基于小波包分解的滚动轴承故障诊断

提出了一种基于小波包分析的滚动轴承故障诊断方法用于实现滚动轴承早期故障的检测.该方法的诊断过程如下:对轴承原始振动信号进行频谱分析,获取振动信号能量集中的频段.根据频段的范围和振动信号的采样频率确定小波包分解的层数.采用小波包分解的方法提取滚动轴承振动信号中能量集中的频段并生成相应的重构信号,对重构后的振动信号进行Hilbert变换和二次频谱分析.通过对比轴承故障的特征频率和二次频谱中的特征谱线判断轴承是否有故障及其发生位置.运用上述方法对具有外环故障的滚动轴承进行了实验研究并成功地实现了滚动轴承外环故障的检测.实验结果表明基于小波包分析的诊断方法可以有效诊断出滚动轴承的早期故障.     

小波分析在气缸密封性故障诊断中的应用

论述了从检测燃机起动电压波形来分析气缸密封性的实验方法；并解决了轻微气缸密封性故障不易诊断的难题。通过小波多尺度分解，剖析了起动电压信号的本质，并对其进行除噪和重构。选择代表性Gaussian小波对除噪后的信号进行连续小波变换，利用小波系数绝对值分布灰度图和高阶代频逼近信号来实现故障辨识。     

小波包分析在变速箱故障自动诊断中的应用

小波包分析技术能有效地在宽频带范围内提取振动信号的有用成分，便于实现拖拉机变速箱故障的自动诊断．分析了小波包分析原理和BP人工神经网络拓扑结构，研究了小波神经网络在变速箱故障自动诊断应用中的几个关键问题，提出了相应的解决方法．运用小波包分解与重构技术将振动信号分解到不同的频段内，并将其能量归一化，实现故障特征信息的自动提取，然后在此基础上建立以小波人工神经网络为框架的拖拉机变速箱故障自动诊断系统，并对“东风8l—A型”手扶拖拉机变速箱的故障信号进行特征提取，取得了较好的效果．     

基于小波分析的联合变换相关器在图像处理中的应用研究

基于小波分析的联合变换相关器在图像处理中的应用研究李骏（大连理工大学物理系１１６０２４）小波分析是图像和信号处理与分析中的有效工具，在数据压缩、多分辨率图像处理与重建、地震波信号分析、模式识别、神经网络、奇异性检测、设备故障诊断、语音信号识别与合成、...     

小波包尺度图在故障检测中的应用

提出了一种基于小波包尺度图的故障检测方法，该方法通过对振动信号进行小波包分解，然后利用其尺度图作为特征量来识别设备工作是否正常，并确定其故障频率，通过对一组不同情况的机械振动信号进行分析，结果表明该方法有效可行，并且适用于其它类似问题的监测和诊断。     

基于联合特征的风电机组故障检测

为了提高风电机组的运行可靠性,有必要对风电机组的故障信号进行实时采集并分析.在风电机组的故障检测诊断技术中,有语音信号诊断技术、振动信号诊断技术、电量参数诊断技术,振动信号诊断技术相对于其它诊断技术能更好地反映风电机组的实际工况.提出一种基于小波分析的联合特征提取方法,结合BP神经网络对风电机组的故障进行分析和诊断.以风电机组齿轮箱故障诊断为例,通过频谱分析和模式识别,发现基于联合特征的分析相对于单特征提取在一定程度上提高了诊断精度.     

煤矿通风机故障诊断的小波包方法

针对常用的时域和频域分析在诊断通风机故障时存在不能同时诊断出故障时间和类型的瓶颈问题,提出基于小波包分解的煤矿通风机故障诊断方法.在分析通风机故障特征的基础上,利用时频两域都具有表征信号特征能力的小波,对采集来的通风机振动信号进行小波包分解,利用分解的小波系数,在各个频段上进行小波信号重构,并计算信号各个频段的能量特征值,提取故障特征,诊断故障发生的时间和故障类型.经实际验证,小波包分解能将故障信号有效的划分到不同的频段内,而且时域和频域局部化特性好,能有效的诊断出通风机故障,具有良好的理论意义与工程应用价值.     

采用小波变换的光伏串联电弧故障检测

建立光伏系统电弧故障实验平台,利用光伏模拟器仿真不同天气环境下的光伏阵列,对光伏系统中串联电弧故障信号进行检测和分析.采用小波变换的方法对串联电弧故障信号进行特征频带提取,并利用移动时间窗方法统计信号在小波分解后的高频系数的能量值,用其表征电弧故障信号的杂乱度和混沌度.研究结果表明:该检测方法为快速准确地诊断串联电弧故障提供有效判据.     

基于小波分析的汽轮机振动故障信号的检测

本文利用小波分析技术在故障信号检测中的应用进行了研究，针对消噪阀值的选取，采用了一种基于非线形浮动阀值的汽轮机振动故障信号的消噪与检测方法，检测结果表明，在故障检测前先对故障信号进行消噪。有利于提高汽轮机振动检测的准确性．     

奇异性检测理论及其在电力系统中的仿真应用研究

由于小波变换不仅具有良好的时频局部化特性 ,而且还可以根据信号频率的变化自动调节时频窗口 ,因此利用小波变换可以有效地检测出信号的奇异性特征。文章在分析电力系统暂态故障信号的奇异性和小波变换奇异性检测基本原理的基础上 ,得出电力系统暂态故障信号奇异性的特殊性 ,从而提出利用小波变换进行故障暂态信号奇异性检测的算法 ,并且给出了仿真研究结果     

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 .     

基于小波变换的电力计量系统故障信息提取研究

根据高压电力计量系统故障信息情况,提出了一种基于小波变换技术对故障信号进行分析的方法.通过外加激励信号对高压电力计量系统故障进行检测,利用截频性能出色的dmey小波对故障信号进行4级小波分解,根据小波分解后的信号频带对应关系,保留检测信号所在频带的波形数据进行重构并分析研究.试验结果表明该方法能够有效地消除杂波干扰,准确地提取出相关故障的信息.     

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.     

基于小波奇异性和神经网络的高压断路器机械故障诊断

将小波奇异性检测理论与模糊神经网络相结合应用到高压断路器机械故障诊断中,这是一种新的方法.实验结果表明,该方法较之小波奇异性检测有更好的效果,提高了诊断的准确性和精度.     

粒子群优化算法在齿轮箱振动信号去噪中的应用

 以振动频谱分析和粒子群优化算法为主要理论依据,以风力涡轮机齿轮箱为例,提出一种基于一维加速搜索算法和粒子群优化的齿轮箱振动信号去噪方法。利用一维加速搜索算法缩减搜索范围,应用粒子群优化算法提升优化效果,对切比雪夫带通滤波器和Morlet小波滤波器的设计参数进行优化,并对齿轮箱故障振动信号进行滤波处理。仿真实验结果表明,此方法能够实现快速有效滤波去噪,适用于齿轮箱实时故障诊断的研究,具有一定的理论研究价值和实践应用价值。     

一种新的小波包算法在机械故障诊断中的应用

小波变换由于其良好的时频特性,已广泛用于旋转机械、往复机械、齿轮、轴承等的状态监测和故障诊断中。它能将信号中不同的频率成分分解到互不重叠的频带上,为信号的信噪分离提供了有效途径。在此基础上,我们又引入了小波包分析,它能够为信号提供一种更加精细的分析方法,它能将频带进行多层次划分,对小波分析没有细分的高频部分进一步分解。本文提出了一种新的小波包算法,应用于工程中信号的噪声消除。     

小波基时频特性及其在分析突变信号中的应用

在机械设备的在线检测和故障诊断中,振动信号分析是十分重要的手段。包含在振动信号中的突变信号是重要的特征信息。小波分析在在线检测和故障诊断中已逐渐得到了广泛的应用。但采用不同的小波基,分析结果有很大的差异。笔者通过对小波基时频特性进行分析比较并结合故障分析实例和仿真结果,总结了选择合适小波基的一些方法。     

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     

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.     

基于嵌入式的航空发动机监控模块设计

为了航空发动机安全可靠地运行,需要对其进行故障监控,及时消除故障;探讨了嵌入式操作系统的移植,并应用到航空发动机故障监控上;利用小波分析方法来实现对故障信号特征的提取.基于小波去噪原理,通过选取适当的小波函数,对故障信号进行分析和处理.通过对航空发动机喘振故障实际测量数据的分析,表明该模块可以监控喘振故障的发生.经过多组喘振故障数据试验证明试验结果满意,对航空发动机喘振故障的实时监控有重要意义,具有良好的应用前景.