奇异值分解与小波分析在柴油机振动信号降噪中的应用

介绍了奇异值分解与小波分析的方法,用数值模拟比较了两种方法的优缺点。将两种方法分别用于柴油机缸盖振动信号和气缸压力信号的降噪,用小波分析方法分离了整机振动对缸盖振动信号的影响;用奇异值分解方法去除了通道效应对测得的气缸压力的影响。     

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     

基于奇异值理论与神经网络的内燃机失火故障诊断研究

对多缸内燃机的气缸爆发噪声信号进行平稳小波分解,取部分分解系数组成包含矩阵。该包含矩阵加强了气缸爆发噪声信号在气缸爆发频率所在频段的信息。利用奇异值理论提取包含矩阵的奇异值作为气缸爆发噪声信号的特征。将奇异值作为改进的BP神经网络的输入对神经网络进行训练和故障识别。研究结果表明,该方法可有效地诊断和识别多缸内燃机失火故障。     

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。     

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。     

基于小波包与神经网络的氢发动机异常燃烧研究

发动机压力信号包括很多能反映发动机异常燃烧征兆的有用信息,对压力信号进行小波包分解,提取异常燃烧特征,并用神经网络建立起从异常燃烧到特征参数的映射关系是诊断异常燃烧的有效技术手段。     

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。     

风力发电机组叶片故障诊断

风机叶片的裂纹和断裂是导致风机机组事故的重要因素之一,尽早诊断出风机叶片的故障部位与故障程度,对安全生产具有意义重大.本文将叶片振动信号作为研究对象,利用小波分解方法对其进行信号分解,并与时域和频域方法处理结果进行对比分析,得出诊断结论.仿真结果表明：小波分解方法可以更有效的获取故障特征信号,具有较高的故障诊断率.     

基于神经网络信息融合的发动机失火故障诊断

对发动机气缸失火故障进行实车模拟试验,测量了发动机的机体振动信号及瞬时转速信号,并对其进行了时、频域分析.通过小波分析方法提取了振动信号能量特征,通过复杂度分析方法提取了转速信号的复杂度特征用于故障诊断.根据多传感器信息融合理论,建立了集成神经网络信息融合模型对气缸失火故障进行了诊断.结果表明,发动机机体振动能量特征和转速复杂度特征能够反映气缸失火现象,基于发动机振动和转速信息融合进行气缸失火故障诊断,诊断可靠性较高.     

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。     

基于声信号小波分解的转子碰磨故障特征分析

研究了基于声信号小波分解的转子碰磨故障特征，通过人为条件使转子产生碰磨故障，记录现场信号分析故障特征。转子碰磨信号具有较强的奇异性，而奇异信号往往载有重要的故障信号特征，利用小波分析理论在时域和频域上可同时对信号实现局部化处理的“变焦距”性质，分别对不同试件碰磨故障的声音信号进行了分析，将结果进行了对比，研究了碰磨声信号在小波包变换下的特征。结果表明：声音信号用于旋转机械故障诊断具有其特有的优越性。基于声音信号的小波分解可以识别碰磨故障特征。     

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。     

基于二进小波变换的高速柴油机故障特征辨识

将采用类Ｍｅｘｉｃａｎｈａｔ小波基并进行二进制离散的小波变换,应用于高速柴油机缸内部件中活塞－缸是隙异常和活塞环胶结两类故障的辨识。结果显示,由于小波变换具有的抑制噪声特性香－频局部化特性,适用于具有非平稳局部突变性质的柴油机机身振动信号分析,从而可以辨识故障产生与否和故障的类型。     

基于小波分析及ITD法识别气缸内气体压力

基于小波分析及Ibrahim时域法ITD（Ibrahim Time Domain)识别内燃机缸内气体压力，利用时域ITD法建立气缸盖振动的数学模型，并用小波分析方法对气缸盖振动响应信号进行有效的信噪分离，最后通过时域模态坐标转换识别内燃机缸内气体压力，由于振动信号信噪分离效果好，从而提高了缸内气体压力的识别精度，为内燃机工作状态的实时监测和故障早期预报提供了行之有效的方法。     

改进EMD降噪方法在水轮机尾水管压力脉动信号中的应用

针对水轮机尾水管压力脉动信号的降噪处理问题,提出一种基于改进经验模态(EMD)分解的降噪方法。首先将信号进行EMD分解,得到一系列本征模态函数;然后利用基于自相关函数特性的分析方法将其分解为噪声主导分量和信号主导分量两部分,并将噪声主导分量利用小波软阈值降噪;最后将经过处理的噪声主导分量与信号主导分量重构成新信号,用于后续分析。通过与基于互相关分析的EMD降噪法对比,发现该方法具有更高的信噪比,既保留了尾水管压力脉动信号的低频成分,又保留了其有用的高频成分,是一种有效的水轮机尾水管压力脉动信号降噪方法。     

基于二进小波变换的电能质量暂态信号的检测

针对暂态电能质量扰动及不易检测的特点,提出一种基于卷积型二进小波变换的电能质量信号定位与检测方法,利用二进小波变换模极大值对应信号的突变点检测电能质量扰动信号,采用Matlab仿真软件对短路故障及电容器投切引起的电压暂态信号进行仿真.结果表明,该法行之有效、尺度定位准确.     

基于柴油机喷油系统压力波信号的小波函数优化分析

通过选用六种不同的小波函数，对柴油机喷油系统压力波信号的时频特性进行了小波分析研究。研究结果表明：选用不同的小波函数对同一压力波信号进行时频特性分析时，得出的结果是有差别的。作者通过对小波分析结果与实测结果进行误差分析，找出较适合于柴油机喷油系统压力波时频特性分析的小波函数。     

旋转机械振动信号的小波包分解及故障检测

研究了旋转机械振动信号的特点，指出传统的波形分析和频谱分析存在的问题。提出了从小波饭包分解序列图和小波包能量分布图两个方面对振动信号分析的方法，赋予小波变换和小波包分解的结果以明确的物理意义，实验表明了该方法的可行性及对故障检测的有效性。     

基于时频分析的汽油机爆震特征的提取

分析了短时傅立叶变换(STFT)、维格纳—瑞利分布(WVD)及小波变换(WT)等时频分析方法各自的特点。研究了利用三种方法分别从汽油机缸内压力信号和缸盖上的振动信号中提取爆震特征的可行性和有效性。提出了相应的提取爆震特征的方法。分析和应用结果表明，STFT和WVD直接提取爆震特征效果差，但能够有效地从滤波后的信号中提取爆震特征。离散小波变换(DWT)具有明显的优势，能够直接从压力信号和振动信号中有效地提取爆震特征。