基于支持向量机的钢筋混凝土桥梁损伤识别

为了克服现有方法存在的一些不足,提出基于小波包和支持向量机的混凝土桥梁损伤识别方法。采用小波包对环境振动下的信号进行分解,获得各个频带上的能量,该向量对损伤敏感,可以作为模型识别的输入向量。利用支持向量机强大的分类功能,提出根据频带能量建立支持向量机并进行损伤模式识别的方法。应用该方法对一座三跨连续梁桥进行了损伤识别分析。结果表明经过训练的支持向量机可以较准确地识别出损伤位置和程度。对小波频带能量进行主成分分析后建立的支持向量机会获得更好的识别效果。获得更精确的实际信号特征将进一步提高有限元模型精度和实际应用效果。     

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。     

基于小波包分析的结构损伤识别研究进展

小波包分析是对小波分析中没有细分的高频部分进行进一步分解,是一种更为精细的时频分解方法,可实现对非稳定信号的时频分析.首先阐述了结构损伤的小波分析和小波包分析的基本理论,然后主要围绕小波包能量谱损伤指标,分别对其在结构损伤的定位、微小损伤识别、在线健康监测和预警、材料缺陷检测、数值积分计算误差消除等方面的试验研究和应用情况进行了全面介绍,最后指出了结构损伤识别的小波包分析方法需要进一步研究的问题.     

环境激励下基于小波能量互熵的结构损伤诊断方法

环境激励下的结构响应是一个随机过程，结构发生破损时其响应将随之变化，可将描述随机过程特性的参数作为评判结构状况的指标。熵是测量随机过程不确定性的一个比较方便的方法，能够用于高斯及非高斯分布的情况。在小波分解的基础上建立了小波能量互熵的概念，提出了一种环境激励下用小波能量互熵诊断结构损伤的方法。用ANSYS建一个桥的模型，以此为对象进行研究，获取加速度响应信号。用小波进行分解，得出了不同损伤状态下模型的小波能量熵，分析结果验证了该方法的有效性。     

环境激励下基于小波能量互熵的结构损伤诊断方法

环境激励下的结构响应是一个随机过程,结构发生破损时其响应将随之变化,可将描述随机过程特性的参数作为评判结构状况的指标.熵是测量随机过程不确定性的一个比较方便的方法,能够用于高斯及非高斯分布的情况.在小波分解的基础上建立了小波能量互熵的概念,提出了一种环境激励下用小波能量互熵诊断结构损伤的方法.用ANSYS建一个桥的模型,以此为对象进行研究,获取加速度响应信号,用小波进行分解,得出了不同损伤状态下模型的小波能量熵,分析结果验证了该方法的有效性.     

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.     

基于小波包和频响函数随机——模糊统计的斜拉桥损伤识别

针对单一方法损伤识别的缺点,提出了基于频响函数和小波包能量谱的斜拉桥损伤识别指标,结构损伤前后的频响函数作为信号,进行小波包能量谱分析.由于试验中的频响函数存在一定的随机模糊性,对完好状态下的10次频响函数值进行了随机模糊均值处理,得到的频响函数作为基准.独塔斜拉桥模型实验表明,斜拉桥的一处和两处的损伤都可以识别,损伤...     

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。     

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。     

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。     

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。     

Research on the sound metric of door-slamming sound based on leaky integration and wavelet decomposition

The evaluation of the sound quality of door-slamming has become one of the important issues in vehicle noise, vibration and harshness (NVH) analysis. For the sound quality evaluation of door-slamming, a new sound metric, named as sound metric based on critical band wavelet decomposition (SMCBWD), is developed. In the new sound metric, the sound signals of door-slamming are sampled and the signal component of the door-slamming sound which has the great influence on the quality of door-slamming is extracted by using the leaky integration method. The extracted signal component is then decomposed by wavelets based on the critical bands and the coefficients of wavelet decomposition are calculated. Based on the energy of the frequency weighted wavelet decomposition coefficients, the new sound metric, SMCBWD, is calculated. In order to verify the effectiveness of SMCBWD, the correlation coefficients between the new sound metric and the subjective sound quality performance value of door-slamming, as well as between the traditional sound metrics (loudness, sharpness) and the subjective sound quality performance value of door-slamming have been calculated, respectively. The results show that the new sound metric developed in this paper has the higher correlations with the subjective sound quality performance value when compared with the traditional sound metric of loudness and sharpness. Thus, SMCBWD can be used to evaluate the sound quality of door-slamming more accurately.     

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。