基于小波分析的电气设备故障检测方法研究

故障检测可以保证电气设备运行的稳定性，为了提升电气设备故障的检测性能，提出了基于小波分析的电气设备故障检测方法。利用联合分布函数，搭建了电气设备故障特征函数，通过建立电气设备故障信息的状态函数，构建电气设备故障数据集模型。通过小波分析，描述电气设备故障原始信号的小波阈值收缩过程，根据电气设备故障信号特征的重构矩阵，构建电气设备故障信号的特征集合，根据电气设备故障信号的特征向量，提取电气设备故障信号的特征参数。通过判断电气设备的运行状态，获取电气设备故障的位置，实现电气设备故障的检测。实验结果表明，该方法在检测电气设备故障时，可以提高故障检测的信噪比，保证故障检测的质量。     

瞬态成分提取在变速器齿轮故障诊断中的应用

基于小波包的信号瞬态成分检测与提取方法及其应用，提出基于小波包分解特征表示和瞬态特征重建方法并应用于汽车变速器齿轮的故障诊断，结果表明基于小波包分解的信号特征表示方法能有效检测信号中瞬态成分的存在，瞬态成分的重建结果有效地表示了齿轮的故障状态。     

基于小波包分解的新能源汽车电弧故障检测方法

提出基于小波包分解的新能源汽车电弧故障检测方法。首先选取电弧故障检测特征量，其次对选取的特征量进行特征数据预处理，将预处理数据归一化，最后设计检测流程，基于小波包分解实现新能源汽车电弧故障的检测，并与传统方法进行对比试验。结果表明：与传统方法相比，基于小波包分解的检测方法具有较高的准确性。     

小波分形技术在变速器故障诊断中的应用

变速器是车辆传递动力的主要设备，但由于工作环境恶劣，其零部件容易出现故障。由于变速器结构复杂，采用常规的频谱分析技术难以取得理想的效果。随着信号处理技术的发展，一些研究者采用小波、小波包、倒频谱等现代信号处理方法，已成功地提取了变速器的故障特征。     

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。     

基于小波分析的柴油机燃油系统故障模糊诊断研究

介绍了一种基于小波变换的柴油机燃油系统故障模糊诊断的新方法。对测得的高压油管压力波形进行小波变换，提取反映故障状态的特征向量，并利用模糊模式识别技术诊断燃油系统的各种典型故障。     

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。     

基于尺度—小波能量谱和神经网络的内燃机故障诊断

为了对内燃机气门及活塞—连杆组故障进行有效地诊断,通过试验测取内燃机在不同故障下的振动信号,利用连续小波变换得到信号在不同尺度上的能量分布,即信号的尺度—小波能量谱。其能量主要分布于尺度范围1~32,且相同故障模式下的尺度—小波能量谱呈现出相似性,不同故障模式之间的尺度—小波能量谱存在很大的差异性,以此作为不同故障模式的信号特征,结合BP神经网络方法,实现了对待检信号的正确识别。     

基于振动信号的发动机故障诊断方法分析

介绍了小波分析和小波包分析故障振动信号特征提取方法,对基于神经网络、专家系统、故障树、模糊理论的振动信号智能故障诊断方法进行了阐述,并阐明了多种智能诊断方法相结合是今后发动机故障诊断研究的主要方向。     

小波分析在变速器齿轮故障诊断中的应用

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。针对变速器齿轮振动信号的非平稳性特点,通过对变速器齿轮振动信号用db4小波进行了多分辨分析,说明这种方法可以有效地对变速器齿轮故障进行诊断。