基于降噪–残差神经网络的发动机部分失火故障诊断

针对发动机单缸部分失火故障,提出基于小波阈值降噪和残差神经网络的“降噪–残差神经网络”故障诊断方法。通过降噪与深度学习算法相结合,将小波阈值降噪后的振动信号输入到残差神经网络进行故障诊断;使用短残差块进一步防止网络的退化,并利用大卷积核增大长数据输入的卷积视野,提高信号故障特征的提取能力。测试结果证明该方法不仅实现了未参与训练的运转工况97%以上的故障诊断准确率,而且对于加入高斯噪声后的含噪声信号也能实现较高的诊断准确率。通过与其他故障诊断网络进行对比证明了该方法的优越性。     

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。     

一种新型改进阈值函数的第二代小波降噪方法

为了有效去除机械故障信号中含有的噪声并提取故障特征,在小波阈值降噪的基础上,提出了一种新型改进阈值函数的第二代小波降噪方法。该方法是利用第二代小波对信号进行分解,采用新型改进阈值函数对分解信号的小波系数做阈值处理,同时引入基于类可分离性测度的降噪评价准则,实现对复杂振动信号降噪效果的评价。将所提出的方法应用于仿真信号和实测信号的分析与评价,结果表明:该方法融合了第二代小波和改进阈值函数的优点,能更好地消除噪声。     

小波分析在柴油机滑动主轴承接触摩擦故障诊断中的应用

本文以柴油机滑动主轴承为研究对象，在试验台上采用从正常润滑状态逐步向干摩擦状态过渡的方法模拟故障，利用振动信号对滑动轴承的工作状态进行监测，并用小波分析方法对该非平稳时变信号进行处理，取得了较好的诊断效果。结果表明，小波分析方法用于柴油机的振动故障诊断是有效可行的，对其他复杂机械的振动诊断同样具有参考价值。     

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.     

小波分析降噪方法在碰磨和突加不平衡信号特征提取中的应用

研究了小波分析降噪方法在碰磨和突加不平衡信号特征提取中的应用。碰磨信号和突加不平衡信号均具有较强的非平稳性。小波分析降噪方法具有自适应和多分辨率分析的特点,适合于对非平稳信号进行滤波处理。通过仿真和实验分析,并将结果与传统的低通滤波方法进行比较。结果表明：小波分析降噪方法能够有效抑制碰磨和突加不平衡信号中的噪声并保留故障特征信息。     

基于EMD的水轮机空化声发射信号阈值降噪方法

针对随机噪声对水轮机空化声发射信号的影响,提出了基于经验模态分解(EMD)的水轮机空化声发射信号阈值降噪方法:首先利用EMD将水轮机空化声发射信号分解得到多个本征模态分量(IMF),然后结合给定阈值规则对前半部分IMF分量进行降噪,将降噪后的IMF分量与未处理的IMF分量重构,得到降噪后的声发射信号。采用该方法分别对仿真信号和水轮机空化试验过程中采集到的声发射信号进行了降噪处理,并与小波阈值降噪方法、小波包阈值降噪方法及传统EMD降噪方法进行了对比。结果表明:EMD阈值降噪方法有效结合了EMD自适应分解的特性和阈值降噪的良好性能优点,对水轮机空化声发射信号的降噪效果优于其他3种方法。     

应用图像处理进行内燃机故障诊断时应注意的几个问题

图像处理技术在内燃机故障诊断与状态监测中应用还很少，本文探讨了应用于这方面时应注意的几个问题。指出利用缸盖振动信号小波包分解后的时－频分布图的灰度直方图进行故障诊断的效果并不好，并分析了原因；进行了信号加噪声与不加噪声的诊断效果对比，发现噪声对基于图像处理的气门机构故障诊断的影响不大，验证了这一方法的工程实用性和可用性。     

基于DSP的柴油机振动信号小波降噪实时性研究

针对柴油机实时监测系统采集的振动信号采样频率高、实时降噪困难,而传统的实时性评价方法难以准确描述数字信号处理器(DSP)中所需降噪时间的问题,提出基于DSP的小波变换指令周期模型作为实时性的评价依据,对比不同小波算法的实时性优劣;根据采集的柴油机缸盖振动信号特征,提出基于变异系数定权法的综合评价指标,从降噪效果和实时性两个角度优选了小波基函数．结果表明：该模型与DSP中小波算法的实时性吻合较好,且优选的小波降噪参数能满足采样频率为25 kHz下的实时降噪需求．     

基于神经网络技术的柴油机故障诊断

本文提出了一种新的柴油机故障诊断方法,利用柴油机表面振动信号经过小波包提取特征参数,然后由BP神经网络进行故障诊断。实验研究和计算机模拟的结果表明,这一方法是可行和有效的。     

基于小波变换的汽轮发电机组振动故障检测与诊断方法

提出了基于小波变换的汽轮发电机组振动故障检测与诊断方法。通过对仿真的汽轮发电机组典型振动故障信号进行小波变换,利用小波变换后的时频等高线图,对汽轮发电机组典型振动故障进行了检测分析。分析表明,利用小波时频等高图,可以直观表示信号中畸变发生的时间,有效地提取信号中的奇异特征;根据不同的故障发生时的频谱特征,能够识别出不同的故障,进行机组振动故障检测与故障诊断。     

Generator bearing fault diagnosis for wind turbine via empirical wavelet transform using measured vibration signals

The implementation of condition monitoring and fault diagnosis system (CMFDS) on wind turbine is significant to lower the unscheduled breakdown. Generator is one of the most important components in wind turbine, and generator bearing fault identification always draws lots of attention. However, non-stationary vibration signal of weak fault and compound fault with a large amount of background noise makes this task challenging in many cases. So, effective signal processing method is essential in the accurate diagnosis step of CMFDS. As a novel signal processing method, empirical Wavelet Transform (EWT) is used to extract inherent modulation information by decomposing signal into mono-components under an orthogonal basis, which is seen as a powerful tool for mechanical fault diagnosis. Moreover, in order to avoid the inaccurate identification the internal modes caused by the heavy noise, wavelet spatial neighboring coefficient denoising with data-driven threshold is applied to increase Signal to Noise Ratio (SNR) before EWT. The effectiveness of the proposed technique on weak fault and compound fault diagnosis is first validated by two experimental cases. Finally, the proposed method has been applied to identify fault feature of generator bearing on wind turbine in wind farm successfully.     

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。     

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...     

基于小波分析的汽轮机碰磨故障诊断

振动故障是故障诊断中的难点,故障原因复杂、类别繁多。小波分析因具有良好的时频局部性及多分辨率分析特性,被广泛地应用在振动故障诊断中。介绍了小波分析方法在振动故障诊断中的应用,利用时频等高图确定汽轮机碰磨故障发生的时刻,借助小波包特征熵向量诊断碰磨故障的严重程度,从而提出了完整的汽轮机碰磨故障的小波分析诊断方法。     

柴油机燃油喷射系统故障振动诊断的试验研究

利用振动技术对柴油机的机械性故障进行不解体诊断，是当前国内外都在研究的重要课题。作者在进行柴油机燃油喷射系统典型故障模拟试验的基础上，测取了高压油管的振动信号，并进行了信号分析，得出了故障诊断的判据。     

基于过程的旋转机械振动故障定量诊断方法

基于状态的故障诊断方法,由于缺少对振动过程规律的描述,因而存在一定的不足,以信息熵方法为基础,通过多通道多转速下的信息熵矩阵来描述振动过程的变化规律,从而提出一种基于过程的信息融合故障诊断的新方法.并通过实例计算以及对振动信号的分析,验证了该方法在故障诊断方面的准确性.     

基于图像处理与神经网络的内燃机故障诊断研究

在提出应用图像处理进行故障诊断的基础上,探讨了利用内燃机振动信号产生图像的方法。在对振动信号进行重抽样处理的基础上,实现了振动信号的灰度图像表示,从缸盖振动信号的灰度图像中提取图像特征并对图像特征进行模糊化处理,设计神经网络分类器,实现了对气阀机构故障的诊断与分类。