奇异点检测的小波方法在信号初至时提取中的应用

本文简要介绍了一种噪声背景下检测确定性信号间断点的位置及个数的小波方法,该方法的基本思想是利用小波变换所特有的“变焦距”性质,而精确刻画信号在小波变换下的局部奇异性,进一步地,利用统计分布的思想,设定阈值,较好地屏蔽平稳噪声的影响,各奇异点的位置,则可以由小波变换的局部极大性检测出来,通过地震波信号的计算机模拟实验,结果说明该方法对于淹没在平稳噪声中,尤其是强噪声背景下的信号奇异点检测,具有灵敏度高,克服品能力强的特点,检测效果是明显的。     

基于小波变换的轮速信号奇异性检测研究

基于小波奇异性检测原理,提出了一种检测奇异性轮速信号的算法。利用该算法对采集到的轮速信号进行处理,结果表明:该算法能够提取轮速信号丢失的奇异特征,即信号丢失现象,且运算量较小,为ABS系统的故障诊断研究提供了一定的理论基础。     

基于负压波-流量法的管道泄漏检测试验系统(英文)

构建了一套基于负压波和流量的管道泄漏检测试验系统.该系统利用研华PCI-1710HG数据采集卡实时采集管道的压力和流量数据,利用小波变换去除混杂在压力和流量数据中的噪声信号,采用连续小波变换检测压力和流量数据的奇异点从而实现泄漏的检测与定位.监测系统的软件部分采用NI公司的图形化编程语言LabVIEW开发.该系统能及时检测管道泄漏并进行定位.     

基于小波变换的斜拉桥索双轴漏磁检测方法

针对在役斜拉桥索只能进行无损检测的特点,提出了基于漏磁检测的缆索缺陷探伤方法以及检测电路.由于检测现场空间磁场噪声较强,导致漏磁信号特征不明显,为此,应用二进小波变换的方法,对周向漏磁信号采用基于高斯白噪声的快速离散软阈值算法进行信噪分离,以确定缆索缺陷程度;对轴向漏磁检测信号进行奇异性检测处理,以获取缺陷的精确位置信息.实验结果表明,该方法可实时获取缆绳索缺陷程度和位置信息.     

基于小波网络的船舶柴油机燃油系统故障诊断

采用小波变换和BP神经网络的辅助式结合,通过小波变换提取故障特征向量作为BP神经网络的输入值,设计并组建了小波神经网络;利用小波变换模极大值分析高压油管燃油压力信号的奇异性,提取故障特征向量;根据故障采集数据并建立学习样本,通过网络训练建立BP神经网络输入和输出间良好的非线性映射,进而通过特征向量输入BP神经网络来诊断故障。实验数据分析表明:该方法具有良好的诊断效果。     

基于负压波-流量法的管道泄漏检测试验系统

构建了一套基于负压波和流量的管道泄漏检测试验系统．该系统利用研华PCI-1710HG数据采集卡实时采集管道的压力和流量数据，利用小波变换去除混杂在压力和流量数据中的噪声信号，采用连续小波变换检测压力和流量数据的奇异点从而实现泄漏的检测与定位．监测系统的软件部分采用NI公司的图形化编程语言LabVIEW开发．该系统能及时检测管道泄漏并进行定位．     

基于多小波分析的暂态信号去噪方法研究

由于多小波分析方法的特殊性,需要对原始信号进行预处理.不同的预处理方法对多小波去噪效果有着非常明显的影响.文中介绍了多小波理论,选用GHM多小波,采用了4种预处理方法对信号进行预处理,分析了基于这4种方法进行信号去噪的结果,并与单小波处理结果进行了比较.将比较结果应用于检测系统输出电压信号进行分析,结果表明,利用多小波变换方法对暂态信号去噪比用单小波方法具有明显的优越性.     

小波分析的应用及其MATLAB程序实现

主要介绍几种常用的小波函数及小波分析的特点，在此基础之上又介绍了一维小波、二维小波及小波包的应用，并给出一个用MATLAB程序实现一维小波在信号奇异性检测例子。     

基于小波变换的混沌信号特征研究

应用小波方法将混沌信号的频谱特征和吸引子的几何结构相结合进行研究,结果表明,在不同尺度上对混沌信号进行连续小波变换时,其小波系数具有很强的相似性,但不能够完全重构原来的吸引子.对信号进行多尺度分解后发现其低频系数部分基本能够重现原吸引子的结构特征,而高频系数部分不能实现这一目标.为了定量刻画混沌信号在小波变换条件下的分形特征,计算了其在不同尺度时的关联维数,并分析了关联维数计算的影响因素.     

基于移动荷载作用下的结构响应及小波分析的桥梁损伤诊断

用扭转弹簧模拟裂缝损伤,推导了移动荷载作用下裂缝损伤梁的动力响应.通过对损伤梁在移动荷载作用下的位移响应参数进行小波变换,用小波系数灰度图和小波系数模极大值轨迹图识别损伤位置,用可以评价信号奇异性特征的Lipschitz指数评价损伤程度,考察了不同损伤程度、多损伤位置和测点位置,荷载速度和荷载大小及噪声等因素的影响.数值计算表明该方法具有很好的识别效果.     

车辆传动系统变参小波流形融合故障诊断方法

应用流形学习方法非线性融合信号在不同小波参数下中央尺度对应的小波包络,研究了强背景噪声下车辆传动系统振动信号故障瞬态脉冲包络的有效提取问题,并与传统信号时频分解方法进行了对比研究;采用不同小波参数对振动信号进行连续小波变换,提取了每组参数下中央尺度上的小波包络;采用基尼指数选择若干包含故障瞬态脉冲信息的小波包络,构造了高维小波包络矩阵;采用局部切空间排列算法对高维小波包络进行流形融合,获得了反映故障瞬态脉冲包络本质结构的小波包络流形;为了验证所提方法的有效性和优越性,采用不同方法对轨道车辆轮对轴承和汽车变速齿轮箱的故障振动信号进行了对比分析。研究结果表明:在分析轴承外圈故障信号时,所提方法基尼指数比传统信号时频分解方法提高27.32%以上;在分析齿轮磨损故障信号时,所提方法基尼指数比传统信号时频分解方法提高26.74%以上。可见,所提方法通过综合具有不同形态的变参小波包络,可以在无需优化小波参数情况下,对车辆传动系统中的不同关键部件故障振动信号具有较好的自适应性,提取的故障脉冲包络中的带内噪声少,故障脉冲特性明显,容易识别其频谱中的故障特征频率,是检测车辆传动系统故障的一种有效方法。      

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明:在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。      

一种交流电机故障诊断中的特征提取与强化

为提高电机故障诊断的准确率和有效性,提出了一种故障特征提取与强化的新方法.即在对所采集的交流电机振动加速度信号进行数据预处理之后,用盲源分离方法进行独立振动源的分离,然后采用小波包分析方法进行特征提取,并进行特征频带的简化及特征强化处理,特征强化后的数据作为交流电机故障诊断模型的输入.该方法通过对振动加速度信号进行分离,能够分离出混合信号中的独立振动源,提高了故障特征提取的正确率和准确度;通过对特征频带化简,减少了故障诊断模型的输入,进而简化了模型的结构;特征强化使模型能够更有效地识别故障状态.     

基于虚拟仪器的机车滚动轴承故障诊断研究

介绍了机车滚动轴承故障诊断的机理。利用LabVIEW软件和相关硬件,设计了一种机车滚动轴承故障诊断系统。该系统结合某一型号机车轮对,利用CompactDAQ和NI9233加速度采集模块采集滚动轴承振动信号。根据滚动轴承机理,振动信号包含滚动轴承故障信息。因此,运用小波变换函数,对振动信号进行时频域分析处理,获取有用的故障特征信息,进而确定故障类型。从实验结果可以看出,该方法能准确地找到故障频率,对于机车滚动轴承故障诊断有很好的指导意义。     

小波包-神经网络在摆式列车倾摆控制系统故障诊断中的应用

针对摆式列车倾摆控制系统故障的特点，研究了神经网络结合小波包分析进行故障诊断的方法，采用小波包分解和信号重构的方法，将在摆式列车试验台上采集到的振动信号分解到不同的频带以提取有关的故障信息，并将振动信号各频带内的能量特征作为训练样本输入前向神经网络，用优于改进梯度下降法的Levenberg—Marquardt优化方法对网络进行训练，对倾摆控制系统的常见故障进行识别和诊断。实践表明，该方法对摆式列车倾摆系统故障的诊断是可靠的。     

航空发动机转子碰摩故障信号广义S变换方法

为了有效提取航空发动机转子碰摩故障信号,提高碰摩故障诊断的准确性,采用广义S变换方法,把碰摩信号变换到相空间中,在相空间检测和提取故障特征,并与连续小波变换的结果进行了比较。变换分析结果表明:在广义S变换域可以更清楚地反映出信号的时频局域化特性和奇异点位置,易于检测出碰摩点的位置,广义S变换有较好的抗干扰能力,在变换域易于信号与噪声的分离。     

基于信号预处理和Hilbert变换的滚动轴承故障诊断

针对滚动轴承振动信号复杂和非平稳的特点,及故障信号常常淹没于各种噪声的情况,先利用消除趋势项和小波降噪对包含故障信息的信号进行预处理,再应用Hilbert变换对信号进行包络解调和频谱分析,提取滚动轴承故障特征频率,并判断其故障模式.对滚动轴承内圈、外圈和滚动体故障的诊断试验,证明了信号预处理和希尔伯特(Hilbert)变换相结合的方法对滚动轴承内圈和外圈局部损伤故障的诊断是有效的和可行的,但不能很好地检验出轴承滚动体的故障特征