基于小波与倒频谱技术的烟气轮机轴承故障诊断

烟气轮机是石油炼厂催化裂化装置能量回收系统的关键设备,并且长期在高速、高温环境下运行,机组振动较大。轴承是烟气轮机中应用非常广的一种通用机械部件,轴承的运行情况直接影响到整个机组的安全运行,因此,对其状态监测和故障诊断意义重大。分析了轴承的振动特点和故障类型,分别介绍了小波降噪技术和倒频谱分析技术的原理、特点以及在轴承诊断中的优点,并将二者结合起来对烟气轮机的轴承振动进行故障诊断,最后验证了此种方法的有效性。     

倒频谱在齿轮故障诊断中的应用

根据倒频谱所具有的特性，将原来信号频谱图上成族的边频带谱线简化为单根谱线。利用这一特点来识别齿轮振动复杂频谱图上的周期结构，分离和提取出密集泛频信号中的周期成分、多成分边频等复杂信号，使测试系统的在线故障诊断更加快速准确。     

Harr小波包频谱分析

小波包具有将小波频谱进一步细分的性质，然而从小包频谱表达式很难看出这一点，通过数值计算的方法，将Ｈａｒｒ小波包的频谱画出，与Ｈａｒｒ小波的频谱相以比，直观地说明了这一性质。     

复倒频谱分析与相位展开的研究

复倒频谱不仅有解卷积分离和提取目标信号的作用,而且它保有相位信息,可作逆过程分析复原源信号,用于声源振源的识别和机械故障诊断.本文从理论上论述了复倒频谱的建立和相位展开,并在计算机,采用自适应积分方法,以堆栈形式极大限度地减少DFT的运算次数,通过应用实例回波检测的结果证明了复倒频谱分析的有效性.     

倒频谱在航空发动机振动分析中的应用

基于倒频谱分析技术原理及航空发动机振动状态特征,探讨了倒谱在航空发动机振动分析中的应用。采用倒谱技术对实际发动机振动数据进行了分析,结果表明倒频谱分析技术应用于航空发动机振动分析,可以有效分离传递通道影响并从复杂的频谱中提取出特征频率。     

基于小波-倒频谱技术的语音识别研究

在实际应用中,噪声干扰导致语音识别性能急剧下降。针对该问题,本文分析传统方法并提出相应的系统解决方案:采用小波变换对语音信号进行前端处理,以MFCC声道特征结合基频(F0)韵律特征来提高识别系统的鲁棒性。实验结果表明:小波变换能有效地消除噪声影响,经小波降噪处理后,使得F0-MFCC联合模型能更好的识别语音。可以看出在噪声环境下系统的综合性能得到很大改善。     

滚动轴承故障的倒频谱分析

介绍了倒频谱及其特点 ,列举了其在滚动轴承分析中的应用实例。分析表明倒频谱在识别边频及测试系统传递函数的影响方面具有显著的特点。基于具有不同故障缺陷的滚动轴承实测振动信号及功率谱图的特点 ,借助倒频谱分析 ,可以在复杂的干扰信号中 ,准确地确定轴承的故障部分     

基于LabVIEW的倒频谱在齿轮和滚动轴承故障诊断中的应用

介绍了利用LabVIEW平台检测齿轮和轴承故障信号,叙述了在LabVIEW的环境内,使用MATLAB对齿轮振动信号进行倒频谱分析,提取齿轮故障特征信息,实现齿轮故障诊断．并通过实验验证此方法的可行性．     

应用倒频谱分析法对风力发电机组齿轮箱故障诊断

针对风力发电机组齿轮箱运行环境恶劣,故障信号中调制边频带复杂这一特点,采用基于倒频谱方法对故障特征进行了分析,提高了故障诊断的准确性,并给出了应用实例,为风力发电机组设备管理与诊断提供了一种有效的途径。     

浅孔钻削加工状态监测系统

分析了浅孔钻的刀片在切削中的受力情况及电涡流传感器检测信号的特点，研究了小波分析用于钻削加工状态特征提取和人工神经元网络在钻削加工状态特征模式识别中的应用。介绍了整个系统的构成。     

非线性小波变换及其应用

对线性小波变换和非线性小波变换进行了介绍,在此基础上重点分析了非线性小波变换的优点,最后对非线性小波变换的若干典型应用及应用中的问题进行了讨论.     

小波分析及其在通信中的应用

小波分析是傅里叶分析的重大突破,是当今许多领域研究的热点.从小波分析的发展历程出发,介绍了小波在现代通信中的一些应用,并指出了未来的一些研究方向.     

小波变换理论及其在信号处理中的应用

详述了小波理论产生的实际背景和发展状况，对小波变换的定义、时频局部性及处理突变信号的能力作了分析．最后，讨论了小波变换在信号处理中的应用，并展望了其应用前景     

子波消噪技术及其应用

基于信号和噪声在小波变换下表现出的截然不同的性质,提出了一种非线性消噪方法．该方法与传统的消噪方法不同：它并非等价于信号通过一个低通或带通滤波器,而是根据信号与噪声的奇异点性质不同滤波．因而,在改善信噪比的同时,又保持相当高的时间分辨率．     

小波变换的时频分析及其在实际中的应用

由于小波变换自身的特性,它非常适合对非平稳和时变信号进行分析及处理。本文介绍了小波变换的时频分析,具体将小波变换应用于几个非平稳及时变信号的处理,并将小波变换和其他信号时频分析方法做了比较,得出了小波变换的优势和适用特点,最后给出了小波变换应用于信号去噪的例子。     

Haar小波的离散化消噪方法及其应用

介绍一种Haar小波离散化消噪方法,并应用该方法进行信号和图像消噪处理.首先将信号或图像用该方法实现计算机的离散化抽样取点,然后结合小波阈值方对含噪信号或图像用Haar小波作消噪处理,并进行离散平滑,实现连续小波离散化处理.该方法对信号和图像的消噪处理的效果好,具有广泛应用的价值.     

小波基时频特性及其在分析突变信号中的应用

在机械设备的在线检测和故障诊断中,振动信号分析是十分重要的手段。包含在振动信号中的突变信号是重要的特征信息。小波分析在在线检测和故障诊断中已逐渐得到了广泛的应用。但采用不同的小波基,分析结果有很大的差异。笔者通过对小波基时频特性进行分析比较并结合故障分析实例和仿真结果,总结了选择合适小波基的一些方法。     

基于监测数据的特征小波构造及应用

提出了以监测数据为基础构造特征小波提取数据趋势的新方法，研究了第二代小波变换的预测器、更新器与等效滤波器之间的关系，以及根据等效滤波器设计预测器和更新器系数的原理。为了构造基于监测数据的特征小波，在设计预测器和更新器时，综合监测数据样本的信息，以预测器消失矩作为约束条件，以预测误差作为目标函数，使所构造的小渡能够反映监测数据的局部特征。采用设计预测器和更新器对监测数据分解、闽值处理和重构，得到监测数据的趋势。该方法在某炼油厂机组的峰峰值趋势分析中准确地描述了峰峰值变化趋势。     

基于自适应小波神经网络的字符识别算法及其应用

根据车牌中字符的形态特征和横向纹理属性,以小波空间作为车牌字符识别的特征空间,通过小波分析来实现字符的特征提取.用非线性小波基取代通常神经元的激励函数,构建了一种自适应小波神经网络的车牌字符识别模型.实验结果表明,本文提出的算法对复杂背景下拍摄的汽车牌照识别具有很好的鲁棒性.     

一种基于信号相关性检测的自适应小波变换及应用

为了克服传统小波变换的不足,提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法.该方法以第二代小波变换为基础,在小波变换时提供多组备选的预测器和更新器,用变换样本与相邻样本之间的相关性来检测信号的局部特征,并根据相关系数的大小来确定每一尺度上的每个样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.模拟实验和工程应用的结果表明,该方法克服了传统小波降噪方法丢失原始信号局部信息的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.