瞬态成分提取在变速器齿轮故障诊断中的应用

基于小波包的信号瞬态成分检测与提取方法及其应用，提出基于小波包分解特征表示和瞬态特征重建方法并应用于汽车变速器齿轮的故障诊断，结果表明基于小波包分解的信号特征表示方法能有效检测信号中瞬态成分的存在，瞬态成分的重建结果有效地表示了齿轮的故障状态。     

基于小波提升格式理论的隧道衬砌缺陷定量识别分析

为提高探地雷达信号分析中小波基函数选取或构造的针对性和适应性，降低构造计算复杂性，并使所构造的小波基能更准确提取隧道衬砌结构背后空洞检测信号特征点信息，提出一种根据提升格式小波理论和目标信号波形特征来构造匹配小波的方法，并将所构造的小波基应用于空洞检测信号特征点的识别中。该方法以完全重构滤波器条件和提升格式小波为理论基础，首先选择一个简单而一般的初始双正交滤波器组，通过对初始双正交滤波器进行提升和对偶提升，获得不同的提升算子和对偶提升算子，从而得到更新后含自由变量的高阶滤波器组函数表达；其次，依据探地雷达信号的固有特点，对新滤波器组中重构端小波函数中的自由参数进行优化，并对新小波基与实际探地雷达信号的相似度进行计算和检验，最终构造出既满足线性相位、紧支撑性，又具有与探地雷达信号匹配度高等优势的新双正交小波基。将新小波基应用于室内空腔检测试验及实际工程中空洞缺陷的定量分析中，结果表明，同其他类型小波相比，用提升方法构造的小波能更准确地识别空洞缺陷信号突变点发生的时刻和位置，能更准确地实现隧道工程中空洞缺陷的位置和垂直尺寸的定量分析，从而大大提高探地雷达对缺陷探测的可靠度和准确度。     

基于多分辨率近似熵的发动机声信号特征提取

介绍了近似熵的概念、主要特点及其快速算法,在分析了小波包与近似熵原理的基础上,提出了一种多分辨率近似熵的特征提取方法,并且讨论了近似熵值计算中3个参数的选择原则,其后对发动机声信号进行了分析处理,通过对比正常状态与故障状态共8种工况下的小波包3层分解后各节点的近似熵值,确定出了故障的特征频带,根据近似熵在敏感频带内的变化有效提取出发动机故障特征,从而实现了对发动机状态的监测与诊断。试验结果也证明了近似熵在分析复杂信号特征方面具有很强的能力,在判别机械设备运行状况方面具有很好的效果。     

小波变换与SVD方法在结构损伤监测中的应用

将小波变换与奇异值分解(SVD)相结合,利用基于小波变换的能量分布函数,进行小波系数矩阵的奇异值分解,使结构损伤突变信号的奇异点放大,提高信号的分辨率和信噪比.根据信号突变时刻小波系数出现模极大值及其在不同尺度上的传播特性,可有效地检测出信号的奇异性特征,从而对结构损伤特征信号进行时域定位.通过对一试验简支梁损伤前后加速度信号的奇异性进行对比分析,验证了该方法的有效性和可行性.     

四滚柱式超越离合器故障的小波变换诊断方法研究

介绍了利用小波变换方法诊断四滚定向离合器故障的新方法，并应用基于高新函数的小波快速算法分离出了故障信号，进一步分析了冲击频率。实验结果表明，方法行之有效。     

一种坦克发动机电起动系统故障诊断新方法

基于起动电流信号中非平稳特征能有效反映坦克电起动系统的故障状态,提出一种坦克电起动系统故障诊断的新方法。应用小波奇异性检测技术,对起动电流信号中的奇异点进行定位和诊断。针对某型坦克的实际应用表明,基于小波奇异性分析的电起动系统故障诊断方法能有效提取起动电流信号中的关键特征信息,实现电起动系统常见显性和隐性故障的准确诊断及定位。     

峭度分析法在发动机噪声信号故障特征提取中的应用

将峭度分析法引入发动机噪声信号故障特征提取中。基于连续小波变换对信号时间-尺度特征的细致刻画功能,提出了噪声信号中瞬时特性的峭度敏感特征参数计算方法,对不同转速不同工况下的发动机噪声信号进行了基于尺度-峭度的特征提取。研究结果表明,峭度结合连续小波变换能够很好地提取发动机噪声信号的故障特征。利用连续小波变换的尺度-峭度分析,能够有效提取噪声信号不同转速不同工况下的故障特征,为发动机的状态监测与故障诊断提供了重要的理论和现实依据。     

小波分析在变速器齿轮故障诊断中的应用

从小波变换的理论背景出发，介绍了利用小波变换对信号进行分解的原理。针对变速器齿轮振动信号的非平稳性特点，通过对变速器齿轮振动信号用db4小波进行了多分辨分析，说明这种方法可以有效地对变速器齿轮故障进行诊断。     

基于振动信号的柴油机进排气系统故障诊断研究

提出了一种根据柴油机气缸盖振动信号诊断进排气系统故障的方法 ,介绍了对柴油机的振动信号进行小波降噪和小波分解 ,提取相应特征向量 ,然后将振动样本的特征向量作为径向基函数神经网络的输入参数 ,以故障类别作为输出参数训练该网络 ,训练后的神经网络可以利用测量的振动信号来判断柴油机的故障状况。仿真和试验证明该方法有效可行     

基于局部均值分解与局部离群因子动力电池故障诊断

动力电池故障诊断是保证电动汽车正常运行的关键。提出一种基于局部均值分解和局部离群因子的动力电池故障诊断方法,用于电池组故障识别与定位。通过局部均值分解对电压信号预处理,并根据相关系数高低重构电压信号。进一步提取重构信号的峭度因子作为故障特征输入到局部离群因子算法中,根据局部离群因子算法自适应阈值输出故障电池。采用实车数据验证了所提方法能有效、准确地检测出故障,具有较好的可靠性与鲁棒性。     

基于时频分析的客车加速通过噪声声源识别

应用小波包分析理论发展了基于时频分析的客车加速通过噪声声源识别技术。根据选择运行及部分覆盖方法，分别去除各声源影响，同时测得客车通过测试区域的车外加速噪声。对于噪声信号进行多层小波包分解并重构，计算每个小波包的能量及该层小波包的总能量，通过不同信号的小波包能量比较达到声源识别的目的。研究表明，该方法不仅可以清晰地分辨各噪声源能量在时-频域的分布情况，而且通过能量计算可以识别主要噪声源，为采取相适应的降噪措施提供了理论基础。     

小波分析在地震工程中的应用

利用连续及离散小波变换分析、识别和模拟随机过程并将其特征化。通过小波变换将随机过程转换成局域化正交基函数,这提供了一种方便的方法去模拟、分析和仿真非稳态过程。通过利用小波变换的时域和频域分析,使得通过时-频图得到瞬间信号的特征成为可能,而传统方法却做不到。在小波分析发展的不长的历史中,研究者发现在许多领域都可以应用。该文简要讨论了利用连续和离散小波变换分析数学信号的发展现状,同时介绍了一些识别和特征化地震工程中瞬时随机过程的方法。     

基于1DCNN与双通道信息融合的柴油发动机故障诊断

针对传统单通道振动信号诊断方法只能采集部分信息用于局部诊断,而多通道信号融合权重确定困难、实时性差的问题,提出一种基于深度一维卷积神经网络(One-dimensional Deep Convolutional Neural Network,1DCNN)与双通道信息融合的柴油发动机故障诊断方法.通过搭建柴油发动机预置故障试验台,将传感器配置于发动机不同位置以采集发动机运行过程中的双通道故障信号,分别提取振动信号中的最大值、最小值、峰峰值、均值、整流平均值、方差、标准差、峭度等14个特征,构建特征集矩阵并利用主成分分析(Principal Component Analy-sis,PCA)进行特征融合,输入深度一维卷积神经网络,实现对发动机不同故障状态的诊断.试验结果表明,该方法可以有效识别发动机不同的故障状态,与单通道信号诊断相比,所提出的双通道信息融合方法在发动机故障诊断中具有更好的效果.     

小波包分解与共振解调分析在发动机配气机构磨损故障特征提取中的应用

以常见的机械磨损故障——气门间隙过大故障为例进行了试验研究,提取缸盖振动加速度信号进行分析,发现故障状态的时域信号有明显低频周期性冲击,但在频谱的低频区间未现冲击频率;同时,在故障状态频谱中,3 000~4 500Hz范围的高频段振动能量有显著增加。通过小波包分解方法对信号分解至该故障特征频段,再进行希尔伯特解调分析,解调谱现显著的对应低频冲击的频率成分,可作为故障识别特征。分析结果表明,气门间隙过大故障造成的冲击引起缸盖或其部件共振调制现象,综合运用上述时域、频谱和共振解调分析,可对配气机构磨损故障进行故障特征提取,从而为准确诊断故障提供依据。     

小波变换在行驶车辆检测器中的应用

为提高环形线圈对行驶车辆的检测精度,针对车辆检测器输出信号的处理问题,通过建立车辆高速通过环形线圈时频率变化曲线的数学模型,并对测量信号进行小波变换分析,不但能滤除噪声信号,而且能很好地保留信号的突变部分,体现不同车辆经过车辆检测器时的信号特征.采用小波多尺度分析提取信号高频细节系数和小波能量分布系数,可以从细节系数及能量分布中获得车辆通过环形线圈的准确特征,从而建立能量分布分析的小波变换后处理方法.大量试验结果表明,采用小波变换方法分析车辆通过环形线圈时频率变化信号,能很好地体现测量信号中的奇异值并显著提高车辆检测效果.     

基于小波包分解的新能源汽车电弧故障检测方法

提出基于小波包分解的新能源汽车电弧故障检测方法。首先选取电弧故障检测特征量，其次对选取的特征量进行特征数据预处理，将预处理数据归一化，最后设计检测流程，基于小波包分解实现新能源汽车电弧故障的检测，并与传统方法进行对比试验。结果表明：与传统方法相比，基于小波包分解的检测方法具有较高的准确性。     

变电运行中状态检修应用

随着我国电力实业的发展,电力系统中的各种电气设备的检修工作受到了社会各界的广泛关注,状态检修技术是电气设备检修工作中的重要内容。状态检修可以通过对电气设备的转台进行评价,判断电气设备是否存在故障,是否需要检修,具有一定的预见判断功能,为变电运行的安全性提供可靠的技术保障。本文简要阐述了状态检修技术,并就其在变电运行中的实际应用意义,以及解决措施进行了探讨,以期促进我国变电运行事业的发展。     

汽车发动机的故障特征与检测技术探究

为切实保证汽车发动机安全平稳运行，最大限度地满足人们基本的出行安全要求，促进我国汽车故障检测领域的全面健康发展，对汽车发动机的故障特征与检测技术进行了分析与研究。首先对汽车发动机进行综述，其次对汽车发动机检测技术进行分析，并对汽车发动机故障特征进行解析，最后对汽车发动机故障检测技术的类型进行分析，并通过案例进行了研究。     

基于支持向量数据描述的驱动桥异响检测

针对驱动桥异响检测缺乏故障样本的问题,提出了异响检测的单值分类法———支持向量数据描述法(SVDD)。这种方法只需要正常运行状态的数据样本,就可以建立单值分类器,区分出正常和异常状态。试验中,提取驱动桥振动信号频谱的二维谱熵作为特征指标,输入到SVDD分类器。结果表明SVDD算法计算效率高,分类效果好,可以满足在线检测的要求。     

基于小波变换和神经网络的汽车安全部件故障识别

汽车安全部件的工作状态直接影响汽车的安全行驶，运用小波变换理论对汽车在不同部件参数作用下的运动参量进行小波分解。提取相关低频信号和车辆动态评价指标作为汽车运动的特征值，结合神经网络技术进行了部分安全部件的故障状态识别。