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。     

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Lab VIEW的小波理论在风力机齿轮箱故障诊断中的应用

给出一种基于Lab VIEW实现信号的小波包络分析的方法。在Lab VIEW的高级信号处理工具箱中包含了小波包信号分解和重构的模块,利用这些模块快速实现了小波包分解,然后对风电机组齿轮箱采集振动数据进行包络分析,得到了直观的包络谱线,进而得到准确判断风力发电机组的实际工作状态。另外采用小波分解对齿轮箱故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,为实现智能诊断提供故障特征值。     

基于小波分析的汽轮机叶片故障诊断技术

简述了小波分析的基础理论和算法,论述了在小波多分辨率分析下进行汽轮机叶片故障诊断的方法。结果表明,小波的方法能很好地保存瞬态信号中的尖峰和突变部分,对振动信号进行处理后再进行特征提取,使故障诊断变得容易,具有良好的效果。     

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。     

基于改进小波包的风电机组齿轮箱复合故障特征提取研究

针对小波包分解振动信号时会产生频谱混叠从而导致齿轮箱复合故障特征能量谱提取困难的问题,提出基于旁路滤波改进小波包的方法对双馈风电机组齿轮箱复合故障振动信号进行研究,并以风电场的大量齿轮箱振动信号为基础,运用传统小波包及旁路滤波改进小波包分别对齿轮箱振动信号提取特征能量谱。实验结果表明：运用旁路滤波改进小波包对双馈风电机组齿轮箱复合故障振动信号进行分析,可有效避免传统小波包分析振动信号的频谱混叠现象,准确提取每种故障状态的特征能量谱。     

基于时序分析的气阀机构故障诊断研究

通过模拟柴油机气阀机构的两种常见的主要故障：气阀漏气和气门间隙异常。采集气缸盖表面的振动信号，应用时序分析方法进行缸盖振动信号的AR谱估计，再从其AR谱中提取出可用于实际诊断的故障特征参数，最后利用欧氏距离判别函数进行故障状态识别。结果表明该方法是可行的，便于实现气阀机构故障的在线实时监测与诊断。     

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。     

小波包算法在振动信号分析中的应用

针对柴油机振动信号的时频特性,阐述运用小波包算法对振动信号进行分析的方法.利用小波包良好的时频局部化特性以及避免信号频率混叠的移频处理方法,实现了对几种气阀状态振动信号时频特性的分析.结果表明,该算法在柴油机气阀故障诊断中具有可行性和有效性.     

基于小波分析和时序分析的柴油机气缸压力识别

运用小波分析方法分析研究了柴油机缸盖振动信号的时频特性,较为详细地讨论了柴油机缸盖系统的激励源及其振动响应。用小波包分析方法对振动信号及气缸压力信号进行了有效的信噪分离,并依此利用时间序列分析方法对缸盖振动信号和气缸压力信号分别建立时序模型,求取缸盖振动系统的传递函数,再利用Ｐｏｗｅｌ算法对传递函数的参数进行优化处理,然后利用缸盖表面的振动信号识别气缸压力。     

柴油机故障诊断与分析

通过采集16V240ZJ型柴油机振动信号并利用小波包分解对振动信号进行消噪处理,利用频带分解技术提取振动信号的特征值向量,应用神经网络实现柴油机自适应的故障诊断。     

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。     

基于小波包和遗传BP神经网络的缸套-活塞组磨损研究

采用对比试验的方法,研究了柴油机缸套-活塞组磨损对气缸漏气率和燃油消耗量的影响。针对柴油机缸套-活塞组不同的磨损运行状态,利用机身振动信号进行了研究。然后,利用小波包时频分析方法进行特征量提取,最终利用遗传算法改进后的BP神经网络实现了磨损故障模式识别。     

柴油机机体振动分析与诊断研究

柴油机运行时因激振力的作用会产生一定方向和频率的冲击振动,构件的裂纹或松动等故障会影响到其响应成分的频率能量特性.针对柴油机运行时的冲击响应振动信号,利用小波分析快速进行信噪分离,频域范围内采用功率谱分析结合小波包分解对各频段能量谱分析.根据振动信号时域峰值和时刻,频域能量的变化和分布,给出故障诊断层使用的状态特征向量...     

基于缸盖振动信号的柴油机多工况性能预测

采用小波分析法和时间序列法从柴油机缸盖表面振动信号识别气缸压力,通过对示功图 进行分析计算得到了相应的放热规律;采用双韦柏函数对放热规律进行拟合,建立了双韦柏参数的多工况变化关系式,实现了放热规律的多工况计算,并与工作过程数值计算相结合,从柴油机缸盖振动信号预测多工况性能。     

基于小波包与神经网络的柴油机故障诊断

针对柴油机缸盖振动信号的非平稳时变特点,提出应用小波包能量法提取故障特征向量,并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的,对其他设备的故障诊断也具有借鉴意义。     

基于变分模态分解和交叉小波变换的柴油机失火故障诊断

针对强噪声干扰下柴油机失火故障难以诊断的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)与交叉小波变换(cross wavelet transform,XWT)的柴油机失火故障诊断方法。该方法首先通过VMD将缸盖振动信号进行分解、自适应消噪及信号重构,再利用XWT对任意两个连续工作循环信号进行时频相关分析,进一步消除振动信号中的干扰噪声以提取柴油机燃烧特征,最后通过计算时频空间各缸能量占比进行柴油机失火故障诊断。通过对仿真信号分析及柴油机失火故障诊断,结果表明:该方法可以消除强噪声干扰,提取柴油机燃烧周期瞬态振动冲击特征,有效地识别柴油机失火故障。     

基于气缸盖振动信号的柴油机故障诊断研究

在3110柴油机的1号缸上进行了气门间隙变化、断油等故障的模拟试验研究.分别在正常情况及各故障情况下测取了缸盖振动信号,对信号进行时域分段,分别用时域、频域及小波分析方法对信号进行了分析,提出了故障时频特征的提取方法,并用模糊聚类方法进行了分类分析.对正常情况(气门间隙0.3 mm)、断油故障、气门间隙过小(0.1 mm) 、气门间隙过大(0.9 mm)等4种情况的80组数据的分析结果表明,大部分数据分类效果较理想,错误率仅为6.25 %, 断油故障数据分类完全正确.对进气门间隙为0.1 mm、0.3 mm、0.9 mm的3种工况的60组数据进行了模糊聚类分析,取进气门落座信号,用绝对值均值、有效值及峰值作为特征值,分类结果完全正确.