基于小波分形的飞行器结构系统早期故障识别

在对飞行器结构系统早期故障特点进行分析的基础上,将小波分析与分形理论相结合,提出利用小波分析提取早期故障特征信号和根据分形关联维数对飞行器结构系统早期故障进行快速识别的方法.文中对飞行器结构系统早期故障奇异特征的提取、关联维数的计算、早期故障的识别等进行分析和研究,并给出具体算法模型和实施步骤.结果表明,小波分析能有效地提取飞行器结构系统早期故障奇异特征信号,根据局部斜率和嵌入维数得到的关联维数,能快速识别出早期故障.     

基于分形和小波包理论的滚动轴承故障诊断

为了提高滚动轴承故障分形诊断的准确性,利用仿真信号对不同数据长度和不同信噪比下信号的盒维数和关联维数的差异进行对比,发现两种分形维对不同信号具有不同适应性;利用基于小波包分解能量图的特征信号强化技术,突出含噪轴承振动信号的故障信息特征,并对消噪前后振动信号盒维数进行计算和对比。分析结果表明,分形盒维数比关联维数更适用于分析含噪较重的信号;滚动轴承故障振动信号盒维数小于正常信号盒维数;相比原始信号,经小波包提取后不同类型故障振动信号的盒维数区分更为明显,诊断结果更加准确直观。     

基于改进谐波小波和分形的碰摩故障诊断研究

为了提高分形维数提取碰摩故障特征的区分度和稳定性,提出了一种基于改进谐波小波和分形的算法。采用高斯包络改进的谐波小波对旋转机械信号进行处理,运用G-P关联维数计算分形维数。在Bently转子实验台上分别采集正常工况、单点碰摩、不平衡激励的碰摩三种数据,计算得出改进谐波小波处理后的关联维数能够很好的识别出故障,保真性较高,稳定性相比原始信号以及谐波小波处理信号高29.17%、14.81%以上。结果表明,改进谐波小波和分形能够更准确稳定得诊断碰摩故障信息,优于传统的关联维数算法。     

基于小波分形技术提取发动机曲轴轴承故障特征

利用小波技术对发动机曲轴轴承振动信号进行分解,对特定层的信号进行重构,并计算重构信号的分形维数,来实现发动机曲轴不同技术状态下特征提取。实验结果表明,特定频率带振动信号的分形维数更能敏感反应发动机曲轴轴承技术状态,它可以作为诊断发动机曲轴轴承故障的一个重要特征量。     

基于小波包和分形盒维数的滚动轴承故障诊断

为诊断滚动轴承不同部件产生的故障,针对轴承故障信号具有非线性、非平稳振动的特点,运用小波包和分形理论,定量计算了滚动轴承不同部件故障信号及小波包重构信号的盒维数。实验结果表明,滚动轴承不同的故障类型具有不同的盒维数。正常滚动轴承盒维数最大,依次为滚珠故障盒维数、内环故障盒维数,外环故障盒维数最小。分形盒维数能定量地识别滚动轴承不同部件的故障,提高滚动轴承故障诊断的准确率,为滚动轴承智能故障诊断提供可靠依据。     

铣削颤振识别的小波包和分形分析方法

如何用振动信号来监控加工过程,这里通过对信号的小波包和分形的机理研究,提出了一种基于熵能量的颤振特征小波包提取方法和基于盒维数的颤振分形特征提取方法。为二者的结合构造了理论框架,且进一步通过信号的分形行为和小波包分解相结合,有效地分辨出了颤振信号的频率结构。     

多重分形方法在耦合故障诊断分类中的应用研究

运用多重分形理论,提出广义维数最小二乘法的计算公式,对实测的时域信号进行了广义维数计算,得到广义维数序列值,并从广义维数中获取盒维数、信息维数、关联维数以及敏感维数。对故障样本进行功率谱分析、广义维数计算分析,找出谱能量与分形维数的关系,对用分形维数分析故障的强度提供了依据。另外运用广义维数序列和数学方法相结合提出分形诊断分类方法,用广义维数最大相关系数和广义维数序列单值优化逼近原理方法,对待检信号的耦合故障分别进行了试验数据与理论响应模拟数据的诊断、识别分类,收到了良好的一致效果。通过对转子系统故障诊断的实例说明从广义维数中提取的各分形维数都能较好地对故障状态进行诊断、识别;且耦合故障的分形诊断分类方法具有较好的实效性。     

基于小波包分解和分形理论的齿轮故障诊断系统

将采集到的信号经过小波包降噪后再由小波包分解成几段,计算每段的关联维数,利用分形分类理论对待测信号进行状态识别,判断齿轮的故障。     

基于小波降噪与分形理论的滚动轴承故障诊断

为了识别滚动轴承振动信号中包含的故障类型,运用小波对采集到的信号进行降噪,通过计算降噪后振动信号的关联维数,判断信号中是否包含故障。并以关联维数为特征量,通过计算各工况之间的距离函数,判断属于何种故障的信号。结果表明,运用分形理论进行故障诊断具有很强的实用价值。     

基于LMD和时频谱分形维数的断路器机械故障诊断方法

声振信号承载着断路器操动过程的机械传动信息,准确提取其特征是断路器机械故障诊断的前提。针对断路器分闸操动的几种典型故障,提出一种基于局部均值分解(local mean decomposition, LMD)和图像分形处理相结合的断路器机械故障诊断方法。首先将声振信号进行小波软阈值去噪处理,然后利用LMD获得PF分量,由归一化能量确定包含主要信息的PF分量,并分析PF主分量时频谱纹理分布特性,最后提取时频谱的分形盒维数作为故障特征。实验表明:断路器不同故障类型下声振信号主分量的时频谱分形盒维数分别处于不同范围内,盒维数特征构成的坐标向量与断路器故障类型之间一一对应。     

小波-分形-多 ART2神经网络在汽车发动机故障识别中的应用

利用小波(包)变换和分形理论对汽车发动机的非平稳振动信号进行特征提取,由自组织主成分分析作特征降维,然后用一种新的多ART2神经网络对发动机故障状态进行分类识别,获得了满意的效果。     

基于小波变换和BP神经网络的视觉诱发电位识别

结合小波变换和误差逆传播(Error Back Propagation,BP)神经网络对视觉诱发脑电信号(visual evoked potential,VEP)进行分类而产生脑机接口控制信号.利用一维离散小波变换提取强噪声背景下的低频微弱脑电信号,获取特征向量输入BP神经网络进行事件相关电位模式识别.实验表明,小渡变换特征向量提取方法能有效地实现信号的去噪、降维和特征提取,BP神经网络能比较准确地从VEP中识别出事件相关电位,进行10次测试的平均识别正确率为99.375%,有利于产生脑机接口控制信号.     

SIGNAL FEATURE EXTRACTION BASED UPON INDEPENDENT COMPONENT ANALYSIS AND WAVELET TRANSFORM

It is an important precondition for machine fault diagnosis that vibration signal can be extracted effectively. Based on the characteristic of noise interfused during the course of sampling vibration signal, independent component analysis (ICA) method is combined with wavelet to de-noise. Firstly, The sampled signal can be separated with ICA, then the function of frequency band chosen with multi-resolution wavelet transform can be used to judge whether the stochastic disturbance singular signal is interfused. By these ways, the vibration signals can be extracted effectively, which provides favorable condition for subsequent feature detection of vibration signal and fault diagnosis.     

Diesel Engine Valve Clearance Fault Diagnosis Based on Features Extraction Techniques and FastICA-SVM

Numerous vibration-based techniques are rarely used in diesel engines fault diagnosis in a direct way, due to the surface vibration signals of diesel engines with the complex non-stationary and nonlinear time-varying features. To investigate the fault diagnosis of diesel engines,fractal correlation dimension, wavelet energy and entropy as features reflecting the diesel engine fault fractal and energy characteristics are extracted from the decomposed signals through analyzing vibration acceleration signals derived from the cylinder head in seven different states of valve train. An intelligent fault detector FastICA-SVM is applied for diesel engine fault diagnosis and classification.The results demonstrate that FastICA-SVM achieves higher classification accuracy and makes better generalization performance in small samples recognition. Besides,the fractal correlation dimension and wavelet energy and entropy as the special features of diesel engine vibration signal are considered as input vectors of classifier Fast ICASVM and could produce the excellent classification results.The proposed methodology improves the accuracy of feature extraction and the fault diagnosis of diesel engines.     

心电信号特征点提取的算法研究

基于连续小波变换尺度取值的灵活性以及小波变换模极大值与心电信号特征点之间的对应关系,提出了心电信号特征点提取的新算法。利用Mexican-hat小波,对心电信号进行连续小波变换后,从小波域里取出最有利于特征点检测的尺度分量进行检测,在检测中运用了不应期、可变时间窗等策略以提高该算法的鲁棒性和检测精度。经由具有专家注释的QT心电数据库检测验证,QRS波正确检测率达到了99.7%,对P波和QRS波的起止点以及T波的终止点检测结果的平均标准偏差也在允许偏差范围之内。     

An enhanced feature extraction model using lifting-based wavelet packet transform scheme and sampling-importance-resampling analysis

The efficiency of data processing is critical for the on-line monitoring applications of industrial components and systems, both from the viewpoints of the rapid adaptation to the non-stationary signals and the cost of information storage and transmission. In this paper, we propose an enhanced feature extraction model for machinery performance assessment, which is based on the lifting-based wavelet packet transform (WPT) and sampling-importance-resampling methods. The lifting-based WPT decomposes the signals. Then the sampling-importance-resampling procedure is applied in the wavelet domain to extract the distribution information and compose the feature vectors. Finally, a support vector machine is used to assess the normal or abnormal condition based on these extracted features. To validate the proposed new model, an endurance test of pressure regulators has been carried out. Compared to the traditional wavelet packet method, the new model can not only keep the precision level but also improve the efficiency by over 60%.     

基于小波变换的三维粗糙表面分形维数计算方法

基于小波变换提出一种三维粗糙表面分形维数的计算方法。该方法采用小波变换对三维表面形貌数据进行多尺度分解,通过对不同分解尺度下小波系数平方的均值进行函数拟合,继而得到粗糙表面的三维分形维数。为验证提出的方法的正确性与准确性,采用已知参数构建三维分形表面,对不同方法下分形维数的计算结果进行对比分析。对比结果显示,相比原始盒维数法与差分盒维数法,采用提出的小波变换法计算得到的分形维数误差更小。特别是在小波变换过程中选用sym4小波基函数时,分形维数的计算误差最小,误差能够控制在2%以内。将提出的方法应用于磨削表面分形维数的计算,得到了不同粗糙度下磨削表面的分形维数,进而验证了该方法的实用性。提出的方法能够更加精确地计算三维粗糙表面的分形维数,为粗糙表面分形接触模型的构建提供了参数基础。     

基于小波包变换的局部放电包络信号模式识别

为实现GIS故障检测和缺陷的模式识别,针对GIS出现的典型绝缘缺陷及其放电特点,设计了4种常见的GIS绝缘缺陷模型并进行放电试验。对获取的大量超高频包络信号,提出了一种基于小波包变换奇异值分解的时域特征提取方法。该方法首先对包络信号进行小波包变换,构建各尺度的小波包分解系数矩阵,然后对其进行奇异值分解,提取特征向量,在此基础上,采用BP神经网络进行模式识别,结果表明采用此方法获得了良好的识别效果。     

小波变换方法评价曲线的分形特征

应用小波变换对Kiesswetter曲线和3种方法生成的分数维布朗运动（FBm）进行了分析,验证了该方法计算分形维数具有较高的精度。在宽广的分形维数范围内,与其他7种计算方法比较表明,小波变换方法的精确性和一致性都最好。小波变换为进一步分辨确定性信号、分形特征的信号或完全随机性的信号提供了一种有效工具,为评价粗糙表面形貌的分形特征提供了前提条件。     

基于小波变换的分形曲线维数计算方法的研究

研究了基于小波变换的分形曲线维数计算方法，具有算法简单和容易实现的优点；通过构造典型分形曲线并加以应用研究，提出并总结了小波分解尺度对维数计算精度的影响规律。根据影响规律，采用小波变换计算分形曲线维数，首先应该估计曲线的采样长度，根据曲线特征选择特定的小波函数，确定最佳的小波分解尺度，这样既提高了计算精度，又缩短了计算时间；其次，当分形曲线有限长度较短时，应该采用信号周期延拓的方法可以减少计算误差。