一种自适应Morlet小波包络解调的弱故障检测方法

为自适应实现Morlet小波与故障冲击特征成分的最优匹配,采用基于Shannon小波熵的方法优化带宽参数设计了最优Morlet小波。针对最佳尺度的求取难题,利用谱峭度与小波熵均能敏感反映冲击性的特性,提出了基于峭熵比的最佳尺度的求取方法。基于此,提出基于自适应Morlet小波包络解调的弱故障特征提取方法。仿真实验与实例分析表明:该方法克服了传统包络解调需要人为设定带通滤波器参数的不足,减少人工干预,能自动有效地从强噪背景中提取微弱故障特征,具有一定的工程应用价值。     

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。     

基于双树复小波包和PNN的柴油机故障诊断研究

针对传统小波变换在故障特征提取中的不足,提出一种基于双树复小波包和概率神经网络(PNN)的故障诊断方法。首先通过双树复小波包变换将各个工况的柴油机声信号分解得到不同频带的分量,选取各频带分量的能量作为特征向量,再利用PNN对特征向量进行训练,最后通过测试样本得到柴油机典型故障诊断结果。实验表明,该方法可以对柴油机典型故障进行较为准确的诊断,相比传统小波包有着更高的故障诊断率。     

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PCA和SVM的柴油发动机冲击故障诊断方法研究

针对柴油发动机振动信号进行故障诊断技术研究,提出了一种基于主成分分析和支持向量机的柴油发动机冲击故障诊断方法。首先利用小波包分解提取出冲击故障的特征;再利用主成分分析技术获得敏感特征参数,进而减小数据处理的复杂程度;最后利用支持向量机对敏感特征参数样本进行训练,获得分类模型,进而实现故障分类。将该方法用于柴油机实际故障分类,诊断准确率较高,证实了本文方法对多种冲击故障诊断的有效性。     

基于WPES与MEEMD的船用主机振动研究

为揭示船用长冲程低速柴油机健康状态下的振动特征,采用小波包能量谱（Wavelet Packet Energy Spectrum, WPES）和改进的总体平均经验模态分解（Modified Ensemble Empirical Mode Decomposition, MEEMD）结合的特征提取方法,对典型推进工况下低速机的表面振动信号进行3层小波包分解和重构。通过对能量占比较大的节点采用MEEMD方法进行分解,获得IMF1分量频谱。研究结果表明,在40%以下的较低发动机负荷时,各单次燃烧循环的振动波动较小,振动幅值基本一致。提升至50%以上发动机负荷时,燃烧引起振动波动明显增强。50%工况下,中高频能量占总能量的41.51%,为主要振动源。     

基于时间序列与小波分析的船舶柴油机故障诊断

模拟柴油机气阀间隙异常的几种情况,并实时监测柴油机缸盖振动信号.采用时间序列分析方法对船舶柴油机缸盖振动信号功率谱进行识别,采用小波变换方法对各信号进行小波包分解,并提取故障特征频段信号进行功率谱估计,实现精确故障诊断.     

一种新的滚动轴承故障诊断方法

滚动轴承发生故障时,其振动信号常呈现出强烈的非平稳特性。提出了一种基于小波变换和固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)的滚动轴承故障诊断方法。阐述小波分析基本理论和ITD分解基本原理。着重介绍基于小波和ITD分解滚动轴承故障诊断。仿真信号和实验结果表明,以小波与ITD分解相结合的信号特征提取方法,能够准确有效地提取滚动轴承的故障特征。     

基于小波阈值去噪与t-SNE的船舶柴油机故障识别

通过对船舶柴油机振动信号的分析研究,文章提出一种基于小波阈值去噪和t分布随机邻域嵌入算法(t-SNE)结合的船舶柴油机故障识别方法。首先通过多种不同的阈值处理方式对采集的振动信号进行小波阈值去噪,使用小波能量谱对数据进行特征提取,并利用t-SNE对高维特征向量降维,最后使用GA-SVM进行故障分类。实验结果证明,文章提出的方法能够较正确地对柴油机的故障模式做出诊断。     

基于小波域2DPCA特征提取算法的SAR图像识别

文章提出了一种利用二维离散小波变换与二维数主成分分析结合对SAR图像进行特征提取的新方法。该方法对SAR图像进行二层小波分解后提取低频子带图像的二维主成分分量作为目标的识别特征,利用支持向量机完成目标分类。采用MSTAR实测SAR目标数据集进行特征提取和分类实验,实验结果表明:该方法可以有效提高目标的正确识别率。     

基于Morlet小波的船舶机舱监控系统研究

当船舶机舱设备异常或故障时,传感器采集到的数据序列中往往存在着突变信号,通过分析这些突变信号可对设备的运行状况进行有效预警。本文将Morlet小波应用于机舱数据分析中,能够准确识别异常数据中的突变信号,并运用Mann-kendall检验法提取其突变点。建立了预警分析处理模型,结合实际机舱样本数据验证了预警实现的可行性,结果表明基于Morlet小波的船舶机舱监控系统提取的突变点精确、可靠,预警精度高。     

基于多体动力学仿真的柴油机传动齿轮故障机理与监测方法研究

针对现有船用柴油机热工参数无法有效监测报警传动齿轮故障的问题,基于柴油机普遍缺失振动监测数据,难以有效提取故障特征的现状,采用多体动力学仿真技术研究柴油机齿轮载荷与曲轴止推轴承磨损之间的内在关联,基于仿真结果提取传动齿轮故障条件下的振动信号特征;采用实际故障案例振动数据,提取传动齿轮箱振动信号的时域、频域特征,实际特征变化规律与仿真结果一致,检验了本文仿真研究成果的正确性。     

船用中速柴油机的振动诊断研究

以８ＮＶＤ４８Ａ－２Ｕ中速柴油机为例介绍了船用中柴油机振动监测与诊断的试验研究，对柴油机振动激励源及振动特征量与磨损状态之间的关系进行了分析。研究表明，利用表面振动监测柴油机零部件的配合状态是可行的。     

基于最小二乘法的曲轴振动不平衡信号分析

曲轴机构振动是柴油机整体振动的核心,加强柴油机曲轴机构的动态特性分析是研究柴油机振动机理和实施振动监测与故障诊断工作的重要内容。文章首先对曲轴机构的不平衡原因进行综合分析,然后设定曲轴振动信号,并结合最小二乘法原理对曲轴振动信号进行拟合,最后利用实验数据进行曲轴振动信号的不平衡量分析,并验证了本课题研究方法的可行性,为异常不平衡信号测取与分析提供方法与依据。     

贝叶斯与遗传神经网络相融合的柴油机故障诊断研究

利用小波包分解提取缸盖振动信号的特征向量,提出选择因子对改进误差反向传播(BP)神经网络和超1-依赖贝叶斯算法的诊断结果进行融合,克服贝叶斯和神经网络的不足。通过在WD615柴油机上的实验检测,证明了该方法的有效性。     

基于BP神经网络的船用柴油机振动状态监测

通过监测柴油机表面振动信号,用时间序列分析方法提取柴油机故障的振动特征参数,以此建立相应的神经网络,用于船用柴油机的状态监测,提高诊断的准确性。试验研究在中速四冲程增压柴油机上进行。文中以柴油机气阀间隙异常的诊断和柴油机负荷状态的识别为例阐述了该方法的实现过程,并给出了振动信号的特征参数与柴油机工作状态之间的关系。研究表明,利用神经网络监测柴油机运行状态的变化是可行的和有效的。     

船舶低速柴油机推进轴系扭转振动研究

本文采用集总参数法建立10000DWT油船低速柴油机推进轴系扭转振动模型,将模型分为直链式扭转振动模型和带分支式扭转振动模型,建立单质量点的扭转振动数学方程和Simulink仿真模型,从而提出采用系统矩阵法和Simulink软件仿真方法分别对该轴系的频域振动特性和时域振动特性进行研究；同时通过对实船轴系进行扭转振动测试,验证了该船舶推进轴系扭转振动数学模型和理论分析方法的正确性,对降低船舶轴系振动和提高船舶安全性具有一定的理论指导意义。