基于小波变换的振动测试分析系统

在振动测试系统中,经常需要Fourier变换对相关信号进行分析．但对于突变信号,传统的Fourier变换因在时域不能实现局部化,就显得无能为力．小波具有时窗和频窗宽度可调节以及多尺度分析等优点,在特殊信号采集及分析中加入小波分析,会取得更加良好的效果．为此,在振动测试系统中采用小波变换方面进行了大量的工作．     

车辆传动系监测信号突变与渐变识别

为识别车辆传动系运行状态的变化,讨论利用小波变换处理传动系监测信号,提取信号在时域的突变特征;利用折中阈值法对监测信号进行消噪处理,从而识别监测信号的渐变趋势,并提出了一种阈值改进方案. 从能量谱和特征频率分布的角度,研究了监测信号的变化趋势在频域的表征,并提出了一种解决小波包混频现象的方法. 研究结果表明,利用小波变换能同时在时域和频域上提取出监测信号所隐含的表征系统运行状态变化的信息.     

电网调度自动化系统中网络流量的小波分析应用研究

为了保障电网调度自动化系统中的业务正常运行,电网调度自动化系统中网络流量的异常检测至关重要。本文提出了一种基于滑动时窗的小波变换网络流量异常检测算法。该算法通过对网络流量数据进行Haar小波变换,获得细节信号,利用正态分布的法则判断是否存在异常。通过将算法实际应用于贵州电网调度自动化运行管控系统,针对系统中所监控的正向隔离装置网络流量数据进行实时分析,证实了算法的正确性和可行性。     

小波变换在电力系统故障暂态信号中的应用解析

小波变换理论在时域和频域的局部化性质,使之能有效地检测信号的奇异性.文章分析了电力系统故障暂态信号的奇异性,得出其奇异的特殊性,即具有不确定的奇异度,从而提出用小波变换进行奇异检测时对所用小波函数的要求,确保奇异性的准确检出,并给出了故障时刻检测的仿真.     

基于卷积神经网络的轴承故障诊断研究

针对复杂工况下的采煤机摇臂轴承故障诊断,以经典AlexNet为基础,为适应一维时域信号,采用滑窗法,以滑窗长度150 ms,移动步长120 ms构建样本,建立一种由池化层和多级交替卷积层组成的轴承故障诊断模型1CNN,可完成原始输入信号特征的自适应提取,并通过全连接层分类识别轴承故障.为验证1CNN模型故障诊断率,利用...     

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.     

小波分析在控制系统故障诊断中的应用

目前,控制系统均是基于传感器和执行器工作的,而传感器和执行器的故障已成为导致控制系统失效的主要原因.故障诊断就是要从系统的复合信号中,采用分离或突出或局部放大故障信号,使故障信号易于被人们发觉.因而需要对其相关信号进行分析,借此诊断出系统内部的故障.而小波变换利用平移和伸缩下的不变性,以提供信号在时域和频域的局部描述,从而求出该信号的奇异点.仿真实验结果表明利用小波变换的奇异点检测在控制系统故障诊断中具有优越性;据所提出的诊断结果修正方法,可提高诊断的可靠性.     

一种自适应频率窗经验小波变换的滚动轴承故障诊断方法

为解决强背景噪声下经验小波变换(EWT)难以准确提取滚动轴承故障特征的问题,提出了一种自适应频率窗EWT方法。首先对轴承故障振动信号进行傅里叶变换,引入一个带宽可变的滑动频率窗对其频谱进行分割;然后利用水循环优化算法(WCA),通过所提出的包络谱谐波噪声比指标,自适应确定滑动频率窗位置;最后进行EWT筛选出最佳的模态分量信号,通过包络解调分析提取轴承故障特征信息。采用所提方法对滚动轴承故障实验信号进行分析,结果表明,该方法可以有效用于滚动轴承微弱故障特征的提取,而传统EWT方法因为受强背景噪声影响较大,无法准确提取故障特征信息。     

钻孔灌注桩声波检测信号的小波变换分析与研究

钻孔灌注桩声波信号不平稳且离散,其中含有大量反映桩基础内部结构特征的信息.传统处理方法没能很好地同时分析信号的时域特征和频域特征,尤其在检测信号微弱时更是如此.由此,引入阈值小波变换与傅里叶变换对声波信号进行时频分析,分别对几种常用小波基函数,在不同参数条件下将分解重构的信号与原始信号进行比较,并选定最佳小波基函数,对...     

滑窗平均值的序分量检测算法研究

针对传统时域序分量检测算法的不足,在频域上提出一种基于滑窗平均值的Fourier分析算法.该算法通过对三相输入信号进行连续滑动平均加窗的Fourier运算,分解出基波相量的实部分量和虚部分量后,利用对称分量法计算基波相量的各序分量.由Matlab仿真结果可知,基于滑窗平均值的Fourier算法对序分量的检测,动态性能稳定,准确性和实时性高.     

Identification of Transient and Permanent Faults

A new algorithm was developed for arcing fault detection based on high-frequency current transients analyzed with wavelet transforms to avoid automatic reclosing on permanent faults. The characteristics of arc currents during transient faults were investigated. The current curves of transient and permanent faults are quite similar since current variation from the fault arc is much less than the voltage variation. However, the fault current details are quite different because of the arc extinguishing and reigniting. Dyadic wavelet transforms were used to identify the current variation since wavelet transform has time-frequency localization ability. Many electric magnetic transient program (EMTP) simulations have verified the feasibility of the algorithm.     

基于SRFFT算法的快速小波变换谐波检测法

为快速准确的提取谐波分量及克服传统的FFT方法无时域局部性的缺点,提出一种基于复序列加窗插值分裂基快速傅里叶变换算法(SRFFT)的快速小波变换谐波检测法,以便准确快速的提取谐波.该方法采用凯瑟窗函数作为窗函数,通过改变β值和采样点数在主瓣宽度与旁瓣衰减之间进行选择;运用SRFFT算法、Mallat算法以及离散小波变换(DWT)算法对信号进行快速分解及重建.模拟分析结果表明,该方法运算精度很高,可以快速准确的提取谐波信号参数.     

一种新的基于小波分析的变压器励磁涌流判别方法

文章提出了一种基于小波理论的区分励磁涌流和短路电流的新方法,利用Harr小波变换进行励磁涌流特征提取,通过分析励磁涌流和故障电流的有效小波系数比的差别,提取有效小波系数比作为特征量,可以可靠地区分励磁涌流和短路电流,该原理判别速度快,可靠性高.     

一种新的感应电动机转子断条故障检测方法

该文提出一种基于Hilbert模量频谱分析的感应电动机转子断条故障诊断的新方法.该方法是将Hilbert变换和小波分析方法相结合,得到解析小波变换,以准确判定负荷波动发生时刻,消除了负荷波动对断条故障特征频率的影响.将Hilbert模量定义成原始信号与其共轭信号的平方和,利用Hilbert模量将原相电流中的基波成分转换成直流成分,将转子断条的故障特征分量——(1-2s)f1转变为频率为的电流分量,解决了相电流频谱分析方法中断条故障特征分量很容易被基波淹没而难以突出故障特征分量的问题.仿真分析表明,该方法能克服传统的电流频谱分析法的缺点,对感应电动机转子断条故障给出正确无误的诊断结果.     

基于小波变换的神经网络容错控制研究

提出了一种基于小波变换的网络容错控制器,并把该容错控制器嵌入正常控制系统中.基于小波变换的故障检测器实时进行检测,无故障时采用常规控制器;检测出有故障发生时,就激活容错控制器自动替代原控制器,维持系统的正常运行,并进行了仿真试验.     

基于Lipschitz指数熵的轴承故障检测方法

针对利用小波奇异点进行故障检测无法克服噪声影响的不足,提出采用Lipschitz指数熵作为特征进行故障检测.该方法以信号在小波域上分解形成的Lipschitz指数谱向量的熵值作为故障的诊断特征,建立了基于Lipschitz指数熵的故障检测模型,并提出了基于粒子群优化的特征阈值选择方法.将该方法同基于小波能量谱、小波包能量谱熵特征和小波奇异点检测的方法进行比较,实验结果表明采用Lipschitz指数熵作为特征都能有效克服噪声影响,在检测时间及检测率上较另外3种方法有显著提高.     

基于分形和神经网络的柴油机振动诊断方法

提出了一种基于分形理论和神经网络技术的柴油机振动诊断方法,首先对柴油机的振动信号进行小波降噪,然后提取相应的不同迭代阶数的广义分形维数,并将其作为RBF神经网络的输人参数,以运行工况作为输出参数训练神经网络模型．训练后的神经网络可以利用测量的振动信号来判断柴油机的故障状况．实验及仿真结果表明：采用的小波降噪技术可以较好地再现振动信号特征,有效提高故障识别率;同时基于分形和神经网络技术的诊断方法在柴油机故障诊断中是有效可行的,对于单个故障的正确识别率达到了100％,具有较高的工程适用性,对其他复杂机械的振动诊断同样具有参考价值．     

用提升小波变换提取诱发脑电

提出了一种利用小波分解和重构进行诱发脑电信号的有效提取方法.改变了小波变换的Mallat算法运算量较大,难于满足某些实时性较高的系统需求,采用提升小波变换进行诱发电位的提取,其运算量只有传统方法的一半左右,有助于提高系统的实时性.实验结果表明:用提升小波变换提取诱发脑电信号,能有效的改进实验曲线的信噪比、缩短信号的处理时间,将可以提高BCI系统的通信速率.     

Discrete wavelet transform-based fault diagnosis for driving system of pipeline detection robot arm

A real-time wavelet multi-resolution analysis （MRA）-based fault detection algorithm is proposed. The first stage detailed MRA signals extracted from the original signals were used as the criteria for fault detection. By measuring sharp variations in the detailed MRA signals, faults in the motor driving system of pipeline detection robot arm could be detected. The fault type was then identified by comparison of the three-phase MRA sharp variations. The effects of the faults were examined. The simulation results show that this algorithm is effective and robust, it is promising for fault detection in a robot＇ s joint driving system. The method is simple, rapid and it can operate in real time.     

高密度小波变换在滚动轴承复合故障诊断中的应用

针对目前滚动轴承中多种微弱故障难以准确识别的难题,提出基于高密度离散小波变换和包络谱的滚动轴承复合故障诊断方法.首先对采集的轴承振动信号进行高密度离散小波变换;然后对各尺度上的小波系数和尺度系数进行单子带重构,以消除频率混叠的影响;最后对各子带信号分量进行包络谱分析,并通过滚动轴承各典型故障的特征频率,识别滚动轴承存在的各种故障.将所提方法应用于具有复合故障的滚动轴承的诊断,并与其他常用的诊断方法进行对比,结果表明该方法能有效地实现滚动轴承早期复合故障诊断.