基于小波包特征提取及支持向量回归机的光纤布拉格光栅冲击定位系统

以光纤布拉格光栅(FBG)为传感网络,构建了复合材料冲击载荷实时在线监测系统,研究了基于小波包特征提取及支持向量回归机的光纤-碳纤维复合材料结构冲击定位方法.针对同一冲击点,分析不同传感信号,获得了冲击响应信号小波包能量谱,分析结果表明小波包能量谱中特定阶数对冲击敏感.改变冲击点位置研究小波包能量谱与冲击位置之间的关系,提出将第6阶小波包能量值作为冲击定位的特征向量.采用支持向量回归机建立样本数据的回归模型,预测冲击载荷位置,并对支持向量机的相关调整参数进行了优化.实验表明,支持向量机的网络测试误差为4.81％.研究结果可为碳纤维复合材料(CFRP)层状结构的冲击性能评估提供可行的实验方法.     

声发射和小波包分析在损伤状态监测中的应用

为应用声发射技术对结构的损伤状态进行监测与识别,基于小波包分析提出了一种在线损伤监测方法。采用D-S证据理论对声发射信号的小波包能量谱进行多源信息融合得到改进的小波包能量谱,计算Mahalanobis距离构建结构损伤状态判别指标,采用t检验的概率方法考察不同损伤状态下判别指标的变化情况。旋转轴承结构的声发射信号分析结果表明,D-S证据理论能够对声发射信号的小波包能量谱识别样本抽取有效信息,结构损伤状态判别指标具有良好的结构损伤识别能力,能够准确地实现对结构不同损伤状态的识别。     

往复泵泵阀的谐波小波包分析及LS-SVM方法研究

针对往复泵泵阀冲击振动信号的非平稳特性,运用谐波小波包能量特征提取和最小二乘支持向量机(LSSVM)相结合的方法识别泵阀故障。通过对泵阀冲击振动信号进行谐波小波包分解,提取各频段谐波小波包系数的能量值,将各频段能量值组成的特征向量作为诊断模型的特征向量,输入到LS-SVM多类分类器中进行故障识别,并将谐波小波包与小波包在泵阀故障诊断中的诊断准确率进行了比较。试验结果表明将谐波小波包分解和LS-SVM相结合可以准确有效地识别泵阀故障类型。     

改进的小波包能量指标在结构损伤识别中的应用

小波包分析采用时域和频域结合的方法对振动信号进行分析,在时频两域都具有表征信号局部特征的能力。大量研究成果表明小波包能量和模态柔度都对局部损伤变化非常敏感,通过离散小波包分解对冲击荷载作用下结构振动响应加速度信号进行各频带的分解与重构,在模态柔度曲率差思想的基础上,定义相对小波能量柔度曲率差损伤指标,对损伤进行定位。通过连续梁的数值模拟及连续梁的试验验证,并与仅基于相对小波包能量曲率差的方法进行比较,进一步说明该方法的可行性。     

基于小波包能量和调制信号双谱边带估计的齿轮磨损监测

为提高调制信号双谱边带估计的分析效果和鲁棒性,提出了小波包能量和调制信号双谱边带估计相结合的磨损特征提取方法.首先,使用小波包变换将信号分解为多个频段,计算每个频段的小波包能量,选取小波包能量较高的频段进行重构,以达到优选分析频段和降低计算量的目的;然后,对重构信号进行调制信号双谱边带估计以提取齿面磨损特征,并通过合理构建指标实现齿面磨损损伤状态的在线监测.仿真与试验结果表明,所提出方法具有更强的鲁棒性,能够更准确地监测齿面磨损的发展过程,评估磨损损伤程度.     

基于小波包能量与峭度谱的滚动轴承故障诊断

针对故障轴承的振动信号中包含冲击成分,导致信号的能量集中的问题,提出了一种基于小波包能量与峭度谱相结合的方法用以提取轴承故障信号特征.首先应用小波包对测量信号进行分解、能量归一化处理和信号重构,然后将重构信号采用峭度谱确定带通滤波器的最佳中心频率和带宽,最后将滤波信号进行包络解调并提取故障特征频率.分别对仿真信号和试验...     

钢筋混凝土梁损伤的小波包识别方法

基于小波包能量特征向量的损伤识别是一种对损伤非常敏感的方法.为了更有效地选择特征频带,从频带分解的角度分析了基于小波包分解能量特征向量的结构损伤识别方法.将结构响应信号进行小波包分解,提取各频带的能量.通过分析结构响应频率和小波包分解各频带频率范围,选取信号主要频率所在频带及其相邻频带的能量构成特征向量.当信号频率有微小改变时,特征能量向量的变化远远大于信号频率的变化.当结构出现损伤时,脉冲激励下其动力响应信号的频率有所降低,因此可以通过特征能量向量的变化来识别损伤.通过一根钢筋混凝土梁的试验验证了该方法的有效性.     

基于小波包的碰摩信号能量特征辨识

基于小波包分解结果,针对信号在不同频段内能量的变化,进行故障辨识。信号发生故障一般都伴随着能量的变化,而小波包提供了一种将信号划分到不同频段的方法,借助小波包将信号细分到各个频段,分别求出频段内信号的能量,观察能量的变化就可以判断出是否发生了故障以及故障的程度。以一组转子系统正常与故障时的实验数据为例,详细地说明了该方法的可行性,取得了准确的结果。该方法可以被广泛应用于各种平稳信号或非平稳信号的故障监测。     

基于小波包能量的桥梁损伤识别指标

为达到桥梁结构损伤识别的目的,基于小波包分析方法提出了小波包能量变化率平方和(the sum square of wavelet packet energy change rate,简称WPERSS)损伤指标。分别将健康与损伤结构的加速度响应信号进行小波包分解得到小波包能量,通过计算小波包能量变化率平方和损伤指标进行损伤识别。对简支梁模型进行数值模拟,分析单一损伤与两处损伤时不同损伤程度的损伤识别情况,分析不同噪声水平对识别效果的影响。结果表明,该指标可有效识别损伤位置且对噪声具有鲁棒性。对装配式双塔斜拉桥模型进行试验,联合多个测点响应的损伤指标可以判别结构的不同损伤状态,验证了小波包能量变化率平方和指标的有效性。     

光纤光栅型智能结构损伤识别的小波包分析

基于结构振动监测技术,采用小波包分析方法对采集的结构振动信号进行了小波分解。介绍了小波包分解技术,提出将小波包能量谱作为损伤指标用以表征结构的损伤状态。在相同损伤位置不同损伤程度、不同损伤位置相同损伤程度的两种情况下对试件进行了六种不同损伤工况的振动信号分析。数据分析结果表明,结构的损伤将导致结构振动信号小波包分解中特定阶数的能量增加,而所提出的损伤指标对结构的损伤程度、损伤距离及损伤位置与光栅传感器之间的角度均敏感,实验中能够识别12 g重物且距离光纤光栅传感器30 cm的损伤,表明对智能结构的在线损伤识别是可行的。     

基于小波包变换的梁体损伤识别

由于小波包变换在分析非平稳信号方面较傅立叶变换更为有效，提出了基于小波包变换的能量变化率指标进行损伤识别的方法。首先，将得到的结构响应信号进行小波包分解，然后通过小波包能量变化率指标来进行损伤定位。通过3种不同损伤工况的梁体室内试验证明．损伤指标可以准确地识别损伤位置。     

基于小波包能量谱-神经网络的液压泵故障诊断

针对利用振动信号进行液压齿轮泵故障诊断，介绍了振动信号的小波包能量谱分析，指出了振动信号的小波包能量谱分析可以进行齿轮泵故障模式的识别，研究了利用RBF网络对振动信号的小渡包能量谱进行模式学习和识别的方法，并建立了相应的RBF网络。试验表明小波包能量谱分析一RBF网络方法可对液压齿轮泵的常见故障进行识别和诊断。     

基于小波包变换的回转窑托轮轴承故障诊断

针对回转窑对象给出了水泥回转窑故障诊断框图。说明了水泥回转窑工艺流程和常见的水泥回转窑设备故障及原因。阐述了小波包分解方法和小波包分解的优缺点。阐述了基于小波包变换的水泥回转窑故障诊断算法,给出了基于小波包变换的轴承故障诊断流程图。对正常状态、外圈故障状态和内圈故障状态的轴承小波包变换进行分析。得到经小波包分解1~4层细节进行重构后的波形图,得到经4层小波包分解后各频带的能量分布以及重构信号的包络图。将正常状态下小波包分解后的能量频谱信号与故障状态下的进行比照,通过能量频谱信号的不同,确定正常状态和故障状态的特征信息。文中对采集到的振动信号进行小波包分解,对分解后不同频带上的信号进行功率谱计算,通过能量的改变表示某一种特征信号,再对提取到的特征信号进行Hilbert谱分析。最终,通过对特征信号的Hilbert谱分析来区分出不同的故障。     

基于小波分析和BP神经网络的齿轮箱故障诊断技术

构建了小波包能量分布、小波包能量熵、小波包能量分布与信号时域特征结合、小波能量熵与信号时域特征结合4种齿轮箱特征信号提取方法。结合BP神经网络对齿轮箱正常工况、齿面裂纹、断齿、齿面剥落4种类型工况进行特征向量提取,并进行诊断分类和对比,以得出结论。     

基于小波包变换的二滩大坝地震响应能量分析

由于地震响应信号具有明显的非平稳特性,为分析其在不同频带的能量分布规律,结合实际地震监测数据,利用小波包分析良好的时频局部化性质和均匀频带划分能力,对二滩大坝地震动响应信号进行研究。首先,简略地对比了小波变换与小波包变换的异同,讨论了基小波选取的侧重点,提出了小波基混频度的概念,并作为选取小波基的评判指标;其次,对坝体不同位置响应信号在不同频段内进行展开,讨论了不同测点、不同方向上响应信号能量在各频带上的分布规律;最后,总结了结构响应信号的能量在频带上的分布与信号的方向及结构的位置关系。研究结果可为大坝的抗震减振以及与能量相关的安全评估方法提供理论基础。     

运用统计小波的光纤光栅结构健康监测技术

针对振动型结构健康监测方法的特点,搭建了基于非平衡M-Z干涉仪和相位载波解调技术的光纤光栅损伤识别系统。运用小波包分解振动信号,建立了基于小波包节点能量相对变化率之和的结构损伤识别指标;介绍了统计过程控制原理,推导了使用均值-极差控制图分析损伤识别指标,识别结构连续损伤的过程。实验测试了铝制简支梁结构处于健康状态和3种损伤状态下的各40次振动信号。信号时域图显示各状态振动信号持续时间均约为0.05ms,幅值基本相同。依据结构健康状态下的统计过程控制限(12.85,41.35)进行了均值-极差控制图损伤识别分析,结果表明,搭建的损伤识别系统能连续地对结构进行健康监测。     

基于谐波小波包能量熵的轴承故障实时诊断

将谐波小波包变换与信息熵相结合,从揭示故障信号能量分布的复杂程度入手,提出一种轴承故障实时诊断的新方法.对故障振动信号进行谐波小波包分解,将分解的小波系数按尺度进行排列,计算不同尺度的能量,以尺度能量为划分标准,计算故障信号的能量熵,通过能量的熵值诊断轴承故障.给出谐波小波包能量熵的轴承故障的具体诊断方法和模型.对不同...     

光纤光栅传感网络的冲击定位方法

针对航空航天层合板结构冲击与振动监测的需求,提出一种基于小波包分解方法和分布式光纤光栅传感网络的板状结构低速冲击辨识方法。根据四边固支板结构的承载形式与光纤光栅传感器的感知特性,设计合理的传感器网络布局,再利用快速傅里叶变换(fast Fourier transformation,简称FFT)与小波包分解对光纤光栅传感网络监测到的冲击响应信号进行时频域分析,获取能表征冲击特性的时域特征分解信号。在此基础上,分别计算出每一个特征分解信号与其对应的时域原始信号之间的互相关系数,并将其做为相似度分配权值,分解出所有样本冲击点对应冲击响应信号的特征分解信号,构建样本信息库。利用Haudorff距离计算测试信号与样本信息库各个信号之间的相似度,并根据相似度来确定冲击点的位置坐标。研究表明,该方法能够实现对航空航天层合板结构低速冲击位置的辨识。     

基于小波包变换的电磁超声接收信号特征提取

使用改进的功率谱函数对电磁超声缺陷信号进行了缺陷的定性分析,使用小波包能量谱对电磁超声缺陷接收信号进行了特征提取,从小波包的小波函数选取、分解层次及特征参数的噪声鲁棒性3个方面开展了讨论分析.结果表明:通过选择适当的小波函数和小波包分解层次,小波包能量谱的能量比可以精细地反映信号的特征;基于小波包能量谱的特征参数具有良好的损伤敏感性及噪声鲁棒性,能在强噪声影响下实现对EMAT不同损伤类型的判别.     

基于小波包分析的液压泵状态监测方法

液压泵是液压系统中的关键部件,对其运行状态的监测与故障诊断对整个液压系统的可靠性具有重要意义。基于小波包分解和小波系数残差分析方法,提出一种利用液压泵出口压力进行液压泵故障诊断的方法。通过分析液压泵出口处压力信号的特征,利用小波包对压力信号进行频谱分解,提取液压泵的故障特征,建立不同频率范围的特征信号与液压泵不同故障因素的对应关系,为液压泵的故障诊断与定位提供依据。利用小波包能量残差判别液压泵的运行健康状态,并比较不同小波基函数在故障诊断时的敏感度。为减小小波分析时边界效应所引起的信号畸变,引入“滑动双窗口”的分析方法。试验结果表明,与快速傅里叶方法相比,基于小波包分解的残差分析方法可有效提高故障诊断的准确率,实现对液压泵的状态监测与故障诊断。