小波包改进算法及其在柴油机振动诊断中的应用

针对柴油机缸盖表面振动信号的非平稳时变特点,提出了基于小波包分析的柴油机振动诊断方法。给出了小波包变换的一种改进算法,通过移频处理,克服了原算法中的频率混叠现象,使分解序列的排列顺序与频带的线性划分顺序一一对应。通过对完整工作循环内的缸盖信号进行小波包分解,实现了整循环诊断特征向量的快速提取。试验结果表明,该方法在柴油机振动诊断中是有效可行的,对其它复杂机械的振动诊断同样具有参考价值。     

基于连续小波变换系数的柴油机异响故障特征提取与诊断

用Morlet小波对EQ6BT柴油机活塞敲缸响、活塞销响的缸体振动信号进行连续小波变换，然后将所得到的小波变换系数作出尺度—能量谱以及三维能量谱图，从而实现了对柴油机异响故障的特征提取和诊断。结果表明：利用Morlet连续小波变换系数的尺度—能量谱和三维能量谱图，能够直观而有效地检测和区分EQ6BT柴油机活塞敲缸响、活塞销响两种故障及其故障的严重程度。     

小波神经网络法在柴油机故障诊断中的应用

用小波分析作信号处理手段提取柴油机振声信号特征量 ,以神经网络作为故障模式识别手段 ,进行了柴油机故障的振声诊断方法研究。针对柴油机振声信号的非平稳时变特性 ,应用小波理论中的小波包方法对其进行处理 ,结果表明小波分析是比傅里叶分析更为有效的处理柴油机振声这类非平稳信号的方法。在此基础上 ,研究了用神经网络实现根据小波包分解结果识别柴油机故障状态的方法。     

基于SSWPT的转子油膜失稳故障分析

针对已有的时频分析方法在转子非平稳特征提取方面的不足,提出采用同步压缩小波包变换(SSWPT)方法进行转子油膜失稳故障分析.首先将采集的振动信号进行小波包变换得到小波包变换系数,然后求取信号的瞬时频率,最后对小波包变换系数沿信号瞬时频率方向进行压缩,从而将各频率成分清晰呈现于时频图中.分别利用仿真、实验信号及油膜涡动现场故障数据对该方法进行了验证,并与希尔伯特黄变换(Hilbert-Huang Transform,HHT)时频分析方法进行了对比.结果表明:该方法能够成功提取转子油膜失稳故障特征频率,体现了其在转子油膜失稳故障诊断中的优越性.     

小波变换在发动机缸内压力信号分析中的应用

本为消除发动机缸内气体压力测量中的通道效应的影响提出了一种新的方法－小波变换法。小波变换能针对气体压力信号的时变和非线性特征，充分反映出发动机气缸压力信号突变点附近的频变特性。分析中利用３次Ｂ样条小波对４１３５柴油机的气体压力信号按Ｍａｌｌａｔ算法进行分解，分离出气体压力信号中的通道效应，并利用采用反对称小波时，信号奇异点与其小波变换模极大值对过零点的关系，对压力急升点进行了定位，最后运用小波的     

基于神经网络的柴油机燃烧系统故障诊断

根据柴油机在不同状况下燃烧过程中气缸的压力波动情况进行了模式分类。柴油机的缸盖振动与气缸的压力波存在一定的对应关系,但这种对应关系通常难以确定。作应用柴油机缸盖在爆发段的振动信号,经过Hilbert变换,然后应用小波的Mallat算法进行变换,取小波变换后的三阶近拟波形来模拟对应气缸内的压力波动,最后应用神经网络方法对变换后的信号进行燃烧状况的模式识别,给出诊断结果,为柴油机的故障提供了一种新方法。     

小波降噪在柴油机振动诊断中的应用研究

基于小波分析与神经网络的振动信号故障诊断方法，本文提出在小波包特征提取前对原始信号进行小波降噪处理，并以295柴油机进排气系统故障诊断为例验证采用小波降噪处理方法的必要性。结果表明：进行小波降噪处理的故障识别率较未经小波降噪处理的有较大提高。     

基于小波变换和小波包变换的间谐波检测

通过研究小波变换中基函数选取和小波分解过程两个关键问题,针对小波变换在间谐波检测方面的应用,对比分析不同基函数的检测性能,重点分析小波变换与小波包变换对于稳态和暂态谐波的相位、幅值特性检测精度.仿真结果表明,小波包变换具有良好时频局部化特性能聚焦信号细节,选取dmey小波基函数的小波包分解方法可实现对电力系统中稳态或时...     

基于小波分析的柴油机故障信号特征的提取

本文提出了一种新的柴油机表面振动信号的故障特征的提取方法，利用柴油机表面振动信号经过小波降噪处理，有效地剔除柴油机表面振动信号的噪声干扰，提高信号的信噪比。用小波包提取降噪后振动信号的能量特征参数。以表征柴油机故障特征，建立起能量到柴油机故障的映射关系。实际研究表明这一特征提取方法是有效的。     

基于小波包提取尾水管水压脉动特征的研究

采用小波包与傅立叶变换相结合的方法，对尾水管振动信号进行小波包多层分解，以提取信号的低频特征信息，然后进行精确的频谱分析取得涡带的特征频率。仿真实验表明，该方法能利用小波包时频局部聚焦分析能力，有效提取尾水管微弱低频特性信息，对尾水管振动故障提供早期预诊手段。     

改进的电缆中间接头局放信号去噪方法

针对电力电缆中间接头局部放电信息检测系统实际采集到的局部放电信号含有噪声的问题,提出了一种将快速傅里叶变换与改进小波包变换相结合的处理方法,对于周期性窄带干扰,选取快速傅里叶变换来处理;对于白噪声,通过一种改进的阈值函数的小波包算法进行处理。实际应用结果表明,该方法去噪效果明显,不仅有效去除了局部放电脉冲信号中的噪声,可较好地保留了原始信号的有用信息。     

基于独立分量分析及小波变换的内燃机辐射噪声盲源分离和识别

为了分离和识别内燃机噪声源,结合独立分量分析和小波变换技术对内燃机辐射噪声信号进行了盲源分离和声源识别的研究.根据独立分量分析的基本原理,采用基于负熵极大的FastICA算法对4缸柴油机的辐射噪声信号进行了盲源分离,将噪声信号分解成一系列独立分量.采用快速傅里叶变换和小波变换技术对各个独立分量进行了分析,结合时频分析的结果和内燃机各噪声源信号的频谱结构,确定了分离得到的各独立分量与内燃机不同噪声源的对应关系.研究结果表明:这些独立分量分别对应着柴油机的燃烧噪声、活塞敲击噪声、正时齿轮噪声及排气辐射噪声等噪声源.     

基于小波包和Markov链的低压电力线背景噪声重构

针对传统方法难以重构出时域特性和频域特性与真实低压电力线背景噪声一致的背景噪声问题,搭建了噪声测量平台实测了背景噪声,提出了一种基于小波包变换与Markov链相结合的背景噪声重构方法,通过小波包变换得到真实背景噪声在不同频带中的小波包分解系数,并利用Markov链对分解系数进行统计,模拟生成与实测噪声分解系数统计规律相同的仿真分解系数,将仿真分解系数重构后即可得到背景噪声。实例仿真结果表明,该方法重构的背景噪声在时域波形上与实测噪声极为相似,且功率密度谱变化趋势也与实测噪声基本一致,可作为电力线载波通信设备性能测试的可靠噪声源。     

基于dq变换和小波包变换的微网故障检测方法

针对传统的扰动检测法无法区分正常扰动状态与弱故障扰动状态的问题,提出了一种基于dq变换和小波包变换的微网故障检测方法,该方法使用每条母线上d、q轴故障电流的平方和作为解析电流,并利用小波包对其进行分解,进而利用各层小波包系数来构建故障检测判据。仿真试验结果表明,该方法能够有效区分正常运行状态、正常扰动状态和强、弱故障扰动状态,且不受接地电阻、故障类型/时间/相、负荷/DG的投切等各种因素影响,具有很强的适应性与工程应用价值。     

柴油机气缸盖振动信号特征提取方法的研究

研究了基于短时AR分析、小波多分辨率分析和小波包分析的故障特征提取和识别方法,分析了柴油机气缸盖振动信号特征提取方法。得出了两条重要结论:基于短时AR分析的柴油机气缸盖振动信号整循环特征提取方法特别适合于短序列数据的分析;利用小波多分辨率分析和小波包分析以及Kllback-Leibler信息量最小,对柴油机表面振动信号进行分解与分析,确定各故障状态的特征频带,进而可用频带的时间序列的时序模型作为特征矢量,实现对柴油机运行状态故障的诊断。     

Characterization of knocking combustion in HCCI DME engine using wavelet packet transform

A diesel engine is modified for homogeneous charge compression ignition (HCCI) combustion with dimethyl ether. With and without knock, in-cylinder pressure is acquired, and in-cylinder temperature, rate of heat release (ROHR), pressure rise rate and pressure rise acceleration obtained. Wavelet packet transform is performed to decompose pressure signal into three layers with subsignals obtained. Three wavelet packet quantifiers for seven subsignals, including mean absolute value of coefficients, wavelet packet energy and entropy, are compared. The three quantifiers are correlated with maximum pressure rise rate and pressure rise acceleration, respectively. The analysis shows that the in-cylinder pressure, temperature and ROHR change smoothly in normal combustion. When combustion gets into knock, they have a steep rise and a strong fluctuation; the ROHR peaks increase for both cool flame and hot flame, and heat release advances, especially for hot flame. The pressure rise rate and pressure rise acceleration fluctuate more violently, and their maximums increase remarkably and advance somewhat. Without knock, mean absolute value of coefficients, wavelet packet energy and entropy for the subsignal 1 are much greater than others. As knock occurs, three wavelet packet quantifiers for seven subsignals increase greatly, and for the subsignal 6 becomes the largest. Wavelet packet quantifiers for seven subsignals should be monitored for knock detection. The correlation coefficient similarly increases first, decreases afterwards and increases again through seven subsignals. Among three wavelet packet quantifiers, mean absolute value of coefficients has the maximum correlation coefficient except for the subsignal 6. Its maximum correlation coefficient appears at subsignal 7, whose frequency band is 8.75–10 kHz.     

基于小波包的气门故障诊断

本文利用小波包将信号按任意时频分辨率（满足测不准原则）分解到不同频段的特点,论述了小波包特征提取的方法。利用这一特性对柴油机气门间隙和漏气故障进行了诊断,取得了满意的结果。     

基于小波包的泵站机组振动信号特征分析

提出了一种应用小波包分析对泵站机组振动信号进行特征分析的方法。与小波分析相比,小波包分析能对信号的高频频带进一步分解,提高了频率分辨率。利用小波包对泵站机组振动信号进行了信号压缩与消噪以及奇异性分析,为诊断机组振动故障提供了决策依据。对泵站机组主轴摆度和轴承振动实测信号进行了分析,结果表明小波包分析可有效提取原始信号的特征。     

基于粗糙集和神经网络的柴油机故障诊断

介绍了粗糙集理论的核心内容和ROSETTA软件的特点,给出了基于粗糙集理论的柴油机缸盖振动信号的故障诊断系统。以某型号大功率柴油机为例,首先将提取的缸盖振动信号经过小波包消噪和时域、频域分析,构造出用于故障诊断的特征值,然后应用ROSETTA软件约简特征属性,最后通过神经网络进行故障模式分类。通过对比ROSETTA软件处理前后神经网络的输出结果,表明粗糙集理论能优化特征属性,有效地减少神经网络的输入节点数,提高故障分类的准确率。