基于小波包-1.5维Teager能量谱图和深度学习的滚动轴承故障诊断方法研究

带式输送机工作环境恶劣、干扰源复杂,受非周期性冲击及谐波干扰,其托辊滚动轴承故障诊断困难。针对此问题,提出了一种基于小波包-1.5维Teager能量谱图和深度学习相结合的滚动轴承故障诊断方法。首先,利用小波包分解对故障信号进行分解,提取能量占比较高的分量进行重构;然后,采用Teager能量算子和1.5维谱处理重构信号滤除周期性谐波干扰,构建出故障特征能量谱图;最后,利用卷积神经网络对能量谱图进行训练和测试,精准诊断出滚动轴承故障类型。仿真与实验分析结果表明,所提方法可有效滤除非周期性冲击和谐波的干扰,并精准诊断出轴承故障类型。所提方法为托辊滚动轴承的故障诊断提供了一种新思路,具有一定的工程应用价值。

基于小波包能量谱和ELM的光伏逆变器多故障在线诊断

以三电平光伏逆变器作为研究对象,基于小波包能量谱基数对其故障情况提出一种快速诊断方式。在小波包技术下对三电平逆变器桥臂电压及相应信号产生的能量谱特征向量进行分解分析,随后在极端学习机的诊断下,对其内部单或多个器件故障模式进行分析并排除。研究表明,提出的小波包能量谱技术具有较强的技术优越性,相比于传统模式下的BP神经网络以及最小二乘法故障诊断方式,该方式对于检测信号的获取更为容易,拥有较高的抗干扰性,其诊断速度较快,对于故障能够以精确的方式得到原因,从而显著降低故障诊断成本,是较为适宜的在线诊断方式。

基于Kriging模型和小波包能量谱的随机模型修正

针对随机模型修正精度和效率低的问题,提出一种基于Kriging模型和小波包能量谱的随机有限元模型修正方法。首先,假设模型待修正参数和响应特征均服从正态分布,将不确定性的模型修正转化为均值和标准差的修正;其次,将待修正参数作为Kriging模型输入,加速度频响函数经过小波包分解后提取的结点能量作为输出,引入政治优化算法优化相关系数以构造Kriging模型;然后,将最小化试验响应与预测响应之差的绝对值作为修正均值的目标函数,最小化交叉熵作为修正标准差的目标函数,通过政治优化算法先后修正参数均值和标准差;最后,以空间桁架结构为例,选取弹性模量和密度为待修正参数验证该方法的可行性。结果表明,所提方法能够有效地修正结构参数均值和标准差,修正后的参数均值、标准差的误差分别低于0.1%、3.5%。

基于小波包能量谱和希尔伯特变换的管道泄漏检测技术

为了及时检测输油管道泄漏缺陷以减少输油泄漏事故的发生,首先,提出了一种基于小波包(WPT)能量谱和希尔伯特变换(Hilbert)的输油管道泄漏检测技术,改变阀门开度模拟不同泄漏程度的管道泄漏;其次,选取小波包阈值对采集的信号去噪,获得实际有效信号,并用WPT能量谱变换将有效信号分解为频段能量谱,过滤掉不含泄漏信息的频段,保留有效频段;最后,利用Hilbert进行有效频段的谱分析,提取泄漏源信息,实现对管道泄漏工况的诊断分类。结果表明:输油管道泄漏检测平均误差在3%以内,诊断准确率达到95%,与直接Hilbert变换方法以及单纯WPT能量谱分析法相比,定位精度明显提高。

基于小波包能量谱与改进BP神经网络的铁路扣件松脱检测算法研究

为实现铁路扣件在服役过程中松脱位置及松脱程度的准确检测,提出一种基于小波包能量谱与改进BP神经网络的铁路扣件松脱检测算法。首先,参照现行规范,在实地设计了7种铁路扣件不同松脱工况,并依次采集各工况下所对应的钢轨垂向振动加速度信号;随后,对采集到的钢轨垂向振动加速度信号进行7层dB40小波包分解,获取各工况下对应的小波包节点能量比数据信息,在此基础上,从距离和维度两个角度出发,设计了一个向量相异系数指标(VDC)用以实现松脱扣件的定位;此外,依据数据特征,采用粒子群优化算法对BP神经网络进行改进,构建PSO-BP铁路扣件松脱程度检测模型,并进行参数敏感性分析。研究结果表明:健康状态下铁路扣件的VDC最小值为0.17,最大值为0.41,明显小于各松脱状态下铁路扣件的VDC值,据此,可实现对单个和多个松脱扣件的准确定位;构建的PSO-BP铁路扣件松脱程度检测模型可以实现扣件松脱程度的准确检测,且当隐含层中神经元数目设置为20时,模型检测效果最优,对应识别准确率为98.66%。

基于小波包能量谱的滚动轴承振动噪声检测方法

针对轴承振动与噪声源零件识别与检测问题,利用小波包分解的方法来分析轴承的振动噪声信号:根据待测轴承振动信号特点,确定小波包分解的小波函数及分解层数,得到了轴承振动信号在频域的信息;通过构造小波包能量谱来分析各个频段上振动信号的特征,根据各个小波包空间能量值的大小判断轴承振动的剧烈程度;通过小波包重构算法对轴承振动噪声贡献较大的小波包空间进行重构,得到具有较高信噪比的重构信号,便于进行频谱分析。结果表明,本文的检测方法可以较准确的识别出新出厂轴承中振动噪声的主要来源,对于后期实现轴承静音降噪具有重要意义。

基于小波包分解的断路器振动信号能量谱和能量熵分析

为了获取断路器在多次分合闸动作机械性能劣化过程中振动信号的差异,基于小波包分解理论,提取SF 6断路器在分合闸动作4000次过程中的振动信号,并进行小波包分解,计算各个节点的能量谱和能量熵。计算结果表明,在合闸与分闸过程振动信号能量谱中,能量主要分布在节点(4,0)与节点(4,1),占比达到95%。随着断路器动作次数增加,分闸振动信号节点(4,0)的能量占比增加,节点(4,1)能量占比减少,能量分布向低频转移。合闸振动信号节点(4,0)与节点(4,1)的能量比均在一定范围内波动,未呈现出明显的变化趋势,合闸振动信号与分闸振动信号各个节点的小波包-能量熵均保持不变。

小波包分解及其能量谱在发动机连杆轴承故障诊断中的应用

论述了小波包分解及其能量谱处理发动机连杆轴承故障的原理与方法 ,结合传统断火诊断法的思想 ,应用小波包能量谱直观地识别出故障的特征频带 ,并进行量化分析 。

基于小波包能量谱的结构损伤预警方法研究

基于小波包分析推导了结构动力系统在不同分析尺度上的状态方程和观测方程,在此基础上研究了结构动力响应在不同分析尺度上的时-频特性以及系统矩阵和测量噪声在各个分析尺度上的递推性。理论分析证明,采用结构动力响应的小波包能量谱进行结构损伤预警具有较好的损伤敏感性和噪声鲁棒性。根据瞬态激励的特性提出对激励和响应的时域互相关序列进行小波包分解得到小波包能量谱,并在此基础上计算结构损伤预警指标。通过一钢筋混凝土板静力承载力的振动试验分析,对板不同受力阶段的损伤状态进行了判别,并与实际损伤程度进行了比较。

基于小波包能量谱的电网故障行波定位方法

为减少电网故障行波传播色散特性对行波波头检测和波速测量的影响,提高电网故障行波定位的准确度,提出了基于小波包能量谱的电网故障行波定位方法。该法结合小波包技术与傅立叶变换的谱分析,对行波信号进行分析,提取能量相对集中的故障频带信号进行故障行波定位计算;行波到达时间由该频带相应尺度下的小波包能量时谱提取的行波特征点位置计算;该频带行波传播速度由输电线路两端对外部扰动的实测行波数据计算。大量的电网故障行波定位ATP仿真分析结果和现场实验测试分析表明,该电网故障行波定位方法能有效提取电网行波特征信号,减少行波传播色散特性和线路长度变化的影响,定位误差<200m。

基于小波包能量谱的结构损伤预警方法试验研究

通过钢梁损伤试验,验证基于小波包能量谱的结构损伤预警方法在实际结构上应用的有效性。对钢梁进行完好工况和三个损伤工况的动力响应测试,对得到的响应进行小波包分解,考察损伤前后各个特征频带的能量变化。试验结果显示,损伤预警指标ERV和ERVD能够对三种损伤工况做出有效预警;同一工况的多次测试得到的损伤预警指标ERVD虽有变化但变化不大。基于小波包能量谱的结构损伤预警指标对结构损伤具有敏感性、对测试噪声具有鲁棒性,可以用于实际结构损伤预警。

基于Hilbert-Huang变换和小波包能量谱的电压暂降源识别

针对电压暂降源识别问题,提出一种基于Hilbert-Huang变换(HHT)和小波包能量谱的电压暂降源识别方法。首先对电压暂降信号经过经验模态分解(EMD),得到一个固有模态函数(IMF)集合,然后将各IMF进行n层小波包分解并计算其小波包能量谱,得到Hilbert-Huang(HH)谱图。通过比较突变点、幅值、谐波等特征量,对电压暂降源进行识别。实验结果表明,该方法简洁可靠、识别准确性高、实用性强。

基于小波包能量谱爆炸参量对爆破振动信号能量分布的影响

基于现场实测爆破振动数据,根据爆破振动信号具有短时非平稳的特点,采用小波包分析技术对不同爆炸参量(爆心距、最大段药量和微差雷管段数)下产生的爆破振动信号进行小波包能量谱分析,获得了爆破振动信号不同频带的能量分布,研究了不同爆炸参量下的爆破振动信号能量分布特征,从爆破振动信号能量角度探讨了不同爆炸参量下爆破地震波的衰减规律,为研究爆破地震效应提供了一种新的分析技术。

基于小波包能量谱与主成分分析的轴承故障特征增强诊断方法

滚动轴承出现损伤时,采集的振动信号呈非平稳性,采用一般的时域和频域分析方法不能准确提取出振动信号的故障特征。根据小波包多分辨、精细化的分解特性,提出一种基于小波包能量谱与主成分分析(PCA)方法的滚动轴承故障诊断算法。将振动信号进行小波包分解,得到重点频率段信息的能量谱,提取能量谱作为特征向量;利用PCA方法对特征向量降维并减小噪声信号的干扰,获得增强的故障特征;利用层次聚类方法和改进的模糊c均值聚类算法对不同类型的滚动轴承故障进行识别,两种聚类方法都准确地识别出了不同的故障类型。实例验证结果表明,所提方法能够有效地提取振动信号中的有用故障特征,实现轴承故障类型的精确诊断。

基于小波包能量谱的大跨桥梁结构损伤预警指标

基于结构动力响应的小波包能量谱提出了两种结构损伤预警指标:能量比偏差和能量比方差。以润扬长江大桥北汊斜拉桥为研究对象,分析了损伤预警指标在不同损伤位置、损伤程度和测量噪声水平下的预警能力。研究结果表明:与结构自振频率等模态参数相比,能量比偏差和能量比方差可以明显提高大跨桥梁结构损伤预警的敏感性和有效性,并且具有良好的抗噪声干扰能力。能量比偏差和能量比方差可作为大跨桥梁结构损伤预警系统的损伤预警指标。

小波包–能量谱在高压断路器机械故障诊断中的应用

文章提出了一种利用小波包变换对高压断路器振动信号进行处理的新方法,应用小波包–能量谱分析得到各尺度上的能量百分比作为特征参量对高压断路器进行故障诊断。小波包变换能将已知信号按任意时频分辨率分解到更加精细频带,且提高了信号处理的频率分辨率,小波包正交分解后的信号具有各频带信号独立、能量守衡的特点。仿真结果表明,小波包–能量谱用于高压断路器机械故障诊断中是行之有效的。

面向结构损伤预警的小波包能量谱识别参数

对Benchmark钢框架结构试验数据和润扬大桥悬索桥监测数据进行了小波包能量谱损伤预警分析,在此基础上详细考察了不同小波函数和小波包分解层次的损伤预警效果.结果表明:Daubechies小波和Coiflets小波适用于结构损伤预警,并且实际工程中应采用较大的小波函数阶次以获取较好的时域分辨能力和损伤预警能力;小波包分解层次愈大,小波包能量谱的频域分辨能力和损伤预警能力愈强.润扬大桥悬索桥的实测分析表明,随着小波包分解层次的增加,特征频带能量比与温度保持明显的季节相关性,其年变化更为明显.因此,实际工程应用中应尽量选择较大的小波包分解层次.

基于小波包能量谱和NPE的模拟电路故障诊断

提出采用小波包能量谱和邻域保持嵌入作为预处理实行特征提取的模拟电路故障诊断方法。该方法对采集到的故障响应信号进行小波包分解,将不同频带内的能量作为故障特征值,然后利用邻域保持嵌入算法进一步提取故障特征,最后将所得到的最优故障特征输入支持向量机进行故障诊断。仿真结果表明,提出的故障特征提取方法能很好地反映故障响应信号的本质特征,不仅表现出了比其他特征提取方法更好的性能,而且最后的故障诊断中也获得了令人满意的结果。

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。

基于小波包能量谱的HMM钻头磨损监测

从工程应用的角度论述了小波包分解原理及其能量谱监测理论,并将该理论应用于钻削力信号特征提取中,针对钻削过程特征矢量与钻头磨损之间具有较强的随机性和不确定性的特点,提出一种基于隐马尔可夫模型(HMM)的钻头磨损监测方法。实验结果表明,通过对钻削力信号进行多层小波包分解,提取各频段能量谱作为特征矢量可准确刻画工艺系统随钻头磨损的演化规律,利用HMM建立的各钻头磨损状态小波包能量谱的统计模型可有效跟踪钻头磨损的发展趋势,实现钻头磨损状态和寿命的监测。