小波降噪方法在电动机故障信号特征提取中的应用

针对油田电动机运行环境恶劣、结构复杂、故障信号中噪声干扰多的特点,采用基于小波变换的降噪方法对电动机故障信号进行特征提取,克服了传统滤波方法的缺陷,为提高电动机故障诊断的精度提供了一个有效工具。同时给出了一个应用实例。     

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。     

小波方差与小波熵在信号特征提取中的应用

讨论了单一尺度下的小波方差,并结合信息论中信息熵的定义和物理意义,进一步引进了多尺度下的小波熵;分别以频率突变和幅度突变两种仿真信号为对象,分析了小波方差与小波熵在反映随机信号统计特征方面的特点;最后,以一类钻井信号为例,分别利用两种方法分析和提取了信号在强噪声环境下的脉冲特征。仿真和实例说明,相对于小波方差对尺度选择的依赖,小波熵可以综合各尺度的信息,能够从整体上更有效地提取信号特征。     

声信号分析方法在轴承故障诊断中的应用

由于轴承故障声信号的混响及临近的机械设备的噪声,造成声信号的频域分析很困难.通过小波变换原理,对滚动轴承故障声信号进行时频分析.通过对声信号的多尺度分解,分离出由故障造成的声信号突变.实验结果表明,较之以往的时域、频域信号处理技术,该方法对声音信号分解更趋合理,是一种可靠和有效的滚动轴承故障诊断新方法.     

小波分析在轴承故障诊断中的应用

近年来，小波技术越来越成为一种有效的信号处理手段，本文介绍了小波分析在轴承故障诊断中的原理和应用。     

小波分析在滚动轴承故障诊断中的应用

在共振解调技术的基础上，采用小波分析方法对滚动轴承的故障进行了有效的诊断，实例证明，小波分析对处理非平稳信号具有很好的应用效果。     

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。     

连续小波变换在机械故障特征提取中的应用

为解决提取齿轮故障特征时去除外部噪声的问题, 以连续小波变换和自相关系数法为理论依据, 以缺齿齿轮故障为例, 提出了一种齿轮故障诊断方法。该方法能从所测量的含噪信号中确定出故障脉冲所对应的时间节点。利用多通带滤波器进行滤波处理, 可以从提取的故障特征中有效地剔除寄生脉冲。实验表明, 该方法能准确识别断齿振动信号的故障特征。     

应用小波变换尺度谱检测行波暂态信号

介绍小波变换定义、性质和时间尺度分析,研究小波变换的尺度谱检测无噪声和有噪声条件下的行波暂态信号的能力．通过检测尺度谱图的峰值实现对行波暂态信号的检测．对三种小波变换的尺度谱和参数选择进行仿真和比较后表明,选择好合适的小波和参数,即使在较低的信噪比条件下也有相当好的检测效果．与只用小波变换检测相比,尺度谱图法检测表现更好,适应性更强．     

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。     

Applications of Wigner high order spectra in feature extraction of acoustic emission signals

The characteristics of typical AE signals initiated by mechanical component damages are analyzed. Based on the extracting principle of acoustic emission（AE） signals from damaged components,the paper introduces Wigner high-order spectra to the field of feature extraction and fault diagnosis of AE signals. Some main performances of Wigner binary spectra,Wigner triple spectra and Wigner-Ville distribution （WVD） are discussed,including of time-frequency resolution,energy accumulation,reduction of crossing items and noise elimination. Wigner triple spectra is employed to the fault diagnosis of rolling bearings with AE techniques. The fault features reading from experimental data analysis are clear,accurate and intuitionistic. The validity and accuracy of Wigner high-order spectra methods proposed agree quite well with simulation results. Simulation and research results indicate that wigner high-order spectra is quite useful for condition monitoring and fault diagnosis in conjunction with AE technique,and has very important research and application values in feature extraction and faults diagnosis based on AE signals due to mechanical component damages.     

基于深度特征提取神经网络的滚动轴承故障诊断

滚动轴承作为旋转机械的重要组成部分,其运行安全性受到大量关注,但传统的基于信号处理的时频分析故障诊断方法较为依赖专家知识从而难以广泛应用。结合应用较广的卷积神经网络和长短时记忆网络模型的优点-自动提取振动信号的深层特征信息以及可识别所提取的长时连续的振动信号时序特征信息,提出一种深度特征提取神经网络模型,将原始的振动信号作为模型输入,进而通过多层卷积与长短时记忆网络对振动信号进行故障特征信息提取,可以有效提取滚动轴承振动信号中的深层时序故障特征信息,进而准确辨识滚动轴承不同的故障模式,并且避免了复杂的信号预处理与人工进行信号特征提取的过程。通过凯斯西储大学滚动轴承故障实验的10类健康状态数据验证了所提方法的有效性,并对实验结果进行分析,解释了在迭代过程中出现精度波动的可能原因。     

胶合板加载损伤的声发射信号小波包特征提取

为识别胶合板的不同损伤类型,将小波包时频分析与能量谱相结合,提出基于时频和频段能量占比的胶合板损伤声发射信号特征提取方法。结果表明:3层胶合板表板断裂信号以膨胀波和弯曲波模式并举,频谱较宽,能量主要集中在小波能量谱的第1、2、3、4和7频段;5层胶合板表板断裂信号频率单一,幅值较高,以膨胀波为主;整板断裂主要以弯曲波模式为主,频率较低,能量多集中于第1、2频段;脱胶和3层板整板断裂信号波形为膨胀波和弯曲波混合型,弯曲波为主,能量多集中于第1、2、3、4频段。实验表明,频谱、小波包时频、小波包能量谱联合分析,能够识别各种加载破坏形式对应的声发射信号特征。     

LMD和改进小波阈值去噪的轴承声发射信号故障诊断

针对机械故障声发射信号特征提取的问题,提出了一种局部均值分解(local mean decomposition,LMD)和改进的小波阈值去噪相结合的方法;并应用于滚动轴承的故障诊断。首先,把改进小波阈值与三种小波阈值去噪方法进行比较分析。通过仿真信号表明,改进小波阈值方法能更为有效地去除噪声。其次,采用LMD方法将原始轴承故障的声发射信号分解,分解为若干个乘积函数(production function,PF)的线性组合,通过相关系数原则选取能够反映故障特征的PF分量,利用改进小波阈值去噪法对选出的PF分量进行进一步去噪。最后,对去噪后的声发射信号进行包络谱分析,诊断轴承故障的位置。通过滚动轴承单一故障和耦合故障的声发射实验验证了该方法的有效性。     

页岩声发射RA值及其分形特征的试验研究

对页岩进行常规三轴压缩条件下的声发射试验,得到其声发射RA值时间序列,并利用MATLAB编程计算其关联维数,得到分形维数与时间的耦合关系,采用分形理论对其进行分析,以研究页岩在常规三轴压缩破坏过程中的微观机制及其分形特征。结果表明:1)页岩在常规三轴压缩破坏过程中的裂纹为张剪复合裂纹,并以剪切裂纹为主,张裂纹主要出现在峰值强度前后,并且随着围压的升高,张裂纹数量明显减少,这说明围压能够抑制张裂纹的产生。2)页岩声发射RA值在时域上具有自相似特征,具有分形特征,其分形维数演化模式为:上升—突降—波动。3)声发射RA值的分形维数在初期上升,表明岩石内部先是微小裂纹无序扩展,并融合贯通成破裂面,此时分形维数突降,表明裂纹沿破裂面有序地扩展,岩石产生宏观裂纹,预示着岩石即将发生破坏,因此可以将分形维数的首次突降作为岩体失稳破坏的前兆。     

EEMD结合能量特征和小波降噪的轴承故障诊断

为解决在强背景噪声条件下滚动轴承故障诊断问题,开展基于能量特征和小波降噪的总体经验模态分解(EEMD)研究。首先以仿真信号为研究对象,对其进行总体经验模态分解,得到9个固有模态函数(IMF)和1个余项( Res),然后考虑各模态函数的能量特征,将分解后的9个IMF分量与原始信号的能量比作为判断标准,剔除附加5个低频分量,最终得到4个有效的IMF分量和1个余项,与仿真信号相符。在仿真信号分析的基础上,对含噪声信号的滚动轴承故障信号进行故障诊断试验研究,采集信号经小波降噪后,利用总体平均经验模态分解并结合能量特征,得到3个IMF分量和1个余项,然后对3个IMF分量进行包络谱分析,提取故障特征频率157.5 Hz,与滚动轴承故障内圈特征频率157.9 Hz相比,误差为0.25%,说明该方法能很好地提取含有噪声信号的轴承故障信息。该研究为强背景噪声下滚动轴承故障信息的提取提供了一种有效的方法。     

声发射信号处理技术及其在滚动轴承检测中的应用现状

声发射技术在滚动轴承的检测中得到了广泛应用,声发射信号处理是检测中的关键技术问题,常用的声发射信号处理技术有参数分析、波形分析、小波分析、模式识别等等。综述了21世纪以来声发射信号处理技术在滚动轴承检测中应用现状,国内外学者在将各种声发射信号处理技术应用于滚动轴承检测方面做了大量研究且取得了一定程度上的研究成果。需要进一步研究的内容是规范各种工况下声发射信号处理方法并设计标准的声发射信号处理平台。     

噪声环境下基于小波熵的声发射识别

针对声发射技术在旋转机械故障检测中的强噪声干扰问题,提出了一种基于小波熵的声发射检测算法.该算法首先给定一个合理的阈值.对声发射信号进行小波分解.然后进行分帧处理,使信号在较短的时间间隔内保持特性基本不变,从而求出每一帧信号的小波熵.通过比较每一帧信号的小波熵值与阈值的大小,判断该信号为声发射帧还是噪声帧.为了检验算法的检测效果,在转子实验台上获得碰摩声发射信号.并在测试数据上叠加不同信噪比的高斯白噪声和非平稳噪声,进行声发射识别.实验结果表明:该算法具有较高的识别正确率;在低信噪比环境下,通过调整阈值的可调参数可以有效提高识别的正确率.