基于小波包能量谱及SVM算法的轴承故障检测

针对小波分析在故障诊断时的局限性,将小波分析和支持向量机算法相结合,提出基于小波包能量谱及支持向量机算法(SVM)的故障检测方法.该方法以振动信号小波包分解后各子频带的能量作为故障检测特征,利用SVM算法对轴承故障进行检测实验.结果表明:小波包能量谱能有效地反映轴承信号特征,并对故障进行检测.该方法同基于Lipschitz指数熵、单奇异点检测,以及小波包能量谱与神经网络相结合的故障检测方法进行比较,检测率均优于其他三种常用方法.     

信息熵与广义集合集成的轴承-转子系统故障辨识方法

基于信息融合思想,对描述振动信号能量的3种信息熵测度,即时域的奇异谱熵、频域的功率谱熵、时-频域的小波能谱熵,在轴承-转子系统故障辨识中的应用方法进行研究.在根据广义集合概念对3种信息熵测度进行特征级的信息融合基础上,提出一种基于时空(场)广义信息熵集合的轴承-转子系统故障辨识方法.分析结果表明,该方法具有在三维特征空间图形化描述故障的状态域,使不同故障类别间显示出显著差别的性能,对提高辨识故障的准确率具有参考价值.     

基于Morlet小波变换与SVD的故障特征提取

针对Morlet小波变换结果中的特征提取问题,对连续小波变换得到的小波系数矩阵进行奇异值分解(SVD),分析了所获得的奇异值与Morlet小波变换结果中的特征信号以及噪声的对应关系.基于这种关系,通过选择合适的奇异值进行重构,清晰地提取到Morlet小波分解结果中的有效特征信息;进一步计算得到频率-能量谱,根据峰值位置能够提取冲击特征.将该方法应用于轴承振动信号的故障特征提取,并与其他方法进行了比较.结果表明,文中方法所获得的故障波形非常清晰,在低信噪比时具有较好的故障特征提取效果.     

基于小波的信号Lipschitz指数分析和应用

奇异信号往往带有一些重要信息,一般用Lipschitz指数来描述信号的奇异性.在Mallat等人的基础上讨论了奇异信号Lipschitz指数定义和相关理论基础,同时研究了小波变换与信号奇异性关系和Lipschitz指数的计算.利用信号和噪声奇异指数不同的特点应用于去噪声,文中提出了一种对噪声模极大值对应点周围的小波系数进行非线性压缩后重构信号新方法,仿真实验结果表明,这种方法有着较好的去噪效果.     

电力电子装置周期性故障波形小波矩阵分类法

提出一种基于平稳小波变换和奇异值分解的电力电子装置周期性故障波形的分类方法.该方法利用平稳小波变换的冗余性和奇异值的稳健性.其步骤为:对周期性故障波形进行平稳小波变换,将信号分解到多个小波子空间;将平稳小波变换后的小波系数矩阵奇异值进行分解,即采用K-L变换对子信号进行特征压缩,并以奇异值向量作为特征向量;按照向量的空间距离对故障波形进行分类实现故障的分类诊断.以精确的半导体器件模型建立的PSPICE逆变器故障波形为例,分别用该方法和小波子带能量法对逆变器的IGBT开关故障进行分类.研究结果表明,与采用小波子带能量法相比,采用所提方法能够精确地对22种逆变器断路故障进行诊断,且受小波分解层数的影响较小,分类边界较清晰,其类间距与类内距之比是小波子带能量法的2.5倍,抗噪性能好,正确识别率高5%.     

基于信息融合的支撑座早期松动故障诊断

采用基于信号分析的无模型检测方案和信息融合技术,对支撑座早期松动故障进行检测诊断.针对支撑座松动的小波包变换特征和功率谱特征进行特征融合与决策融合,同时采用基于熵度量的无监督特征约简方法对功率谱特征进行约简,有效地减少了特征数目,加快了融合和诊断速度.特征融合与决策融合采用分层神经网络实现,该网络综合了局部融合和全局融合的优点,具有很高的故障确诊率和很好的抗噪性能,无噪声样本综合确诊率达94.3%,有噪声样本综合确诊率达88.6%.     

一种基于小波包熵的频谱检测算法

为了解决能量检测算法在低信噪比条件下频谱检测性能差的问题,提出了一种基于小波包熵的频谱检测算法.首先采用小波包变换对接收信号进行多层分解,并计算最后一层各节点的重构信号;然后计算各个节点重构信号的小波包熵值;最后选取熵值最小的重构信号作为检测信号进行能量检测.理论分析及仿真结果表明,在低信噪比情况下,该算法可以有效地抑制噪声影响,提高频谱检测性能.     

基于信息熵贴近度的旋转机械故障诊断

基于信息融合的思想，研究了反映振动能量的旋转机械故障状态的各种信息熵特征，如奇异谱熵、功率谱熵、小波空间状态特征谱熵和小波能谱熵．通过转子试验，给出了旋转机械的不平衡、不对中、支座松动、轴裂纹典型故障下的各信息熵的变化范围．根据越相似的模式间距离越短原理，提出采用贴近度来进行模式识别的方法．首先利用贴近度原理和熵带构建了信息熵贴近度模型，其次计算出待识别状态与各典型故障之间的信息熵贴近度值，则对应于待识别状态之间的信息熵贴近度最大的即为待识别状态的故障模式，最后通过实例描述了基于信息熵贴近度的旋转机械故障诊断方法的可行性．     

润滑油磨粒超声回波信号的双树复小波自适应降噪

针对润滑油磨粒含有强噪声的回波信号的问题,采用基于双树复小波变换(DT-CWT)的自适应降噪方法,从而提取清晰的磨粒回波信号. 该方法结合奇异谱分析(SSA)和小波熵理论,分别对双树复小波变换后的近似部分和细节部分进行分析. 奇异谱分析去除了近似部分包含的噪声,同时,小波熵理论能够自适应选取不同分解层上的阈值,实现了细节部分系数的自适应选择. 仿真表明,对于润滑油磨粒超声回波信号的双树复小波自适应降噪,输出信号信噪比(SNR)高、均方根误差(RMSE)小、相似系数(NCC)大,算法运算时间能够满足在线检测要求. 实验分析表明,该方法降低了信号中的噪声,还原了准确的波形特征.      

基于小波包能量熵和随机森林的级联H桥多电平逆变器故障诊断

为了提升级联H桥多电平逆变器故障诊断的准确性和高效性,提出一种基于小波包能量熵和随机森林的故障诊断方法 .首先对级联H桥多电平逆变器的输出电压进行小波包分解,提取小波包能量熵构建故障特征;然后采用主成分分析法对故障特征进行维数约简,以降低诊断模型的训练时间;最后采用经参数调优后的随机森林模型对逆变器故障进行分类诊断.基于Matlab平台,将该诊断策略与传统的基于快速傅里叶变换的SVM(Support Vector Machine)方法以及基于小波变换的BP(Back Propagation)神经网络方法进行对比.仿真结果表明,针对级联H桥多电平逆变器中功率开关晶体管开路故障,基于小波包能量熵和随机森林诊断策略的故障识别率更高,可有效提升故障诊断率至97%左右.     

基于谱熵和多尺度小波的码元速率估计方法

针对实际信号码元速率估计中噪声对估计精度的影响和小波方法最优尺度的选择问题,提出了一种基于谱熵分析和多尺度小波变换的码元速率估计方法。通过谱熵检测有效滤除带内噪声,并采用并行多尺度小波分析和精度函数分析提取最优小波尺度。实验结果表明,该方法的估计性能优于传统小波分析方法,并且在低信噪比情况下具有更好的估计鲁棒性。     

基于小波包相关频带谱能量熵的滚动轴承性能退化评估方法

滚动轴承在使用过程中会经历不同的性能退化状态。提出小波包相关频带谱能量熵以评估滚动轴承初始性能退化程度。以滚动轴承全寿命周期数据为支撑,对数据进行小波包分解,并利用相关系数法提取包含主要故障信息的时频分量,然后沿时间轴计算各频带幅值谱,再计算谱能量熵。通过实验与时域典型指标均方根值（RMS）,以及小波包频带幅值谱熵和小波包频带谱能量熵评估指标进行对比,验证了所提方法在滚动轴承性能退化评估中,对初始故障的评估具有一定的优越性。     

基于熵理论的超声波检测信号消噪与缺陷识别

为消除超声检测信号中大量存在的噪声,提高材料内部缺陷诊断的准确性,采用基于熵理论的自适应阈值消噪算法对超声波信号进行消噪处理.分析了基于Shannon熵的最优小波包基搜索算法,提出了用熵表征信号含噪状态,根据小波能谱熵确定小波包不同分解尺度阈值的基本原理.对含缺陷的斯泰尔发动机曲轴的超声信号处理实验结果表明,这种方法对噪声消除比较彻底,能够获得表征缺陷大小、位置的准确信息,提高了材料内部缺陷定量分析的准确度.     

基于小波最优重构尺度的AUV推进器故障检测方法

针对采用传统小波方法检测外部干扰下自主式水下机器人(AUV)推进器故障时存在的故障检测灵敏度较低问题,提出一种基于小波最优重构尺度确定的AUV推进器故障检测方法,基于小波Shannon熵的小波最优重构尺度确定方法确定离散多层小波分解后细节系数的最优重构尺度,目的是滤除外部干扰等与故障无关信号,并选择故障信息含量最多的最佳重构尺度进行小波单支重构以识别AUV推进器故障特征.AUV实验样机水池实验结果表明,与传统小波方法相比较,所提方法故障检测灵敏度提高了27.78%.     

一种基于边缘检测的图像融合新方法

提出一种新的基于边缘检测的图像融合方法.该方法利用Canny算子进行边缘检测,将边缘检测图像的逻辑值与小波变换进行结合.在小波变换域内,对低频和高频子图像采用区域融合的方法.最后,进行小波逆变换得到融合图像.通过主观评价和包括熵、均方根误差、峰值信噪比和互信息等客观评价标准进行评价,结果表明,基于边缘检测的图像融合方法融合效果较好,对于模糊部分不同的源图像进行融合具有一定的通用性.     

A Fault Diagnosis Method Based on Wavelet Singular Entropy and SVM for VSC-HVDC Converter

The converter is the core component of voltage source converter-high voltage direct current(VSC-HVDC), which is related to the stable operation of the system. The converter has a complex structure where the accuracy of feature extraction is low, and the computation speed of traditional fault diagnosis strategies is slow. To solve this problem, a fault diagnosis strategy based on wavelet singular entropy(WSE) and support vector machine(SVM) was proposed. This method includes fault and label setting, converter fault feature extraction based on wavelet singular entropy, and converter fault classification based on support vector machine. The DC-side voltage signal was used as the detection signal, and the wavelet singular entropy was used for feature extraction to avoid noise interference. The classification is based on SVM. The experimental verification in PSCAD simulation proved that the method has better fault diagnosis ability for various faults and meets the needs of converter fault diagnosis.     

基于小波包熵的船舶轴频电场信号检测

为了有效地从海洋环境电场背景中检测微弱的船舶轴频电场信号,提出了一种基于小波包熵的船舶轴频电场信号检测算法.首先使用小波包变换对测量信号进行多层分解并计算最后一层各结点的重构信号;然后计算各结点重构信号的小波包熵;最后选取小波包熵最小的重构信号作为检测信号进行滑动功率谱检测.通过实测数据和仿真数据对该算法和滑动功率谱算...     

基于电流的芯片级集成电路故障诊断方法研究

随着芯片级集成电路规模的逐渐增大,电路结构越来越复杂,当前故障诊断方法利用电路状态对电路故障进行检测,检测精度低。为此,提出一种新的基于电流的芯片级集成电路故障诊断方法。选择动态电流对芯片级集成电路故障进行诊断,通过Haar小波函数对芯片级集成电路进行预处理。介绍了多重分形理论基础,给出动态电流多重分形谱的计算方法。针对正常芯片级集成电路的动态电流信号求出其多重分形谱,选择一组测试向量对待测芯片级集成电路进行动态电流检测,对得到的数据进行小波变换处理,求出不同尺度下动态电流小波系数的模极大值。依据小波系数模极大值求出多重分形谱,通过其和正常电路多重分形谱之间的差异判断该电路是否存在故障。实验结果表明,所提方法诊断精度高。