基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及其于多分辨分析的信号小波的分解算法，研究了信号局部奇异性的小波变换下的特性；根据故障信号的局部奇异性在小波变换下模的极大植及其在不同尺度上的传播特性，对308型滚动轴承振动加速度故障信号进行分解，对故障特征信号进行时域定位，并提取了故障特征频率f=46.88Hz，这与实际的故障特征频率相近，说明该方法适用于滚动轴承的在线监测和故障诊断。     

连续小波变换识别水轮机故障信号孤立奇异点

针对低频振动信号，给出一种故障信息识别的有效方法。选择双正交样条小波作为基小波，将多尺度分析及孤立奇异点的检测运用到水轮机房轴径向摆度分量信号的故障识别中。结果表明，利用连续小波变换系数模极大值（WTMM）的多尺度分析、根据WTMM曲线的长度、强度及其Lipschitz指数可以定位孤立奇异点；运用最小二乘算法估算李氏指数，即可估算故障点的奇异性程度并取得了很好的诊断效果。     

调速阀故障信号的小波检测方法

提出了一种用小波变换检测调速阀故障信号的方法.小波分析优势在于,它在时域和频域同时具有良好的局部化性质.通过小波的多分辨分析将信号按一定的尺度进行划分,不同频率的信号被划分到不同的频段中.由小波分解图,获得了故障产生的时间点和频率,再对故障的严重程度进行了量化分析.实验结果表明用小波理论进行故障检测是可行的.     

线性自适应小波理论的齿轮箱故障诊断方法

针对早期齿轮箱故障信息淹没在背景组分中的问题,提出了基于线性自适应小波理论的齿轮箱故障诊断方法.该方法基于希尔伯特变换(HT)和自适应小波变换(AWT),能从低频的调制振动信号中区分并识别不同程度的裂纹故障.首先用希尔伯特变换提取调制振动信号的包络值以显示调制频率.然后利用自适应小波变换来处理由希尔伯特变换得到的调制信号,其中在自适应小波处理希尔伯特变换后的调制信号的过程中利用粒子群算法(PSO)对过程参数进行优化.实验结果表明该自适应小波变换能通过过程优化小波找到匹配振动信号的啮合频率及其谐波、耦合频率、载波频率及其边频带,能够从调制信号中提取出特征参数,且具有较高的分辨率.     

基于小波变换的汽车齿轮箱振动信号故障分析

本文利用小波变换和能量特征值对汽车齿轮箱振动信号进行特性分析。利用小波变换的分解和重构算法,对小波系数进行系数-能量计算,提取系统的特征信息,对汽车齿轮箱的故障进行诊断,及时发现齿轮箱的早期故障,提高汽车运行的安全性。仿真研究结果表明用小波变换在故障信息诊断方面是可行的和有效的,提高了故障检测的可靠性。     

傅里叶变换与小波变换在信号故障诊断中的应用

研究了傅里叶变换与小波变换在信号故障诊断中的应用。仿真表明，小波变换在检测信号突变点方面比傅里叶变换优越得多，且利用小波变换可以精确地检测出信号突变的时间与位置。最后探讨了在应用小波变换进行故障检测时小波基的选取原则。     

动态小波变换在单相重合闸故障判别中的应用研究

分析了输电线路发生单相接地故障时,永久性故障与瞬时性故障电弧燃烧的特性,提出一种基于动态小波变换的自适应单相重合闸故障类型的判别方法。小波变换能够准确地检测到电力系统故障突变信号的特征,而傅里叶变换能够较准确地反映工频信号量,将二者结合起来构成的动态小波变换,不仅可以检测到故障信号中的工频分量,还可以检测到谐波分量。动态小波变换与常规小波变换相比,检测故障突变信号的能力更强。将其用于单相重合闸故障类型的判别,可以在熄弧之前进行判断,具有快速、准确的显著特点。仿真结果验证了该方法的有效性。     

用小波变换检测电力传动系统故障的探索

针对一个电力传动模拟系统利用MATLAB小波工具箱，选用dmey小波作小波母函数，对该模拟系统的正常信号和故障信号进行了多尺度小波分析，通过分析这些小波变换的不同曲线，可以准确地判断出该系统出现了何种故障．可以说小波变换是电力传动系统故障诊断的有效工具．     

小波分析在系统故障检测中的应用

本文给出了小波分析在故障检测中的一例应用，给出了小波变换在尺度下的局部极大值点的概念，并把它应用于故障检测中。实验表明，小波分析用于故障检测有很好的效果。     

基于解调振动信号特征提取齿轮箱的故障诊断

通过振动信号的可调频率成分研究齿轮裂纹尺寸的故障识别,振动信号分析是基于Hilbert变换和自适应小波.Hilbert变换用于获得振动包络,从而从低信噪比的振动信号中解调载波频率,自适应Morlet小波建立振动信号模型,从而从解调载波频率中提取特征,以鉴定齿轮箱中齿轮的裂纹尺寸.该方法用于分析在不同角速度、不同负载转矩和不同裂纹尺寸下的试验振动信号,结果表明,该方法用于鉴定齿轮箱中齿轮的裂纹尺寸是灵敏和有效的.     

基于小波分析的变速箱齿轮声压故障诊断

叙述了小波变换的基本原理,应用小波分析结合平方变换及包络技术,从理论上说明了变速箱故障诊断的依据．通过对一变速箱进行噪声测试,得到其声压信号．数据分析结果清楚显示出从动轮有一齿故障．     

基于小波理论的故障特征提取

在对齿轮进行故障诊断时,采样信号不可避免地受到各种噪声和干扰的污染,所测信号属于典型的非平稳信号.信号的降噪和特征提取是齿轮状态监测和故障诊断的关键环节.小波理论对于非平稳信号的处理非常有效.在MATLAB环境下,利用小波理论对减速器齿轮箱的采样数据进行去噪实验和分析,提取齿轮大周期故障的特征指标,为进一步进行故障诊断奠定基础.     

基于小波变换和优化CNN的风电齿轮箱故障诊断

针对传统故障诊断方法过于依赖人为经验的缺陷,提出小波变换和二维密集连接扩张卷积神经网络(WT-ICNN)的风电齿轮箱智能故障诊断方法. 所提方法将一维振动信号通过连续小波变换(WT)转换成二维故障图像;再将二维故障图像输入ICNN中进行训练和测试. 通过齿轮箱开源数据和风场实测数据验证结果表明,与传统故障诊断方法相比,所提方法采用密集连接的结构自适应特征提取时频图,有效加强了故障特征的利用效率;在对风电齿轮箱的故障诊断中,所提方法具有更好的特征复用能力和更高的诊断精度.     

Diagnosis of Gearbox Typical Fault in Rolling Mills Based on the Wavelet Packets Technology

The early impulse fault diagnosis of the gearbox in rolling mills is often difficult and labour intensive because the gearbox of that high speed machine is multi-shafting transmission system, in which many gearsets and rolling bears work together at the same time and there are much complex frequency structure and various disturb. A new time-frequency method based on the wavelet packets technique was developed and used to extract the impact feature from signals collected from faulty data of one rolling mills gearbox. The method improves the signal to noise ration so that results obtained using this method represents features with fine resolution in both low-frequency and the high frequency bands. The results of analysis indicate the validity and the practicability of the method proposed here.     

轨道车辆齿轮箱故障诊断系统研究与开发

对传感器采集的齿轮箱监测数据信号进行数学处理,先进行特征因子计算,如峰值、均值、均方、偏度、峭度、峰值因子等,再进行高级分析,如傅立叶变换、希尔伯特变换、小波变换、倒频谱变换等,通过这些处理后的数字图形可以帮助更好的进行故障诊断.通过振动诊断的时域分析方法、频域分析方法、模糊诊断方法等识别和诊断故障,并建立故障诊断专家系统,用以实现智能故障诊断.     

Diagnosis of Gearbox Typical Fault in Rolling Mills Based on the Wavelet Packets Technology

The early impulse fault diagnosis of the gearbox in rolling mills is often difficult and labour intensive because the gearbox of that high speed machine is multi-shafting transmission system,in which many gearsets and rolling bears work together at the same time and there are much complex frequency structure and various disturb.A new time-frequency method based on the wavelet packets technique was developed and used to extract the impact feature from signals collected from faulty data of one rolling mills gearbox.The method improves the signal to noise ration so that results obtained using this method represents features with fine resolution in both low-frequency and the high frequency bands.The results of analysis indicate the validity and the practicability of the method proposed here.     

齿轮箱故障诊断中的正交匹配追踪算法

为通过齿轮箱的振动信号进行故障诊断,应用正交匹配追踪算法对振动信号进行处理.齿轮箱的振动信号包含了齿轮箱运行状态特征,但同时也掺杂了大量噪声信号,总体呈现出非平稳性.齿轮箱故障诊断的关键是从齿轮箱的振动信号中剔除冗余信息,用少量特征信息准确的表达信号,完成对信号中故障特征的提取.传统的频域分析法,只能从频域图上定性的判断故障,无法做到定量判断.正交匹配追踪算法是一种定量提取特征的方法,在傅里叶正交基下对振动信号进行时域向频域的映射,在频域上定量的得到主要特征,再根据主成分分析思想,提取出3组主要特征点,将已知故障分类的信号特征与待检测信号的特征进行对比,通过频域的位置和幅值的两次比较,判断故障状态,实验证明该方法可以准确的判断出齿轮箱从正常状态到100%磨损的5个不同形态的特征,完成对齿轮箱的故障诊断和分类.     

基于EMD和FFT的齿轮箱故障诊断

提出了一种基于小波包分析（WPA）,经验模态分解（EMD）和快速傅里叶变换（FFT）的齿轮箱故障诊断方法,此方法适合于非线性非稳态信号的自适应分析.首先运用WPA对采集的齿轮箱振动信号进行分解可得到不同频率的子频带;然后对各子频带信号进行EMD,从而得到一定数量的本征模态函数（IMF）;最后选取特定的IMF,对其作FFT可得到相应的功率谱,从而提取齿轮箱故障特征频率,进而对齿轮箱故障模式进行识别和诊断.分析结果表明本文所提议的方法能有效地检测出齿轮箱故障特征频率.     

Application of particle swarm optimization blind source separation technology in fault diagnosis of gearbox

Blind source separation (BBS) technology was applied to vibration signal processing of gearbox for separating different fault vibration sources and enhancing fault information. An improved BSS algorithm based on particle swarm optimization (PSO) was proposed. It can change the traditional fault-enhancing thought based on de-noising. And it can also solve the practical difficult problem of fault location and low fault diagnosis rate in early stage. It was applied to the vibration signal of gearbox under three working states. The result proves that the BSS greatly enhances fault information and supplies technological method for diagnosis of weak fault.