基于小波包-时间序列分析的水位调节器故障诊断方法

利用小波包-时间序列分析方法对舰用主冷凝器水位调节系统故障进行诊断,在实验中设置4种工作状态,采集了4种状态下的流量信号.对所采集的信号进行小波包分解消噪,通过时间序列分析方法获取每种状态的特征信息,利用Euclide距离判别系统故障.实验证明该方法的正确、有效性.     

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.     

基于分形关联维数的水位调节器故障诊断方法

将分形关联维致应用到舰用主冷凝器水位调节系统的故障诊断中,在实验中设置了正常工作状态和故障状态,通过数据采集面板采集了每种状态下的压力信号,对在所采集的信号进行小波包分解消噪的基础上,计算各压力信号的关联维数.实验结果分析表明,故障压力信号的关联维数高于正常信号的关联维数,可以作为故障发生与否的定量判据.     

基于混沌理论与小波包分析的舰船状态监测方法

随着经济发展,通过舰船进行货物运输越来越频繁,保证舰船的安全性,快速准确的检测到舰船的状态并对舰船的故障进行排除具有非常重要的现实意义。本文从对混沌理论和小波包的分析中获取各自特点,并且将二者相结合进行舰船状态的检测,首先利用小波包分析分解可能引起舰船状态发生变化的特征信号,其次利用混沌理论对信号进行特征提取,确定是哪个部位发生故障,最后通过实验验证本文所设计算法的可靠性。     

基于小波包汽轮机货油泵振动信号仿真分析

文章通过小波包分析方法对汽轮机货油泵信号进行仿真分析验证,对信号进行时域信号分析,基于振动信号的小波包特征提取,得出故障频率特征,进而可以分析判定故障的存在,验证小波包分析对故障特征量提取的有效性。     

基于舰船噪声小波包重构子带权重系数的确定方法

文章采用了一种基于小波包分解与能量特征提取的时频域综合分析方法。使用小波包来对舰船噪声进行分解,求取小波包子带系数能量百分比构建子带能量的特征向量,以此作为权重系数,对分解的舰船噪声的各个子带进行加权重构,并将重构信号与原始信号进行时频域比较分析。通过对大量的舰船的实录噪声进行分解重构实验表明,使用此方法重构后的噪声较原始信号特征更为明显,有更强的类别可分性。     

小波自适应阈值的混沌去噪方法*

为了提高小波分析方法在混沌去噪中的自适应能力,对不同尺度下的小波信号设定调节因子,根据混沌序列关联维的大小确定最优阈值。为了提高寻优效率,采用遗传算法全局自适应搜索最优阈值。利用该方法对Lorenz混沌时间序列进行了去噪分析,结果表明所提方法是非常有效的。     

人工智能技术舰船发动机状态分析

发动机振动信号分析是判断发动机状态的重要因素,传统方法忽略对发动机振动信号的处理,导致舰船发动机状态分析时间较长,为此设计一种基于人工智能技术的舰船发动机状态分析方法。采集舰船发动机的振动信号,采用时域分析法对振动信号处理,获得发动机振动信号特征中不同信号和不同时刻的相互依赖关系,依据人工智能技术确定振动信号的鲁棒值,从而确认舰船发动机异常情况,以此完成舰船发动机状态分析。在舰船发动机无故障情况下和有故障情况下进行了发动机状态分析的实验。结果证明,在无故障情况下和有故障情况下,本文设计方法对发动机状态的分析时间均比传统2种分析方法的分析时间短,证明此次设计的基于人工智能技术的舰船发动机状态分析方法分析效果好。     

时频分析及其应用

介绍了时频变换和小波变换，利用三级小波包分解，获取信号能量分布的特征向量，根据信号能量分布的特征向量相关系数，确定两种信号相关程度，给出了识别不同信号的识别方法。试验表明：本方法在车辆噪声、振动源识别应用方面比传统的分析方法更为简单、有效，为车辆振动和噪声控制的研究提供了新的测试手段。     

舰船动力机械设备故障信号小波包分解的时域特征提取

现有方法在实践中均存在抗干扰性较低与信号分离失真度较高的问题,因此提出一种新的时域特征提取方法。首先对小波包分解中故障信号的能量分布进行获取。对舰船动力机械设备故障信号仿真信号进行数学表达,将db10小波当作小波包基函数,实施信号的小波包3层分解,获取8个频带。Gray编码分解频带,获取依频带顺序进行排列的各频带的对应分解波形,根据各频带的对应分解波形,获取各频带的对应频率范围,再根据各频带的对应频率范围实施能量分析。最后利用EMD实施小波包分解中故障信号时域特征的提取。进行该方法与现有方法关于抗干扰性与信号分离失真度的对比实验,实验结果证明该方法的抗干扰性更高、信号分离失真度更低,对比现有方法实现了突破,实用性很强。     

基于大数据挖掘的船舶通信系统关键设备状态分析

以保障船舶通信系统联络通畅为目的,提出基于大数据挖掘的船舶通信系统关键设备状态分析方法。该方法使用北向接口和通信关键设备直连相结合方式,采集船舶通信系统关键设备运行信息后,利用大数据挖掘技术中的自组织映射神经网络,挖掘船舶通信系统关键设备状态信息随时间变化规律,得到时间变化序列。以关键设备状态信息时间变化序列为基础,使用大数据挖掘技术中区间集聚类分析方法,经过划分关键设备状态信息时间变化序列区间集、计算区间集子序列相似度和子序列异常值评分等步骤,分析得到船舶通信系统关键设备运行时的异常状态。实验结果表明：该方法采集船舶通信系统关键设备状态信息能力较好,可有效分析关键设备当前运行状态,应用效果较为显著。     

基于机器学习算法的船舶电气故障分类与诊断方法

为实现船舶电气故障的早发现、早解决,设计基于机器学习算法的船舶电气故障分类与诊断方法。采用Trager能量算子增强传感器采集到的船舶电气设备振动信号,利用小波包分析方法提取增强后的电气设备振动信号特征,将电气设备振动信号特征输入卷积神经网络中进行训练,得出最佳的故障分类与诊断模型,并利用该模型实现船舶电气设备的故障分类与诊断。实验表明：采用Teager能量算子可以快速准确地将传感器采集的信号放大,且放大过程没有信息损失。训练后卷积神经网络的故障分类与诊断正确率接近100%,可能够准确诊断出船舶电气设备是否存在故障,并获取对应的电气故障类型。     

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。     

小波包降噪在液压泵故障诊断中的应用

基于小波包变换理论及小波包降噪基本原理,对液压泵配流盘偏磨故障及滑靴磨损故障的信号进行了处理,实测信号经小波包降噪后,能有效提取其中的信号特征,实验结果表明,小波包分析能够根据被分析的信号特征,自适应地选择相关的频带,提高信号的时—频分辨率,突出故障信息,实现微弱故障的高效诊断。     

柴油机气阀间隙识别的研究

通过模拟柴油机气阀间隙的异常进行试验,采集缸盖表面的振动信号.利用时间序列分析方法对振动信号进行分析,并建立相应的AR(Auto Regressive)模型,从中提取不同气阀间隙下的敏感参数.最后,基于这些敏感参数,利用神经网络进行气阀间隙的识别.分析结果表明,将两种方法的融合,能够实现优势互补,达到更好的识别效果.     

基于振动信号关联维数的柴油机故障诊断及实验研究

通过选择合适的嵌入维数以及计算关联维数可用来表征柴油机振动信号的分形性质,但实际测取的振动信号中存在着许多干扰信息.利用改进的小波包分解和重构算法对原始信号进行降噪处理,可使信号关联维数较为接近于系统的真值.实验分析表明,利用降噪后的信号关联维数判断柴油机运行状态具有准确性高的特点.     

水下爆炸压力时频分布的小波包分析

为了对舰船结构和设备的冲击环境进行研究,提出了基于小波包分析的水下爆炸压力时频分析方法.研究了短时非平稳水下爆炸压力实验测试信号的时频分布和能量分布规律,从水下爆炸压力时域信号中提取出冲击波,首次和二次气泡脉动压力信号,分析了它们在不同频带的能量分布规律.结果表明,基于小波包的时频分析方法可以提取水下爆炸压力不同时段的信号进行能量和频率分析,水下爆炸压力中以低频成分为主的气泡脉动压力产生的能量接近总能量的一半,是使安装频率为数十赫兹的舰船设备产生冲击振动的主要能源.     

Farima模型在海上无线网络状态融合中的应用

为了克服海上无线网络信号传输中的噪声干扰,本文将小波变换和Farima模型应用于信号状态融合,首先利用小波变换对信号进行分解,再利用Farima模型进行预测,最后对重构后的信号进行融合,实验结果表明本文算法融合速率高,准确性好。     

时频分析及其应用

介绍了时频变换和小波变换,利用三级小波包分解,获取信号能量分布的特征向量,根据信号能量分布的特征向量相关系数,确定两种信号相关程度,给出了识别不同信号的识别方法.试验表明本方法在车辆噪声、振动源识别应用方面比传统的分析方法更为简单、有效,为车辆振动和噪声控制的研究提供了新的测试手段.