改进双树复小波包变换及在故障诊断中的应用

针对双树复小波包分解存在频带错位和频带重叠的缺陷,提出了一种改进的双树复小波包分解算法。该算法通过交换高频子带节点小波包分解后的两节点频带顺序来消除频带错位缺陷,引入切比雪夫滤波器滤去除低频、高频子带理想通带范围之外的频率成分,以消除频带重叠缺陷。将改进双树复小波包谱峭度方法应用于齿轮箱故障诊断,首先将振动信号分解成不同频带的分量,然后利用谱峭度理论自动确定最优带通滤波器参数,获取最佳频带,再采用Hilbert包络解调,准确识别出故障齿轮的转动频率。实验结果表明,该方法能更有效地提取强噪声干扰下的齿轮箱微弱故障特征,验证了该方法的可行性和有效性。     

基于改进小波包和EEMD的轴承故障诊断

针对轴承振动信号非平稳性及工作情况下难以获得故障频率,提出一种基于改进小波包和总体经验模态分解(EEMD)的轴承故障诊断方法。首先运用改进小波包对振动信号进行分解,得到按顺序排列的子带频带。然后提取故障频率范围的子带信号并进行EEMD,以互相关系数和峭度准则提取故障分量,避免了固有模态函数(IMF)分量选择的盲目性。仿真和试验分析结果表明,该方法能有效且准确地检测出轴承故障。     

基于小波包自适应Teager能量谱的滚动轴承早期故障诊断

针对滚动轴承早期故障特征信息难以识别以及从小波包分解后的频带不能有效确定并自适应提取共振带的问题,提出了频带幅值熵的概念。在此基础上,将小波包变换和Teager能量谱结合,提出了基于小波包变换自适应Teager能量谱的早期故障诊断方法。该方法首先利用小波包对采集到的振动信号进行分解,并计算各子带的频带幅值熵。然后将熵值按升序排列后依次作为阈值,提取频带幅值熵大于阈值的子带,依据峭度指标确定最佳熵阈值以及小波包最佳分解层数,从而自适应并且有效地提取出共振带。最后对共振带进行Teager能量谱分析,即可从中准确地识别出轴承的故障特征频率。通过信号仿真与实验数据分析验证了该方法的有效性。     

基于完全抗混叠DTCWPT和包络谱熵的轴承故障诊断

针对经典小波包和双树复小波包(dual tree complex wavelet package transform,DTCWPT)能量泄漏和频率混叠的缺陷,提出完全抗混叠的DTCWPT改进算法,该算法解决了经典小波包存在负频率以及经典小波包和DTCWPT滤波器频率不完全截止问题。根据高斯白噪声频率充满整个频带的特性,通过小波包变换对高斯白噪声进行分解,利用频带能量泄漏的定量分析方法,验证了改进DTCWPT具有完全的抗频带能量泄漏特性。将改进DTCWPT方法和包络谱熵引入到轴承故障诊断中,该方法的核心是:对轴承振动信号进行改进DTCWPT变换得到不同尺度的分解信号,分别计算各分解信号的包络谱熵,合并熵值较小的几个分量信号的包络谱,最后根据合并的包络谱来检测轴承故障。该方法在消除经典小波包变换和DTCWPT频率混叠和能量泄漏的同时还解决了小波包分量选择盲目的问题。最后应用轴承故障试验数据对该方法进行试验验证,结果表明:改进DTCWPT结合包络谱熵选择的方法能够很好提取出轴承故障特征频率的基频、倍频,提高了轴承故障的诊断效果。     

基于小波包分解与主流形识别的非线性降噪

为解决工程实际中强噪声、非线性且频率成分复杂的振动信号降噪问题,提出了基于小波包分解和主流形识别的非线性降噪方法。采用小波包分解将原始振动信号正交无遗漏地分解到各频带范围内,根据各子频带中信噪空间分布,分别采用相应参数对小波包分解系数进行相空间重构;采用局部切空间排列(local tangent space alignment,LTSA)主流形识别方法在高维相空间中实现信号与噪音的分离,并重构出降噪后的一维小波包分解系数,最后进行小波包分解重构得到降噪后的振动信号。通过仿真实验和实例应用对本文所提方法的有效性进行了验证,试验结果表明本文方法具有良好的非线性降噪能力。     

基于小波包敏感频带选择的复材铣边颤振监测研究

针对航空蒙皮类复合材料零件铣边颤振初期频率淹没问题,提出了一种基于小波包敏感频带选择的能量熵颤振监测方法.首先使用频率消除算法(Frequency elimination algorithm,FEA)对铣边采集信号进行去主轴转频、刀齿齿频及其倍频处理.其次对去频后的信号进行小波包分解(Wavelet packet de...     

小波包变换的频带分析的实现

论述了小波包分析的基本原理及其分频的方法.针对根据小波包理论进行小波包分解不能正确的实现频带分析的实际,通过对每一层小波包分解的等频带信号进行调整,用新的算法进行小波包分析,从而达到频带分析的目的.     

自适应冗余提升小波包变换的滚动轴承故障诊断新方法

针对滚动轴承故障微弱信号特征识别问题,提出一种非抽样运算的自适应冗余提升小波包诊断方法,解决了传统的小波包或提升小波变换进行抽样运算造成故障信息失真问题。该方法以提升原理为基础,通过Lagrange插值细分思想计算初始的非抽样预测和更新算子,进而构造了自适应冗余提升小波包分解与重构算法。对仿真信号进行降噪与抗频率混叠实验,结果表明,该方法降噪能力优于传统小波包,且不存在频率混叠现象。在异步电动机上实测了滚动轴承6205无故障、内圈故障、外圈故障及滚动体故障时的振动信号,用这种方法成功提取了各类故障的特征频率及倍频,且比传统小波包具有更高的诊断精度。     

基于小波包移频算法的AR功率谱在滚动轴承故障特征信息提取中的应用

为克服经典的小波包迭代算法由于小波包分解过程中的隔点采样而发生的频率混叠现象，本文采用移频算法进行小波包分解与重构，以1#、2#、3#这3个608滚动轴承(其中1#轴承工作正常，而2#、3#轴承工作异常)进行分析。先通过小波包分解提取这3个轴承振动信号的频带能量特征以确定2#、3#轴承故障特征信息所在的频带。并按这些频带分别对2#、3#轴承的振动信号进行小波包重构。通过对重构信号的基于AR模型的功率谱分析以实现滚动轴承故障特征信息的自动提取．从而对2#、3#轴承的故障作出诊断。     

发动机异响信号的小波包能量特征提取

在机械故障诊断过程中,最关键的问题就是故障特征信号的特征提取,从某种意义上说,特征提取是当前机械故障诊断研究中的"瓶颈"问题.发动机是一种多振源、宽频带、振动形态复杂的机械,其振动信号呈现非平稳时变特征,噪声干扰大,故障信号往往被淹没在干扰噪声中.发动机声响的分析在其故障诊断中显得极为重要.现提出一种依靠小波包分析来进行发动机故障诊断的方法,即通过对发动机异响信号在全频带范围内进行正交小波包分解,得到由全频带均匀划分的各子频带的小波包分解系数,对小波包分解系数进行重构得到该频带的信号,提取各频带信号的能量构造出小波包特征向量,从而实现对故障源的判断.     

基于小波神经网络的RC梁损伤识别试验研究

简要阐述了小波包分析及BP神经网络理论，利用小波包变换对获得的加速度信号进行分解和重构，求解各频带内的信号能量，将其作为神经网络输入参数，对神经网络进行训练，然后利用该网络进行损伤检测。按上述方法，通过有限元分析对RC梁进行损伤模拟，建立了结构损伤识别神经网络。按同样的构造制作了RC试件，并进行了损伤试验研究，对试验中在不同损伤情况下采集的加速度信号进行小波包分解和重构，将得到的能量向量输入已建网络判断结构的损伤。从试验结果可以看出诊断误差很小，能够满足实际工程要求。     

应用小波包和包络分析的滚动轴承故障诊断

提出了一种基于小波包分析、频带能量分析和包络分析相结合的滚动轴承故障诊断方法.首先利用小波包将滚动轴承振动信号分解到不同的节点上.然后求出各频率段的能量,根据频带能量的变化情况,找出滚动轴承的故障所在的频带.最后对故障频带的重构信号做包络谱,将谱峰处的频率同滚动轴承的故障特征频率进行对比分析,诊断出滚动轴承的故障.通过对试验中采集到的滚动轴承振动信号进行分析,证明了该方法在滚动轴承故障诊断中的有效性.     

小波包时频分析及其特性

在两种典型的非平稳信号分析方法--小波包变换与短时傅里叶变换的基础上,综合两种方法的优点,提出了小波包时频方法.建立了相应的小波包时频分量谱、小波包时频分量幅度谱、小波包时频谱、小波包时频幅度谱等概念.证明了小波包时频分析的能量守恒性,形成了一套较完善的分析体系.算例表明,该分析方法在诊断奇异、检测信号深层次细节等方面具有一些独特性质.     

基于阵列式压电振动频谱衰减的结冰区域定位研究

为克服传统结冰传感器无法实现翼面大范围多区域结冰探测问题,提出了一种基于灰度重心法的多结冰区域定位方 法。 该方法通过采集结冰前后压电阵列的振动谱,提取频谱幅值衰减率作为定位特征值,并结合基于多点结冰概率检测的重构 算法和灰度重心法计算得到多个结冰区域的中心坐标,实现对平面或曲面上多个结冰区域的定位。 当扫频频率范围 0. 5 ~ 5 kHz 时,在 70 mm 直径的结冰条件下,铝板单结冰区域定位平均误差为 27. 4 mm,两结冰区域定位平均误差为 29. 04 mm;翼面 结冰横向定位平均误差为 22. 6 mm。 为了进一步提高定位精度,提出了一种基于小波包分解的敏感频带选择的特征提取方法。 优化后的实验结果表明,铝板单结冰区域定位精度提高了 34. 59% ,定位误差波动程度降低了 45. 67% ,翼面结冰的横向定位精 度提高了 54. 87% ,横向定位误差波动程度降低了 46. 63% ,实现了较高精度的多结冰区域定位探测,为面式结冰探测提供了一 种新思路。     

频带能量特征法在声发射刀具磨损监测系统中的应用

基于对声发射(AE)信号特点的分析和小波包分解理论对不平稳信号特征提取的优势,提出一种利用AE信号的能量变化来监测刀具磨损状态的方法。该方法利用db8小波基对AE信号进行5层小波包分解,将分解后各频带上的能量值作为特征参数,并组成特征向量。分别提取在新刀和刀具磨损状态下的特征向量,根据其变化即可判别刀具磨损的程度。试验结果验证了该方法在刀具磨损判析中的可用性。     

基于数据融合和“能量-损伤”的结构状态特征提取

基于一致性数据融合算法和小波包分析,提出了结构状态特征提取方法。采用改进的一致性算法融合多传感器的测量数据,克服了一致性算法中两传感器在测量精度不同时置信距离不同的缺点,对支持矩阵进行模糊化处理,并采用"能量-损伤"特征提取技术对融合后的多传感器测量数据进行处理。利用5层框架结构的数值算例对比了结构各层加速度信号与融合后加速度信号构造的特征向量。结果表明,融合后加速度信号构造的特征向量包含了结构不同位置的不同状态信息,能够全面描述结构的工作状态。     

基于提升小波包和神经网络的结构损伤检测

提出一种提升小波包分解、多传感器特征融合和神经网络模式分类相结合的结构损伤诊断方法.首先,对多个传感器采集的振动响应信号进行提升格式小波包分解,定义标准化相对能量并计算每个频带上的相对能量;然后,把这些传感器信号的小波包相对能量融合作为神经网络分类器的输入特征向量,实现损伤的诊断和评价.数值仿真结果表明,提升小波包分解的频带能量分布能够较好地反映结构的损伤特征;特征融合能够使不同传感器的信息相互补充,减小了损伤检测信息的不确定性,使诊断信息具有较高的精度和可靠性.     

复小波共振解调频带优化方法和新指标

滚动轴承发生局部故障时,其振动信号中将出现周期性发生的脉冲响应。共振解调被广泛用于从振动信号中提取此类冲击响应特征,但其首要问题是确定带通滤波器的中心频率和带宽。现有的频带优化方法存在计算量大且优化指标只考虑信号中冲击成分的强弱、而未考虑脉冲发生的周期性特征等缺点。针对不足,确定了以中心频率为主带宽为辅的频带参数优化方法,并提出了一个既能反映信号中冲击成分的存在及强弱又能突出冲击发生的周期性特点的频带优化新指标——包络谱峰值因子,该因子定义为包络谱最大值与有效值之比。将此方法和新指标应用于复平移Morlet小波共振解调的频带优化,通过轴承疲劳试验数据分析及工程实际应用并与峭度、平滑度指标和山农熵进行比较,验证了该方法和指标在最优频带确定中的有效性和优越性。     

基于小波包的滚动轴承故障特征提取

在深入分析离散小波包变换快速算法的基础上，给出了离散小波包变换快速算法中产生频率混淆的原因，即由正交镜像滤波器的非理想截止特必, 隔点采样和隔点插零的特性共同作用产生的，提出了一种消除频率混淆的算法，利用该算法和原算法，分别对某型滚动轴承内环剥落故障的振动信号进行处理，提取其故障特征，结果表明，原算法由于存在频率混淆，可能掩盖故障特征，提出的新算法，由于很好地消除了频率混淆，能有效地提取滚动轴承局部故障的特征。     

基于谐波小波带通滤波的动不平衡信号提取研究

为了准确提取转子动不平衡信号,提出了一种基于谐波小波带通滤波的提纯方法。谐波小波具有盒形频谱和相位锁定特性,可以将信号分解到相互独立的频带空间,特定频率的成分与其他频率的信号成功被分离,再进行重构即可获得特定频率的信号。