基于小波包和拉普拉斯特征值映射的柱塞泵健康评估方法

柱塞泵是液压系统的关键部件之一,监测其健康状态对液压系统的可靠运行具有重要意义。提出一种基于小波包和流形学习的方法,用于分析柱塞泵出口振动信号,从而对其进行健康评估;该方法利用小波包对原始信号进行分解,从中提取用于描述柱塞泵健康状态的有效特征群;把提取的高维特征群作为输入,利用并比较多种流形学习方法进行特征降维,选取状态识别准确率最高的拉普拉斯特征映射方法,建立起的特征向量到健康状态之间的对应关系,实现液压泵健康状态监测的分类要求。实验结果表明,采用小波包和拉普拉斯特征映射相结合的方法可以有效提高柱塞泵状态评估的准确性。

基于小波包分析的爆破振动危害评价初探

结合振动主频的质点振速判据是对单一质点振速判据的补充和完善。但该判据的振动主频是通过 FFT变换的频谱分析的方法获得的 ,不能体现爆破振动波形的多主振频带特征 ,而且由于方法本身的局限性使得主振频率发生的时间段不能确定。小波包分析法则克服了 FFT频谱分析的局限 ,有效地分解和重构原始信号中的细节信号 ,并将其作为评价不同频率细节信号的爆破振动危害效果的基础。本文针对爆破振动的小波包分析法进行了研究 ,对各小波包细节信号加载条件下的不同危害效果进行了讨论 ,得到了相应的质点振速判据 ,并将该方法所得到的判据与 FFT变换的频谱分析方法所得到的判据进行了对比。结果表明 。

基于模糊聚类分析的特征识别方法及其应用

针对高维数据给智能学习算法带来的维数灾难,提出了一种特征提取与聚类分析相结合的特征识别方法。该方法基于小波包变换对振动信号进行特征提取,采用模糊传递闭包法,对信号的特征频段进行识别和分析,实现对信息的进一步压缩。针对模糊传递闭包法中关于阈值的确定问题,从样本之间的"紧致度"和"分离度"出发,建立了聚类有效性函数评价模糊聚类算法模型,并确定最优聚类。通过实例分析,验证了该特征识别方法在信息压缩和特征识别中的有效性和实用性。

小波包分析在激光捷联惯导系统中的应用

为了减小激光陀螺随机误差对激光捷联惯导系统对准、导航精度的影响,采用小波包分析方法对其进行滤波处理.开发了评估软件对其在实际系统中滤波前后效果进行了对比研究.结果表明,小波包分析方法简单实用,特别适合激光陀螺信号的处理,在很大程度上提高了激光捷联惯导系统的对准、导航精度.

基于加权FCM算法的轴承故障诊断

提出一种基于特征评估和特征加权FCM算法的滚动轴承故障诊断方法.对原始振动信号提取时域、频域和小波包归一化能量特征,组成联合特征.然后对联合特征进行评价,计算类可分性评价指标.根据该指标大小选取敏感特征,进行特征加权模糊聚类分析,实现对轴承故障状态的自动识别.特征评估克服了传统方法在特征选择上的盲目性,特征加权提高了分类准确率.实例表明,该算法不仅可以可靠识别不同类型的滚动轴承故障,而且可以识别不同程度的故障.

小波包能谱构建综合评估函数的轴承退化评估

针对传统的时域、频域特征不能明显地表征滚动轴承的早期退化特征的问题,提出了一种小波包能量谱结合主成分分析构建综合评估函数的滚动轴承早期性能退化评估方法。该方法以采集到的轴承正常工作时的振动信号作为训练样本,对样本进行小波包能量谱计算,得到高维特征向量;再利用主成分分析方法降维并建立综合评估函数对早期性能退化区的数据进行判断。运用实测的滚动轴承全寿命实验数据进行检验,结果表明该方法能实现对滚动轴承早期性能退化的评估。

小波包分解Welch平均法在焊接电弧声功率谱估计中的应用

对试验系统采集到的焊接电弧声进行了小波包多层分解 ,并利用周期图法、Welch平均法及AR模型法 ,对各频段信号进行功率谱估计 .根据不同谱估计方法的对比结果 ,提出小波包分解结合Welch平均法对焊接电弧声进行功率谱估计的新方法 .通过对几种规范与飞溅率下的电弧声功率谱的初步分析 ,发现其功率谱分布具有一定的规律性 。

基于声发射检测的碳布/环氧树脂复合材料压缩损伤评价

用声发射仪器监测二维编织碳布/环氧树脂复合材料的压缩损伤过程。通过载荷与声发射特征关系图,判断出其在损伤过程中的临界失效载荷,作为判断材料临界损伤强度的依据。通过对碳布/环氧树脂复合材料在压缩损伤过程中产生的声发射信号进行小波包分解,并对信号进行频谱分析以及对小波包分解后的各层进行能量分析,得出了声发射源即纤维断裂信号、基体断裂信号和层间开裂信号的频率分布范围。

基于小波包能量特征的薄膜涂层材料界面缺陷检测法

目前国际上对薄膜涂层界面缺陷尚缺乏有效的探伤方法。本文基于薄膜涂层材料中波传播的模型,考察了在涂层表面施加冲击脉冲激发表面波,测取涂层表面各点的动态特性,结合波形分析技术进行界面缺陷检测的可行性。通过有限元模拟分析产生脉冲载荷并且激发表面波,对涂层表面接收的加速度波响应信号进行小波包数学变换,提取小波包相对能量谱变化率指标,发现加速度信号的小波包相对能量谱变化率指标在存在界面缺陷的区域有显著的变化,并且在缺陷中心区域效果最明显,而且该指标对不同薄膜厚度界面缺陷的具有敏感性,可以通过该指标较准确的判断裂纹的位置和尺寸。此项研究可以为开发薄膜涂层界面缺陷的无损检测方法提供一定的理论基础。

重型起重电机振动的研究与健康评价标准的确定

由于港口重型起重机电机的振动具有高速、重载、大冲击等特点,针对难以准确提取信号中有效信息的难题,建立了电机振动的分析模型,并提出基于经验模态分解(EMD)的小波包量化分析方法。该方法不仅能够有效的提取出高频背景下的信号特征,而且能够对数据进行量化。实例选取上海某集装箱码头公司的大型桥式起重机(编号:#8115)的电机振动信号,分析处理后建立振动信号的健康评价标准,为实时评估重型起重电机的健康状态提供了可靠依据。

PKPCA-LRM在滚动轴承性能退化评估中的应用

滚动轴承作为旋转机械最重要的零部件之一,其可靠性和寿命直接影响着机器的可靠性和寿命,为解决滚动轴承可靠性难以估计的问题,提出一种基于概率核主成分分析(Probabilistic Kernel Principal Component Analysis,PKPCA)和Logistic回归模型(Logistic Regression Model,LRM)的滚动轴承可靠性评估方法.首先提取轴承的时域、频域和时频域特征值组成高维混合域特征集,并引入相对特征值降低轴承个体差异;然后用PKPCA挑选能够表征轴承退化状态的特征值作为Logistic回归模型的协变量;最后用Logistic回归模型对滚动轴承可靠性进行评估.通过IMS滚动轴承全寿命试验,验证了该方法的有效性.

基于小波包的红外/被动毫米波图像特征融合

红外/被动毫米波(IR/PMMW)复合制导是当前发展多模复合制导技术的热点方向。红外探测系统在低能见度条件下的穿透能力不如被动毫米波,而被动毫米波探测图像分辨率不如红外图像。为了更好地识别目标的轮廓信息,提出一种新的基于小波包边缘检测的特征级主成分融合方法。新方法先用小波包边缘检测方法检测出包含水平边缘、垂直边缘和对角边缘的边缘图像,然后对边缘图像进行小波包去噪,再用主成分融合方法进行图像特征级的融合,最后用阈值方法提取出融合后的边缘。实验仿真结果表明,与传统的小波及小波包边缘检测方法相比,新方法融合后的边缘图像更容易分辨出目标的轮廓信息。