基于小波分析的Timoshenko梁裂缝识别研究

采用等效转动弹簧代替梁内的不扩展横向裂缝,研究Timoshenko裂缝梁的横向振动特性,建立了一种与有限元分析相结合的、基于模态参数的小波分析识别Timoshenko梁内裂缝的方法。以一简支梁为例,通过建立含横向不扩展裂缝的Timoshenko梁的有限元模型,用Lanczos法对结构的模态进行了计算分析,求出了基本振型和转角模态。分别应用mexh小波和db小波为母小波对二者做小波变换,进行多尺度分析,通过小波系数模极大值位置识别出梁内的裂缝。并对识别结果进行对比,发现识别Timoshenko梁裂缝时,基于转角模态小波变换的方法对小波基、尺度的要求较低,变换后的小波系数线更为平滑,奇异性特征更为明显,故运用转角模态小波变换来识别Timoshenko梁裂缝,较之运用基本振型小波变换的方法更为方便、有效。该方法对Timoshenko梁裂缝识别的工程应用具有参考价值。     

输油管道应力波检测中的小波去噪方法研究

本文介绍了一种适用于油田输油管道应力波检测的小波去噪方法。在盗油实时监测时，利用冲击激励产生的应力波到达两个检测传感器的波达时刻的差对冲击激励点进行定位。由于小波变换具有多尺度分析的优点，根据有用信号和噪声奇异性的不同及其在小波变换不同尺度下的传递特性的不同，区分信号和噪声，进行小波系数的阈值选取后，利用剩余的小波系数重建信号，得到有用信号的波形。试验发现，该法可以很好地去除噪声，从而使应力波的波达时刻的计算的准确度提高。     

基于广义Morse小波和EWT的移动荷载下结构时变频率识别

提出了基于广义Morse小波和经验小波变换的移动荷载作用下结构时变频率识别方法。首先介绍了经验小波变换技术和广义Morse小波特性,采用经验小波变换对结构响应信号进行分解,对分解得到的不同经验模式成分采用广义Morse小波分析,提取信号小波脊线识别结构瞬时频率。用一个数值算例验证了方法的有效性和精度。随后设计了一个移动小车通过钢板梁的模型试验,采用该方法识别其时变频率并与有限元计算结果进行对比分析,进一步验证方法的效果。     

基于Hermitian小波有限元的叶轮叶片载荷识别

针对复杂的离心式压缩机的叶轮叶片的载荷识别,提出了一种新的Hermitian小波壳单元。Hermitian小波壳单元代入逆Newmark算法构造激励载荷与响应信号的传递矩阵,从而进行载荷识别。通过响应信号与传递矩阵求解载荷。根据实验数据,Hermitian小波单元识别载荷的精度远远高于商业软件ANSYS。实际工程应用中,商业软件ANSYS可以分析复杂模型,而在关键区域可以采用Hermitian小波单元分析。     

循环小波变换及其应用

介绍了循环小波的概念及其循环小波变换的快速算法,详细描述了由原正交小波获得其相应的循环小波的过程,从其中的缠绕叠加过程中,给出了信号的循环小波分解的一般公式,对任意长度数据的信号使用任意偶数的Daubechies小波的变换矩阵的构成给出了统一的描述。接着对使用循环小波变换识别结构系统脉冲响应函数的思想进行了仿真研究。在仿真中以两自由度和悬臂梁结构系统为例考虑了不同的小波对识别精度的影响,还讨论了循环小波变换方法的总体平均性能。     

小波极大模方法在旋转机械故障诊断中的应用研究

通过小波变换奇异性检测理论,利用连续小波变换提取极大模值线并求取Lipschitz指数,提取转子每转中Lipschitz指数的平均个数和全部Lipschitz指数的平均值作为转子故障振动信号的奇异性特征。通过BP神经网络对转子不平衡、不对中、油膜涡动、摩碰和无故障5种状态进行分类识别,取得了较好的效果。     

基于最优Morlet小波和SVD的滤波消噪方法及故障诊断的应用

分析了传统的小波去噪方法和小波变换的滤波特性.利用小波变换技术、奇异值分解技术和Morlet小波良好的时域和频域特性,提出了基于最优Morlet小波和SVD的滤波消噪方法.首先,采用最小Shannon熵方法确定出最优Morlet小波;然后,利用奇异值分解技术确定出最佳变换尺度a;最后对信号进行滤波消噪处理,从而提取信号中的有用成分.实验结果表明,该方法具有良好的去噪性能,用于故障特征提取是有效的.     

小波谱在舰船地震波场分析中的应用

舰船地震波信号是一个非平稳过程,以傅里叶变换为基础的传统谱分析方法已经难以发挥作用.小波变换因其在时-频域都具有表征信号局部特征的能力而成为非平稳信号分析的有力工具.提出了小波谱、小波相干系数用于舰船地震波信号的处理方法.由于Morlet小波所具有的优势,选用Morlet小波作为母小波进行小波分析,得到舰船地震波信号的时频特征.通过对实验数据的分析对比体现出小波谱良好的时频定位能力,表明小波谱适于信号特征的提取,并优于传统谱分析.     

基于MAS小波变换的红外小目标检测方法

提出一种基于MAS小波变换多尺度相关的红外小目标检测方法.该方法通过二进MAS小波对图像进行多尺度分析;利用边缘和噪声具有不同的Lipschitz指数造成它们的小波变换模在不同尺度下的不同传播特性,根据小波变换模尺度相关性区分边缘和噪声;利用小目标与背景和云层边缘具有不同的奇异性,在相同尺度下小波变换模不同的特性加以区分,得到最终的检测结果.实验结果表明,该方法能够有效地进行红外小目标检测.     

滚动轴承振动信号的小波奇异性故障检测研究

该文以滚动轴承振动信号为分析对象 ,基于小波奇异性分析原理进行滚动轴承故障检测新方法的研究。通过求解待测信号的小波变换极大模来检测和识别信号中奇异点位置和奇异性大小 ,以及对噪声极大模的抑制处理 ,达到抑制或消除噪声的目的 ;最后 ,在剩余小波极大模的基础上进行信号重构 ,展现原待测信号中的故障信号模式。通过对铁路货车车轮用滚柱轴承振动信号的分析表明 ,此方法在大幅度地提高信噪比的同时 ,对由轴承损伤冲击造成的信号突变仍保持了较高的灵敏度和分辨率。为滚动轴承故障检测打下了良好的基础。     

基于信号奇异性分析的轴承故障检测方法

针对轴承振动信号利用小波单奇异点检测无法克服噪声影响的不足,提出利用小波模极大值分析信号奇异性变化进而进行轴承故障检测的方法。实验中对信号的模极大分形指数,模极大分形指数熵,Lipschitz指数以及Lipschitz指数熵等奇异特征进行分析比较,实验结果表明这些特征都能有效克服噪声影响实现故障检测,但模极大曲线数最能体现故障特征且检测效果最好。将该方法同基于小波包能量谱特征和小波单奇异点检测的方法进行比较,结果表明本文建议的方法在检测时间及检测率上都有显著提高。     

利用小波尺度谱同步平均的时频脊故障特征提取

旋转机械的早期故障特征微弱,容易受到噪声的干扰,不容易准确识别。小波尺度谱存在受噪声干扰影响大、高频部分频率分辨率低等缺点, 对小波尺度谱进行重排可以提高其时频聚集性。为此,结合小波尺度谱同步平均和小波脊线分析的优点,提出了基于时频脊线特征提取方法。首先对多周期的振动信号进行小波连续变换,并重排小波尺度谱;再根据信号的周期性,对尺度谱进行同步平均;最后提取同步平均后的尺度谱小波脊线,计算信号的包络幅值并进行频谱分析,最终提取出弱故障特征。通过仿真和实例验证了本方法的有效性,为旋转机械的早期故障诊断提供了新方法。     

双自适应小波局部极大模方法及其在信号特征提取中的应用

将小波分析中的局部极大模方法采用双自适应提升算法进行改进,用于机械故障冲击信号特征的提取,获取了信号时域和频域冲击特征。将该方法应用于滚动轴承微弱冲击特征的提取,并将原始信号直接进行包络分析、原始信号极大模包络分析、经典小波分析方法、第二代小波的细节信号方法进行了对比。结果表明,双自适应局部极大模方法可以更有效的提取信号中的冲击特征,对小波分解层数极不敏感,表现出了很好的鲁棒性。新方法为进一步实施冲击型故障的诊断工作提供新的思路。     

信号奇异性检测理论及其应用

奇异信号往往载有设备运行状态特征的重要信息。小波分析理论（ＷａｖｅｌｅｔＡｎａｌｙｓｉｓ）突破了传统傅里叶变换等信号处理方法，在时域和频域上可同时对信号实现局部化处理，更符合信号非平稳的变频带结构特征，因而在检测信号奇异性等方面具有广泛的应用价值。本文在研究信号奇异性检测理论的基础上，成功地应用于机械状态特征识别等领域     

小波尺度谱在AE信号特征提取中的应用

通过分析典型声发射信号及其特征提取,将小波尺度谱引入到声发射故障诊断领域,首次提出了声发射信号的小波尺度谱分析法。给出了小波基函数及其参数的选取,克服了声发射信号小波尺度谱的时、频分辨率不能同时达到最好的缺陷。将小波尺度谱用于声发射检测的滚动轴承损伤类型及部件的识别,诊断结果十分直观、清晰、准确。仿真分析和实验研究均表明小波尺度谱能有效应用于基于声发射技术的状态监测与故障诊断。     

Laplace小波及其工程应用

小波变换是非平稳信号处理的有力工具,小波性质取决于它的基函数.在模态分析、机械监测诊断等领域,冲击响应信号十分普遍.一种单边衰减复指数型的Laplace小波基函数具有分析冲击响应信号的优势,采用Laplace小波相关滤波方法可提取振动信号中的冲击响应分量,成功地诊断出内燃机进气阀的磨损故障和识别出大型水轮机轴系的一阶固有频率.     

Laplace小波相关滤波法与冲击响应提取

冲击响应信号的出现标志着机械设备发生松动，碰撞，冲击等故障。在复杂的振动信号中准确提取出冲击响应信息在机械故障诊断中具有重要的意义，介绍了用来识别冲击响应信号的Lapalce小波相关滤波法，通过对含有噪声的模拟冲击响应信号的识别，证明该方法能够在强大噪声干扰中准确捕捉到冲击响应信号。工程应用结果表明，相关滤波法可以从复杂的内燃机缸盖振动信号中准确定位进气阀关闭时冲击发生的时刻及频率，从而成功地诊断出因进气阀磨损而导致的漏气故障。     

WCPSO优化的小波神经网络在传动箱故障诊断中的应用

针对传动箱振动信号复杂及故障类型难以预知的问题,提出一种基于动态加速常数协同惯性权重的粒子群优化算法(WCPSO)优化的小波神经网络进行传动箱的故障诊断,并比较经WCPSO优化的小波神经网络和传统小波神经网络诊断的结果。结论是该方法能明显提高收敛精度,对多故障征兆有较好的故障识别率,是解决故障诊断问题的有效途径。     

基于无参数经验小波变换的风电齿轮箱故障特征提取

风电机组通常以集群规模化运行,机组结构复杂、振动测点多,所产生的振动数据量大,仅靠人工进行故障诊断具有较大挑战。提出基于无参数经验小波变换的风电齿轮箱故障特征提取方法,运用尺度空间方法和经验法则对振动信号的傅里叶谱进行自动分割,获得不同的滤波频带,据此设计一系列经验小波滤波器对信号进行分解和重构,获得不同频带下的经验模式,进一步采用裕度因子对分解后的经验模式进行排序,选取裕度因子最大的经验模式作为故障敏感模式;该方法能在无需预设任何参数的情况下对振动信号进行分解与故障特征提取,具有自适应性。风电试验台和实测风电齿轮箱故障案例验证了方法的有效性。