粗晶材料缺陷的超声检测信号识别

对于非均匀材料，超声无损检测技术受到能否有效区分有用信号与背景噪声的限制，目前人们大多倾向使用频率分隔与统计算法来提高粗晶材料（一种非均匀材料件相对颗粒散射的缺陷回波比例．文中介绍一种用Ｗｉｇｎｅｒ分布作特征提取、用前馈网络自动识别超声散射回波中的缺陷信号．由于普通的人工神经网络要求输入信号的特征与时间起始点无关，因此采取了一种数学变换方式来实现这一要求，这样训练好的网络就有很强的识别能力．在实验中，正确识别率达到９０％．所述方法对其他非均匀介质的超声检测与评价工作也有益处．     

粗晶材料缺的超声检测信号识别

对于非均匀材料，超声无损检测技术受到能否有效区分有用信号与背景噪声的限制，目前人们大多倾向使频率分隔与统计算法来提高粗晶材料中相对颗粒散射的缺陷回波比例。文中介绍一种用Ｗｉｇｎｅｒ分布作特征提取，用前馈网络自动识别超声散射回波中的缺陷信号。     

基于经验模态分解去噪的粗晶材料超声检测

粗晶材料超声检测中,结构噪声严重降低了检测信号的信噪比,缺陷反射难以识别.为了增强检测信号信噪比,提高粗晶材料超声检测的可靠性,采用经验模态分解(EMD)技术对检测信号进行去噪处理,通过3次样条插值形成波形包络,并利用信号的特征时间尺度将非线性、非平稳检测信号自适应的分解成多个本征模态函数(IMF)之和,从而获得信号高阶成份和趋势.利用EMD的这种特性对低信噪比模拟信号进行处理,并将处理结果与小波去噪结果进行对比,信噪比获得更大提高.通过对粗晶材料实测信号进行去噪实验,结果表明EMD去噪具有更强的自适应能力,且需知的原信号先验信息更少.     

超声波透射技术无损评价粗晶材料平均晶粒尺寸

利用超声波透射波对粗晶材料的平均晶粒尺寸Ｄ进行了评定。研究结果表明,用超声波衰减变化Δα能够对材料的平均晶粒尺寸的波动进行无损评价,计算机处理曲线的变化特征与样品金相分析的结果符合得很好。     

基于倒频谱的轴承材料接触疲劳失效诊断

采用轴承接触疲劳试验机,设计了基于Lab VIEW的轴承材料接触疲劳失效诊断的软件系统,利用轴承振动信号的均方根值及温度信号来判定轴承材料的疲劳磨损程度,并通过对振动信号进行倒频谱分析来判定轴承材料的疲劳磨损区域,结果表明:振动信号均方根值结合倒频谱分析能够实现对轴承材料的接触疲劳失效诊断.     

铸钢粗晶的成因及消除方法的研究

通过对ZG32Cr06铸钢粗晶成因的分析及消除粗晶的工艺性能试验，探讨了粗晶导致铸件断裂的机理。试验证明，由于浇铸温度过高，水爆清砂时开箱过早而产生的粗晶可以用热处理方法消除，同时提出了铸件在浇铸时防止粗晶的措施。     

Hilbert-Huang变换在非线性超声无损检测中的应用

为了提高非线性超声无损检测方法对缺陷位置和相对大小的表征能力,该文将H ilbert-Huang变换方法用于非线性超声无损检测信号的处理。粗晶奥氏体不锈钢材料的非线性超声无损检测信号具有非线性、非稳态和低信噪比的特性,H ilbert-Huang变换对此类信号的特征提取具有独特的优势。实验结果表明:通过H ilbert-Huang变换的瞬时频率能够确定缺陷位置,瞬时幅度可表征缺陷的相对大小;该方法达到了对0.6mm晶粒平均直径的粗晶奥氏体不锈钢中65 mm深、0.8 mm平底孔的小缺陷检出能力,说明H ilbert-Huang变换有效提高了非线性超声无损检测的缺陷表征能力。     

带钢表面缺陷图像小波融合方法

采用两个CCD图像传感器在多种采集方式下获得不同缺陷图像,运用小波变换法对缺陷图像进行融合,结合带钢表面缺陷特征对融合算法和规则进行了探讨,并对融合后的缺陷图像质量进行评价.实验结果显示了小波融合方法的优越性,该方法能更全面、更准确、更大限度地获得缺陷图像信息,解决了单一CCD缺陷采集模式下存在的缺陷特征丢失问题,为后续的缺陷识别与分类提供有效、可靠的数据支持.     

一种基于粗集与小波的声呐图像降噪方法

声呐图像具有低对比度和边缘恶化的特点,传统的声呐图像散斑噪声降噪方法又不能较好的保持图像边缘和细节,因此提出了一种新的基于粗集与小波的声呐图像降噪方法。该方法通过考察散斑噪声的统计特征,利用粗集中的等价关系将声呐图像划分为若干子图,对子图进行对数变换后完成小波变换,采用自适应阈值函数处理小波系数,应用小波逆变换和指数变换得到降噪后的子图,将降噪后的子图进行叠加得到最终的降噪图像。通过新算法在实际声呐图像中的应用,实现了在保证降噪效果的同时能够较好地保持图像边缘及细节特征,验证了算法的有效性。     

基于小波分析的油藏渗透率粗化方法

提出一种粗化渗透率的小波变换方法,该方法独立于边界条件并保留所有非均质信息。利用黑油模型对粗化前后油藏的动态进行了数值模拟比较,结果表明:生产10年期间,粗化后与粗化前的单元累积产油量、单元产油量、综合含水率、以及油饱和度分布等均保持较好的一致性,说明用小波变换粗化渗透率是一种较好的粗化方法,计算方便,精度高。     

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     

基于小波变换的单相高阻接地故障检测方法

提出了一种基于小波变换的中性点不接地系统的单相高阻接地故障检测方法.发生故障时,经过小波变换,故障相电流和零序电流高频系数模极大值在相同时间和位置的极性相同,而非故障相的高频系数模极大值与零序的高频系数模极大值极性相反;故障相的高频系数比非故障相的高频系数大很多,可作为接地检测的依据.通过ATP仿真验证可知,该方法能准确地检测出单相高阻接地故障.     

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.     

HHT方法在轴承故障诊断中的应用

为研究滚动轴承故障问题,将HHT(Hilbert-Huang transform)分析方法应用于轴承信号故障的提取。用HHT对复合信号进行了仿真分析,表明此方法分析信号的有效性。将HHT方法应用于轴承内外圈的故障诊断,结果表明,所求出的轴承故障的信息特征与理论计算吻合,表明了HHT方法能够有效的提取轴承故障的特征信息,提高轴承故障诊断率。这为类似机械零部件的故障诊断提供了参考。     

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.     

基于小波包变换与粗糙集的船舶电机定子故障诊断方法

为在少量的传感器以及无先验故障知识的情况下,实现船舶电机定子故障状态的确定以及故障严重程度的划分,提出了对定子电流进行小波包变换提取故障特征,基于粗糙集理论建立可分辨矩阵,并从中提取故障诊断规则的方法.通过对电流特征信号进行小波包分解,使相应分解子频段能始终覆盖随电机转差率变化的故障特征频率;利用子频段重构系数的均方根值变化率作为特征指标,实现故障特征的提取.采用自组织特征映射网络对特征指标进行聚类,由相邻子频段的均方根值变化率组成一组学习样本的方法,减少了子频段之间混叠问题对于聚类结果的影响.实验室条件下进行了电机定子故障的实验,通过对故障数据的应用,验证了该方法的可行性.     

配电网线路高阻故障识别方法

由于故障特征不明显,检测难度大,高阻故障一直是配电网故障识别的难点。利用小波在时域和频域都具有良好的局部化性能,对暂态信号进行多尺度分解,并对各个尺度下的小波系数进行重构,抽取尺度3下的小波重构系数,计算各馈线的定时浮动窗内的量谱,根据其量值特征来识别故障所在线路。在研究电力系统各种暂态信号的基础上建立了配电网高阻故障仿真系统,通过PSCAD仿真平台利用高阻故障模型对配电网馈线进行高阻故障仿真分析。大量仿真分析表明,该方法能够有效提取故障的特征量,可对高阻故障进行在线识别。     

离散小波变换在电力系统故障检测中的应用

传统的傅立叶分析难以处理电力系统故障时产生的暂态信号.小波变换具有良好的时频局部化特性,为分析非平稳、突变信号提供了有效的途径.通过多尺度分析,将连续小波变换离散化,得到适合数字信号处理的快速算法——离散小波变换.最后给出了应用离散小波变换进行输电线路故障测距的实例,通过仿真分析证明该方法可以极大地提高测距精度.     

基于遗传算法的WANN的汽车发动机故障诊断分析

利用基于遗传算法的全局优化能力,小波分析具有数据压缩和特征提取的特性,神经网络具有非线性映射和学习推理的优点.结合三者的特点,提出了一种基于遗传算法、小波与神经网络的汽车发动机故障诊断方法,应用汽车发动机的故障数据作为实例验证,GA-WANN模型诊断速度快,鲁棒性好,故障诊断正确率高.     

采用IEWT-SAE算法的配电变压器故障诊断方法

为识别配电变压器运行过程中存在的潜伏性故障,提出一种基于改进经验小波变换(improve empirical wavelet transform, IEWT)及堆栈自编码器(stacked auto-encoder, SAE)的故障诊断新方法。首先,利用顺序统计滤波（order statistic filter, OSF）包络法来改进EWT对振动信号进行分解,得到一组经验小波分量并计算其与原始信号之间的K-L散度值,以剔除干扰分量;然后选取K-L散度值低的前n个（实际取3）经验小波分量作为SAE的输入数据,进行特征的自适应提取,并使用Softmax分类器完成故障诊断。为克服人工选取SAE参数带来的结果差、效率低等问题,在SAE训练过程中引入樽海鞘群算法(salp swarm algorithm, SSA)实现预训练学习率和微调学习率的自动寻优。最后在10kV油浸式变压器上搭建数据采集平台进行故障模拟及分类测试。实验结果表明,所提方法的分类精度达到99.5%,在面对强噪声干扰时亦具有较高的识别成功率。经测试发现其在识别准确率及诊断时间上均优于对比方法。