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。     

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.     

基于小波包分解的功率谱方法在人字门启闭机减速器故障诊断中的应用

针对船闸人字闸门机械式启闭机减速器中滚动轴承振动的不平稳性及其故障信号中存在噪声和干扰的问题,提出了一种基于小波阈值算法的小波包分解与功率谱分析的故障诊断方法。该方法通过对故障信号进行小波分解且对其系数作阈值处理,并利用处理后的分解系数进行小波逆变换得到降噪后的信号,然后对降噪后的信号进行小波包分解,找到能量集中的节点,对其进行Hilbert包络解调并求其Hilbert包络线的功率谱,从而提取故障特征信息。应用实例表明:仿真信号与某船闸人字闸门机械式启闭机减速器故障诊断方法能降低信号噪声以及干扰,并能提取故障特征信息。     

小波分析在故障诊断中的应用

在分析小波变换原理的基础上,根据设备出现故障时的信号特征,介绍了小波分析在降噪及故障诊断中的应用。重点分析了小波变换应用于设备故障诊断的优点及其优于傅里叶变换等其他方法的数学机理。最后通过实例验证小波分析在故障诊断中的应用,并通过与傅里叶变换对比,表明小波变换能克服傅里叶变换的固有缺陷,准确提取故障特征。     

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。     

基于小波包分解的船用柴油机燃油电磁阀故障诊断方法

为了精准识别电磁阀故障,确保船用柴油机安全、平稳运行,提出基于小波包分解的船用柴油机燃油电磁阀故障诊断方法。采用小波包分解法对船用柴油机燃油电磁阀电流信号作分解,获取其多频带特征。通过核主成分分析法对其作降维处理,完成敏感特征选择。将其作为最小支持向量机的输入,自适应蚁群优化算法通过自适应调整挥发因子、状态转移规则确定最优模型参数,实现燃油电磁阀故障的准确诊断。结果表明：故障、正常工况下的燃油电磁阀电流特性曲线存在较大差异;该方法可提取电流信号的8个频带特征、不同频带特征间差异度大;特征选择有利于提高燃油电磁阀故障辨识度。本文方法可实现燃油电磁阀故障诊断,诊断效果突出。