基于EMD的汽轮机碰摩信号消噪技术研究

基于EMD理论提出一种汽轮机振动信号自适应消噪方法,对实测汽轮机碰摩振动信号EMD消噪和小波软阀值消噪结果的比较表明,基于EMD消噪方法能够有效地消除旋转机械振动信号中的噪声.     

基于小波改进阈值消噪的缸盖振动信号分析

提出了一种改进的小波阈值新方法对内燃机缸盖振动信号进行消噪,进而实现特征向量的提取。试验表明采用改进小波阈值方法能有效地消除信号中噪声的干扰,提高信号的信噪比。用小波包提取消噪后信号的能量作为特征向量,来表征内燃机故障特征,可为神经网络的自适应故障诊断提供新的故障样本。     

汽轮机振动信号的最优小波包基消噪与检测

在利用小波包进行汽轮机振动信号的消噪和检测时,最优小波包基和消噪阈值的选取是必须解决的两个关键问题。通过对基于shannon熵的最优小波包基的快速搜索算法的探讨,提出了基于最优小波包基的汽轮机振动故障信号的消噪与检测方法;对于消噪阈值的选取,提出一种以小波包能量为基础,以原始信号与降噪后信号之间的均方误差(MSE)极小化为目标的基于小波包的降噪算法,并与传统的Donoho的硬阈值降噪算法作了比较。结果表明:在故障检测前先采用最优小波包基方法对故障信号进行消噪,有利于提高汽轮机振动检测的准确性。图5参9     

基于小波分析的柴-燃联合动力装置信号消噪

在柴-燃联合动力装置试验台试验过程中,为消除测量信号中各种噪声和干扰的影响,减少测量数据试验偏差,保证试验数据的正常使用,以3S离合器中间件位移信号为例,采用db3小波进行5层分解,选用heursure软阈值进行小波系数阈值量化,然后进行重构,从而实现信号消噪。实验分析表明,利用小波分析进行信号消噪,原理简单,实现方便,具有很高的可靠性,消噪后的信号为提高整个系统在动力方面机动性的可行性提供了依据。     

基于连续小波变换的水轮机振动信号检测

通过对连续小波变换的分析研究，提出了一种提取信号在小波尺度上的时频信息的信号分析方法。该方法能够有效将水轮机非稳态工况下的振动信号很好地分解在有限的时间-尺度范围内而保持信号的信息完整；对比传统的频谱分析和二进小波变换，信号经过连续小波变换后，其内部蕴涵的状态信息能在尺度域上很好地体现出来。     

柴油机强噪信号的小波去噪辨识

介绍了基于小波变换系数门限值和基于小波极大模分解的去噪方法。对前给出了4种不同的门限值确定规则,对后给出了使用类似Mexican hat小波基的二进离散小波计算式。利用前对由电阻应变片测得的柴油机供油系高压管路压力波信号进行了去噪再现,利用后对含有活塞环胶结住处的柴油机机身振动信号进行了分解去噪。其效果是可以屏蔽背景噪声,较好地再现高压油管压力波形;可以提升活塞环胶结故障特征强度,从而为设备状态辨识工作提供了方便条件。     

基于连续小波变换的汽轮机转子振动信号矩特征研究

基于小波分析良好的时频功能,分析了汽轮机转子振动信号的连续小波变换系数,利用图像处理与识别技术中的统计特征参数--矩向量来描述连续小波变换灰度图,并将其应用于汽轮机转子振动故障信号的特征提取之中.然后,对几种典型振动及一些耦合振动故障的信号进行了分析与计算,结果表明灰度图的矩向量可以较好地展现小波灰度图的局部化信息,能够有效地提取信号的特征,可以利用其来区分振动故障.     

汽轮机动静碰磨振动信号去噪方法分析研究

为确保汽轮机组故障诊断特征提取的准确性,由于现场实际振动信号掺有大量不确定噪声信号,针对现场采集的实际振动信号,进行分析去噪研究.采用小波分析、经验模态分解等方法进行分解去噪,并进行去噪对比.最后分析结果显示,基于集合经验模态分解(EEMD)的去噪方法,在对有突变故障的诊断信号自适应分解去噪弥补了经验模态分解和小波分解的缺陷,有较好的效果.     

基于小波分析的软门限去噪算法

本文首先对离散小波变换进行了简单的介绍,其次详细的描述了小波软门限去噪算法,最后在搭建的发动机台架系统上,测试云内4100QB柴油机的振动信号.选择db3小波函数对信号进行消噪处理,说明确定适当的分解层数和合适的阈值的必要性.     

小波变换技术在内燃机振声信号分析中的应用

介绍了小波分析方法在内燃机测试方面的发展和应用，探讨了应用小波技术进行车用发动机表面辐射声源的识别问题。以一台车用发动机表面辐射噪声的测量和识别分析为例，提出了一种车用发动机主要噪声源诊断和识别的测试分析方法。提取了小波分析结果特征，进行噪声源识别，其结果是满意的。     

基于二进小波变换的电能质量暂态信号的检测

针对暂态电能质量扰动及不易检测的特点,提出一种基于卷积型二进小波变换的电能质量信号定位与检测方法,利用二进小波变换模极大值对应信号的突变点检测电能质量扰动信号,采用Matlab仿真软件对短路故障及电容器投切引起的电压暂态信号进行仿真.结果表明,该法行之有效、尺度定位准确.     

基于连续小波变换的内燃机瞬态工况噪声信号时频特性研究

以某四缸汽油机为研究对象,发动机加速过程中,对前端噪声信号进行测试,并对采集的噪声信号进行等长度分段预处理。采用连续小波变换方法分别对各数据段的噪声信号进行时频分析处理,分析噪声信号能量在时频域内的分布规律,以及其主要频率成分随转速或时间变化的特性。结果表明,发动机加速过程中,噪声信号能量主要集中在2阶主谐次和转动基频构成的线性调频带附近,而且随着转速的升高,调频带附近的信号幅值和能量也随之增大。在调频带上方也分布着一些频率成分,但是其幅值和能量相对较小,而且随着转速的升高,其频率成分越来越丰富,能量分布也越来越广泛。     

基于第二代小波变换的振动信号去噪与故障诊断

旋转机械故障振动信号存在不同形式的波形特征,传统小波去噪中,小波分解的结果与所采用的小波基函数有关,选用不适当的小波基函数会冲淡振动信号的局部特征信息,而造成原始信号的部分有用的细节信息丢失。为了克服上述缺陷,提出一种基于第二代小波变换的振动信号预处理方法,即针对分析信号的局部特征,以预测方差最小为目标,对每个样本选择最佳的预测算子,使小波基函数始终能够匹配信号的局部特征。仿真试验表明,该方法克服了传统小波去噪中降噪信号丢失了部分细节信息的缺点,不仅可有效地去除故障诊断振动信号的噪声,而且能够保留信号的局部信息。     

小波变换和信号的奇异性检测技术

小波变换由于具有良好时频局部及多分辨率分析特性，被广泛地应用在信号处理领域中信号奇异性检测等方面。它作为一门新的学科，有着广泛的应用前景。简要地介绍了小波应用在信号奇异性检测方面变换的基本原理。     

基于ICA在强背景噪声振动信号中的去噪研究

由于小波模极大值去噪方法在强背景噪声的情况下提取碰摩信号的能力变弱甚至失效,在本文中提出应用独立分量分析(ICA)方法对碰摩信号进行特征提取。通过对转子模拟实验台模拟的强背景噪声下的碰摩信号进行ICA去噪方法和小波去噪方法仿真实验,结果表明,本方法明显优于小波去噪方法,为强背景噪声下的弱振动信号的检测提供了新的途径。     

小波变换在数字滤波中的实现

叙述了小波、小波包的理论,采用Mallet的小波分解和重构的算法,通过把具体的信号分解到不同的频率段上,然后对信号重构,借助这种方法达到对信号进行数字滤波的目的,着重阐述了小波滤波原理和小波数字滤波分解和重构的算法。     

基于小波变换和小波包变换的间谐波检测

通过研究小波变换中基函数选取和小波分解过程两个关键问题,针对小波变换在间谐波检测方面的应用,对比分析不同基函数的检测性能,重点分析小波变换与小波包变换对于稳态和暂态谐波的相位、幅值特性检测精度.仿真结果表明,小波包变换具有良好时频局部化特性能聚焦信号细节,选取dmey小波基函数的小波包分解方法可实现对电力系统中稳态或时...