自适应冗余第2代小波设计及齿轮箱故障特征提取

针对强噪声背景下齿轮箱故障特征的提取问题,设计了一种提取该类信号时域特征的自适应冗余第2代小波.采用基于数据的优化算法设计每层小波分解的初始预测器和更新器,然后通过对初始预测器和更新器进行插值补零运算,来获得冗余预测器和更新器.第2代小波不需要剖分运算,利用冗余预测器和更新器直接对每层逼近信号进行预测和更新运算,能较好地保留信号的时域特征.采用第2代小波较理想地提取出了齿轮箱发生摩擦故障时的时域调制波形和周期性冲击脉冲,并对得到的细节和逼近信号进一步进行包络解调,从而分离出了故障调制源频率.结果表明,自适应冗余第2代小波对噪声背景下齿轮箱故障特征的提取效果优于其他小波.     

基于提升小波包的往复压缩机活塞-缸套磨损故障诊断

针对往复压缩机活塞-缸套磨损故障微弱信号特征识别问题,提出一种识别该类信号微弱特征的自适应非抽样提升小波包方法(AULSP)。该方法以分解层信号所有样本的预测差值平方和最小为目标函数,算出与信号特征自适应匹配的初始算子,并构造非抽样算子算出下一层各频带信号。对各层细节信号进行阈值处理并重构,对降噪后的信号再进行小波包分解。各分解频带信号长度与原始信号的长度相同,无须重构即可识别时域故障微弱信号特征。用这种方法成功提取了某往复压缩机活塞与缸壁发生碰磨故障时产生的弱周期性冲击信号。     

第2代小波变换及其在机电设备状态监测中的应用

为了解决最佳小波基函数选择的问题，采用第2代小波变换的方法构造小波，从振动信号中提取机电设备故障信息。第2代小波变换与经典小波变换不同，它不依赖Fourier变换，所有的运算在时域上进行，通过设计预测算子和提升算子可以构造具有某种特性的小波。针对机电设备的状态监测和故障诊断，阐述了一种离线设计预测算子和提升算子的方法，通过求解线性方程组确定预测系数和提升系数，并在此基础上构造基于插值细分方法的第2代小波变换算法。在某炼油厂机组的状态监测和故障诊断中，采用该算法有效地提取了轴系不对中的故障信息。     

冗余提升多小波包的构造及其应用

针对提取隐藏在原始振动信号中的弱周期性冲击信号,提出结合冗余提升多小波包(RLSMWP)及滑动窗奇异值分解(SWSVD)降噪的方法。利用提升方案实现具有5阶逼近阶性质的冗余Haar预处理,对信号进行预滤波,获得2重矢量信号。对多小波分解得到的矢量细节信号进行进一步分解,实现冗余提升多小波包变换。对最后一层各输出通道信号进行SWSVD降噪,重构后获得降噪信号。结果表明,RLSMWP与SWSVD相结合具有很好的降噪效果,提取出了隐藏在气阀振动信号中的弱周期性冲击成分;与传统多小波构造方法相比,新方法在时域实现了预滤波、多小波分解、多小波重构及后处理,具有计算简单、节省内存、运算速度快、可完全重构等优点。     

基于小波变换提升算法的二维信号降噪新方法研究

在经典小波去噪中,小波分解的结果与所采用的小波基函数有关,一旦选用不适当的小波基函数会冲淡振动信号的局部特征信息,从而造成原始信号的细节信息丢失。为了克服上述缺陷,Wim Sweldens博士提出了一种使用提升模式构造小波的方法,即第二代小波。文章讨论了一种基于前人成果发展出的二维信号降噪算法,证明了在二维降噪实践中第二代小波算法的优越性。     

基于提升方法的小波构造及早期故障特征提取

针对机械信号早期故障特征的提取问题，提出了一种根据故障特征波形的特点来构造相应小波的方法．该方法以提升方法为基础，通过对初始双正交滤波器组进行提升和对偶提升，来获得不同的提升算子和对偶提升算子，从而构造出具有理想特性的新小波．提取提升后小波分解的高频细节信号在每个信号工作周期中的模极大值，来确定信号发生微弱突变的时刻和位置．工程振动信号分析表明，同其他类型的小波相比，用提升方法构造的小波能更好地匹配机械信号故障特征波形，因此较理想地提取出了某炼油厂重催机组转子不平衡、轴系不对中和轻微碰摩的故障特征．     

一种基于信号相关性检测的自适应小波变换及应用

为了克服传统小波变换的不足,提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法.该方法以第二代小波变换为基础,在小波变换时提供多组备选的预测器和更新器,用变换样本与相邻样本之间的相关性来检测信号的局部特征,并根据相关系数的大小来确定每一尺度上的每个样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.模拟实验和工程应用的结果表明,该方法克服了传统小波降噪方法丢失原始信号局部信息的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.     

基于冗余提升小波包及Volterra级数的机械故障预测方法

针对Volterra级数模型在染噪时间序列预测中精度较低,以及收敛速度慢的关键问题,提出了一种基于冗余提升小波包(Redundant Lifting Wavelet Packet,RLWP)及Volterra级数的机械故障预测方法。首先用冗余提升小波包对振动信号进行分解,对分解得到的末层所有频带信号用奇异值分解进行降噪。然后通过构造二阶Volterra级数预测模型对降噪后的各频带信号进行预测。最后用冗余提升小波包重构算法对各频带预测信号重构,获得预测信号。仿真结果表明:结合冗余提升小波包的多分辨率分析及奇异值降噪,能明显提高Volterra级数模型的预测精度及收敛速度。在工程应用中该方法准确预测出了某离心压缩机的不平衡故障。     

改进的冗余第二代小波包及其故障诊断应用

针对冗余第二代小波包分解存在频带错位与误差积累缺陷,分析了其产生的原因,研究了相应的消除算法,并将频带错位与误差积累消除算法融合,提出了一种改进的冗余第二代小波包变换.该变换既避免了冗余第二代小波包变换中存在的频带错位缺陷,又消除了误差积累缺陷,非常适合于机械故障信号的预处理,并成功应用于直升机齿轮箱故障诊断中.应用结果表明:相比于冗余第二代小波包变换与第二代小波包变换,改进的冗余第二代小波包能实现对信号无频带错位、无误差积累、无频率折叠地分解,能更准确有效地提取隐藏在强噪声和其他强干扰背景下故障特征信息.     

基于双树复小波包变换的空域和邻域联合降噪

针对机械早期故障信号受到强背景噪声影响导致故障特征不明显的问题,提出一种基于双树复小波包变换的空域和邻域联合降噪方法.结合有限冗余双树复小波包变换所具有的平移不变性,分析了不同尺度间变换系数的相关性和同一尺度变换系数邻域之间的相关性特征,借鉴信号增强原理,利用尺度间相关性对变换系数进行取舍,实现信号的增强,并与块阈值方法联合降噪,消除了噪声干扰.仿真与实测信号试验结果表明:本文方法在不同信号和不同噪声水平下均具有良好的降噪效果,尤其是在低信噪比条件下,能够有效抑制背景噪声,突显早期机械冲击故障特征.     

基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及基于多分辨分析的信号小波的分解算法 ,研究了信号局部奇异性在小波变换下的特性 ;根据故障信号的局部奇异性在小波变换下模的极大值及其在不同尺度上的传播特性 ,对 30 8型滚动轴承振动加速度故障信号进行分解 ,对故障特征信号进行时域定位 ,并提取了故障特征频率f=46 .88Hz,这与实际的故障特征频率相近 ,说明该方法适用于滚动轴承的在线监测和故障诊断     

滚动轴承故障程度识别

针对实际运行滚动轴承的故障程度问题,提出一种诊断滚动轴承故障程度的方法.深入研究滚动轴承的故障机理、振动信号的时域特征以及不同程度故障对滚动轴承运行的影响进行了,广泛分析振动特征提取方法和支持向量机的算法,采用了小波包能量法提取状态特征,使用新型二叉树支持向量机的多类分类算法.实验结果表明采用小波包提取状态特征和支持向量机可以滚动轴承故障程度识别,模型的学习、泛化能力强.     

基于稀疏表示的轴承早期故障特征提取

低速重载机械设备中的滚动轴承由于承受巨大载荷,极易出现内外环故障. 在故障早期阶段,反映故障特征的冲击成分很微弱,极易被噪声覆盖而难以识别. 为准确诊断轴承早期故障,提出基于稀疏表示的故障特征提取方法. 该方法利用K-SVD字典训练算法构造出能准确匹配冲击成分的字典,克服了参数化字典缺乏自适应性的问题;稀疏编码过程中,采用批处理正交匹配追踪算法(batch orthogonal matching pursuit,Batch-OMP)对振动信号进行分解,以逼近信号的峭度值最大原则作为分解结束条件,自适应确定出分解次数;最后,通过对重构的特征成分进行包络谱分析得出故障类型. 对仿真信号和轴承振动信号进行故障特征提取,结果表明所提方法能准确提取出冲击成分,验证了其有效性和实用性.      

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.     

小波阈值去噪在烟气轮机信号分析中的应用

由于烟气轮机振动信号中含有大量的噪声成分,常使其非线性特征量的提取不准确,因此将基于阈值的小波去噪应用于烟气轮机振动信号分析中。首先介绍了小波阈值去噪的基本原理、阈值和阈值函数的选择方法,并对阈值函数进行了改进;然后分别对含噪Lorenz信号和实测振动信号进行小波阈值去噪实验,计算了其去噪前、后的关联维数。结果表明,小波分解后,不同尺度上信号和噪声的小波系数的分布规律明显不同,通过对其分析可以合理选择小波分解的尺度;在此基础上对小波系数进行阈值处理并重构,能有效地去除信号中含有的噪声,很好地保存信号的局部特征;去噪后信号的伪相图更加规则,关联维数估计值更加合理。该方法能提高信号分析的准确率。     

Lifting Scheme and Its Application to Edge Detection

0　ＩｎｔｒｏｄｕｃｔｉｏｎＬｉｆｔｉｎｇｓｃｈｅｍｅａｓｉｎｔｒｏｄｕｃｅｄｂｙＷ .Ｓｗｅｌｄｅｎｓ[1] ｉｎ 1996 ,ｉｓａｎｅｗｗａｙｏｆｃｏｎｓｔｒｕｃｔｉｎｇｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｔｈａｔｎｏｔｎｅｃｅｓｓａｒｉｌｙｂａｓｅｄｏｎｔｒａｎｓｌａｔｅｓａｎｄｄｉｌａｔｅｓｏｆｏｎｅｆｕｎｃｔｉｏｎ .ＬｉｆｔｉｎｇａｌｌｏｗｓｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｗａｖｅｌｅｔｓｅｎｔｉｒｅｌｙｉｎｔｈｅｓｐａｔｉａｌｄｏｍａｉｎｗｉｔｈｏｕｔｍａｋｉｎｇｕｓｅｏｆｔｈｅＦｏｕｒｉｅｒｔｒ…     

小波消噪用于钻井泵阀泄露故障诊断

讨论了钻井泥浆泵阀的失效机理,提出影响泵阀寿命的2个主要因素是阀的冲击造成的阀的疲劳点蚀和由泥浆液的刺蚀、犁沟造成的冲蚀磨损。针对钻井泵现场工况,采用声信号进行诊断,泵阀声信号的特征是信噪比低、冲击信号丰富、故障信息的时域特征明显和非平稳性。因此通过对声信号的小波降噪处理,突出了泵阀失效的故障特征,Fourier分析很难达到这样的效果,说明小波分析对这类信号的消噪有着Fourier分析不可比拟的优点,同时通过消噪也为进一步诊断中特征量的提取奠定了基础。     

小波域内瞬时频率提取方法研究

根据振动信号本身的特征,由小波系数模极大值与小波函数的关系,提出了一种在小波域内提取瞬时频率的方法,这种方法比较适合于频率随时间变化的振动信号,把方法用于由碰摩转子模型生成的振动信号,可得到一条锯齿状的瞬时频率曲线,而用短时Fourier变换对该信号,是不能检测出这样的特征,这证明了该方法在瞬时的提取中是很有效的,对实测碰摩信号获得的瞬时频率也显示了这种方法的有效性,在故障诊断和特征提取中有广阔的应用前景。