小波包分析在柴油机故障诊断中的应用

分析了柴油机缸盖振动机理,运用小波包对振动信号进行分析与讨论,将含噪信号进行小波包降噪处理,对降噪信号进行小波包分解,通过提取频带能量特征,对柴油机缸盖漏气故障进行了诊断.     

小波包分析在柴油机故障诊断中的应用

分析了柴油机缸盖振动机理，运用小波包对振动信号进行分析与讨论，将含噪信号进行小波包降噪处理，对降噪信号进行小波包分解，通过提取频带能量特征，对柴油机缸盖漏气故障进行了诊断。     

基于小波包分解的功率谱方法在人字门启闭机减速器故障诊断中的应用

针对船闸人字闸门机械式启闭机减速器中滚动轴承振动的不平稳性及其故障信号中存在噪声和干扰的问题,提出了一种基于小波阈值算法的小波包分解与功率谱分析的故障诊断方法。该方法通过对故障信号进行小波分解且对其系数作阈值处理,并利用处理后的分解系数进行小波逆变换得到降噪后的信号,然后对降噪后的信号进行小波包分解,找到能量集中的节点,对其进行Hilbert包络解调并求其Hilbert包络线的功率谱,从而提取故障特征信息。应用实例表明:仿真信号与某船闸人字闸门机械式启闭机减速器故障诊断方法能降低信号噪声以及干扰,并能提取故障特征信息。     

基于小波包汽轮机货油泵振动信号仿真分析

文章通过小波包分析方法对汽轮机货油泵信号进行仿真分析验证,对信号进行时域信号分析,基于振动信号的小波包特征提取,得出故障频率特征,进而可以分析判定故障的存在,验证小波包分析对故障特征量提取的有效性。     

小波分析在故障诊断中的应用

在分析小波变换原理的基础上,根据设备出现故障时的信号特征,介绍了小波分析在降噪及故障诊断中的应用。重点分析了小波变换应用于设备故障诊断的优点及其优于傅里叶变换等其他方法的数学机理。最后通过实例验证小波分析在故障诊断中的应用,并通过与傅里叶变换对比,表明小波变换能克服傅里叶变换的固有缺陷,准确提取故障特征。     

基于小波阈值降噪滚动轴承信号的研究

分析了不同故障情况下滚动轴承故障信号频率的变化情况以及Penalty阈值降噪模型、Brige-Massart阈值降噪模型和缺省阈值降噪模型的特点。利用小波分析和三种阈值降噪模型对实际采集的轴承故障信号进行降噪,结果表明,Penalty阈值和缺省阈值降噪模型比Brige-Massart阈值降噪效果更好。文中还对降噪后的信号进行了频谱分析,获取了滚动轴承的特征值,便于判断滚动轴承发生的故障类型。     

基于改进包络分析的船舶轴系故障检测

为解决船舶轴系振动信号中冗余信息过多、故障特征难以识别的问题,提出一种改进的包络分析方法。使用谱峭度(Spectrum Kurtosis,SK)选择包络分析的频带,应用峭度图确定最大SK对应最优频带参数,采用最优频带参数对振动信号进行滤波;对滤波后的信号使用小波包进一步降噪,并对处理后的信号进行包络分析,根据包络谱确定故障类型。采用该方法可以实现在强背景噪声条件下轴系故障的检测。     

自适应小波包算法在激光海面通信降噪处理中的应用

介绍了自适应小波包算法的基本理论和具体实现步骤,并且针对信号的时变特性采取了改进的双树算法实现了每一时间段内的小波包基的最优化选择,使得降噪处理具有自适应性。通过数值模拟对自适应算法和传统算法进行了比较。实验结果表明自适应小波包算法降噪法有着更好的性能,能够有效地抑制信号中的噪声。     

舰船动力机械设备故障信号小波包分解的时域特征提取

现有方法在实践中均存在抗干扰性较低与信号分离失真度较高的问题,因此提出一种新的时域特征提取方法。首先对小波包分解中故障信号的能量分布进行获取。对舰船动力机械设备故障信号仿真信号进行数学表达,将db10小波当作小波包基函数,实施信号的小波包3层分解,获取8个频带。Gray编码分解频带,获取依频带顺序进行排列的各频带的对应分解波形,根据各频带的对应分解波形,获取各频带的对应频率范围,再根据各频带的对应频率范围实施能量分析。最后利用EMD实施小波包分解中故障信号时域特征的提取。进行该方法与现有方法关于抗干扰性与信号分离失真度的对比实验,实验结果证明该方法的抗干扰性更高、信号分离失真度更低,对比现有方法实现了突破,实用性很强。     

基于混沌理论与小波包分析的舰船状态监测方法

随着经济发展,通过舰船进行货物运输越来越频繁,保证舰船的安全性,快速准确的检测到舰船的状态并对舰船的故障进行排除具有非常重要的现实意义。本文从对混沌理论和小波包的分析中获取各自特点,并且将二者相结合进行舰船状态的检测,首先利用小波包分析分解可能引起舰船状态发生变化的特征信号,其次利用混沌理论对信号进行特征提取,确定是哪个部位发生故障,最后通过实验验证本文所设计算法的可靠性。     

基于改进小波算法的舰炮齿轮箱故障特征提取

小波变换具有优良的时频分析特性,适合于提取齿轮箱等机械设备的故障特征。但是由于小波滤波器的频响应特性不理想,因此直接对信号进行小波变换会产生一定的虚假频率,从而影响故障特征提取的准确性。针对小波分析的混频现象,在深入分析该现象产生原因的基础之上提出一种改进算法,并给出了利用该算法提取故障特征的具体步骤,为舰炮齿轮箱故障特征提取提供了一个新途径。仿真结果表明,该方法能有效地消除混频现象,提高了故障特征提取的准确性。     

Application of an improved EEMD method in bearing fault diagnosis of induction motors北大核心CSCD

[Objective]In order to overcome the disadvantages of the traditional ensemble empirical mode decomposition (EEMD) method in selecting parameters (integration time and white noise amplitude coefficient) based on experience, and reduce the cost of calculation time, a fast ensemble empirical mode decomposition (FEEMD) method is used to extract the characteristic frequency. [Method]By changing the distribution density of the added white noise, different signal envelopes can be obtained. Furthermore, we can identify the optimal envelope by finding the optimal search window width of the moving mean filter, thereby avoiding the defect of EEMD selecting parameters by experience. At the same time, after the abnormal component in the signal is decomposed, the residual component can be decomposed by EMD to further save the calculation time cost. Finally, the method is combined with Hilbert envelope demodulation technology and applied to the fault characteristic frequency diagnosis of the bearing inner ring of an asynchronous motor. [Results]As the results show, compared with the traditional EEMD method, FEEMD can extract the fault frequency more efficiently. [Conclusion]FEEMD overcomes the disadvantages of the traditional EEMD method in selecting parameters based on experience and shortens the calculation time. As such, it can be effectively applied in bearing fault frequency extraction experiments. © The Author(s) 2022.     

卷积小波包变换在多址干扰消除中的应用

为解决扩频通信系统中存在的多址干扰问题,将卷积小波包变换引入了扩频系统的降噪处理过程。探讨了干扰噪声在卷积小波包变换中的传播特性,在此基础上讨论了卷积小波包变换降噪的算法步骤,详细讨论了干扰噪声方差估计和阈值函数处理的方法。对几种常用的信号类型进行了仿真计算,仿真结果表明该方法不但能提高扩频通信系统的降噪精度,还可较好保留信号中的主要细节。     

船舶推进轴系故障特征信息识取方法比较

为研究不同船舶推进轴系故障特征量提取方法的优缺点,针对船舶推进轴系故障振动信号的瞬态(脉冲)和周期性2个特点,介绍快速傅里叶变换(FFT)、EAF和EEAF3种周期故障特征信息识取方法,并在实船试验中就这3种方法的适用性、准确性和复杂程度等进行比较分析。结果表明:EEAF相比FFT和EAF,能快速、准确地提取船舶推进轴系周期性故障信息的特征频率及其振幅,具有良好的稳定性,可专门用于船舶推进轴系故障分析和诊断。     

螺杆式滑油泵异常振动故障诊断

某船用螺杆滑油泵出油管路振动烈度高达257. 7 mm/s,文章测量了该泵和另一台同型号泵的管路、泵体的振动速度和振动加速度波形,并逐一进行比较分析。管路振动速度波形和频谱表明,故障泵振动不稳定,速度频谱中存在明显的异常频率成分。泵体振动加速度波形分析结果表明,正常泵高频脉冲信号出现的频率与泵的正常排油频率对应。故障泵高频脉冲信号出现的频率明显不规律,说明故障泵的螺杆配合存在问题。泵体高频脉冲信号对于螺杆泵的状态监测与故障诊断具有重要意义。     

超声回波信号的小波消噪研究

利用小波变换的时频局部化性质,对超声回波弱信号特征进行提取,得到了较好的边缘信号,从而对信号进行全面细致的分析。理论分析和仿真结果表明,小波分析方法适合于超声回波信号的检测和特征提取,在改善了信噪比的同时,还保持了很高的时间（空间）分辨力,具有准确度高、抗噪声性能好等优点。并将该技术应用于物距测量中,提高了系统测量的准确度。     

一种强干扰背景下雷达目标检测算法

将WVD和Hough变换相结合,利用时频聚集性和Hough变换点的累积得到的信号的检测结果,用来检测雷达目标回波信号。然而在强干扰低信噪比下检测能力有限。利用线性调频信号瞬时频率的线性特征,只采用信号WVD时间段的中间部分值进行Hough变换,在时频平面上对WVD的结果进行时间轴上的截取技术,对检测算法作了改进。通过仿真结果表明,改进的检测算法在低信噪比和强干扰环境下能有效地检测出目标信号。     

基于小波变换与变步长LMS算法的船舶磁场信号检测

针对检测船舶磁场信号时信噪比较低的问题,提出了一种基于小波变换与变步长LMS算法的检测方法.根据船舶磁场信号的实际特征,首先对信号进行小波分解,并提取最后一层的低频分量,滤除高频噪声;再采用变步长LMS算法对低频分量进行自适应滤波,进一步滤除噪声,提取船舶目标特征信号.船模实验的结果表明,该算法可以显著提高信噪比,增强...     

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。