改进的冗余第二代小波包及其故障诊断应用

针对冗余第二代小波包分解存在频带错位与误差积累缺陷,分析了其产生的原因,研究了相应的消除算法,并将频带错位与误差积累消除算法融合,提出了一种改进的冗余第二代小波包变换.该变换既避免了冗余第二代小波包变换中存在的频带错位缺陷,又消除了误差积累缺陷,非常适合于机械故障信号的预处理,并成功应用于直升机齿轮箱故障诊断中.应用结果表明:相比于冗余第二代小波包变换与第二代小波包变换,改进的冗余第二代小波包能实现对信号无频带错位、无误差积累、无频率折叠地分解,能更准确有效地提取隐藏在强噪声和其他强干扰背景下故障特征信息.     

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。     

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。     

小波包与神经网络在滚珠丝杠故障诊断中的应用

针对滚珠丝杠在数控机床运转中的噪声信号,提出一种分段重叠预处理信号方法,并在此基础上研究了采用无频带错位小波包算法提取故障特征向量的方法;然后利用所提取的特征向量作为故障样本对3层BP神经网络进行训练;最后利用训练所得到的权重值实时进行故障判断.实验结果表明利用上述方法能实现对滚珠丝杠润滑不良和润滑良好2种情况下噪声的...     

小波包变换在往复泵活塞状态监测中的应用

根据小波变换能同时在时间域和频率域进行局部化信号分析的特点,采用小波包分解,小波我重构及小波包分频带能量监测方法对往复泵活塞状态进行识别,取得了良好的效果。这种方法具有特征参量少,故障特征突出等优点,可以预见,信号的小波包分析将发展为一种可用一     

基于零相位非抽样小波的微弱特征提取

为消除正交小波非对称性引起的非线性相位对分解结果的不利影响,结合零相位滤波原理与非抽样小波变换,提出了一类具有零相位特性的小波非抽样分解算法——零相位非抽样小波变换.为了降低零相位非抽样小波变换的计算量,采用基于重叠保留法与圆周卷积相结合的快速卷积算法代替传统卷积算法.零相位非抽样小波变换不仅克服了Mallat算法中因隔点采样环节造成的平移可变与频率折叠等诸多缺陷,也消除了传统非抽样小波变换分解结果出现移位与畸变的不足,非常适合于微弱特征提取.通过电机轴承故障诊断实例分析证实了该算法可用于提取微弱故障特征.     

小波包变换在往复泵活塞状态监测中的应用

根据小波变换能同时在时间域和频率域进行局部化信号分析的特点,采用小波包分解、小波包重构及小波包分频带能量监测方法对往复泵活塞状态进行识别,取得了良好的效果。这种方法具有特征参量少、故障特征突出等优点。可以预见,信号的小波包分析将发展为一种可用于往复泵工况监测与故障诊断的特征提取方法     

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.     

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.     

基于正交小波包遥感图像融合算法研究

正交小波包分析能够将信号(图像)频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,从而提高了频率分辨率,能有效地提取特定的频率成分。首先推导了小波包分析的基本原理,并给出了基于正交小波包分析的遥感图像融合算法,最后,通过实例说明正交小波包分析的有效性和优越性。     

一种基于小波的数字调制信号识别算法

小波包变换理论上可以实现信号频带的均匀划分,从而更好地提取信号的时频特征.作者首先介绍了卷积型小波包算法,然后分析了三种主要的数字调制信号的小波变换特征,提出了一种基于小波的数字调制信号识别算法,仿真结果表明该算法能够识别典型的数字调制信号,而且具有较好的抗噪声性能.     

双模噪声背景下多阈值小波包在信号消噪中的应用

针对一类非高斯噪声——双模噪声信号进行消噪时,传统小波变换和小波包变换在选取恰当阈值准则及阈值量化时存在困难,通过详细分析双模噪声信号结构及频率分布特征,在将小波包分解频带按照频率顺序排列且通过比较最底层子空间节点能量大小的基础上,提出一种将频带进行多分段的多阈值小波包消噪方法.实验结果表明:在双模噪声且信噪比相同情况下,该方法比传统的多尺度小波软阈值、小波包自适应阈值消噪效果都优越,是一种非常有效的信号消噪方法.     

改进小波包的滚动轴承故障诊断

小波包分解可以提高信号频率分辨率,但子带信号会出现虚假频率成分,造成严重的频率混叠现象。运用小波包的改进算法和经验模态分解相结合,来检测诊断滚动轴承故障的特征。首先,应用快速傅里叶变换和快速傅里叶逆变换对小波包各子带信号进行处理,并调整滤波器组使子带频带顺序排列。提取含故障频率的子带信号对其进行经验模态分解,以互相关、峭度准则提取故障本征模函数分量,可以避免本征模函数分量选择的盲目性。对仿真信号分析和实例分析的结果表明:该方法能够准确地检测出轴承故障,从而突出该方法的有效性。     

基于小波包的变换域通信系统窄带干扰抑制技术

为了使变换域通信系统(TDCS)能够对窄带干扰频率进行精确定位,提高生成的基函数的频带利用率,提出了一种基于小波包变换的基函数生成方法.该方法采用树结构算法对信号进行分解,准确判断出窄带干扰的频率位置,改善了有用频带被过多剔除的情况.仿真结果表明,采用该方法的变换域通信系统比采用其他方法的变换域通信系统具有更强的干扰抑制能力和更好的自适应性.     

五滚柱式定向离合器故障诊断的小波包变换方法

论述了小波包分解及其能量谱处理五滚柱式定向离合器故障的原理与方法。应用小波包分解及其能量谱直观地识别出故障的特征频带，并进行了量化分析。结果表明，小波包及小波包分解能量谱比传统的傅立叶分析方法具有更大的优越性和价值。     

基于小波包算法的电力系统故障信号处理

提出应用小波包算法来提取电力系统暂态故障信号的基频分量。正交小波包分析能够将信号的频带分割得更精细，对频带进行多层次划分。本文提出电力系统故障信号的小波包分析方法，就是对电力系统故障信号进行细分，以便更精确地提取基频信号。并且将小波包算法与传统的傅立叶算法进行了比较。如果将小波包算法应用于数字保护，则对于提高电力系统的数字保护的准确性很有帮助。     

基于小波包无量纲免疫检测器的故障诊断模型

为可靠地检出并识别旋转机械设备轴承故障,提出了一种基于小波包分解和无量纲免疫检测器的轴承故障模式识别方法.该方法采用小波包对原始时域信号进行预处理,分别提取原始时域信号和各频带范围内时域信号的无量纲指标,并计算其敏感因子,根据敏感因子选取敏感特征,结合人工免疫阴性选择算法,生成多个敏感特征无量纲免疫检测器,实现对故障进行识别和分类.仿真实验结果表明,所提方法能有效地识别各种轴承故障.     

基于小波包和EMD的异步电动机轴承的故障诊断方法

异步电动机轴承的故障信号为低频带周期冲击性特征故障数据,呈现非线性特征,倘若对此类特征信息直接做傅里叶变换,会被高频信号调制,使得故障信号严重失真。为此,提出一种新的集有小波包变换、经验模式分解和Hilbert包络谱分析相融合的滚动轴承故障诊断方法,旨在消除高频噪声信号,提升故障诊断效果。利用小波包变换对滚动轴承的振动信号进行降噪,使用经验模式分解把降噪后的故障信号分解成多个有效本征模态分量,并对筛选后的故障信号进行重构处理,最后对重构信号做Hilbert包络谱分析,计算得到滚动轴承故障频率。通过实验及分析,结果表明新方法应用效果良好。     

基于改进Autogram的滚动轴承故障诊断

针对Autogram以无偏自相关峭度指标选取解调频带时易出现不准确、故障诊断困难的问题,将平方包络负熵引入Autogram中,结合平方包络负熵受噪声影响小且能衡量周期冲击成分的优点,提出一种采用平方包络负熵指标选取最优解调频带的改进Autogram方法.首先采用最大重叠离散小波包变换(MODWPT)对轴承振动信号进行频带分解,再计算每个频带信号的平方包络负熵,将平方包络负熵最大的频带作为最优解调频带,最后通过分析最优解调频带平方包络谱的频率成分来诊断轴承故障类型.将轴承故障实验信号分析结果与Autogram、快速谱峭度方法对比,结果表明,改进Autogram方法在解调频带的选取上更为合理,所提取的故障特征频率更明显,轴承故障诊断更准确.