基于小波包变换的柴油机燃油喷射系统故障诊断

本文在介绍了小波包变换理论后，利用小波包变换对柴油机燃油喷射系统的常见故障进行了分析，并和傅立叶变换进行了比较，证明了前者比后者能提取更多的关于柴油机工作状态的特征信息。     

基于小波包与图像处理的内燃机故障诊断研究

详细分析和讨论了柴油机缸盖振动信号的特点,对其进行了小波包分解,得到时－频分布图,并基于此,提出运用图像处理技术进行内燃机的状态监测与故障诊断的方法,建立了基于图像匹配的内燃机气阀机构诊断模型,并将其和于６１３５Ｇ柴油机气阀机构的故障诊断。结果表明,该方法物理意义明确,诊断结果精度较高,速度快,为内燃机的状态监测与故障诊断找到了一条新的途径。     

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。     

基于小波神经网络的旋转机械故障诊断

研究了小波变换与人工神经网络结合起来应用于旋转机械故障诊断的问题。通过选择合适的参数，对故障信号功率谱进行小波分解，简化了故障特征向量的提取。建立了基于小波变换和BP网络的混合诊断模型，成功地实现了对故障的智能诊断。     

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。     

基于连续平均谱负熵改进经验小波变换的风力机齿轮箱故障诊断

针对经验小波变换（Empirical Wavelet Transform,EWT）对强噪声环境下风力机齿轮箱轴承轻微故障特征提取不足的问题,利用滑移窗口提取子带的连续平均谱负熵（Continuous Average Spectral Negentropy,CASN）对EWT算法进行改进。通过CASN-EWT方法分解风力机齿轮箱轴承故障信号,采用峭度准则对所得分量进行筛选并重构,再开展包络分析,准确提取出故障特征。结果表明：CASN-EWT方法在保留EWT算法自适应性和有效避免模态混叠效应与端点效应优点的同时,能够极大提高EWT分解算法对噪声影响的鲁棒性,有利于准确提取故障特征频率,实现故障精确识别。     

小波变换在转子动静碰摩故障诊断中的应用

转子动静件碰摩时存在奇异性，而信号中的奇异点及不规则突变部分常带有比较重要的信息。利用小波变换具有空间局部化的性质，并通过一维小波变换工具对碰摩信号进行多尺度小波分解获取细节信号。从而对信号中的奇异点进行检测，明确地指出转子动静碰摩时奇异点的位置和奇异度的大小，为汽轮发电机组碰摩识别提供了有效的方法。     

基于小波分析与神经网络的气阀机构故障诊断研究

运用小波分析对柴油机缸盖振动信号进行分析与讨论,计算二进小汉分解后尺度1信号在各个时间段内的能量百分比;将能量百分比作为神经网络的输入进行训练和故障识别,用BP网络及自组织聚类算法实现了气阀机构的故障诊断,取得了较好的效果。     

WA与RBFN在气密性故障诊断中的应用研究

提出了根据检测发动机起动时电瓶电压的波形来分析气密性的试验方法。在基于小波分析 (WA)的基础上对信号进行消除趋势项和除噪处理 ,并提出了包括周期延长和主频推移 2个新的判据在内的 7个特征参数。通过对径向基神经网络 (RBFN)的训练 ,证明该神经网络能够较好地进行故障模式辨识 ,从而为发动机气密性故障诊断提供了一个系统方案。     

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。     

小波除噪、时频分布及气密性诊断

通过快速小波任意尺度的分解，为具体分析与实现原始信号的信噪分离与干扰成分的剔除提供了有效手段。同时根据核函数在模糊域中的过滤原则，提出了新的核函数，并给出了新的时频分布(TFD)。将其应用于气密性故障诊断，成功地刻画了气密性故障信号特征；通过与Wigner-Ville Distri—bution的对比，发现新的时频分布能够较好地抑制交叉项并具有优良的时频聚集性，从而为气密性故障诊断提供了新的强有力的工具。     

基于振动信号分析的发动机气缸壁间隙异常诊断

以DA462型发动机缸壁表面振动信号为研究对象,对发动机的主要激励源和传播途径进行了研究,在时域和频域上对实验所测得的信号进行分析,从而得到缸壁间隙异常状态的信息。在此基础上,提出了一种简单有效的诊断方法,能够对发动机的故障进行较准确的诊断。     

基于S变换的柴油机气阀机构故障诊断研究

采用S变换对柴油机气阀机构8种状态下的缸盖表面振动信号进行分析处理,得到一系列振动信号的时频图像。选取一部分时频图像组建得到各种状态的标准时频图像后,再根据测试图像和标准图像之间的欧氏距离、绝对值距离和相似度3种指标对测试图像进行识别分类,从而将气阀机构的故障诊断转换为时频图像的分类研究。试验结果表明,采用这一方法可以取得较好的诊断结果,对时频图像进行5次平均后,根据相似度和欧氏距离进行分类的正确识别率可以达到99．4％以上。     

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。     

基于小波包的气门故障诊断

本文利用小波包将信号按任意时频分辨率（满足测不准原则）分解到不同频段的特点,论述了小波包特征提取的方法。利用这一特性对柴油机气门间隙和漏气故障进行了诊断,取得了满意的结果。     

基于小波分析的汽轮机叶片故障诊断技术

简述了小波分析的基础理论和算法,论述了在小波多分辨率分析下进行汽轮机叶片故障诊断的方法。结果表明,小波的方法能很好地保存瞬态信号中的尖峰和突变部分,对振动信号进行处理后再进行特征提取,使故障诊断变得容易,具有良好的效果。     

基于振动信号分析的发动机气门间隙异常诊断

通过对发动机振动信号基本特性的分析,确定了发动机振动的主要激励源和传播途径。并采用时域,频域的分析方法对故障特征信号进行分析,从而得到气门间隙异常状态的信息。在此基础上,提出了一种简单有效的诊断方法。