基于小波包能量矩阵的轴承信号特征提取

为通过振动信号识别轴承的工作状态,结合小波包变换和矩阵特征值理论,提出了一种新的轴承信号特征提取方法。引入了能量值方法,对小波包分解信号进行分层分段能量计算,组成能量特征矩阵,求得矩阵特征值;定义基于特征值的振动信号特征参数,并探讨了特征参数与轴承运行状态间的联系。最后在特征提取基础上,提出了故障早期模式识别的对应系数相乘方法。结果表明:最大值特征参数能够敏感的反映轴承工作性能的变化,可作为轴承状态监测特征量;对应系数相乘法可以作为故障部位诊断的有效方法。

基于提升模式非抽样小波变换的滚动轴承故障诊断方法研究

首先分析了传统离散小波变换在分解信号时的缺陷,根据非抽样小波变换的原理,提出一种基于提升模式的非抽样小波变换方法。然后根据滚动轴承故障特征,提出了基于提升模式非抽样小波变换的滚动轴承故障诊断方法,在ADBE-56-N4型交流电机上实测了6305型滚动轴承正常情况、外圈故障、内圈故障时的振动信号,结果表明,与传统离散小波相比,该方法能更加有效地诊断滚动轴承的故障。

双树复小波和局部投影算法在齿轮故障诊断中的应用

齿轮故障振动信号往往表现为非线性非平稳特性,并且早期故障振动信号往往包含较强的背景噪声,不利于故障特征的提取。针对该问题,提出了基于双树复小波变换和局部投影算法的齿轮故障诊断方法。首先,对故障信号进行双树复小波变换,得到不同尺度下的小波系数和最后一层的尺度系数,并计算各层小波系数的模与相角。然后,选择模周期性较强的小波系数或尺度系数进行局部投影算法处理,得到周期性增强的系数的模,并选择合适的阈值进行软阈值处理。最后,利用处理后的系数进行双树复小波重构,从而提取出齿轮故障特征信号,进行希尔伯特包络解调分析便能准确地得到故障特征频率。仿真信号和工程应用表明,该方法能够有效地提取齿轮故障特征信息,提供了一种齿轮故障特征提取的新方法。

小波分析算法研究及在齿轮与滚动轴承故障诊断中应用

分析了齿轮与滚动轴承故障振动信号的特征,利用小波变换的分解和重构算法,有效地提取出齿轮与滚动轴承故障特征信号,得到实验结果.通过比较频谱分析和小波分析的特点,有效地证明了小波分析在微弱故障信号提取中的优势.

基于谱峭度小波变换法的轴承故障特征提取技术研究

采用一种基于峭度最大化的谱峭度法设计最优带通滤波器。首先,从系统振动信号中提取出包含故障成分的大致范围;然后,进一步利用小波分解提取固有高频故障信号;最后,对信号进行包络解调分析得出故障信号特征频率。并通过实际轴承故障实验数据的分析表明,该方法能够提取轴承的故障特征,并具有良好的实际应用效果。

小波包与神经网络在电机故障诊断中的应用研究

文章对电机的故障特点进行分析,根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,结合小波包的能量特性,提出了故障信号在不同分解频段的能量特征概念及算法,并将其与 BP 神经网络相结合,提出了一种新的电机故障诊断方法,实验结果证实了该方法的正确性和有效性。

基于声发射的风机轴承故障诊断研究

为实现对风机轴承早期故障诊断,采用SPM42000传感器对轴承声发射信号进行实时采集。以SKF240球面滚子轴承为例,轴承内圈、滚动体、外圈和保持架故障频率分别为452.687 0、191.57、387.313、13.832 6 Hz。首先,采用小波阈值降噪方法去除轴承故障信号中掺杂的由各部件摩擦或机械振动引发的噪声信号,选择sym9小波函数,分解层数为5,阈值规则为启发式阈值的软阈值函数;之后,选择所需频带的小波函数进行重构;若初次分解不能达到要求,需要采用小波包再次分解;最后,做包络谱分析,结合声发射信号的峰值特征参数,对轴承故障诊断。仿真实验结果表明,该方法可以识别出轴承各部件故障。

小波分析在滚动轴承故障诊断中的应用

滚动轴承是机械系统中非常关键的部件,它的运行好坏直接关系到整个机械系统的性能优劣,因此滚动轴承的故障诊断研究是非常具有实际意义的。本文对轴承早期损伤引起的故障信号进行了分析,通过比较频谱分析和小波分析的特点,采用小波分析技术对检测的信号进行处理,利用小波变换的分解和重构算法,对具有故障特征的信号进行重构,再通过希尔波特变换进行解调和细化频谱分析,有效地提取出噪声掩盖下的滚动轴承故障特征信号,从而实现对滚动轴承的故障诊断。

基于小波变换的发电机转子绕组匝间短路故障在线检测方法

分析了发电机转子绕组匝间短路故障的机理,以及小波分析方法用于该故障的检测原理,将小波变换应用于突变信号的检测,提取其故障特征,以实现对转子绕组匝间短路故障的检测及故障点的定位。仿真结果表明,小波分析方法适用于转子绕组匝间短路故障的在线检测。

基于声信号的发动机故障测试方案及分析研究

基于声信号的汽车故障监测诊断方法近些年发展较快,因声信号具有精确性和稳定性等特点,借助计算机技术运用信号处理的方法对汽车运行时发出的声音进行分析,提取其振动特征量,可以对其运转情况的预测提供精准的数据分析依据。本文将着重介绍基于声信号的故障测试方案的确定过程及如何运用现代分析方法来分析和处理声信号这样非平稳的信号。实验结果表明,用小波变换和小波包分析对声信号进行分析处理具有很好的效果。

小波变换及其在异步电动机转子断路故障诊断中的应用

小波变换具有良好的时 -频局部化特性 ,是信号的时 -频域分析和处理的有效方法 .简要论述了有关小波变换的基本理论 ,介绍了小波变换在异步电动机转子断路故障诊断的原理 ,给出了信号检测电路的组成 .

电机故障的小波MRA诊断技术

本文论述了电机运行过程中产生的故障现象,以及对电机故障信号的诊断方法。利用小波变换的多分辨率分析特性对电机故障信号进行多尺度分解,将信号分解到不同的频带上。通过对高频带分解系数的分析,可以提取出故障信号的特征,从而可以有针对性地对故障进行定位和诊断。仿真结果表明,从小波分解的高频细节系数中能够提取出精确的故障信号发生时刻以及频率,为故障的诊断提供了可靠的依据,表明了小波分析在电机故障诊断方面的广泛应用前景。

基于小波去噪和Hilbert-Huang变换在齿轮箱故障诊断中的应用

为了从混有大量噪声的信号中准确地提取故障信息,利用小波去噪和Hilbert-Huang变换相结合的方法。首先利用小波去噪作为信号的预处理,通过经验模式分解和Hilbert变换求得边际谱,确定故障的特征。该方法克服了直接运用经验模式分解方法由于大量噪声带来的不必要的干扰,更好地辨识出故障的局部特征信息。通过实例分析表明了该方法的有效性和实用性。

基于自校验和互校验的多传感器故障诊断

本文在系统研究多传感器组中各种故障情况的基础上,将离散子波变换、自校验和互校验技术应用到故障诊断中,提出了包括定理1在内的一些新算法,拓展了故障诊断技术的思路,在生产实践中有着广泛的应用前景.

发电机转子绕组匝间短路故障的在线检测

深入分析了小波分析法用于发电机转子绕组匝间短路故障的检测原理,并在探测线圈法的基础上,将小波变换应用于突变信号的检测,对非平稳故障信号的故障特征进行提取,以实现对转子绕组匝间短路故障的检测及故障点的定位。仿真结果表明,小波分析方法适用于转子绕组匝间短路故障的在线检测。

小波变换在电路故障诊断中的应用

介绍了利用小波变换来检测信号的奇异性特征的原理 ,对信号的奇异性进行了定义 ,并将其用于电路故障诊断中 ,解决了传统故障诊断方法中对故障存在的知识获取“瓶颈”问题。实验证明提出的方法取得了较好的应用效果。

基于小波变换的神经网络模拟电路故障诊断

对模拟电路提出了一种基于小波变换与神经网络相结合的故障诊断方法,该方法用小波变换对模拟电路故障信号提取小波特征,并经小波变换压缩,再将故障特征量输入至神经网络处理。结果表明,该方法有效地减少神经网络输入层单元数,简化了神经网络结构,提高了故障诊断能力。

基于小波变换的传感器故障诊断仿真研究

主要介绍了小波变换的原理和应用,着重研究了基于连续小波变换极值点的方法在传感器故障诊断中的应用。最后,利用Matlab软件中的Simulink工具箱建立传感器系统的故障模型进行仿真研究,证明该方法的可行性。

小波消噪在发电机转子短路故障检测中的应用

分析了小波变换和小波消噪的基本原理,并将二者应用于故障信号的消噪和检测中,最终实现对转子绕组匝间短路故障的检测和定位。结果表明,小波消噪适用于转子绕组匝间短路故障的在线检测,且消噪效果明显。

基于小波熵的电机故障诊断

小波分析的方法为弱信号检测技术开辟了一条新途径，但小波变换对弱信号进行特征提取的关键在于确定小波系数的阈值．基于小波熵分析的方法能够在强噪声环境中对微弱信号准确定位，实现低能量的瞬变信号有效提取。仿真实验证明小波分析技术对电机声频故障诊断十分有效，有进一步的研究的必要，在电机的故障诊断方面小波有良好的应用前景。