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.     

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.     

六滚柱式定向离合器故障的小波包变换诊断方法研究

论述了小波包分解及其能量谱处理六滚柱式定向离合器故障的原理与方法。应用小波包分解及其能量谱直观地识别出故障的特征频带,并进行了量化分析。结果表明:小波包及小波包分解能量谱比传统的傅立叶分析方法具有更大的优越性和实用价值。     

小波包和SVM在发动机故障诊断中的应用

针对发动机的故障特点,提出了一种基于小波包和支持向量机(SVM)的发动机故障诊断方法。利用信号能量在小波包空间的分布特性,采用基于能量的自适应去噪方法,提取反映故障的特征向量,并基于SVM理论构建了针对发动机的多故障分类器。试验结果表明,该方法具有故障分类与识别能力。     

小波能量商在汽车发动机故障诊断中的应用

考虑发动机断火之后对振动信号的影响,基于4层小波包分解重构信号能量,构造了小波包能量商无量纲指标.通过该指标提取发动机断火前后信号的能量特征作比商,充分考虑了断火之后振动信号能量的阶跃特性,定量分析断火后信号能量变化的程度.采集东风EQ6100汽油发动机缸体正常、活塞敲缸异响、活塞销异响以及曲轴轴承异响等4种工况的振动信号,并应用小波能量商指标对试验信号进行分析,取得很好的效果.试验结果表明,小波能量商可以对发动机不同故障准确地识别分类.     

基于缸盖振动信号分析的柴油机失火故障检测

用小波软阈值降噪的方法提高了柴油机缸盖振动信号的信噪比。对降噪后的振动信号进行了功率谱分 析,通过比较单缸断油前后功率谱的变化,找到了缸盖燃烧冲击振动的频段。以频段内振动信号的能量与总能量 的比值为诊断参数,识别了柴油机的失火故障。用实测数据证明了该方法的有效性。     

小波能量熵在疲劳驾驶检测中的应用

用转向盘转向小波能量熵的分布来衡量转向操作的不平稳性,不涉及转向具体角度,受道路线形影响小,因此理论上采用转向熵的驾驶疲劳检测方法比采用具体转向值具有更高的精度.在此之前需确定转向熵与驾驶疲劳之间的关系.模拟驾驶实验表明,转向小波能量熵与疲劳程度之间存在正相关关系.首先去除转向盘转向信号中道路线形影响,然后利用Daubechies小波对其进行分解,以200 s为信号采样长度计算转向信号沿第5尺度的小波能量熵分布,并利用平滑修正窗修正偶然因素对能量熵分布的影响,发现随着疲劳的加深,转向能量熵呈上升趋势.对实验样本分析表明,驾驶员在疲劳发展过程中能量熵变化范围为0.05～0.24:最大值在0.16～0.24之间,最小值在0.05～0.11之间.驾驶人进入深度疲劳时转向小波能量熵比刚刚出现疲劳迹象时要增长50％～60％.     

小波变换在车辆噪声源识别中的应用

利用三级小波包分解，获取信号能量分布的特征向量，根据信号能量分布的特征向量相关系数，确定两种信号相关程度，给出了识别不同信号的识别方法，试验表明，该方法用于车辆噪声、振动源识别比传统的分析方法更为简单、有效。     

基于小波变换理论的车辆实测载荷谱优化处理方法研究

鉴于工程中采集到的车辆道路载荷谱易受外部环境干扰而存在噪声和异常的尖峰信号,而传统的傅里叶变换滤波方法容易将真实信号随噪声信号同时滤除,本文中研究了基于小波变换理论的车辆实测道路载荷谱降噪方法。选用Daubechies小波函数,结合多种小波阈值降噪准则对某试验车辆实测道路载荷谱进行降噪处理,系统性地研究了不同小波阈值降噪准则和小波消失矩对实测含噪随机载荷信号的降噪性能。结果表明,基于小波变换的降噪方法能有效剔除干扰噪声信号,其中Heuristic SURE准则对原载荷谱各项载荷特征的保留效果最好。此外,研究了基于小波变换理论的实测载荷谱中异常尖峰信号自动检测方法,为车辆实测道路载荷谱的优化处理提供了一定的参考。     

基于小波变换-模糊控制的复合电源能量管理

以锂电池-超级电容构成的复合电源电动汽车为研究对象,在满足动力性能的前提下,为实现超级电容在合理的荷电状态（SOC）下承担高频率信号,且锂电池承担低频率信号的目标,建立了实时小波变换-模糊控制的能量管理控制策略。基于Matlab/Simulink和ADVISOR软件搭建整车模型,并在NEDC循环工况下进行仿真测试。仿真结果表明,与单一锂电池相比,在小波变换-模糊控制策略下,复合电源锂电池的驱动峰值电流降低了20.68%,寿命提高了16.74%。搭建了按一定比例缩小的复合电源系统试验平台,并在NEDC工况下进行试验验证。结果表明,小波变换-模糊控制策略对复合电源电动汽车的能量管理具有良好的控制效果。     

柴油机状态监测与故障诊断特征参数研究

介绍了柴油机状态监测与故障诊断特征参数中的非振动参数和振动参数,前者包括能够表征柴油机整体性能的进气压力、转速波动和整机功率;后者包括能够表征柴油机故障信息的中波幅值脉冲、高波幅值脉冲、最大燃烧压力和燃烧均匀性值。对振动信号进行小波包分解,提取包含待诊断部件故障信息的频带能量指标作为故障诊断的特征参数。得到了柴油机状态及故障的特征参数及其变化规律,从而为开展柴油机在线监测和故障诊断提供了可靠的依据。     

基于小波神经网络的电源车故障诊断研究

简要介绍了小波神经网络理论,在分析某武器系统电源车模型的基础上,运用小波神经网络理论,构建小波神经网络,再进行网络训练与测试。算例结果表明,本方法可提高故障诊断的效率和准确性,对电源车的故障诊断具有重要意义。     

基于虚拟仪器的小波分析在发动机故障诊断中的应用

介绍了小波信号分析、虚拟仪器及其软件开发平台LabVIEW基本原理,阐述了在虚拟仪器平台的基础上将小波分析应用于发动机故障诊断,提出了应用MATLABScript节点对信号进行小波处理的方法,并分析了其中的关键技术,实现小波分析方法在发动机故障诊断中的应用,达到了对发动机运行状态进行实时监测和故障诊断的目的。     

小波包能量特征法在汽车变速器轴承故障诊断中的应用

归纳和总结了小波神经网络轴承故障诊断法的实施步骤,阐述了小波包的原理,并以变速器轴承故障诊断为例,提取了小波包节点能量作为反映变速器轴承故障类型的振动信号特征参数,并用这些特征参数训练BP神经网络进行故障模式识别。结果表明,如果神经网络设计合理,训练适当,则具有很强的故障识别能力。说明了利用小波包能量法和BP神经网络进行变速器轴承故障诊断是可行而且有效的。     

基于区间的小波包振动信号特征提取方法研究

基于小波分析与神经网络的振动信号故障诊断方法,提出采用基于区间小波包分解方法来提取振动信号的特征向量来取代传统的小波包分解方法,并以295柴油机进排气系统故障诊断为例验证采用该方法的有效性,结果表明,基于区间的小波包特征提取方法较传统方法能大大提高进排气系统的故障识别率。     

基于小波免疫系统的车辆总成故障检测

匹配算法。根据小波分析和人工免疫系统的原理，提出了一种基于小波变换和免疫系统的故障诊断系统。针对小波分析的特点，将其用来对非稳定信号进行分析，获取信号特征向量作为原始数据，利用匹配算法对原始数据进行己-非己分析。将此系统应用到车辆总成故障诊断中，取得了良好的效果。     

变速器齿裂及轴承故障建模与故障特征提取

建立了变速器齿裂故障、轴承故障的动力学模型，依据此模型仿真了齿裂故障、轴承内圈、外圈、滚动体故障的故障信号。采用平滑伪维格纳分布提取了这几种故障的特征。结果表明所建模型能提取出故障的特征。     

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。