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。     

车用发动机前端辐射声源的小波分析与识别

根据连续小波变换具有较二进离散小波变换和小波包变换更精细的尺度分辨率的特点，研究了适用于工程应用的发动机表面辐射声信号小波变换结果的表述方法，并以一台车用增压柴油机前端表面辐射噪声的测量和识别分析为例，提出了一种车用发动机主要噪声源诊断和识别的测试分析方法。文中还将声信号测量识别的结果与表面振动信号识别的结果做了比较，两者是吻合的。     

基于零空间追踪和SWT的柴油机信号降噪研究

为减少柴油机振动信号的噪声干扰,提取有用的信息,提出了一种基于零空间追踪算法和同步压缩小波变换相结合的组合降噪方法,利用压缩小波对主频信号精细重构的优点与零空间追踪算法的自适应分解的特点对信号进行降噪处理。该方法相比 EMD 更加适应柴油机振动信号特点,仿真和实例信号表明,该方法取得了较好的降噪效果。     

基于小波变换方法的汽车碰撞信号分析

研究实车碰撞试验采集的非线性、非平稳信号的处理方法,并进行多分辨率的时频分析。利用小波变换理论,对复杂的瞬态非平稳碰撞信号进行分辨率自适应分析和时频定位,表达碰撞信号的局部特征及变化趋势,发现其内在的本质和规律性。经过对汽车碰撞的原始信号进行db4小波变换,得出特征信号的趋势曲线和系列细节曲线,时频定位的逻辑关系清楚,对分析碰撞过程的时序以及碰撞过程发生的事件具有很好的指导作用。     

汽车发动机非稳态振动信号分析方法比较研究

采用短时Fourier变换、小波包AR谱和二阶循环谱方法分别对发动机加速信号进行了时频分析,提取了分析对象的故障特征,并对3种方法进行了比较研究.研究表明:短时Fourier变换的频率分辨特性相对较差;小波包对单个故障有良好的分辨特性,但对多个故障的分辨能力较差;而循环谱方法有更好的频率分辨特性,且在特征频率处有更显著的谱峰.     

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.     

轻轨连续刚构桥动力响应时频分析

为研究连续刚构桥在列车作用下的振动特性,以某线轻轨高架连续刚构桥为背景,采用滤波结合连续小波变换的方法,获得其实测振动加速度信号的时频信息.在分析3种小波基(复Morlet小波基、db10小波基、sym5小波基)的小波变换对桥梁振动信号处理效果的基础上,选用复Morlet小波基研究不同列车速度、桥上列车紧急制动以及列车...     

峭度分析法在发动机噪声信号故障特征提取中的应用

将峭度分析法引入发动机噪声信号故障特征提取中。基于连续小波变换对信号时间-尺度特征的细致刻画功能,提出了噪声信号中瞬时特性的峭度敏感特征参数计算方法,对不同转速不同工况下的发动机噪声信号进行了基于尺度-峭度的特征提取。研究结果表明,峭度结合连续小波变换能够很好地提取发动机噪声信号的故障特征。利用连续小波变换的尺度-峭度分析,能够有效提取噪声信号不同转速不同工况下的故障特征,为发动机的状态监测与故障诊断提供了重要的理论和现实依据。     

基于虚拟仪器的小波分析在发动机故障诊断中的应用

介绍了小波信号分析、虚拟仪器及其软件开发平台LabVIEW基本原理,阐述了在虚拟仪器平台的基础上将小波分析应用于发动机故障诊断,提出了应用MATLABScript节点对信号进行小波处理的方法,并分析了其中的关键技术,实现小波分析方法在发动机故障诊断中的应用,达到了对发动机运行状态进行实时监测和故障诊断的目的。     

利用小波包变换实现电力系统谐波分析

小波包变换(WPT)建立在小波变换的基础上,可以实现信号频带的均匀划分,能够更好地提取信号的时频特性,具有更好的谐波分析特性。但是现有的小波包变换算法实现的频带划分不是按频率大小顺序排列的,给系统和谐波分析带来混乱。根据采样定理和滤波器组实现电路分析了小波包变换实现频带划分的特点,并利用改进的小波包变换实现算法进行系统分析,实例验证这种新的小波包分解结构对谐波分析具有更好的特性。     

基于小波阈值去噪与二次经验模态分解的发动机点火波形分析方法

提出了一种结合小波阈值去噪和二次经验模态分解(SEMD)时频分析的发动机点火波形时频分析方法,通过分析去除的噪声特征发现小波阈值去噪比SEMD去噪的效果更好,SEMD时频分析能有效地根据固有模态函数特征来分析点火波形的异常成分。该方法充分利用小波阈值去噪和SEMD时频分析的优点,建立波形库后可实现发动机的不解体故障诊断。     

柴油机后盖板总成异响特性识别研究

针对某单缸柴油机在标定工况下正面产生异响问题,融合近场声压阵面法、同步压缩-交叉小波变换法及模态分析法的优势,识别其异响特性.首先,在标定工况下采用近场声压阵面法定位了导致异响的铸铁后盖板总成辐射部件;然后,采用同步压缩-交叉小波变换法提取了后盖板总成异响与其激励响应的时频相关特征,结合频响函数法获得了铸铁后盖板总成结构共振是导致异响的关键结论;在此基础上,再基于有限元计算模态分析法比较了铸铁与铸铝后盖板总成的约束模态特性,找到了导致铸铁后盖板结构共振异响的薄弱环节;最后,采取托架板与加强筋设计措施提高了薄弱结构刚度,避开了共振频率区间.     

基于S变换的汽车零部件疲劳载荷谱编辑法研究

小波变换和短时傅里叶变换为频域载荷谱编辑方法的主要分析工具,小波变换法分解函数及分解层数难确定和短时傅里叶变换法窗宽固定的缺陷,导致对随机载荷的分析结果存在偏差,影响载荷编辑质量。为解决此问题,基于S变换基本理论,探索S变换在载荷加速编辑领域的应用,对试验场采集的应变信号进行S变换分析提取最大幅值谱,并以此为依据提取轮心六分力信号中的损伤载荷获取加速谱。将S变换、损伤保留、小波变换和短时傅里叶变换加速谱从载荷压缩量、损伤保留比例、功率谱密度、统计参数、穿级计数和疲劳仿真等方面进行对比分析。研究结果表明：基于S变换最大幅值谱可准确识别原始信号中的小损伤载荷;保留相同损伤保留量前提下,S变换加速谱的压缩效率最高且统计参数误差最小;S变换编辑法可将原始载荷时间压缩46.67%,同时加速谱的疲劳分析误差仅为2.2%,可获得与原始载荷相同的分析结果;S变换编辑法在疲劳分析效率和分析精度方面优于损伤保留、小波变换和短时傅里叶变换编辑法;该方法适用于汽车零部件疲劳耐久性分析。     

基于VMD-SWT滚动轴承故障诊断方法研究

在强噪声背景下,滚动轴承非平稳非线性的早期微弱故障信号特征提取较为困难,提出结合变分模态分解(Variational Mode Decomposition,VMD)和同步压缩小波变换(Synchrosqueezing Wavelet Transform,SWT)的分析方法,该方法首先利用最大峭度准则优化VMD参数,使用优化后的参数对故障信号进行VMD分解,再利用峭度准则选择含有有效信息最多的本征模函数(Intrinsic Mode Function,IMF),最后使用SWT对最优IMF进行处理分析,从而提取有效特征频率。对强噪声背景下滚动轴承外圈故障信号、内圈故障信号以及滚动体故障信号进行处理分析,结果表明相比Hilbert包络、SWT等方法,该方法能够从强噪声背景下提取出故障信号频率特征,以此判断滚动轴承的运转状况。同时该方法能够有效重构信号。     

基于小波变换的汽车振动信号去噪分析

从小波变换的理论背景出发,介绍了利用小波变换对信号进行分解的原理。并针对汽车振动信号的非平稳性特点,对驾驶员座椅振动信号用dB4小波进行了多分辨分析和小波包分析,并运用Matlab中的WaveletToolbox对其进行去噪处理,取得了明显的效果。通过与Fourier去噪的比较,可以看出小波变换在汽车振动信号去噪中有着Fourier分析无可比拟的优点。     

基于时频图像特征约简的柴油机故障特征提取新方法

针对柴油机振动响应信号时频表示特征提取困难的问题,提出了一种直接对柴油机振动谱图像进行特征约简的时频特征提取新方法。通过现有的时频分析方法生成柴油机振动谱图像,采用三次卷积插值法对图像矩阵的维度进行压缩,并将矩阵分块计算的方法与稀疏非负矩阵分解算法(sparse non-negative matrix factorization,SNMF)相结合,用来直接对压缩后的振动谱图像进行特征约简以获取蕴含在其内的低维特征。将提出的方法应用于4种不同状态的柴油机气门故障特征提取试验中,结果证明该方法可准确、快速提取柴油机气门故障特征。     

行驶车辆振动信号的小波分析

本文介绍了小波分析的理论方法，并上小波分析方法应用到了行驶车辆振动的分析中，即：通过二进离散小波变换，把实际振动信号进行多层小波分解，使异常信号和非平稳高频信号得到良好的时间定位和图形显示，并把信号的路面激励与本体振动分离开来。     

基于小波变换的交通车流密度分析

车流密度是研究交通流理的重要参数之一。小波变换是近年来兴起的一种信号分析工具，它可以将信号进行多分辨分析。本文将小波变换应用于车流信号的分析，从而更好地分析它的概貌与局部细节。     

基于改进广义S变换和2DLDA的轴承故障诊断方法

聚焦性是时频分布的重要指标,以时频图像作为故障分析基础时,较优的聚焦性能较好地体现信号的时频特征,降低不同类型信号的区分难度。虽然广义S变换可较好地反映非平稳信号的时频特性,但其聚焦性易被高斯窗标准差影响。为提高广义S变换时频图像的能量聚焦特性,文中提出了一种经过改进的参数寻优准则,并结合双向2DLDA图像压缩算法诊断轴承故障。     

基于三次厄密插值的边坡变形监测小波降噪处理

边坡工程监测数据往往包含各种误差(噪声),表现出明显的非真实波动和突变,边坡的实际变形特征被噪声淹没而无法识别.小波分析能利用边坡真实变形信号与噪声的时频特性不同,借助小波变换的多分辨率分析,有效地对不同频率成分进行分离,并通过作用阈值,最终达到降噪的目的并提取出边坡真实的变形特征.工程中获得的监测数据有时是非等间隔的,不能直接进行小波降噪,可以利用三次厄密插值使其转变为等间隔数据序列,分析结果表明这种处理方法是可行的.