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。     

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。     

基于尺度—小波能量谱和神经网络的内燃机故障诊断

为了对内燃机气门及活塞—连杆组故障进行有效地诊断,通过试验测取内燃机在不同故障下的振动信号,利用连续小波变换得到信号在不同尺度上的能量分布,即信号的尺度—小波能量谱。其能量主要分布于尺度范围1~32,且相同故障模式下的尺度—小波能量谱呈现出相似性,不同故障模式之间的尺度—小波能量谱存在很大的差异性,以此作为不同故障模式的信号特征,结合BP神经网络方法,实现了对待检信号的正确识别。     

EEMD和SVM在发动机故障诊断中的应用

针对发动机缸盖振动信号的非线性非平稳特征,提出一种总体平均经验模态分解(EEMD)和支持向量机相结合的信号分析及故障诊断方法,该方法利用EEMD算法以及IMF序列和原始振动信号之间的相关系数,有效放大故障诊断特征向量的差异。对原始振动信号进行EEMD分解,得到各阶特征模态函数(IMF),求各阶IMF分量对应于原始信号的相关系数并组成故障分类特征向量。分别将IMF相关系数法和IMF能量分布法得到的特征向量作为输入,建立BP神经网络和支持向量机,判断发动机工作状态和故障类型。分析表明,对IMF求相关系数的方法简便易行,能有效放大不同工况下特征向量的差异,结合支持向量机能够对既定机型的配气机构和点火系常见故障进行准确识别。     

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。     

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.     

小波包分解在氢发动机异常燃烧诊断中的应用

氢发动机燃烧压力信号包含了丰富的燃烧信息,基于压力信号可以应用小波变换法提取异常燃烧信息。鉴于小波包分解继承了小波变换所有的时频局部化优点,并且可以有效地提取微弱燃烧信息,从而能够为信号提供更精细的分析方法。对氢发动机正常燃烧和异常燃烧压力信号进行了小波包分解,提取出小波包能量。通过构造小波包能量特征向量,对氢发动机异常燃烧进行了有效诊断,为消除氢发动机的异常燃烧提供了技术基础。     

基于Hilbert-Huang变换的制动意图聚类识别EI北大核心CSCD

为了进一步提高电动汽车再生制动系统对驾驶员制动意图的识别准确率,从而使电动汽车能在制动的过程中回收更多的能量,提出了基于Hilbert-Huang变换(HHT)的电动汽车制动意图聚类识别方法。建立了HHT的数学模型,基于HHT在时频域中进一步探寻中等制动和平缓制动两种制动意图下制动踏板行程信号的特征。建立了制动踏板行程信号特征提取模型,运用Hilbert局部边际能量谱得到局部特征能量,从而对信号特征进行提取,获取信号的特征向量。建立基于模糊C均值聚类算法的制动意图识别模型,并分别进行了离线实验和实时实验。结果表明所提出的基于HHT的制动意图模糊C均值聚类识别方法能更好地分辨中等制动和平缓制动意图,提高了识别准确率,并具有较好的实时性。     

基于缸盖振动信号分析的柴油机气门异响检测

由缸盖振动信号提取气门的落座冲击和爆燃冲击的信号特征,由能量谱识别出同种冲击能量分布比较固定的频带,通过冲击能量指标诊断气门落座冲击和爆燃冲击的异常特征.     

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EEMD的地铁隧道爆破振动信号分析与应用研究

针对EMD（empirical mode decomposition，经验模态分解）方法在处理爆破振动信号时存在模态混叠的问题，引入EEMD（ensemble empirical mode decomposition，集合经验模态分解）方法，对爆破振动信号进行去噪处理，并分析城市隧道掘进爆破振动信号的特征信息，从而研究城市隧道掘进爆破振动效应。以乌鲁木齐轨道交通1号线爆破开挖工程为依托，利用现场爆破振动监测数据，采用EEMD方法与EMD方法对原始爆破振动信号进行去噪处理，运用信噪比（SNR）法和均方根误差（RMSE）法对所得结果进行量化评估并进行比较，从而获得较准确的信号去噪方法，然后运用希尔伯特变换对去噪后的爆破振动信号进行时间-频率和能量分布特征分析。研究表明： 1）EEMD法去噪结果信噪比和均方根误差分别为30.51和0.005 5，EMD法去噪结果信噪比和均方根误差分别为20.88和0.010，EEMD去噪法要优于EMD去噪法； 2）在文章所述起爆方式下，隧道爆破振动的能量一般集中在频率段5～80 Hz，且主要分布在50 Hz以下的低频段，应采取合理的降震增频措施来控制爆破振动对建（构）筑物的影响； 3）爆破振动瞬时能量峰值与振速峰值所在的时刻一致，说明瞬时能量谱能较好地体现爆破过程中振动效应随时间的变化规律； 4）基于信号去噪及分析的研究结论，提出地铁隧道爆破振动控制技术。     

节理刚度对地震勘探激发效果的影响研究

采用离散元程序UDEC模拟了地震波在含节理岩体中的传播规律,并采用小波包分析技术对地震信号的频带能量分布特征进行分析,结果表明节理刚度对反射波和透射波的振动能量和频率均有较大影响,节理刚度越低,反射波振动能量和有效信号能量所占频带总能百分比越高,信噪比越高,则激发效果越好。     

基于ITD和邻域差分能量算子解调的内燃机瞬时转速计算

针对内燃机瞬时转速计算精度低、对采样频率鲁棒性差的问题,提出了基于固有时间尺度分解（Intrinsic Time‐scale Decomposition ,ITD）和邻域差分能量算子解调（Energy Operator Demodulation ,EOD）的瞬时转速计算方法。利用自适应波形匹配算法对原采样信号进行端点延拓,然后基于ITD算法从信号中提取包含瞬时转频的单分量信号,再对单分量信号进行邻域对称差分,并将差分结果输入传递函数计算能量算子,进而求出内燃机的瞬时转频和瞬时转速。仿真和实测信号研究证明了本方法计算速度快、精度高且频率鲁棒性好。     

Fault detection of vehicle suspension system using wavelet analysis

This paper presents a method based on continuous wavelet transform to detect the faults of vehicle suspension systems. The Morlet wavelet functions are employed to approach the natural frequencies of the system and the frequency components of the signal with relative maximum energy. To evaluate our method, we use a full vehicle dynamic model which has been simulated in ADAMS/CAR and validated by laboratory test results. The suspension faults have been considered due to the damage of shock absorbers (dampers) and upper damper bushings (UDBs) and assumed as the decrease in damping force and loose joints, respectively. In this paper, the incapability of the spectral analysis by using fast Fourier transform in analysis of the signals is revealed through applying the inputs that include transient characteristics and then wavelet transform employed to achieve more proper results. A swept frequency is applied as an input to the wheels that simulates the road irregularities. After detection of faulty sections of the system using signal energy distribution, the defects of damper and UDBs are distinguished from each other through observing the changes of natural frequencies and corresponding energy amplitudes.     

基于EEMD和能量算子解调的发动机瞬时转速计算

针对发动机瞬时转速Hilbert频率解调法端点效应误差大、计算精度低的问题,提出了基于总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和能量算子解调的瞬时转速计算方法。该方法利用EEMD从原始多分量信号中提取包含瞬时转频的单分量信号,再利用能量算子解调法从所提单分量信号中解调出瞬时转频,进而求得瞬时转速,消除了Hilbert变换的端点效应,提高了计算精度。通过试验信号仿真和实测信号的应用研究,证明了本方法的有效性和准确性。     

基于新能源汽车大数据的事故特征模式匹配追踪分析

针对传统新能源汽车事故分析存在受限因素多、相互关联复杂度高、资源消耗大、事故原因较难下定论的问题，以新能源汽车全生命周期数据为例，提出一套事故数据模式特征匹配追踪的方法。通过构造高斯高阶导数滤波器，对模板信号的高阶微分特征进行抽取并形成多维特征模板，再用滤波器组与目标信号作卷积，将两者作相关性运算，计算其相关系数，把相关系数理解成概率并作为匹配程度的度量，计算联合概率最终完成模板信号的匹配程度计算，实现目标信号的匹配追踪。验证表明该方法科学有效，能够区分正常车辆和事故车辆，可以为新能源汽车安全预警提供有效依据。     

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。     

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。