基于连续小波变换系数的柴油机异响故障特征提取与诊断

用Morlet小波对EQ6BT柴油机活塞敲缸响、活塞销响的缸体振动信号进行连续小波变换，然后将所得到的小波变换系数作出尺度—能量谱以及三维能量谱图，从而实现了对柴油机异响故障的特征提取和诊断。结果表明：利用Morlet连续小波变换系数的尺度—能量谱和三维能量谱图，能够直观而有效地检测和区分EQ6BT柴油机活塞敲缸响、活塞销响两种故障及其故障的严重程度。     

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。     

小波神经网络法在柴油机故障诊断中的应用

用小波分析作信号处理手段提取柴油机振声信号特征量 ,以神经网络作为故障模式识别手段 ,进行了柴油机故障的振声诊断方法研究。针对柴油机振声信号的非平稳时变特性 ,应用小波理论中的小波包方法对其进行处理 ,结果表明小波分析是比傅里叶分析更为有效的处理柴油机振声这类非平稳信号的方法。在此基础上 ,研究了用神经网络实现根据小波包分解结果识别柴油机故障状态的方法。     

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...     

基于小波特征提取的可调节负荷辨识方法

可调节负荷辨识方法能够区别可再生能源并网的电力系统中各类具有调节特性的负荷。文章对各类典型可调节负荷特征进行了深入分析,提取可调节负荷的最大可调节速率、调节深度、最大可调节时间等特征参量。为了提高可调节负荷的辨识精度,利用DB小波变换提取小波能量值作为新增特征参量,在此基础上,提出一种基于小波特征提取的可调节负荷辨识方法,并采用模糊C均值聚类方法(FCM)进行负荷辨识。最后,对甘肃某地区典型综合负荷点进行仿真计算,验证了所提辨识方法可有效提高可调节负荷的辨识精度,对利用可调节负荷的调节能力消纳受阻风电具有重要的现实意义。     

小波变换在发动机缸内压力信号分析中的应用

本为消除发动机缸内气体压力测量中的通道效应的影响提出了一种新的方法－小波变换法。小波变换能针对气体压力信号的时变和非线性特征，充分反映出发动机气缸压力信号突变点附近的频变特性。分析中利用３次Ｂ样条小波对４１３５柴油机的气体压力信号按Ｍａｌｌａｔ算法进行分解，分离出气体压力信号中的通道效应，并利用采用反对称小波时，信号奇异点与其小波变换模极大值对过零点的关系，对压力急升点进行了定位，最后运用小波的     

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.     

基于神经网络的柴油机燃烧系统故障诊断

根据柴油机在不同状况下燃烧过程中气缸的压力波动情况进行了模式分类。柴油机的缸盖振动与气缸的压力波存在一定的对应关系,但这种对应关系通常难以确定。作应用柴油机缸盖在爆发段的振动信号,经过Hilbert变换,然后应用小波的Mallat算法进行变换,取小波变换后的三阶近拟波形来模拟对应气缸内的压力波动,最后应用神经网络方法对变换后的信号进行燃烧状况的模式识别,给出诊断结果,为柴油机的故障提供了一种新方法。     

基于连续小波变换的气密性故障诊断

给出了利用起动电压波形来检测气密性这一简单易行的试验原理与方法；对小波函数及其尺度参数的选择进行对比分析，根据连续小波变换能够有效地检测出弱信号的优良性质，对除噪后的电压信号使用Gaussl小波进行变换；结合小波系数绝对值分布灰度图和高阶低频逼近信号来实现故障辨识。     

基于频谱包络改进的EWT方法的滚动轴承故障诊断研究

经验小波变换方法被证明是一种有效的滚动轴承故障诊断方法,但该方法的分析精度依赖于频谱的合理分割。因此,文章提出了一种基于改进经验小波变换的故障特征提取方法。首先,通过连接若干个信号频谱的局部极大值来获取频谱包络线;然后,设定阈值,消除噪声干扰;最后,根据频谱包络线的局部极小值来自适应地确定频谱分割边界。工程实例分析表明,基于改进经验小波变换的故障特征提取方法,提高了对故障特征频带的分离精度,在滚动轴承故障特征提取方面表现出一定的优越性。     

Mother wavelet selection in the discrete wavelet transform for condition monitoring of wind turbine drivetrain bearings

Although the discrete wavelet transform has been used for diagnosing bearing faults for two decades, most work in this field has been done with test rig data. Since field data starts to be made more available, there is a need to shift into application studies. The choice of mother wavelet, ie, the predefined shape used to analyse the signal, has previously been investigated with simulated and test rig data without consensus of optimal choice in literature. Common between these investigations is the use of the wavelet coefficients' Shannon entropy to find which mother wavelet can yield the most useful features for condition monitoring. This study attempts to find the optimal mother wavelet selection using the discrete wavelet transform. Datasets from wind turbine gearbox accelerometers, consisting of enveloped vibration measurements monitoring both healthy and faulty bearings, have been analysed. The bearing fault frequencies' excitation level has been analysed with 130 different mother wavelets, yielding a definitive measure on their performance. Also, the applicability of Shannon entropy as a ranking method of mother wavelets has been investigated. The results show the discrete wavelet transforms ability to identify faults regardless of mother wavelet used, with the excitation level varying no more than 4%. By analysing the Shannon entropy, broad predictions to the excitation level could be drawn within the mother wavelet families but no direct correlation to the main results. Also, the high computational effort of high order Symlet wavelets, without increased performance, makes them unsuitable.     

基于粗糙集和神经网络的柴油机故障诊断

介绍了粗糙集理论的核心内容和ROSETTA软件的特点,给出了基于粗糙集理论的柴油机缸盖振动信号的故障诊断系统。以某型号大功率柴油机为例,首先将提取的缸盖振动信号经过小波包消噪和时域、频域分析,构造出用于故障诊断的特征值,然后应用ROSETTA软件约简特征属性,最后通过神经网络进行故障模式分类。通过对比ROSETTA软件处理前后神经网络的输出结果,表明粗糙集理论能优化特征属性,有效地减少神经网络的输入节点数,提高故障分类的准确率。     

基于时频分析的汽油机爆震特征的提取

分析了短时傅立叶变换(STFT)、维格纳—瑞利分布(WVD)及小波变换(WT)等时频分析方法各自的特点。研究了利用三种方法分别从汽油机缸内压力信号和缸盖上的振动信号中提取爆震特征的可行性和有效性。提出了相应的提取爆震特征的方法。分析和应用结果表明，STFT和WVD直接提取爆震特征效果差，但能够有效地从滤波后的信号中提取爆震特征。离散小波变换(DWT)具有明显的优势，能够直接从压力信号和振动信号中有效地提取爆震特征。     

Wavelet transform and neural network approach to developingadaptive single-pole auto-reclosing schemes for EHV transmission systems

The authors adopt the wavelet transform to detect and identify relevant electrical fault characteristics in power transmission systems. They use several components of wavelet analysis as input features to a forward neural network to distinguish transient, permanent faults and the secondary arc extinction point     

内燃机缸套-活塞间动态摩擦力与侧向力相干性的试验研究

为了测量缸套-活塞之间的摩擦力响应,采用浮动缸套法设计搭建了缸套-活塞摩擦力倒拖测量系统,通过台架试验获取了多种转速工况下缸套-活塞组件间的摩擦力和侧向力曲线,并用连续小波变换对实测数据进行了时频分析。结合缸套模态分析对实测信号频域信息进行理论解析,结果表明:缸套摩擦力波动特性与其结构固有模态有关。     

尺度一小波能量谱在内燃机故障诊断中的应用

为了对内燃机气门及活塞一连杆组故障进行有效地诊断，通过试验测取内燃机在不同故障下的振动信号，利用连续小波变换得到信号在尺度上的平均能量分布，即信号的平均尺度一小波能量谱。根据不同故障下振动信号在尺度上的能量分布差异，提出了基于尺度一小波能量的标准特征向量，并以此作为标准，结合欧氏距离方法，对待检故障信号进行诊断，定量判断出了内燃机的故障类型，取得了很好的结果，该方法为内燃机故障诊断提供了一种有效途径。     

基于独立分量分析及小波变换的内燃机辐射噪声盲源分离和识别

为了分离和识别内燃机噪声源,结合独立分量分析和小波变换技术对内燃机辐射噪声信号进行了盲源分离和声源识别的研究.根据独立分量分析的基本原理,采用基于负熵极大的FastICA算法对4缸柴油机的辐射噪声信号进行了盲源分离,将噪声信号分解成一系列独立分量.采用快速傅里叶变换和小波变换技术对各个独立分量进行了分析,结合时频分析的结果和内燃机各噪声源信号的频谱结构,确定了分离得到的各独立分量与内燃机不同噪声源的对应关系.研究结果表明:这些独立分量分别对应着柴油机的燃烧噪声、活塞敲击噪声、正时齿轮噪声及排气辐射噪声等噪声源.     

内燃机机体振动信号时域识别方法研究

根据内燃机在工作过程中，其机体在不同时刻受到不同激振力作用这一特点，对机体振动信号在时域上进行了分析处理与识别。首先，对内燃机在工作过程中的机体振动信号进行小波降噪处理，从而突出了其机体在不同时刻受到激振的结果。然后，对机体在不同时刻所受到激振的结果分别建立二阶AR模型，以模型系数作为模式识别参数。最后，采用感知器神经网络对模型参数进行识别与分类。由于只对振动信号进行处理与识别便可得到与不同激振力相关的信息，因此这种处理与识别方法具有形式简单，便于实现的特点，因而，对实现内燃机在线控制，监测与故障诊断均有重要的应用价值。     

汽轮发电机组动静碰摩的奇异谱理论与小波分析诊断方法研究

作者利用奇异谱对汽轮发电机组转子动碰摩的振动信号进行了分析,剔除信号中因不平衡等邦联所产生的平滑部分、抑制噪声;并运用连续小波变换对信号进行分析。通过多尺度分析形成等高线图,使碰摩故障特征在相应的等高图上得以体现出来。作者还比较了相似频谱特征的两类故障信号的小波变换等高线特征,总结了碰摩故障小波变换等高线分析特征,得到了理想的分析结果,为汽轮发电机组碰摩故障识别提供了新的思路;同时讨论了运用小波变     

小波分析和曲线拟合法在柴油机声信号处理中的应用

提出了一种利用小波分析和曲线拟合法对柴油机工作时发出的声信号进行模式的判别方法，在实验台上模拟了柴油机的不同工况，并在气缸盖上方采集了柴油机工作时产生的声信号，对不同模式下利用小波分析技术提取的声信号特征参数利用曲线拟合法进行了成功的判别，在利用声信号对柴油机进行故障诊断这一未成熟领域中，对声信号的处理方法做出了成功的探索。