小波和神经网络在采煤机故障诊断中的应用

进行采煤机截割部齿轮传动系统的振动测试,采用小波变换对振动信号进行去噪处理,经过小波去噪后的振动信号作为BP网络的输入,采用三层BP神经网络结构对采煤机截割部齿轮传动系统的故障进行了趋势预测,取得了满意的诊断效果。     

掘进机截割减速器振动特性仿真分析

以掘进机截割减速器为研究对象,分析了减速器齿轮的工作机理和产生振动信号原因,提出了变分模态分解(VMD)算法结合小波去噪理论的方法,通过运用变分模态算法对人为断齿故障信号进行分解,并结合小波去噪理论对其重构信号进行去噪。仿真结果表明,该方法适用于掘进机截割减速器振动特性的分析,能够完成齿轮多种振动信号特征的提取,分解层数较少,去噪效果良好,计算结果与人为造成的断齿故障位置一致,具有重要的现实意义。     

小波去噪在掘进机振动信号处理中的应用

基于小波在时-频两域均能表征信号局部特征的特点,采用小波分解和小波包分解对掘进机三方向振动信号进行分解重构,比较sym4小波,sym5小波和小波包对振动信号的去噪能力,选择sym4对振动信号进行处理,获取掘进机振动信号的特征频率和振动峰值,掘进机截割头的主振频率在2~4 Hz内,振动峰值在11 gn左右。     

基于变分模态分解的爆破振动信号去噪方法研究

为对爆破的振动信号进行有效去噪,提出了一种基于窗口傅里叶变换的自适应双重变分模态分解-小波阈值(Adaptive dual variational mode decomposition-Wavelet threshold,ADVMD-WT)组合方法对爆破临近地区采集的振动信号进行去噪处理。首先利用VMD算法对振动信号进行第一次分解,分解层数根据窗口傅里叶变换频谱图中的波峰个数来确定,基于各个分量的相关系数识别出高频的噪声分量;然后对剩余信号分量逐个进行第二次分解,重复第一次分解的步骤,分离出各个低频分量中含有的噪声信号;针对噪声分量中仍含有少量有用信号,对噪声分量进行小波阈值去噪,获取有用信号;最后重构信号分量得到ADVMD-WT方法去噪后的信号。将ADVMD与其它去噪方法相比,并从信噪比、均方根误差2个评价指标验证了ADVMD方法在爆破振动信号去噪中的有效性。     

基于小波变换的矿震信号去噪方法研究与应用

从小波变换的基本原理出发,对实际矿震信号进行了去噪处理,通过用傅里叶变换和小波变换对北京木城涧煤矿实际矿震信号去噪效果分析,小波变换在对非平稳的矿震信号去噪方面有着傅里叶分析不可比拟的优点。并探索了不同的小波基和阈值选取准则以及分解尺度对矿震信号去噪结果的影响。     

小波变换在齿轮故障诊断中的应用

在分析小波变换理论和齿轮振动信号特点的基础上,提出用小波分析法提取齿轮故障特征。齿轮振动信号具有非平稳性,并且受各种噪声干扰,小波分析法具有处理非平稳信号的突出优点。在MATLAB环境中,建立了齿轮振动仿真信号,采用小波函数对受噪声污染的信号进行软阖值消噪处理,通过功率谱分析提取特征频率。仿真表明,该方法可有效抑制噪声,提取特征频率,从而为齿轮故障诊断提供依据。     

基于变分模态分解和粒子群算法的微震信号降噪方法

为从含噪微震信号中提取有效信息, 并准确识别岩体破裂信号和爆破振动信号, 提出了基于粒子群算法和小波阈值去噪的改进变分模态分解方法。该方法利用粒子群算法实现模态数量和惩罚因子的最优取值, 以最优参数对微震信号进行变分模态分解, 再对由高频噪声主导的模态分量进行小波阈值去噪, 将去噪后的高频信号分量与原先的低频信号分量进行重构, 实现信号降噪。经验证, 该方法相比集合经验模态分解和单纯的变分模态分解方法具有更好的降噪效果。以该方法对200组岩体破裂信号和200组爆破振动信号进行去噪, 以第一模态分量能量占比50%作为区分爆破振动信号和岩体破裂信号的依据, 识别成功率达到97.25%, 证实了此识别方法的准确性。     

基于平移不变小波爆破振动信号去噪的应用研究

传统的小波变换阈值法去噪会使爆破振动信号的急剧变化部分产生人为的振荡现象，产生这种现象的原因是小波缺乏平移不变性。使用平移不变小波变换去噪方法，对爆破振动信号进行循环平移，利用软或硬阈值对该信号的小波系数进行压缩，重构信号，再进行相反的循环平移，通过多次的平移-消噪-平移，平均所获得的结果，从而消除小波基的平移依赖性。该方法不仅能有效地消除爆破振动信号的伪吉布斯（Psuedo—Gibbs）现象，而且能减小原始爆破振动信号和估计爆破振动信号之间的均方误差（MSE）。通过理论和实践证明了这种方法能够更有效地消除爆破振动信号中的噪声。     

基于连续非周期信号故障诊断方法研究

在研究周期性振动信号处理方法的基础上,针对连续非周期信号难以有效识别的问题,提出了一种基于小波变换和自功率谱相结合的故障诊断方法,采用小波变换对源信号进行去噪处理,并对处理后的信号进行自功率谱分析,解决了单独使用传统频谱信号分析方法难以对连续非周期信号有效分析的情况。通过对传输设备的故障进行分析,为识别连续非周期信号故障的提供了一定的指导意义。     

武山铜矿采场顶板爆破震动信号去噪方法的选取

为了研究武山铜矿采场顶板爆破震动效应,需要选择精确的去噪方法来获得精确的处理结果,针对这一问题,用EMD法和小波阀值法对收集的含噪爆破震动信号进行去噪分析处理,运用信噪比(SNR)法和均方根误差(RMSE)法对处理所得结果进行质量评估,从而获取较准确的信号去噪方法,为后续研究提供合适的处理方法,结果表明:小波阀值法去噪结果误差值和信噪比分别为0.0231,0.6078;EMD去噪法结果误差值和信噪比分别为0.0535,0.491,小波阀值法要优于EMD去噪法。     

基于小波包与直接确定神经网络的柴油机故障诊断

系统论述了小波包分析在故障诊断中对信号的分解、去噪和重构,经过基函数神经网络可以很好地对信号进行诊断,最后用典型故障信号通过计算机仿真讨论该方法在柴油机故障诊断中的可行性。     

通风机振动信号的小波包阈值除噪研究

研究了基于小波包分析的阈值除噪的基本方法,并介绍了几种除噪阈限。利用小波包阈值除噪良好的时频局部化特性滤除信号中大量的噪声。通过对通风机振动信号的除噪和特征提取研究,取得了良好效果,说明小波包阈值除噪方法非常适合于信号的预处理和故障特征提取。     

基于小波包能量法识别柴油机喷油泵故障

利用小波包分析法,通过柴油机缸盖振动信号能量图诊断出喷油泵渗漏故障,并以此为依据,利用"能量-故障"模式,以柴油机缸盖振动信号为依据对喷油泵渗漏故障进行诊断。对缸盖正常和故障的能量图进行归一化,划分出各个频段的能量图,分析缸盖振动特征频带的能量图判断喷油泵是否渗漏,结果显示故障特征更加明显,表明该方法能够有效检测喷油泵渗漏故障。     

滚动轴承故障振动信号的分析方法研究

针对滚动轴承故障信号具有非平稳、非高斯的特点,提出了将时域分析与小波分析相结合的方法对滚动轴承进行故障诊断。在研究不同信号分析方法理论的基础上,以滚动轴承外圈故障振动信号为例,采用多种信号处理方法进行了分析。结果表明,各种分析方法在分析轴承故障时的特点各不相同,在实际使用中,可将时域分析与小波分析综合使用,实现轴承状态的实时监测与故障的准确定位。     

自适应冗余第二代小波在信号去噪中的应用

介绍了基于提升方法的第二代小波原理以及自适应冗余第二代小波的构造方法。将自适应冗余第二代小波和冗余第二代小波变换应用于提升机振动信号的去噪分析并进行比较。试验表明,相对于冗余第二代小波,自适应冗余第二代小波在信号去噪方面具有更好的特性。     

基于频域约束独立成分分析的经验模态分解去噪方法

噪声污染是煤岩动力灾害电磁监测应用中需要解决的重要问题,去噪效果的好坏直接影响灾害预测的准确性。经验模态分解(Empirical Mode Decomposition,EMD)是目前电磁信号去噪中应用最多的一种方法,但当信号与噪声时频特征相近时,该算法存在严重的内蕴模态函数(Intrinsic Mode Function,IMF)混叠现象(即部分模态函数仍为信号与噪声的组合)。针对该问题,提出一种基于经验模态分解和频域约束独立成分分析的去噪方法,首先利用EMD将电磁信号分解为多个IMF分量,通过计算各分量与原信号间的互相关系数判断存在模态混叠现象过渡IMF,再以过渡IMF后续分量的频域为约束条件,对过渡IMF进行独立成分分析,去除过渡分量中的噪声;最后将去噪后的过渡分量与其后续分量进行重构,得到去噪后的信号。分别以含噪Ricker子波和现场电磁信号为例,利用信噪比定量验证了上述方法对处理现场电磁信号模态混叠问题的有效性,同时频域约束条件下的独立成分分析去噪收敛快、效率高,适合海量实时监测信号快速去噪使用。     

基于LabWindows／CVI的矿用汽车发动机智能故障诊断系统研究

介绍了基于ANSI C的集成开发环境LabWindows／CVI的主要特点和功能，研究了实现矿用汽车发动机智能故障诊断的方法。开发的基于LabWindows／CVI的矿用汽车发动机智能故障诊断系统包括多种参数的信号采集、数据分析与处理功能，能够实现矿用汽车发动机状态监测。实践证明本系统具有较好的实际应用价值。     

基于小波阈值的通风机故障特征提取应用研究

为了对原始信号进行有效的降噪,从而获得的客观的煤矿主通风机的振动特征,确保通风机故障的诊断,采用小波阈值的方法,分析了小波阈值降噪的基本思路以及小波去噪阈值的选取原则;对小波降噪的特点进行分析,对比了小波分析和傅里叶变换分析2种方法下的去噪能力,研究为通风机故障的诊断提供了理论基础。     

改进二代小波在风机振动信号消噪中的应用

介绍了基于提升法的第2代小波原理和自适应冗余第2代小波的构造方法。比较了将自适应冗余第2代小波和冗余第2代小波变换应用于通风机振动信号的消噪分析时的异同。实验得出,相对于冗余第2代小波,自适应冗余第2代小波在信号消噪方面特性更好。     

基于最优小波包与SOM-BP融合的柴油机故障诊断

柴油机振动信号具有非平稳性,用最优小波包将不同故障的振动信号分解到不同频段。提取各频段的能量组成特征向量输入SOM-BP神经网络,通过神经网络输出结果判别柴油机的故障类型。与BP网络的训练结果相比较,证明将最优小波包分解与SOM-BP神经网络相结合的方法可以得到更好的分类结果,有一定的工程实用性。