

利用小波变换分析心音信号

心音信号可以用于诊断一些心脏瓣膜和心肌的疾病，心音信号是一种非平稳信号，而小波变换中数字信号处理技术适合于分析非平稳信号。文章阐述了一种利用小波变换分析心音信号的方法。通过对计算机模拟的心音信号的分析实验，分析利用小波变换可以有效地分析心音信号，从而为利用心音信号诊断心脏疾病提供了一种新的方法。     

钻井泵泵阀状态的监测与故障诊断

对钻井泵泵阀故障识别进行了实验研究，提出了一种简单而实用的泵阀故障诊断方法。以位置传感器测量活塞死点所产生的信号为触发信号，可用计算机准确采集到钻井泵泵阀关闭时在阀箱上激起的瞬态响应信号。对该瞬态信号的时域和同步功率谱进行分析后，可较为准确地判别泵阀的工作状态。用该方法可检测出较为明显的故障信息。     

泥浆泵轴承的故障诊断

为了掌握泥浆泵工作状态,测取3NB1300C泥浆泵正常工况和一些故障工况下动力端轴承的振动信号,对其进行共振解调处理后,进一步对所得的时域信号进行频域分析,得到了有价值的检测部件振动规律、一般特征以及故障特征,可用于泥浆泵的故障诊断.     

泥浆泵液力端故障诊断技术研究

通过对现有的泥浆泵液力端故障诊断技术的分析研究,并结合泥浆泵的结构及工况特征,提出了振动信号统 计指标与神经网络相结合的液力端故障诊断方法。该方法选取振动信号的有效值、方差、峰值指标、脉冲指标、峭度指 标和裕度指标作为表征液力端振动信号的特征指标;采用动态数据采集仪、压电式加速度传感器采集振动测试信号, 并计算得出振动信号平均特征量;然后通过对振动信号特征指标的归一化处理,构建BP 网络和设置网络参数,将经 归一化处理后的时域统计指标作为训练样本,输入到构建的BP 网络中进行网络训练;经过训练,使BP 网络满足预定 的精度要求。现场应用诊断误差分别为：0.007 7,0.017 9,0.017 7,0.021 6,说明构建的BP 网络的性能能够满足故障 诊断要求。利用统计指标和BP 神经网络结合的故障诊断方法,对泥浆泵故障诊断具有较准确的识别效果,可应用于 泥浆泵液力端的故障诊断。     

液压系统故障信号的小波包检测方法

提出了一种利用小波包检测调速阀故障信号的方法.通过小波的小波包分析将信号按一定的尺度进行划分,不同频率的信号被划分到不同的频段中.由经过预处理的信号经过小波包分解与重构后,可以得到小波包重构图,由图中可以获得故障产生的时间点和频率,再对故障的严重程度进行了量化分析.实验结果表明用小波包理论进行故障检测是可行的.     

谐波小波在旋转机械故障诊断中的应用

为了对具有非平稳信号的旋转机械的轴心轨迹形状进行识别,提出一种基于谐波小波滤波提纯的方法.谐波小波具有明确的函数表达式,算法实现简单,具有良好的"盒形"频谱特性,能将信号不交叠且不遗漏地分解到相互独立的空间,便于信号特征的提取.采用谐波小波进行滤波提纯,可以将故障信息从原始轴心轨迹信号中分离出来,从而获得轴心轨迹的形状,为旋转机械的故障诊断提供了依据.大量仿真试验表明,该滤波提纯方法简单,具有较强的实用价值.     

在线多尺度滤波多变量统计过程的适时监测

在详细分析现有MSPCA模型不足的基础上,借助在线多尺度滤波(OLMS),提出了一种多变量统计过程的在线监测方法,并将其应用于传感器故障诊断。该方法中,首先在固定窗长的数据窗口内用边缘校正滤波器对信号进行小波分解,然后用小波阈值滤波对分解的小波系数进行消噪,并借助该固定窗长的移动窗口将小波变换和自适应PCA结合起来对数据进行在线多尺度建模,从而避免了直接对信号进行消噪所造成的时间浪费,提高了故障诊断率。最后以6135D型柴油机在严重漏气下的8个振动信号的故障诊断为例进行故障分析,结果表明了所提方法的可行性和实用性。     

基于快速小波变换的信号分析系统

介绍了小波分析中的快速小波变换算法,通过与常用小波基相对应的正交镜像滤波器组,实现了信号的快速小波分解和重构。结合虚拟仪器技术,研制成功虚拟式快速小波变换信号分析系统。经由该系统分析的动态信号,即可看到信号的概貌,又可看到信号的细节,特别能捕获到反映设备重要故障特征的奇异信号以及提纯被噪声污染的信号。     

微弱振动信号的谐波小波频域提取

为解决设备故障检测和故障预报中某些微弱振动信号难以提取出来的问题,在介绍谐波小波变换的优良特性及其基本原理的基础上,给出了谐波小波变换的实现技术.在不减少信息点数的情况下,用谐波小波变换成功地对微弱振动信号实现了频域提取与时域重构,并且实现了强噪声下微弱周期振动信号的频域提取.通过算例和工程实例,说明谐波小波方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波方法和傅里叶分析方法,且在混有强噪声的信号提取中消除了二进小波包仍然存在的噪声泄漏,同时也显示了谐波小波变换的频域保相特性.