裂纹转子故障诊断的小波时频分析方法

基于局部柔度理论论铰链裂纹纹模型，建立了袭纹转子的动力学模型，得到了裂纹转子与无裂纹转子的数值仿真解，利用连续小波时频分析方法，讨论了裂纹转子与无裂纹转子的小波时频特性，提出了利用小波时频分析方法识别裂纹的新方法，数值仿真研究了采样频率及小波时频分析方法的准确性和有效性的影响，并给出了建议性的采样频率，最后实验验证了该方法的有效性和实用性。     

基于小波有限元模型的转子多裂纹识别方法

为解决旋转结构中多裂纹的定量识别问题,提出了一种基于小波有限元模型的转子多裂纹识别方法.首先从正问题入手,基于区间B样条小波有限元建立转子裂纹的精确辨识模型,利用该模型求解不同位置和深度的裂纹转子的固有频率,通过曲面拟合技术建立裂纹诊断数据库;然后从反问题切入,设计多裂纹识别算法;最后,正反问题相结合,通过等高线法实现转子裂纹位置与深度的定量识别.仿真结果表明:该方法能够高精度地对转子多裂纹进行识别,对工程中旋转结构中多裂纹的定量识别具有一定的指导意义.     

转子叶片裂纹扩展故障诊断实验研究

设计了旋转机械振动监测实验台，通过实验采集了不同裂纹宽度的转子叶片裂纹振动信号，应用小波包分析技术对采集到的振动信号从低频到高频作4尺度小波分解，通过信号的小波包分析谱、信号的小波包分解频段细化图、信号频段小波重构波形对叶片裂纹扩展进行识别、分析，结果表明：叶片裂纹存在高频冲击，并且表现为轻微的颤动、裂纹扩展、振动加剧，当裂纹宽度为叶片宽度的一半时，裂纹迅速扩张，叶片很快断裂．这就为转子叶片裂纹故障的监测与诊断提供了依据．     

小波分析在转子裂纹故障中的应用

为了模拟现实生产中旋转机械出现的转子裂纹故障,在单跨转子实验台上,对含有裂纹的转子系统进行了实验,把采集到的故障信号,利用三维谱振图和小波尺度图结合进行分析.结果表明:两种方法相结合可以更好地揭示裂纹故障信号的频率结构,特别是在1/2临界转速下能检测出能量相对较小的二倍频分量;系统在2倍临界转速时,会产生1/2次谐波共振,随着裂纹的加深,会产生高次谐波,这些频率特征可以作为诊断裂纹故障的一个依据.     

基于小波分析的故障诊断

对信号进行特征提取,是故障诊断的关键。突变信号往往对应着某类故障,如果能对突变信号进行有效识别,就能达到故障诊断的目的。对如何从混有噪声的振动信号中有效识别出突变信号,本文进行了一系列方法研究。     

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。     

小波神经网络在模拟电路故障诊断中的应用研究

对模拟电路提出了一种基于小波与神经网络辅助式结合的故障诊断方法．该方法用小波变换作为模拟电路故障信号的预处理器，大大减少神经网络的输入数目，简化神经网络结构和减少它的训练时间，提高辨识故障能力．在介绍该故障诊断方法的基本原理后。给出了小波函数及故障特征选择的方法．     

转轴裂纹故障诊断

以轧钢机的万向同为例来探讨转轴的理解纹诊断，应用时间序列建模分析法和变分析技术，从理论和实验分析两方面研究了轧机万向接轴裂纹故障的诊断问题，文中以小四忆机万向接轴为例，用线切割机制造了两类８种不同深度的裂纹故障，从信号采集，时序建模到数据分析构成了一整套诊断方法。     

基于小波分析的风机故障诊断

根据故障信号特征和小波变换多尺度分解性质选取小波分解层次,得到能正确地反映风机运行状态的特征向量;参照特征向量的组成方法,提出并构建基于小波分析的韶钢4号风机典型故障特征表。对待检信号选用db10小波进行6层小波分解,利用待检状态的特征向量与典型故障特征表,通过模糊模式识别方法进行风机故障诊断。结合傅里叶分析方法进一步找出风机存在的倍频微弱信号。实际诊断结果表明:振动信号与故障特征表中典型不平衡故障的模糊贴近度达到0.958,从而诊断出实例中风机存在不平衡故障;风机存在0.5倍频微弱信号,据此有利于发现风机与该频率相关的早期微弱故障征兆。     

基于小波变换的滚动轴承故障诊断

论述了小波变换在目前滚动轴承故障诊断中的重要性和实用性,介绍了小波变换的定义、特点及故障诊断的基本步骤,并通过实例说明了基于小波变换的滚动轴承故障诊断方法是准确可靠的。     

基于小波分析的齿轮箱故障诊断

对测取的齿轮箱振动信号进行了离散小波变换，提取了齿轮箱螺栓拉断的故障信息。结果表明，小波变换或小波分析为判断、预防同类事故提供了一种有效的分析手段。     

基于小波神经网络的伺服直流电机故障诊断

研究了直流电机反映潜在故障特征的参数选取方法,并在此基础上建立了基于小波分析方法和BP人工神经网络技术的特征参量-故障映射模型模型。通过诊断结果与实际数据的分析、对比,验证了所建立的故障诊断模型能有效地实现潜在故障征兆提取和故障映射功能。     

基于遗传小波神经网络的电梯故障诊断分析

利用小波分析具有能量分布特征提取的特性和遗传算法优化BP算法的能力,提出了一种基于遗传算法、小波与神经网络的电梯故障诊断方法,并应用电梯故障数据作为实例进行了验证.遗传算法小波神经网络模型诊断速度快、鲁棒性好、故障诊断正确率高.     

基于遗传小波神经网络的变压器故障诊断

电力变压器油中溶解气体的色谱分析是变压器故障诊断的重要方法,通过该方法可以间接了解变压器的运行状态和内部潜在故障.人工神经网络已经成功地应用于电力变压器故障诊断,但学习样本数多和输入输出关系复杂性减慢了网络的收敛速度.为解决此问题,将用遗传算法改进的小波神经网络应用于电力变压器故障诊断,克服小波算法易于陷入局部极小、收敛速度慢等缺点.     

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．     

基于小波包分析的三相感应电动机转子断条故障诊断

转子断条是鼠笼型感应电动机常见故障之一,对定子电流进行信号处理,根据其中（1～2s）f1。特征频率的分量,可以方便地进行故障的诊断．但转子轻微断条或电机轻载时,转差率S很小,（1—2s）f1与f1这两个频率非常接近,用FFT做直接频谱分析时,（1—2s）f1频率分量会湮没在f1频率分量中,从而使检测（1—2s）f1频率分量是否存在变得非常困难,此外,当电机负载波动时,用FFT检测（1—2s）f1频率分量也比较困难．本文采用了基于小波包分析的感应电动机转子断条故障诊断方法,可以很好的解决上述问题,对于感应电动机断条故障的诊断,具有重要意义．     

基于信息融合的集成小波神经网络故障诊断

以非线性Morlet小波基作为激励函数,形成神经元,结合小波变换与神经网络各自的优点,建立了集小波分析与神经网络于一体的紧致型小波神经网络,并给出了具体的算法·基于信息融合技术的思想,从设备故障诊断的实际出发,建立了基于信息融合技术的集成小波神经网络故障诊断系统,即通过故障特征信息的有效组合,用各种子小波神经网络从不同侧面对设备故障进行初步诊断,然后对诊断结果进行决策融合·给出了系统的实现策略和子网络的组建原则·从诊断实例中可以看出,此诊断系统充分利用了各种特征信息,可以有效提高确诊率·     

基于小波包-神经网络故障诊断系统研究

建立了旋转机械故障诊断的神经网络模型，采用小波包分解方法提取特殊频段上的能量作为特征值为神经网络的输入模式，模型具有通用性。并且应用于旋转机械故障样本的识别计算，结果表明该方法在故障诊断中是有效的。     

基于小波变换的飞机电力作动系统故障诊断

电力作动系统是多电/全电飞机上完成各任务操作的最后环节,其工作状态直接影响飞行安全.针对飞机机电作动系统不同部件的故障信息处于不同频带的特点,提出一种基于"能量-故障状态"的故障诊断模式识别方法.通过小波包分解,把原始信号正交分解到不同的频带内,利用各频率成分的变化,选择合适的能量特征向量对各故障目标进行特征提取,从而建立能量变化到各故障原因和类别的映射关系,通过与对应故障特征向量的标准样本进行比较,即可得出电力作动系统当前有无故障和故障轻重程度的结论.通过匝间短路故障诊断仿真实例验证了该方法的正确性和有效性.