基于小波熵的电机故障诊断

小波分析的方法为弱信号检测技术开辟了一条新途径,但小波变换对弱信号进行特征提取的关键在于确定小波系数的阈值,基于小波熵分析的方法能够在强噪声环境中对微弱信号准确定位,实现低能量的瞬变信号有效提取。仿真实验证明小波分析技术对电机声频故障诊断十分有效,有进一步的研究的必要,在电机的故障诊断方面小波有良好的应用前景。     

电机故障诊断的仿真研究

研究电机故障诊断问题.针对电机信号具有非平稳和随机性特点,为保证电机运行的安全性,准确进行故障诊断,传统方法不能有效识别故障信号特征,导致故障识别准确率低,现提出一种基于小波分析和神经网络相结合的电机故障诊断方法.采用小波包变换技术对电机故障振动信号进行去噪处理,然后利用小波包分解系数计算各子频带能量值,根据能量值的变化构建故障特征向量,利用将特征向量作为RBF神经网络的输入进行故障识别,并在Matlab仿真平台上进行仿真.仿真结果表明方法提高电机故障诊断的准确率,有效克服了传统方法存在不足,同时缩短了电机故障诊断的时间.     

复励式无刷直流电机故障诊断研究

针对复励式无刷直流电机弱磁控制的故障信号特点,选择小波神经网络作为电机故障诊断方法.根据电机的故障树,确定了电流作为其故障诊断信号.以最常见的绕组短路和开路作为研究对象,通过对不同小波基函数的对比分析,选择coif5作为小波基函数.利用Mallat算法对典型电机故障信号进行了检测,采用第2层分解时的高频系数d2作为特征...     

基于小波变换的高速纸机滚动轴承故障诊断

由于传统的故障诊断方法是基于Fourier变换的,它只能反映故障信号的整体奇异性,而对信号的局部奇异性无法描述,因此从工程应用的角度研究了小波分析的信噪分离技术在高速纸机滚动轴承故障诊断中的应用;利用小波分解的多层次多频带特性和小波重构技术,建立了一种简单、精确和实用的高速轴承故障小波分析诊断方法;利用这一方法,成功地诊断出高速轴承滚动体和内、外圈发生的碰磨故障;说明了小波分析用于提取弱信号,即信噪分离的有效性,这种方法可以弥补频谱分析法的不足,离线诊断精度可达70%以上.     

基于小波-神经网络的电机振动故障诊断

针对电机振动信号的频谱特点,提出基于小波-神经网络技术的电机故障模式识别与诊断的新方法。利用小波包的多维多分辨率特性,对电机振动信号进行分解与重构,获得振动信号的突变信息,提取与电机故障相关的特征信息,将其作为特征向量输入ART2神经网络,对其进行训练。经过训练后的神经网络可对电机工作状态进行在线监测和实时故障诊断,并在转子实验台上进行了模拟故障仿真试验。通过对仿真结果的分析,证实这种诊断方法的可行性。     

基于小波变换的减速离合器故障诊断方法研究

介绍了小波分析的原理,并把小波分析方法应用在减速离合器故障信号处理中,进而研制出减速离合器故障信号特征分析的故障诊断方法.主要运用MATLAB小波分析工具箱对离合器振动信号进行小波包分解,根据小波系数作出能量分布图,对故障频段进行小波包重构,从结果中可以直观地观察到离合器故障特征.结果表明,小波包具有很强的故障诊断能力,如果在故障诊断过程中合理选择小波函数和各种参数,就可以获得直观的故障信号局部特征,从而为产品故障诊断提供了有效的工具.     

基于小波变换的自动机故障诊断

对自动机故障诊断特点和方法进行分析,并举例介绍了小波变换在自动机故障诊断中的应用。利用小波变换对自动机信号进行分解,重构以及提取信号包络谱,快速准确判断出自动机设备运行状态是否异常,比传统方法更有效。     

小波神经网络在齿轮故障诊断中的应用

提出了基于小波分析和SOM网络相结合的故障诊断方法,利用小波分析技术采集拖拉机齿轮故障特征信号,然后利用SOM神经网络对采集到的故障数据进行建模诊断.实验表明,该方法能有效提高齿轮故障诊断的准确率.     

基于小波分析的故障系统在旋转机械中的应用

就小波分析技术在旋转机械故障诊断应用中的故障特征提取问题进行了深入研究,提出了基于小波奇异性及小波变换模极大值的故障特征提取方法,通过对故障信号与小波变换的多分辨率方法以及奇异性理论相结合进行研究,发现小波分析便于对信号的总体和局部进行刻画;利用小波变换对信号的分解和重构特性,可有针对性地选取有关频带的信息以及降低噪声干扰,通过对重构信号的频谱分析能更有效地提取裂纹故障的典型特征。结果表明,对于旋转机械的非平稳信号来说,利用小波变换方法进行故障诊断是行之有效的。     

一种基于小波分析的故障检测与诊断

小波分析是一种时变信号时-频两维分析方法.根据小波分析的思想,构造出一种新型机械设备故障诊断装置,使得机械故障的诊断结果更加准确,并在实际应用中取得了良好效果.实践证明这种拟小波理论的信号处理方法在故障诊断中是十分有效的.     

基于小波变换的多焦视觉电生理信号去噪研究

多焦视觉电生理信号具有较强的随机性和背景噪声,且又属于非线性、非平稳的微弱信号,用Fourier变换来进行去噪处理其效果不是特别理想.小波变换(WT)具有优良的时间-频域分析和多分辨分析特性,可以用来处理非平稳随机信号,能获得更多的、具有诊断价值的信息,因此WT成为多焦视觉电生理信号的一种可行有效的去噪处理方法.文章基...     

小波变换在轴承故障诊断中的研究

介绍了小波分析理论和MATLAB小波工具箱,并利用MATLAB小波工具箱进行信号分析。滚动轴承是各种旋转机械中应用最广泛的一种通用机械部件,它的工作状况直接影响机械设备的使用性能。小波分析是一种时频信号分析方法,它具有时域和频域的局部化和可变时频窗的特点,利用小波变换和小波包对信号在不同的频带下进行分解与重构,并对不同的分析方法进行了比较,特别是对不同的小波函数也进行了比较。最后,提出利用数据挖掘的理论来建立轴承故障诊断的数据挖掘模型库。     

连续小波变换在传感器故障诊断中的应用

小波变换在信号分析与处理中有良好的局部性质.主要研究基于连续小波变换极值点的方法在传感器故障诊断中的应用.对输入信号输出信号进行连续小波变换,利用该变换求出输入输出信号的奇异值,然后去除由于输入突变所引起的极值点,则其余的极值点对应于传感器的故障.在MATLAB平台下,仿真结果表明,该故障诊断方法可以有效地进行故障检测和定位.     

分形信号的小波谱相关研究及仿真

小波变换作为一种新兴时频分析方法,其小波谱表征了信号的时频特性。文中对信号的小波谱进行了较为详细的讨论,并与魏格纳一维尔分布进行了比较。根据时频分析的理论,把小波谱扩展到了小波相关域分析,提出了信号的小波谱相关分析方法,并应用到分形信号的分析上,探讨了它的相应特性。对探讨的结果进行了仿真,给出了小波谱相关在信号检测中的应用前景。     

小波去噪方法分析与Matlab仿真

小波分析理论是一种新兴的信号处理理论,它在时间上和频率上都有很好的局部性,这使得小波分析非常适合于时一频分析,借助时一频局部分析特性,小波分析理论已经成为信号去噪中的一种重要的工具.简速了几种小波去噪方法,其中的阈值去噪的方法是一种实现简单、效果较好的小波去噪方法.     

基于MATLAB的奇异信号检测中小波基选择研究

小波分析是近年来发展起来的一门新的数学理论和方法，在图像处理、特征提取及数据压缩等领域都有着广泛的应用。该文介绍了小波变换及其用于信号奇异性检测的基本原理，重点研究了信号奇异性检测中小波基(又称母小波)及尺度的选择问题，提出了规则性系数相似法，即根据相似性，可以用平滑的小波，即规则性系数大的小波表示平滑的函数；用不平滑的小波，即规则性系数小的小波表示非平滑的函数。同时针对天然气管道泄漏检测这一具体的工程实例，采用该方法对管道发生微小泄漏时所产生的缓变信号进行了分析，仿真实验验证了该方法的有效性和适用性。     

基于离散小波变换的信号分解与重构

为数值计算简化和理论分析简便,在实际信号处理应用中,需要对小波变换进行离散化处理。介绍了傅里叶变换与小波变换的基本理论,以及离散小波变换在信号分解和重构过程中的原理及方法。利用MATLAB小波工具箱中提供的函数分别对一维信号和语音信号进行分解与完全重构,并对结果进行分析比较。仿真结果表明,用离散小波变换进行一维和语音信号分解时均可有效地获取其平均相似信息和细节信息,重构信号与原始信号相比损失较少,分解和重构均得到了很好的效果。     

基于小波变换的拉伸试验信号重建的研究

讨论了基于小波分解与重建理论的复合材料拉伸信号小波分析方法，论述了拉伸信号的去噪方法和小波基选择，实现了拉伸信号的高精度信号重建，与传统的滤小技术相比，小波变化具有良好的局部特性，为复合材料的力学分析提供了基础。     

基于小波模极大值的信号奇异性检测

小波分析近乎完美的数学特性受到各领域科学家和工程技术人员的青睐.文中讨论了基于小波模极大值的信号奇异性检测方法,该方法突破了傅立叶分析在时域和频域方面的局部化能力,信号的局部正则性可由其小波变换模随尺度参数的衰减特性来刻画,通过确定小波变换在细尺度下的局部模极大值来检测信号奇异性.实验表明,该方法能有效的、实用的.