一种基于压缩感知和小波信息熵的滚动轴承特征提取方法

为降低滚动轴承在线监测和故障诊断过程中振动信号采集、传输、存储和处理负担,基于压缩感知理论和小波包分析技术,提出一种基于压缩感知和小波信息熵的滚动轴承特征提取方法,用于滚动轴承故障诊断。应用部分哈达玛矩阵采集振动信号实现压缩,通过小波包分解提取滚动轴承状态特征,计算其小波信息熵作为故障诊断特征。在标准数据集上进行振动信号特征提取,并采用四种分类方法完成故障诊断实验,结果表明本文特征提取方法能够在较高的数据压缩率条件下,保持较高的故障诊断精度,适用于滚动轴承在线监测和故障诊断。     

小波分析在齿轮故障诊断中的应用

利用MATLAB语言编程检验了小波分析在齿轮故障诊断中的应用效果,利用双正交小波基(Bior2.4)将减速机箱体的故障振动信号分解到时频域,提取出了齿轮故障信号.同时结合传统的故障诊断方法进一步诊断了齿轮的故障模式.试验结果验证了上述方法综合应用的有效性.     

基于小波神经网络的滚动轴承故障诊断

研究了基于BP神经网络、基于径向基神经网络等的故障诊断方法和原理,并利用小波包分解获得了滚动轴承振动信号的特征向量,进行了详细的故障诊断实验研究,通过实验,比较了基于松散型小波神经网络与紧致型小波神经网络的诊断结果。仿真结果表明,紧致型小波神经网络用于滚动轴承的故障诊断更为有效。     

小波分析在齿轮故障诊断中的应用

利用MATLAB语言编程检验了小波分析在齿轮故障诊断中的应用效果,利用双正交小波基(Bior2 4)将减速机箱体的故障振动信号分解到时频域,提取出了齿轮故障信号.同时结合传统的故障诊断方法进一步诊断了齿轮的故障模式.试验结果验证了上述方法综合应用的有效性.     

粗集理论及其在旋转机械故障诊断中的应用(二)旋转机械故障诊断知识库的形成

旋转机械故障诊断知识库形成的主要环节是信号的采集和信号的分析、整理；在所有的机械故障信号中，振动诊断技术是故障诊断的常用手段，对振动信号实现连续、在线诊断的最重要的数学工具是快速傅里叶变换（FFT）和小波理论。通过对实验的观察，建立转子故障特征向量和故障类型之间对应关系的数据库，为基于粗集理论故障诊断的决策表的形成提供了原始的知识库。     

小波变换技术在电机故障诊断上的应用

电机失效的主要原因是电机轴承故障,以电流信号为基础的谱分析方法,反映故障的谐波分量幅值较小,容易被基频和电流噪声淹没.采用小波变换技术对电机轴承类故障进行诊断,将传感器采集到的振动信号用db10、db1、db5正交小波基进行4层小波分解,并对第1层细节信号d1作Hilbert包络和谱分析.实验结果表明:小波分解方法能够检测出轴承故障的特征频率,db1正交小波基得到的故障频率最为明显,与传统方法相比,小波技术在电机故障诊断中具有很大优越性.     

信号瞬变成分检测与提取及其在故障诊断中的应用

研究基于小波变换的信号瞬变成分检测与提取方法及其在机械故障诊断中的应用 .在分析信号的连续小波变换的模极大值理论的基础上 ,指出连续小波变换系数的模与信号瞬变成分的关系 ;通过分析小波函数的性质 ,分析小波函数对信号的连续小波变换的影响 ;在信号瞬变特征的提取过程中 ,提出基于门限值的特征重建方法 .将该方法应用于齿轮箱振动信号中瞬变成分的检测与重建 .结果表明基于连续小波变换方法能有效检测到信号中的瞬变成分 ,瞬变成分的重建结果有效地表示了机械的故障状态 .     

齿轮箱故障诊断中小波技术的应用

针对齿轮箱故障振动信号的特点,分析了采用傅里叶变换对齿轮故障诊断信号分析技术的不足,提出了采用小波变换的方法提取齿轮箱故障振动信号;通过实例分析,阐明了应用小波变换技术对齿轮箱故障诊断的有效性.     

小波变换在机械故障信号检测中的应用

小波变换由于具有良好的时频局部特性，能够反映信号在局部范围内的特征，是机械故障诊断中信号突变点检测的有力工具。文中阐述了小波变换用于机械振动信号的突变点检测以发现机械故障的方法，根据对振动信号小波变换的系数模极值点来定位突变点，检测机械故障。实例仿真表明，该方法可以发现故障机械振动信号带有的奇异性，实现机械的故障诊断。     

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     

离散小波框架消除瞬态散射回波噪声

利用离散小波框架(DWF)结合非线性软阈值方法对瞬态雷达反射回波信号进行去噪处理。通过对模拟雷达散射回波信号去噪,并与传统的傅立叶方法,样条拟合,标准正交Daubechies小波基,sym4小波基,双正交bior2.2小波基法进行了数据对比,表明该方法对瞬态非平稳信号去噪效果更为明显。     

小波包分析在电气化铁道牵引网故障测距中的应用

参考了小波分析的基础上,采用了小波包分析方法对故障实行定位。由于牵引网故障暂态行波中的高频成分多而复杂,小波分析只能对信号的低频部分进行分解,而没有对高频部分进行分解。于是提出将故障信号经过小波包分析,对高频信号进行了进一步的分解。再结合求导算法和相似性算法对故障信号进行分析。通过实测的数据分析可以得出该方法具有更好的优越性,准确的实现了故障定位。     

Haar小波及其机械故障诊断应用

小波变换是一种时频分析方法，在机械信号处理应用中，基小波常根据其时域波形与被检测的信号成分相似或匹配选择，很少考虑小波其他特性，这种方法并不完善．通过Haar小波说明这个问题，推导了Haar小波连续变换在时问和尺度上的周期性，应用于机械信号处理，有效地提取出故障特征频率．该研究结果开拓了基小波选择的思路．     

基于小波包算法的电力系统故障信号处理

提出应用小波包算法来提取电力系统暂态故障信号的基频分量。正交小波包分析能够将信号的频带分割得更精细，对频带进行多层次划分。本文提出电力系统故障信号的小波包分析方法，就是对电力系统故障信号进行细分，以便更精确地提取基频信号。并且将小波包算法与传统的傅立叶算法进行了比较。如果将小波包算法应用于数字保护，则对于提高电力系统的数字保护的准确性很有帮助。     

小波分析在管道泄漏信号识别中的应用

利用多尺度小波变换 ,把管道泄漏产生的负压波信号作为瞬态信号 ,来识别管道的局部泄漏特征。以光滑函数的一阶导数作为小波母函数 ,研究了管道泄漏特征信号拐点区间的敏感性 ,突出小波变换系数的局部极值性。分析表明 ,检测信号的小波变换系数极值的奇异性准确地反映了管道检测信号的泄漏特征 ,并且从局部描述了管道泄漏信号的瞬态正则性。对各级尺度系数进行了S形曲线拟合 ,此曲线能够完整地描述管道泄漏瞬变特征 ,其拐点区间描述了管道发生泄漏时的瞬变过程。     

小波分析用于钢板孔洞的涡流检测研究

小波的时频局部化和多尺度特性,使其特别适用于信号的奇异性探测和瞬态信号的检测以及强周期性噪声干扰下非平稳信息的提取。将小波分析用于钢板孔洞测量的数据处理过程中,通过以最大信噪比为依据的自定义信息代价函数来获取小波包最优基函数,使重构信号的信噪比大幅度提高,从而确保了钢板孔洞的测量精度与分辨率。实验分析表明,小波分析不仅可用于单孔信号的高效定位提取,而且通过一定的逻辑分析与判断,同样适用于连孔和多孔信号以及存在管道焊缝信号的高效分辨。     

损伤识别系统中小波包信号特征量的提取

基于结构损伤识别系统,构建了耦合神经网络模型,阐述了小波包分析技术的原理和方法,对小波基的选取原则进行了分析和探讨,确定了小波基函数DbN中的N以及小波包分解尺度j;从模式识别的观点对结构损伤识别进行了分析,分析了小波包信号能量特征提取的方法。利用小波包多分辨率的特点,提出了以小波包信号成分能量特征向量为结构损伤识别的损伤特征指标,并在实验中得到了良好的识别效果。     

基于小波变换的奇异信号检测研究

奇异信号的奇异点经常携带有比较重要的信息,它是信号的重要特征之一.证明了小波变换能用来检测信号的奇异性,利用小波变换模的极大值和信号奇异点的关系,可以分析信号局部奇异性.信号局部奇异性用李氏指数来描述.研究了奇异性检测小波基的选择条件.给出了实例分析,结果表明,小波变换在信号奇异性检测和局部化分析方面具有优异特性.     

小波滤波器的统一构造方法与软件

尽管小波分析与应用已十分深入,特别是紧支集上的小波变换已广泛应用在信号处理,如何图象压缩、声音处理,文字识别等领域,但小波基或小波滤波器的构造却是一件十分取艰苦的工作,揭示了紧支集上任意长度正交小波基滤波器统一的解析结构。一种有限步递归构造分解方法可以非常容易地计算出任意 多个参数的正小波基滤波器参数。此后并验证了Ｄｕｂｅｃｈｉｅｓ等人的小波滤波器的构成参数,以及验证了已在具体应用中发挥重要作用的     

瞬态信号波形提取的子波变换方法

提出了一种把子波变换与假设检验结合起来从噪声中提取有用瞬态信号波形的方法。先对瞬态信号加高斯噪声的混合信号进行离散子波变换得到了子波系数，根据假设检验理论确定门限，把子波系数与门限进行比较，如果子波第数大于门限，则保留这些子波系数，否则置为零。