基于小波包分析的机械故障特征提取方法研究

研究了一种基于小波包分析与信号能量分解的故障特征提取方法 ,运用这种方法提取了一风机轴不对中故障特征向量 ,为神经网络故障诊断提供了新的故障样本。实验结果表明这种方法比基于Fourier变换的故障特征提取方法更有效 ,很适合于机械故障诊断     

基于小波包包络分析的滚动轴承故障诊断

提出一种基于小波包、能量分析和包络分析相结合的滚动轴承故障诊断方法。对实测振动信号进行小波包去噪,提取出有用的振动信号。利用小波包将去噪后的信号分解,求出分解后各频带的能量,根据各频带内能量分布,确定故障所在频带,并以此作为特征分量。对特征分量进行Hilbert解调分析,将包络谱谱峰处的频率与理论计算的滚动轴承故障频率进行对比,诊断轴承故障并确定故障位置。     

基于小波包分解的煤矿通风机故障诊断

提出基于小波包分解的煤矿通风机故障诊断方法,经实际验证,能有效诊断出通风机故障,具有实用价值。     

基于小波包能量谱弧齿锥齿轮的故障诊断研究

为了能够提高弧齿锥齿轮故障诊断的效率,使弧齿锥齿轮能够安全可靠地工作,深入地分析了小波包能量谱在弧齿锥齿轮中的应用。分析了弧齿锥齿轮故障的机理;研究了弧齿锥齿轮故障诊断的小波能量谱的机理;利用小波包能量谱对弧齿锥齿轮进行了故障诊断,结果表明该方法具有较好诊断精度。     

基于独立量分析和小波包能量谱的滚动轴承故障诊断

滚动轴承是煤矿机械中很重要的零部件,也是最容易发生故障的零部件之一。对煤矿机械滚动轴承的故障诊断研究是一个很热的方向。提出了一种将独立量分析和小波包能量谱相结合的故障特征提取方法,并采用此方法对滚动轴承进行了故障特征提取。实验结果说明采用独立量分析和小波包能量谱相结合的方法对滚动轴承故障进行提取的效果要明显优于单独使用小波包能量谱的方法。这种故障特征提取方法对其他设备的故障诊断也都适用。     

小波分析和小波包分析在轴承故障诊断中的对比分析

结合轴承故障振动特点,以轴承滚动体故障为例,对比了小波分析和小波包分析在应用时的相同和不同之处。利用MATLAB仿真软件作为分析工具,通过定量分析和定性分析比较了它们在轴承故障信号降噪时的效果,通过计算功率谱、绘制功率谱图的方式比较了它们在轴承故障诊断方面的能力。结果表明,使用相同小波基和相同分解层数条件下,在降噪和故障诊断方面,小波包分析都优于小波分析,为选择合适的轴承故障诊断方式提供了参考。     

基于小波包分解的风机故障诊断技术研究

小波包分析由于能对信号高、低频部分局部细化并保留原信号的时域特征，因而具有良好的时频局部化特性，能对非平稳信号进行有效识别，达到故障诊断的目的，在故障诊断领域得到越来越广泛的应用。风机运行时产生的信号大多是非平稳信号，将小波包分析技术用于其故障诊断具有实际意义。     

基于小波包的大型隔膜泵泵阀故障诊断

泵阀作为隔膜泵的重要组成部分,卡阀故障时有发生,给生产带来了很大损失。本文采用小波包频带分解技术,有效提取了泵阀的卡阀故障。这项技术应用在大型隔膜泵上,具有一定的经济意义.     

基于小波包分解的滚动轴承故障诊断方法的研究

介绍了小波包分析的基本理论,并以滚动轴承为研究对象,将小波包分析应用于轴承的故障诊断。首先用小波包分解的方法提取分解频带的能量在时间域上的分布,得到能量谱图,然后通过包络分析得到信号的功率谱,由此可判断出轴承的故障位置。     

基于小波包和EMD的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包和经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承故障诊断方法。该方法用小波包对振动信号进行预处理,用Hilbert变换求重构信号的包络,采用EMD方法将包络信号分解为若干个IMF分量,让故障信息得到凸显,然后根据某个分量的频谱,判断滚动轴承的故障类型。实验结果表明,比传统的时频分析方法,该方法能够更有效地提取轴承故障特征,诊断轴承故障。     

小波包分析在减速机故障诊断中的研究

以冶金企业的轧钢设备中典型关键设备减速机为具体研究对象,对减速机进行状态监测与故障诊断,并将三维小波变换与小波包降噪残差信号频谱分析相结合,利用残差信号的频率特征信息,有效地提取了减速机故障频率。     

基于小波包的机械故障信号消噪处理

在旋转机械故障诊断系统中需要获得采样信号用于系统的故障辨识或判断,而这些采样信号将不可避免地受到噪声污染,使系统辨识精度得不到提高。小波包变换的方法可以降低系统噪声影响,通过变换分解出高频噪声部分,利用小波包收缩的阈值量化方法去掉高频部分,再重构信号从而达到消噪目的。     

基于小波包和距离判别法的滚动轴承故障诊断

将小波包分析与距离判别分析法相结合的方法应用于滚动轴承故障诊断问题中。利用小波包分析技术提取了滚动轴承典型故障的振动加速度信号的状态特征向量,选用此特征向量作为距离判别分析模型的判别因子,以滚动轴承故障实测模拟数据作为学习样本进行训练,通过分析计算,建立了相应线性判别函数,并利用回代估计方法进行检验。研究结果表明:这种新模型判别能力强,交叉确认估计的误判率为0,不需要优化网络结构,是解决滚动轴承故障诊断的一种有效方法。     

基于小波包和Bayes判别法的矿用通风机故障诊断

将小波包分析与Bayes判别分析法相结合的方法应用于矿用通风机故障诊断问题中。利用小波包分析技术提取了矿用通风机不同工作状态的特征向量,选用此特征向量作为Bayes判别分析模型的判别因子,以矿用通风机故障实测模拟数据作为学习样本进行训练,通过分析计算,建立了相应线性判别函数,并利用回代估计方法进行检验。研究结果表明:这种新模型判别能力强,交叉确认估计的误判率为0,不需要优化网络结构,是解决矿用通风机故障诊断的一种有效方法。     

基于小波包与隐马尔可夫的矿井提升机主轴故障诊断

为解决当前矿井提升机主轴故障数据提取困难且诊断方法存在易受干扰、误差大、准确度低等缺点,设计了基于小波包与隐马尔可夫(HMM)的矿井提升机主轴故障诊断模型。该模型预先把主轴振动信号用小波包分解来获取小波包能量,再把高能量频带CEEMD分解,选取相关系数满足条件的IMF分量完成信号重构,通过重构信号来获得特征参数并构建特征向量,然后对每种故障完成HMM训练,构建HMM故障识别库,并把测试样本送入库中完成测试,从而测试模型的准确度。测试数据表明了基于小波包与HMM的故障诊断模型,准确度高、误差小、抗干扰能力强,比较适用于故障诊断。     

基于小波包算法的回转零件故障诊断

针对传统的故障诊断方法的局限性,将小波包分析方法应用到回转零件故障诊断中,利用小波包分解和重构方法有效地提取回转零件的共振频段,解决了传统方法人为确定共振解调频段的局限性。应用小波包算法处理后的信号重新采样,再根据Hilbert变换和包络谱细化原理,得到一种新的细化包络谱。通过回转零件的故障诊断实验分析,验证了该理论方法的正确性和实用性。     

小波包-包络分析在滚动轴承故障诊断中的应用

滚动轴承故障诊断是机械故障检测中一个重要方面。使用小波包分析和包络分析相结合的方法提取轴承微弱振动信号 ,克服了传统包络分析方法易丢失信号有效成分的缺点。包络信号的细化谱较好体现了轴承故障信息     

基于卷积型小波包能量矩的机械故障特征提取

故障特征参数的准确提取是故障诊断的一个关键性问题。提出了一种基于卷积型小波包能量矩的特征提取方法。相比传统的小波包能量特征提取方法,基于卷积型小波包能量矩的特征提取方法能更有效地提取信号在各频带上的能量分布特征。仿真和实验验证了利用小波包能量矩进行故障诊断是一个有效的方法。     

基于小波包和BP神经网络的滚动轴承故障诊断

基于Matlab平台,利用小波包技术对滚动轴承典型故障的振动信号提取特征值,再借助BP神经网络对特征值进行分类,经验证该方法能够准确识别故障。