基于小波包熵的机床导轨润滑状态监测

存在于机床工作台和导轨之间的滑动摩擦直接影响刀具的速度和位置,进而影响加工工件的表面质量。对机床传动链分解,分别提取电机负荷电流,对电流信号做5层小波包分解,利用小波包熵值提取能反映摩擦信息的特征量D值。对机床导轨加润滑油之后采集四个半小时之内55组电流信号数据,提取电流信号D值做趋势分析,通过D值随时间的变化曲线可以观察出润滑状态经历过的三个时期。实验表明,利用小波包熵值在电流信号中提取的特征量能反映润滑状态的变化情况。     

基于小波包和概率神经网络的焊接缺陷识别

在焊接缺陷的超声检测中,对缺陷进行定性分析是超声无损检测与评价的关键内容,也是超声检测研究领域的热点和难点。针对焊接缺陷超声回波信号的特点,利用小波包变换提取反映缺陷性质的特征值,运用概率神经网络对缺陷进行识别,并与BP网络、RBF网络的识别结果进行比较。实际焊接缺陷的实验结果表明,概率神经网络的识别正确率高,训练和测试速度快,可靠性高。     

基于全矢小波包能量熵的滚动轴承智能诊断

研究滚动轴承不同状态下的振动信号,使用小波包变换提取信号各频带的能量熵,作为轴承故障的特征,然后使用支持向量机智能诊断轴承不同故障。传统单通道信号诊断方法容易造成误诊,全矢小波包能量熵融合了振动信号双通道的信息,能更准确地反映故障的特征。实验结果表明,采用全矢小波包能量熵比传统单通道方法有更高的诊断精度。     

基于小波包最优熵与RVM的滚动轴承故障诊断方法

为解决滚动轴承振动信号信噪比低和故障分类准确性不高的问题,提出了小波包最优熵和相关向量机相结合的故障诊断方法。首先采用小波包对采集到的信号进行信噪分离,寻找分解后信号的最优小波包节点熵;然后提取最优节点能量作为训练样本,对相关向量机的多故障分类器进行训练,实现轴承的智能诊断。试验表明,该方法可简单有效地分离噪声,并具有良好的分类能力,可以很好地应用于轴承故障诊断。     

小波包能量熵的高压转子装配性能特征的提取方法研究

航空发动机结构装配性能对于保证发动机安全稳定的工作具有极其重要的意义。以航空发动机高压转子为研究对象,围绕转子装配性能进行检测试验、特征提取、规律分析等方面的研究。在分析小波包分解原理以及能量熵原理的基础上,提出了基于小波包能量熵的信号特征提取方法。通过对不同状态下的航空发动机高压转子装配性能进行检测试验对该方法的准确性加以验证。实验结果表明,所提出的特征提取方法能够准确描述转子装配状态变化规律。     

基于小波包变换的牵引电机转子断条隐患特征提取方法研究

为了实现城轨列车牵引电机在运行时故障隐患的实时监控,根据牵引电机实际运行情况,在Matlab／Simulink仿真环境中建立起了处在闭环控制系统中的带有转子断条隐患的异步电机模型。对定子侧三相电流进行小波包分解并对各频段信号进行小波包系数重构,计算各频段的能量特征值,最后构建出隐患特征向量对电机转子隐患做出诊断。通过对仿真数据的应用,利用上述方法可以有效地识别出电机的转子断条隐患,为研制地铁列车牵引电机隐患挖掘与评估预警系统提供了技术参考。     

基于样本熵的最优小波包阈值估计去噪算法

为了更加有效地去除噪声对被测信号的干扰,分析了传统小波阈值估计方法的局限性,提出了一种基于样本熵的最优小波包阈值估计去噪算法。该方法利用样本熵作为信息价值函数以确定最优小波包,且以样本熵为判据,对不同的分解层数设置不同的阈值,选取使得去噪后得到的噪声估计信号样本熵值最大的阈值作为最优阈值。对仿真信号进行分析证明了该方法的有效性,将该方法应用于滚动轴承振动信号去噪分析且与其他阈值方法相对比,结果表明该方法去噪后的信号较其他方法而言频谱中的干扰频率更少且滚动轴承的基频以及故障频率更为突出,去噪效果更好,是一种更为优越的去噪算法。     

基于小波包和熵准则的最优频段提取方法

为实现运动功能障碍患者的运动意愿和基于脑机接口技术的实际康复运动的一致性,进一步改善康复效果,以想象右手食指屈伸运动为例,对身体相同或相近部位的不同运动想象方式产生的脑电信号(记为EEGs)的特征提取方法进行研究。针对食指屈伸运动想象EEGs的事件相关去同步化现象(event-related desynchronization,ERD)不显著及发生的时间及频段的个体差异等特点,提出了基于小波包和熵准则的最优频段提取方法。该方法首先利用小波包分析对右手食指屈、伸运动想象EEGs进行分解;其次,利用熵准则对特征频段的可分度进行度量,从而选取相对明显的频段小波包组合,并以相应的小波包系数构成特征矢量;最后,结合支持向量机实现最优频段的选取。实验结果表明,该特征提取方法能够自适应提取右手食指屈伸运动想象EEGs的ERD现象差异性较大的频段特征,最高分类正确率为81.75%,验证了所提方法的有效性。     

基于小波包熵和ISODATA的滚动轴承故障诊断

针对滚动轴承不同振动信号各个频带的能量不同的特点,提出一种基于小波包熵（WPE）和ISODATA的集合型故障诊断方法（WPE-ISODATA）。文中对滚动轴承振动信号进行采样;利用小波包提取滚动轴承振动信号的能量特征并归一化运算,将归一化的能量特征作为振动信号的概率分布进行信息熵运算,提取滚动轴承振动信号特征;以信息熵作为ISODATA聚类算法的输入进行故障辨识。滚动轴承实验结果表明：基于小波包熵和ISODATA的集合型故障诊断方法鲁棒性好,可靠性高。     

基于小波包样本熵的滚动轴承故障特征提取

将样本熵引入故障诊断领域,讨论了样本熵的性能和计算参数的选择.结合小波包分解和样本熵,提出了一种新的滚动轴承故障特征提取方法.首先对轴承振动信号进行小波包分解;然后对归一化能量最大的子带进行重构,计算重构信号的样本熵;最后通过样本熵评价故障状态.滚动轴承故障诊断实例验证了该方法的有效性.     

基于小波包分析的电机转子故障诊断方法研究

针对异步电动机转子断条故障突发率高的原因,开展了基于小波包分析的故障诊断方法研究。通过小波包灵活的时频分析方法捕捉到的特征信号来确定故障信号的突变点和频谱特性,找出其故障特征,该方法为电机转子断条故障提供了一种有效的诊断方法。     

基于小波包变换与样本熵的滚动轴承故障诊断

针对滚动轴承振动信号的不规则性和复杂性可以反映轴承故障的发生和发展,提出一种基于小波包变换与样本熵的轴承故障诊断方法。样本熵可以较少地依赖时间序列的长度,将轴承振动信号进行3层小波包分解,利用分解得到的各个频带的样本熵值作为特征向量,利用支持向量机对轴承故障进行分类。对轴承内圈故障、滚动体故障和外圈故障3种故障及不同损伤程度的实测数据进行实验,结果表明该方法取得较高的识别率,具有一定的工程应用价值。     

一种新的矩阵公差模型约束条件建立和优化方法

传统的矩阵公差模型依据特征顶点建立约束条件,不同位置和数量的顶点会导致计算精度和效率的不同。同时,传统算法难以应对存在大量非线性约束条件的优化问题。为此将一般性特征变动约束方程引入到矩阵公差模型中,通过蒙特卡洛仿真方法将符合约束条件的随机数代入目标函数进行优化计算,提高了模型的计算效率和可靠性,降低了优化难度。对比分析一个简单的装配案例,说明其有效性和实用性。     

基于小波神经网络的电动机转子故障诊断

在电动机故障诊断技术中,基于振动和定子电流频率成分的检测是电动机故障检测的两种主要手段.讨论了基于振动故障信号的检测方法.由于电动机振动信号是非平稳随机信号,故障信号中往往含有大量的时变、短时突发性质的成分,传统的傅里叶信号分析不能有效地提取电动机的故障特征,而且还可能将含有丰富故障信息的微弱信号作为噪声去除.因此,引入比小波分析更强的小波包变换技术来提取信号的故障特征信息,得到的结果作为神经网络的输入信号,用神经网络的L-M优化算法来进行训练,然后用BP神经网络来进行故障识别.采用Matlab软件进行仿真,证实该方法对电动机故障诊断的有效性和准确性.     

基于小波相关排列熵的轴承早期故障诊断技术

针对机械系统早期故障诊断困难的问题,引入滤波效果良好的小波相关滤波法(Wavelet transform correlation filter,WTCF)和对信号微弱变化特征敏感的排列熵算法,定义一种新的小波相关排列熵(Wavelet correlation permutation entropy,WCPE)的概念,并提出基于WCPE的特征提取方法。对采集到的设备振动信号进行WTCF处理,得到信噪比较高的各层小波系数,在此基础上计算小波系数的排列熵复杂度,构造信号沿各小波分解层分布的WCPE特征矢量,并据此分析振动信号的微弱变化。通过对滚动轴承全寿命振动数据的分析,证明基于WCPE提取的信号特征不但能够准确表征轴承由正常状态到故障状态的详细变化过程,还能及时检测出轴承的早期故障。对比小波熵及小波相关特征尺度熵等其他早期故障诊断方法,该方法可显著提前滚动轴承早期故障的检出时间。     

基于小波包能谱熵的铣削颤振监测方法

针对切削加工过程中容易出现颤振,导致零件表面加工质量降低,本文以铣削加工为研究对象,提出了基于小波包能谱熵的铣削颤振监测方法。信号的采集是一个连续的过程,为避免刀具不参与切削对这种方法的影响,本文提出基于铣削力幅值平方和的方法以识别刀具是否参与切削。试验结果表明,无论对于刀具是否参与切削的识别或者是否出现铣削颤振的监测都能有效的监测。     

基于小波包样本熵的连续梁桥损伤识别

为了减少现行桥梁检测中所需布置传感器数量,将小波包分解和样本熵有机结合起来,对利用单点动力响应数据检测识别连续梁桥结构损伤的新方法进行了研究,笔者提出了连续梁桥结构的损伤识别指标和方法。利用小波包变换对移动荷载作用下桥梁的加速度响应进行分解和重构,计算重构信号的样本熵值,建立了对数加速度能量差小波包样本熵损伤识别指标;并通过三跨变截面连续梁桥的动力仿真分析,验证了指标和方法的适用性与噪声鲁棒性。研究结果表明,笔者所提出指标和方法仅利用桥上一个测点的加速度响应就能够很好地识别连续梁桥的损伤位置和损伤程度,且对噪声不敏感。     

大功率风电系统的小波包诊断及优化控制

构建了以鼠笼式感应电机为发电系统的大功率定速变桨距风力发电系统,实现了空气动力学子系统、机械传动链子系统建模;小波变换具有很好的时频特性,而小波包分解更为精细,提出通过小波包分解与重构,进行了高压电机轴承故障诊断的方法;以MATLAB/Simulink为仿真研究工具,实现了各个子系统模块的设计,构建了鼠笼式感应发电机矢量控制系统,设计了转矩控制环、速度控制环和功率控制环的三闭环控制器,并完成了风力发电系统优化控制系统集成,仿真结果表明,该系统能实现大功率风能转换系统的最优控制特性跟踪,能有效解决已装机笼型感应风力发电系统的优化控制和系统改造.