小波包变换频率混淆的消除及其在桥梁健康监测中的应用

在分析离散小波包Mallat算法引起频率混淆的原因基础上,提出消除频率混淆的改进算法.运用改进算法对斜拉桥的加速度信号进行分析,结果表明:小波包能量分布同结构的固有频率一样能够表征结构的固有特征,而且还能够反映结构的局部特性.利用损伤前后结构信号的小波能量互熵,并引入相应的权重,在一定的置信水平下能够准确识别损伤的位置.损伤识别结果表明:对于单一损伤状态,小波能量互熵能够较好地定性和定量描述损伤程度;对于复杂的多处损伤状态,小波能量互熵只能识别出损伤的位置,难以定量描述各处的损伤程度.该方法具有较强的抗噪能力.     

基于小波包能量谱的地铁隧道健康监测预警

基于小波包变换对环境激励下的加速度响应信号进行分析,根据加速度响应信号的能量谱提出两种健康监测的预警指标,并采取统计小波包能量谱来研究小波包能量分布的收敛性,以确定损伤识别预警的基准阈值。以武汉地铁3号线王宗区间隧道运营阶段为背景,考虑到隧道内复杂环境引起的随机噪声对加速度响应信号损伤识别敏感性具有一定影响,提出一种基于小波包变换的多阈值去噪法,基本原理即对每个小波包分解系数选取合适的阈值准则并进行降噪处理。实际工程表明:10-1Hz以下加速度响应信号的信息均得到保存,在剔除噪声的同时有效保护各频段的有用信息,可用于实际工程信号降噪过程中;随着数据段数n的增加,预警指标能量改变偏差ED与能量变化方差EV趋于稳定,可以有效判断结构损伤的全过程变化,表明通过收敛值得到的预警阈值在实际应用中具有可行性。     

基于小波分析和SVM的主变流器故障诊断

针对电力机车主变流器的故障,提出基于小波分析和支持向量机(SVM)的故障诊断方法.首先,运用小波包对特征信号进行分解和重构,然后提取各频带的能量,将得到的能量值构造为特征向量,最后把特征向量输入到支持向量机,进行故障诊断.MATLAB仿真结果表明,该方法能够准确地对故障进行诊断.     

高速列车监测数据处理及故障诊断

车体性能好坏直接影响列车的行车安全,文章利用安装在车体上的传感器所采集到的振动信号,选取合适的信号特征提取方法进行评估,达到列车故障早期预警的目的。试验数据表明,车体的振动信号具有非线性、非平稳的特点,先对振动信号提取小波包能量矩特征进行时频域分析,发现该特征提取方法可以直观地反映车辆横向和垂向振动情况。引入基于局部分析的拉普拉斯特征映射算法(LE),对故障工况的小波包能量矩熵特征所构造的高维特征向量空间进行降维,发现能够从垂向加速度信号识别出空气弹簧失气工况,从横向加速度信号识别出抗蛇行减振器故障和横向减振器故障。这与车辆动力学分析结果一致,同时也证实了流形学习方法对列车性能评估具有一定的作用。     

冲击回波声频法用于铁路隧道衬砌质量检测

研究开发了冲击回波声频法这一新型无损检测方法,通过非接触式拾取冲击弹性波信号和高分辨力频谱分析,大大提高了对衬砌厚度、缺陷等的识别能力.百余座铁路隧道检测的实际应用及与地质雷达法等的对比验证结果表明,冲击回波声频法具有测试精度高、分辨力强、测试效率较高等特点,非常适合于铁路隧道衬砌质量的检测.     

基于声振法的钢混组合桥面板脱空识别研究

钢混组合结构和钢管混凝土结构的界面脱空对桥梁的安全耐久非常关键。声振法作为一种简单有效的现场无损测试方法,可用于混凝土材质好坏、内部孔洞、剥离及脱空等缺陷检测。运用小波变换方法对钢混组合桥面板声振信号进行分析,将小波时频谱分为3个表征信号内容的区域,即表征混凝土质量的冲击回波高频共振A区、表征脱空区钢板自振特征的B区及表征环境噪声的低频C区,根据各区域的时-频-能量特征可以定性识别钢混界面脱空的程度。在一座钢混组合试验桥桥面板施工时预埋大小不一的泡沫与橡胶片模拟钢混界面的脱空与脱空区有水或是其他介质浸入的情形,声振测试试验验证该法的有效性。     

基于小波分析的齿轮箱故障诊断

通过对齿轮箱噪声机理进行研究,建立了相应的数学模型,提出了一种基于小波变换的故障诊断方法.其基本思想是:首先利用小波变换的多分辨率特性,滤除信号的随机噪声,并将提纯后的信号分解到不同的频区;通过对各频区信号进行比较与分析,选取能量集中、包含了调制成分的部分进行复小波变换,利用多尺度小波包络谱获得信号的包络信息;最后,结合傅里叶频谱,确定齿轮箱的故障原因.研究结果表明:该方法能有效识别出齿轮箱系统中轴和齿轮的缺陷,并能锁定故障发生位置、衡量故障程度.     

非平稳机械振动噪声中瞬态故障信号的检测

结合非平稳机械运行状态,分析了非平稳振动信号中瞬态故障信号和平稳振动信号的特点,介绍了应用小波包理论进行故障信号检测的基本原理.通过小波包变换后,平稳振动信号和瞬态故障信号的小波包-能量谱表现出不同的特性.本文运用统计信号处理的理论,构造了相应统计量进行假设检验判决,判断平稳振动信号中是否存在瞬态故障信号。针对变速箱故障声压信号的非平稳时变特点,给出了小波包分析处理变速箱故障声压信号的原理和方法,并分析了一个变速箱齿根裂纹故障的诊断实例.实验结果表明,该方法可以有效地提取淹没在平稳振动噪声信号中的瞬态故障信号的特征,准确判断出故障,验证了该方法对机械设备进行故障诊断的有效性,对其它类型的机械故障诊断也具有一定的参考价值。     

基于多小波包排列熵和流形学习的故障特征提取方法

针对振动信号非线性、非平稳性导致的故障特征难以准确提取的问题,提出了一种基于多小波包排列熵和流形学习的故障特征提取方法。首先,利用多小波包分解方法得到故障信号的多维多小波系数,通过计算排列熵初步提取了各个小波系数中的故障特征信息;然后利用局部切空间排列(LTSA)流形学习方法对多维特征信息进行处理,在有效降低信息冗余度的同时,提取了其中主要的故障特征;最后利用支持向量机(SVM)对滚动轴承正常、外圈、内圈和滚动体故障实测信号进行故障模式识别试验。结果表明,该方法可以准确地识别出轴承不同的故障类型,并且在提取故障特征准确性方面要优于传统的单小波包方法和主成分分析(PCA)方法。     

基于小波包能量熵的钢轨波磨检测方法

针对目前轨道波浪型磨损检测效率慢、成功率低等问题,提出一种基于小波包能量熵的轨道波磨检测技术。首先建立轨道波磨简化模型及车辆集总化参数模型并搭建SIMPACK仿真动力学模型,其次创新性地将小波包和能量熵相结合应用在轨道波磨检测领域,再通过仿真模型得到不同波磨分组下的轴箱振动响应,然后对振动加速度信号进行4层小波包分解并计算各节点的小波包能量和小波包能量熵,最后通过对比分析仿真结果确定轨道波磨故障类型。