小波降噪在柴油机振动诊断中的应用研究

基于小波分析与神经网络的振动信号故障诊断方法，本文提出在小波包特征提取前对原始信号进行小波降噪处理，并以295柴油机进排气系统故障诊断为例验证采用小波降噪处理方法的必要性。结果表明：进行小波降噪处理的故障识别率较未经小波降噪处理的有较大提高。     

小波包能量谱在内燃机噪声信号故障诊断中的应用

基于噪声信号的故障诊断方法具有易于实现离机、无损检测的优越性,将噪声信号故障诊断方法引入内燃机气门间隙故障诊断中。阐述了小波包能量谱提取的基本原理和方法,通过对内燃机在不同转速不同状态下运行时的噪声信号小波包能量谱的提取研究,确定了噪声信号能量波动范围。并在对比分析中发现,利用内燃机噪声信号在特征频带内的能量波动特征研究方法,可以有效识别气门间隙故障。     

小波分析技术在汽轮机故障诊断中的应用

就小波分析技术在汽轮机故障诊断中故障特征提取和小波算法的硬件实现问题进行了深入研究.提出了基于小波能量分布的故障特征提取方法,并在转子试验台上进行了验证.对于小波分析算法的硬件实现,设计了一种基于DSP的小波算法.实践检验证明,该方法能够满足振动信号实时分析的需要.     

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.     

基于小波变换的风电机组滚动轴承故障KPI计算及故障诊断

风电机组一般采用滚动轴承支撑结构,滚动轴承不同故障模式对应的振动冲击间隔频率存在差异。为了准确地从振动信号中提取滚动轴承故障征兆,在分析风电机组滚动轴承故障机理、信号特征的基础上,提出了基于小波变换的风电机组滚动轴承故障KPI计算方法,首先对风电机组的振动信号进行小波变换及阈值去噪,并计算振动信号的小波能量谱分布图,然后以小波能量谱分布图的统计参数作为滚动轴承故障诊断的KPI,采用椭圆型判决函数法实现滚动轴承的故障诊断,现场实测信号的诊断结果验证了该方法的有效性。     

基于小波变换的风电机组滚动轴承故障KPI计算及故障诊断

风电机组一般采用滚动轴承支撑结构,滚动轴承不同故障模式对应的振动冲击间隔频率存在差异。为了准确地从振动信号中提取滚动轴承故障征兆,在分析风电机组滚动轴承故障机理、信号特征的基础上,提出了基于小波变换的风电机组滚动轴承故障KPI计算方法,首先对风电机组的振动信号进行小波变换及阈值去噪,并计算振动信号的小波能量谱分布图,然后以小波能量谱分布图的统计参数作为滚动轴承故障诊断的KPI,采用椭圆型判决函数法实现滚动轴承的故障诊断,现场实测信号的诊断结果验证了该方法的有效性。     

小波神经理论在风力机齿轮箱故障诊断系统中的应用

风力机齿轮箱振动信号是一种时频特性复杂的非平稳信号,常规的时域和频域分析方法难以有效的分析齿轮箱故障及提取故障特征。提出一种基于小波分析和神经网络的风力机齿轮箱故障诊断方法,该方法采用小波时频分析技术对风力发电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,为实现智能诊断提供故障特征值。应用BP神经网络进行故障识别,并采用LabVIEW和matlab软件予以实现。结果表明,该方法能有效提高风力发电机组齿轮箱故障诊断的准确性。     

基于FHMM模型的离心泵故障诊断方法研究

针对离心泵故障振动信号特点,提出了一种结合小波变换与FHMM的离心泵故障诊断方法.利用Daubechies 小波对振动信号一维8尺度小波分解,从中提取一维信号低频系数作为特征向量输入各状态FHMM进行训练,输出概率最大的状态即为离心泵运行状态,从而实现了离心泵故障诊断.通过2BA-6A离心泵试验系统可验证该方法的有效实用性.     

基于NLMS-WP及BP的风机轴承故障诊断方法

为解决风机轴承故障诊断问题,全面提取轴承运行状态的特征信息,提出了基于NLMS与WP相融合的特征提取及神经网络相适配的故障诊断方法。首先采用自适应滤波器对故障信号进行滤波去噪,再利用小波包对信号进行分解重构并提取其能量特征,将小波包各个频段的能量比系数作为风机轴承的故障特征,并通过改进的神经网络模型分类识别轴承的故障信号,实现不同类型的轴承故障诊断。试验结果表明,该方法弥补了传统故障诊断方法的不足,提高了故障类型识别率和故障诊断准确率,诊断效果良好。     

基于小波包能量特征向量神经网络的旋转机械故障诊断

为精确诊断旋转机械的故障,提出一种基于小波包特征向量的神经网络故障诊断方法。用转子台信号模拟旋转机械故障,并对采集到的信号进行3层小波包分解,构造小波包特征向量,并以此为故障样本对3层BP网络进行训练,实现智能化故障诊断。实验结果表明训练好的神经网络能够很好地诊断出转子台故障类型,为旋转机械的故障诊断提供了新方向。     

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。     

基于第二代小波变换的转子碰摩故障特征提取方法

为了能够提取隐含在振动信号中的故障特征,利用第二代小波对称、紧支撑和冲击振荡衰减的特点,有效地提取具有冲击响应特性的故障特征。实验证明,即使采用较小支撑区间的此类小波,也可获得理想的效果。另外,为了获得与原始信号相同的时间分辨率,采用单支重构的方法分别对逼近信号和细节信号处理,得到了转子碰摩故障的时域响应特征,为故障诊断和预示提供了一种分离故障时域特征的方法。     

基于小波分析与气缸压力的气门故障诊断

将小波分析引入气缸压力的分析与研究,对其进行二进小波分解,计算分解后尺度1上信号各频带的能量百分比,从中获得诊断特征量,从而对气门间隙进行故障诊断。结果表明用小波分析处理气缸压力信号较FFT更有效,作者采用的诊断方法与特征量是有效和可行的。     

基于Lab VIEW的小波理论在风力机齿轮箱故障诊断中的应用

给出一种基于Lab VIEW实现信号的小波包络分析的方法。在Lab VIEW的高级信号处理工具箱中包含了小波包信号分解和重构的模块,利用这些模块快速实现了小波包分解,然后对风电机组齿轮箱采集振动数据进行包络分析,得到了直观的包络谱线,进而得到准确判断风力发电机组的实际工作状态。另外采用小波分解对齿轮箱故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,为实现智能诊断提供故障特征值。     

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。     

基于小波包与神经网络的柴油机故障诊断

针对柴油机缸盖振动信号的非平稳时变特点,提出应用小波包能量法提取故障特征向量,并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的,对其他设备的故障诊断也具有借鉴意义。