自适应冗余提升小波包变换的滚动轴承故障诊断新方法

针对滚动轴承故障微弱信号特征识别问题,提出一种非抽样运算的自适应冗余提升小波包诊断方法,解决了传统的小波包或提升小波变换进行抽样运算造成故障信息失真问题。该方法以提升原理为基础,通过Lagrange插值细分思想计算初始的非抽样预测和更新算子,进而构造了自适应冗余提升小波包分解与重构算法。对仿真信号进行降噪与抗频率混叠实验,结果表明,该方法降噪能力优于传统小波包,且不存在频率混叠现象。在异步电动机上实测了滚动轴承6205无故障、内圈故障、外圈故障及滚动体故障时的振动信号,用这种方法成功提取了各类故障的特征频率及倍频,且比传统小波包具有更高的诊断精度。

基于自适应提升小波包的故障微弱信号特征早期识别

针对齿轮箱故障微弱信号特征识别问题,设计了一种识别该类信号微弱特征的自适应提升小波包方法。该方法以提升方法为基础,构造了提升小波包分解和重构过程算法,并以分解层信号相邻样本点自相关系数的大小作为目标函数,在每个样本点上选择能够自适应匹配信号局部特性的提升小波包算子,将每个分解频带信号进行重构,识别时域故障微弱信号特征。该方法成功地识别出了某齿轮箱发生摩擦故障时隐含在振动信号中的调制波形和周期性冲击脉冲故障微弱特征。结果表明,自适应提升小波包方法对强噪声背景下故障微弱信号特征的识别效果优于经典小波包方法。

自适应冗余提升小波降噪分析及轴承故障识别应用

为有效识别机械设备中滚动轴承微弱故障信息,提出自适应冗余提升小波降噪方法。据待分解低频尺度系数所含不同特征,应用范数准则自适应选取最匹配该尺度系数特征的小波函数。引入多孔算法,用以通过冗余性保证逐层分解后各尺度系数与小波系数所含丰富信息量。对各层小波系数采用变尺度阈值降噪算法,并对降噪后系数进行重构及包络谱分析,提取滚动轴承故障特征。通过对实验台轴承混合故障信号与现场实际信号分析表明,故障识别较好,从而验证该方法的有效性。

基于提升静态小波包变换的自适应消噪方法

基于离散小波变换(DWT)的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了一种基于提升静态小波包变换的自适应消噪方法,它推导了静态小波包的提升实现方法,并设计出适合该系统的确定最优小波包分解树的相应步骤,利用引入更多动量因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.

基于自适应阈值的提升小波包漏磁信号去噪研究

为了更好地实现对原始漏磁信号噪声的抑制，针对硬阈值函数和软阈值函数中存在的问题，提出一种自适应阈值选择方法，研究了基于该方法的提升小波包降噪算法。采用小波包和提升小波包，分别在硬阈值、软阈值和自适应阈值处理函数下，对含噪信号进行降噪效果的分析和比较，并给出了漏磁信号在自适应提升小波包算法下的降噪效果。仿真结果表明：该方法具有更高的分辨率和近似优化能力，在保留原始漏磁信号有效成分的同时，能更好地去除噪声。

冗余提升多小波包的构造及其应用

针对提取隐藏在原始振动信号中的弱周期性冲击信号,提出结合冗余提升多小波包(RLSMWP)及滑动窗奇异值分解(SWSVD)降噪的方法。利用提升方案实现具有5阶逼近阶性质的冗余Haar预处理,对信号进行预滤波,获得2重矢量信号。对多小波分解得到的矢量细节信号进行进一步分解,实现冗余提升多小波包变换。对最后一层各输出通道信号进行SWSVD降噪,重构后获得降噪信号。结果表明,RLSMWP与SWSVD相结合具有很好的降噪效果,提取出了隐藏在气阀振动信号中的弱周期性冲击成分;与传统多小波构造方法相比,新方法在时域实现了预滤波、多小波分解、多小波重构及后处理,具有计算简单、节省内存、运算速度快、可完全重构等优点。

基于冗余提升小波包及Volterra级数的机械故障预测方法

针对Volterra级数模型在染噪时间序列预测中精度较低,以及收敛速度慢的关键问题,提出了一种基于冗余提升小波包(Redundant Lifting Wavelet Packet,RLWP)及Volterra级数的机械故障预测方法。首先用冗余提升小波包对振动信号进行分解,对分解得到的末层所有频带信号用奇异值分解进行降噪。然后通过构造二阶Volterra级数预测模型对降噪后的各频带信号进行预测。最后用冗余提升小波包重构算法对各频带预测信号重构,获得预测信号。仿真结果表明:结合冗余提升小波包的多分辨率分析及奇异值降噪,能明显提高Volterra级数模型的预测精度及收敛速度。在工程应用中该方法准确预测出了某离心压缩机的不平衡故障。

基于Volterra级数和冗余提升小波包的机械隐含故障特征提取

针对提取机械原始振动信号中的隐含故障特征,提出了一种结合Volterra级数及冗余提升小波包(ULSP)的信号处理方法。先用二阶Volterra模型对信号进行延拓、预测,然后用冗余提升小波包对信号进行分解。对仿真信号的处理结果表明:分解得到的信号在边界没有振荡,有利于微弱特征的提取。工程应用中,完整地提取出了往复注水泵活塞与液缸密封碰磨产生的微弱故障特征信号。

基于反向传播-自适应提升算法的谐波阻抗估计

目前,关于量化谐波阻抗的研究大多数是基于系统侧谐波阻抗不发生改变而设定,当系统谐波阻抗变动时,如何估计谐波阻抗的研究相对较少。为此,本文提出一种基于系统谐波阻抗变动背景下的系统谐波阻抗估计新方法。首先,加窗处理谐波电压、电流测量数据,使用二元线性回归法估算系统谐波阻抗,并用小波包变换对测量数据进行分段,以找出系统谐波阻抗变动的时间;其次,采用反向传播-自适应提升算法精确量化每个采样数据段的系统谐波阻抗;最后,通过仿真与实例分析验证本文方法相较于其他方法具有更好的鲁棒性和精确性。

时空域相关自适应小波包声发射信号降噪方法

现有的小波变换方法在对受强噪声干扰的声发射信号降噪时,由于忽略了小波系数之间的相关性,容易造成信号失真。针对该问题,提出了一种基于时空域相关性的自适应小波包声发射信号降噪方法。算法采用自适应冗余小波变换,最大限度保留了信号的时域空域特征,并利用小波系数在时域空域上存在的相关性,提高对声发射信号及噪声的甄别能力,提升降噪效果。同时利用小波系数在空域上的相关性寻找最佳分解层数,进一步提升了算法的适应性。为了验证本文提出算法的有效性,分别在模拟声发射信号和断铅信号上添加不同程度的噪声,并进行降噪实验。实验结果表明,与其他算法相比,经过本文算法处理的信号信噪比大大提高,均方根误差也有一定程度的降低。

一种新的自适应消噪方法

基于小波变换的自适应消噪方法为雷达信号的滤波提供了一种可行的办法。考虑到离散小波变换(DWT)不具有平移不变性,而静态小波变换(SWT)又不能很好地分析信号的高频部分,提出了一种新的自适应消噪方法。它根据CWT的提升方法,得到静态小波包的提升实现方法,并设计出适合本系统的确定最优小波包分解树的相应步骤,利用引入了更多动量因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原信号。仿真中将其与其它两种基于小波的自适应方法进行了比较,表明该方法可在适当减小计算量的同时,进一步改善系统的滤波性能。

自适应冗余第二代小波在信号去噪中的应用

介绍了基于提升方法的第二代小波原理以及自适应冗余第二代小波的构造方法。将自适应冗余第二代小波和冗余第二代小波变换应用于提升机振动信号的去噪分析并进行比较。试验表明,相对于冗余第二代小波,自适应冗余第二代小波在信号去噪方面具有更好的特性。