土体障碍物超声探测信号小波包特征分析方法

利用小波包分解方法,对土体中障碍物的超声探测信号进行分析。选用sym8小波基函数进行6层小波包分解,并截取信号能量集中的前16个频带进行细致分析,从小波包频带能量、小波包频带能量熵、小波包频带能量矩三个角度对信号进行对比。结果显示,存在障碍物位置处信号和不存在障碍物位置处信号的小波包频带能量熵大致相等,不能作为信号识别及障碍物判断的方法,而小波包频带能量和小波包频带能量矩在部分频带上差异明显,可以作为信号识别及判断的方法。     

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。     

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。     

山岭隧道爆破振动信号小波包及能量分析

采用MATLAB傅里叶变化和小波包变换对实测爆破振动信号进行时频分析,画出对应的变换频谱图、小波重构波形图,通过对比爆破信号的重构波形图结果,分析2种不同方法的优缺点,探讨爆破振动信号的多主频带和能量分布特征以及小波包分析法的优势,找出相关优势频率段。研究表明,小波包分析能更好地体现爆破振动信号的多主频分布特征,其能量分布较为集中,优势频带包含了振动信号70%以上的能量。     

汽车发动机非稳态振动信号分析方法比较研究

采用短时Fourier变换、小波包AR谱和二阶循环谱方法分别对发动机加速信号进行了时频分析,提取了分析对象的故障特征,并对3种方法进行了比较研究.研究表明:短时Fourier变换的频率分辨特性相对较差;小波包对单个故障有良好的分辨特性,但对多个故障的分辨能力较差;而循环谱方法有更好的频率分辨特性,且在特征频率处有更显著的谱峰.     

一种适用于发动机振动信号的时频分析方法

本文中对一种新的时频分析方法——同步压缩小波变换进行研究。首先,为检验其对发动机信号的适用性,建立了多分量、调幅-调频仿真信号,采用同步压缩小波变换对其进行分析。接着将其与其它时频分析方法在时频分辨率、信号分解和重构能力方面进行比较;最后以某一发动机为例,分析其瞬变工况下的振动信号,揭示连杆轴承磨损信号变化规律并提取故障特征。结果表明:同步压缩小波变换是一种适用于发动机状态监测与故障诊断的时频分析方法。     

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.     

利用小波包变换实现电力系统谐波分析

小波包变换(WPT)建立在小波变换的基础上,可以实现信号频带的均匀划分,能够更好地提取信号的时频特性,具有更好的谐波分析特性。但是现有的小波包变换算法实现的频带划分不是按频率大小顺序排列的,给系统和谐波分析带来混乱。根据采样定理和滤波器组实现电路分析了小波包变换实现频带划分的特点,并利用改进的小波包变换实现算法进行系统分析,实例验证这种新的小波包分解结构对谐波分析具有更好的特性。     

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1(1/2)维谱熵的发动机状态识别研究

在分析1(1/2)维谱的定义与其计算方法的基础上,结合信息熵理论,提出了一种1(1/2)维谱熵的特征提取方法。通过建立评价发动机状态的特征熵指标,真实反映了机械故障信号的复杂性程度。应用结果表明,该方法对不同状态的信号具有较好的分类能力,实现了对发动机状态的有效识别。     

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。     

基于多尺度核独立元分析与核极限学习机的柴油机故障诊断

为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增强;然后利用核独立元分析消除有效分量间的频带混叠,分离故障敏感频带,并提取各频带的AR模型参数、多尺度模糊熵和标准化能量矩构造联合故障特征向量;最后建立基于量子粒子群优化的核极限学习分类器实现柴油机故障诊断。试验结果表明,该方法有效增强了缸盖振动信号中的故障敏感特征,提高了柴油机故障诊断速度和精度,故障分类准确率达到98.45%。     

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。     

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。     

强噪声背景下的柴油机失火故障诊断

柴油机失火是常见的故障模式,传统的诊断方法不仅参数获取困难且准确性差。针对此问题,以3缸四冲程柴油机为研究对象,设计了柴油机失火故障的预置试验,采集排气噪声和缸盖振动信号进行故障诊断研究。为提取强噪声背景下的微弱信号,采用二次采样随机共振系统提取柴油机故障特征频率完成柴油机的失火故障诊断。研究结果表明,通过二次采样处理,随机共振系统可以将噪声能量转移到柴油机微弱特征信号上,达到大参数条件下微弱信号特征提取的目的,能有效识别柴油机的早期故障,对其他复杂机械的振动诊断同样具有参考价值。