基于傅里叶变换和小波分析的拖拉机振动研究_郝欢欢
基于小波变换和快速傅里叶变换的谐波检测
基于小波变换和快速傅里叶变换的谐波检测
桑松;柴玉华;孙影
【期刊名称】《电测与仪表》
【年(卷),期】2012(049)007
【摘要】基于傅里叶变换的谐波检测方法可以确定平稳信号中各次谐波的频率和幅值,小波变换可以准确把握信号的局部细节.利用两种方法各自互补的优势,采用一种将小波变换和快速傅里叶变换相结合的综合检测方法对典型的复杂谐波信号进行检测,通过MATLAB仿真结果可知,该检测方法可以准确地检测各次稳态谐波、确定瞬变信号、准确地定位突变点的位置,为解决谐波问题提供了可行性和有效性的方案.
【总页数】4页(P29-32)
【作者】桑松;柴玉华;孙影
【作者单位】东北农业大学工程学院,哈尔滨150030;东北农业大学工程学院,哈尔滨150030;东北农业大学工程学院,哈尔滨150030
【正文语种】中文
【中图分类】TM714.3
【相关文献】
1.基于快速傅里叶变换和db小波变换的谐波检测 [J], 金攀;雷景生
2.基于快速傅里叶变换的id-iq谐波检测算法 [J], 徐金榜;杨君;何悦嘉;段东权
3.基于快速傅里叶变换的谐波和间谐波检测修正算法 [J], 黄峰;杨洪耕
4.基于BP神经网络和全相位快速傅里叶变换的电力系统谐波检测技术研究 [J], 曹英丽;尹希哲
5.基于全相位快速傅里叶变换和人工神经网络的电网谐波检测组合优化算法 [J], 欧阳瑾;王钢;曾德辉
因版权原因，仅展示原文概要，查看原文内容请购买。
基于小波与小波包变换爆破振动分析的应用研究的开题报告
基于小波与小波包变换爆破振动分析的应用研究的开题报告一、选题背景随着现代工业技术的飞速发展，机械设备所处的工况环境在不断变化，这种变化往往会对机械设备的健康状态产生影响，导致机械设备的振动和噪声不断加剧，进而影响机械设备的正常运转和使用效率。
因此，对机械设备的振动分析和监测成为了目前工业领域中研究的热点。
传统的振动分析方法往往只能提供机械设备的简单频域特征，缺乏更加精细的时域特性信息，无法有效地确定机械设备的健康状况。
因此，采用小波与小波包变换技术进行振动分析成为了现代工业领域中研究的重点。
二、研究目的本研究旨在探究小波与小波包变换在机械设备振动分析中的应用，并基于此研究开发出一种高效的爆破振动分析方法，为机械设备的健康状态监测和维护提供有效的技术支持。
三、研究内容本研究将从如下几个方面进行探究：1、小波与小波包变换原理及方法；2、基于小波与小波包变换的机械设备振动分析方法；3、机械设备爆破振动分析实验研究；4、开发基于小波与小波包变换的爆破振动分析软件，并验证其在机械设备健康状态监测和故障诊断方面的实用性。
四、研究意义1、为工业领域机械设备健康状态监测和维护提供一种高效、精准的振动分析方法和技术手段。
2、促进小波与小波包变换在机械设备振动分析中的应用和推广，推动机械设备损伤识别技术的发展。
3、为工业领域提供一种可视化的爆破振动分析软件，提升机械设备健康状态监测和故障诊断的效率和准确性。
五、研究方法本研究将采用实验室控制爆破技术进行数据采集，借助MATLAB等数学工具对爆炸振动信号进行小波与小波包变换处理，选取合适的小波基和分解尺度，提取出振动信号的时域和频域特征，并结合实际应用需求进行分析和处理。
六、预期成果1、论文一篇，包括研究背景、研究目的、研究方法、实验结果和分析等内容；2、一种基于小波与小波包变换的爆破振动分析软件；3、实验数据和实验分析报告；4、该研究成果将为机械设备健康状态监测和故障诊断提供一种新的技术手段和应用途径。
基于优化的Morlet小波旋转机械振动故障信号微弱特征提取方法
基于优化的Morlet小波旋转机械振动故障信号微弱特征提取方法【摘要】本文研究基于优化的Morlet小波旋转机械振动故障信号微弱特征提取方法。
首先介绍了Morlet小波变换原理，然后详细讨论了基于优化的Morlet小波旋转和机械振动故障信号微弱特征提取方法。
接着描述了实验设计与结果分析，评价了算法性能。
研究发现，该方法能有效提取微弱故障信号特征，并在实验中取得了良好的效果。
最后总结了研究成果，并展望了未来的研究方向。
通过本文的研究，有望为机械振动故障信号的检测与诊断提供新的思路和方法。
【关键词】Morlet小波变换、机械振动、故障信号、优化、特征提取、实验设计、结果分析、算法性能评价、研究成果、未来展望1. 引言1.1 研究背景随着现代机械设备的普及和使用，机械振动故障问题变得越来越普遍和重要。
机械设备在长时间运行过程中，受到各种外部因素的影响，可能会出现各种振动故障，如轴承故障、齿轮故障等。
这些振动故障不仅会影响设备运行的稳定性和安全性，还会导致设备的损坏和维修成本的增加。
对机械设备的振动故障进行及时准确的监测和诊断成为了一个迫切的需求。
传统的振动信号处理方法往往难以从微弱的故障特征中提取有效信息，导致故障诊断的准确性和效率不高。
研究新的信号处理方法和算法来提高机械振动故障信号的特征提取能力，对于提高故障诊断的准确性和效率具有重要意义。
本文将通过基于优化的Morlet小波旋转方法来提取机械振动故障信号的微弱特征，以提高故障诊断的准确性和效率。
通过优化Morlet 小波旋转算法，可以有效地捕获和分析振动信号中的微弱特征，为机械振动故障诊断提供更可靠的数据支持。
1.2 研究意义机械振动故障信号微弱特征提取在工程领域具有重要意义。
随着工业化的发展，各种机械设备在运行中产生的振动信号包含丰富的信息，可用于监测设备的运行状态和发现潜在的故障问题。
振动信号往往受到噪声干扰，微弱的故障特征很难被准确提取。
寻找一种高效且准确的特征提取方法对于保障设备运行稳定性和延长设备寿命至关重要。
基于优化的Morlet小波旋转机械振动故障信号微弱特征提取方法
基于优化的Morlet小波旋转机械振动故障信号微弱特征提取方法【摘要】本文针对旋转机械振动故障信号微弱特征提取的问题，提出基于优化的Morlet小波方法。
首先介绍了Morlet小波在机械振动信号中的应用和与旋转机械振动故障的关系，然后详细阐述了优化Morlet小波用于微弱特征提取的方法。
通过机械振动故障信号微弱特征提取实验验证，分析了实验结果并探讨了优化的Morlet小波在该领域的应用前景。
作者总结了研究工作并展望了未来研究方向。
通过本研究，提出的方法能有效提取旋转机械振动故障信号中微弱特征，对机械故障诊断领域具有积极的推动作用，有望在实际工程领域中得到广泛应用。
【关键词】Morlet小波、旋转机械振动、故障信号、微弱特征提取、优化、实验验证、结果分析、应用前景、总结、展望1. 引言1.1 背景介绍近年来，随着工业制造水平的不断提高和机械设备的不断普及，旋转机械振动故障成为影响机械设备正常运行的重要因素之一。
旋转机械在长时间运转中，由于各种外界因素的影响和自身磨损，可能会产生各种振动故障信号。
这些振动信号可能包含了机械设备内部的各种故障特征信息，因此对于准确、快速地提取出这些故障特征信息显得尤为重要。
1.2 研究意义旋转机械是工业生产中常见的设备，其振动故障信号对于设备运行状况的监测和故障诊断至关重要。
由于机械振动信号通常包含大量的噪音，振动信号中微弱的特征往往不易提取，导致故障预测和诊断的准确性和可靠性受到限制。
本研究旨在探究基于优化的Morlet小波在旋转机械振动故障信号微弱特征提取中的应用，通过对Morlet小波在机械振动信号中的特性和应用进行深入研究，结合优化方法对Morlet小波进行改进，从而实现对机械振动信号中微弱特征的有效提取。
通过实验验证和结果分析，将验证优化的Morlet小波在旋转机械振动故障信号特征提取中的有效性和可行性，为振动故障预测和诊断提供更加可靠的方法和技术支持。
1.3 研究目的研究的目的是通过基于优化的Morlet小波方法来提取旋转机械振动故障信号中的微弱特征，从而实现对故障的早期检测和预防。
基于傅里叶变换的机械设备振动故障信息检测系统设计
基于傅里叶变换的机械设备振动故障信息检测系统设计作者：赵华楠来源：《科技资讯》2020年第08期摘 ;要：振动信息通常可以反应出机械设备产生的故障问题，机械设备的振动信息可以通过傅里叶变换得到设备运行状态的分析，对机械设备的故障检测是一种很好的方法。
为提高振动故障信息检测准确性，提出基于傅里叶变换的机械设备振动故障信息检测系统设计。
通过构建振动故障信息采集检测硬件设备和软件功能实现，阐述了基于傅里叶变换的振动故障信息处理方法。
实验表明，机械设备振动故障信息检测系统可以高准确率地实现机械设备故障检测。
关键词：傅里叶变换 ;机械设备 ;故障 ;振动 ;信息检测中图分类号：TP277 ; 文献标识码：A 文章编号：1672-3791（2020）03（b）-0036-02现如今，各行各业对机械设备的技术要求越来越高，机械设备向着自动化发展，设备更大，效率更高，复杂程度和关联性也不断提升，影响机械设备正常运行的因素越来越多，机械设备出现故障的频率也越来越高[1]。
机械设备的故障严重影响企业的生产效率，对生产出的产品质量没有保障，机械设备故障没有及时发现还会引起严重的安全事故，如环境破坏或人员受伤[2]。
1 ;基于傅里叶变换的机械设备振动故障信息检测系统该文基于傅里叶变换的机械设备振动故障信息检测系统的流程分为三大部分：振动故障信息采集、用傅里叶变换分析振动故障信息、故障判定处理。
机械设备振动故障信息检测系统的流程，如图1所示。
对机械设备运行情况做实地检测，用振动故障信息采集设备对机械设备的振动信息进行收集，对分析结果进行故障分类识别，判定处理方法，停机检修或是继续运行、继续检测[3]。
1.1 振动故障信息采集设备硬件设计该文基于傅里叶变换的机械设备振动故障信息检测系统要了解机械设备的运行状态，必须采集机械设备的振动信息。
机械设备振动的监测有高频信号获取、高精度数据采集、数据可靠传输、能量消耗等问题，通过无线传感器可以解决这些问题。
基于小波理论的滚动轴承振动信号去噪方法初探
摘要滚动轴承是转动设备中应用最为广泛的机械零件，也是最容易产生故障的元件。
滚动轴承出现故障时，在荷载的作用下局部失稳会释放出机械波，这些机械波的表现形式、波形特征等信息间接地表达了滚动轴承的状态。
在实际工程中由振动监测仪采集到的信号含有大量的噪声，从强背景噪声环境中将这些信号提取出来，对滚动轴承的状态检测有很重要的意义。
系统的学习了傅里叶变换、窗口傅里叶变换和小波变换，列举出几种常用的小波基函数并分析出其特点，对小波理论及去噪的基本原理做了分析。
剖析了小波变换的特点、性质和相较于其他分析方法的优点。
作为一种多分辨率的的信号处理办法，小波分析能很好的去除含噪信号中的噪声，从含噪信号中提取到有用的信息。
本文通过使用控制变量法对影响去噪效果的因素进行控制，以Matlab软件作为仿真平台，分别用不同的阈值函数和不同的阈值选取形式对滚动轴承的振动信号进行了去噪仿真，计算去噪前后信号的信噪比，对比分析去噪前后的信号波形，得出针对滚动轴承振动信号的最佳去噪方法。
关键词：滚动轴承；小波变换；去噪AbstractAs the most widely used mechanical part, the rolling bearing is the component which the most prone to failure. The faulty rolling bearing will release mechanical wave when it is partial no stabilization under load function. The form of manifestation and wave characteristics of mechanical wave which are released by structure indirectly express the state of the rolling bearing. The signals collected by the vibration monitor in practical engineering contain a lot of noise. Extracting those signals from the strong noise background has the vital significance to the rolling bearing condition monitor.Fourier transform, Fast wavelet transform to the Wavelet transform are studied systematically in this paper. Several wavelet basis functions are listed and its characteristics are analyzed in this paper. The theories of denoising based on wavelet transform are introduced. The characteristics, nature and advantages of the wavelet transform are analyzed by comparing other methods. As an advanced multi-resolution approach of signal processing, the noise can be removed from signal containing noise and useful information can be extracted from the signal that contains noise by wavelet analysis.The Matlab software is used as the simulation platform in this thesis. Using the different threshold processing approaches and different methods acquiring threshold denoise the rolling bearing vibration signals. The factors affecting the de-noising effect of the rolling bearing s’ vibration signals are controlled by using the method of variable-controlling approach. The best denoising methods are obtained by calculating the signal-to-noise ratio and comparatively analyzing the waveform of the signal containing noise and the denoising signal.Key Words：Wavelet transform, Denoising, Rolling bearing目录摘要 (I)Abstract (II)目录 (III)1 绪论 (1)1.1 论文背景与意义 (1)1.2 论文研究现状 (1)1.3 论文的研究内容与目标 (1)2 小波分析的基本理论 (2)2.1 小波分析概述 (2)2.2 小波变换及其性质 (2)2.3 小波分解与重构的mallat算法 (7)3 基于小波变换的滚动轴承振动信号去噪 (10)3.1 小波阈值去噪 (10)3.2 阈值函数与阈值的选取 (10)3.3 对滚动轴承振动信号进行去噪仿真 (12)3.3.1 硬阈值和软阈值函数的去噪效果比较 (13)3.3.2 不同小波形态对去噪效果的影响 (14)3.2.3 两种阈值选取形式的去噪效果比较 (15)结论 (17)致谢 (18)参考文献 (19)1 绪论1.1 论文背景与意义滚动轴承是大型机械的关键部件，对于整个设备的可靠运行有着不可估量的意义，被誉为“工业的关节”[1]。
基于Morlet小波变换模拟实现的机械振动故障诊断_胡沁春
基于Morlet 小波变换模拟实现的机械振动故障诊断胡沁春１，２（1. 成都工业学院电气与电子工程系，四川成都611730；2. 湖南工业大学电气与信息工程学院，湖南株洲412007）摘要：为了对机械振动故障进行实时诊断，提出了基于开关电流技术的Ｍｏｒｌｅｔ小波变换的模拟实现方法。
利用开关电流电路构造高斯函数发生器，解决了Ｍｏｒｌｅｔ小波变换模拟实现的关键问题，其良好性能得到了仿真结果的证实。
将Ｍｏｒｌｅｔ小波变换应用到机械振动故障诊断中，根据对振动信号小波变换的模极值点来定位奇异信号，提取出故障信息。
仿真结果表明了该方法对机械振动故障实时诊断的有效性。
关键词：Ｍｏｒｌｅｔ小波变换；开关电流；机械振动；故障诊断中图分类号：ＴＮ７１０．２；ＴＨ１６５＋．３ 文献标志码：Ａ 文章编号：１６７３－９８３３（２０１３）０１－００４８－０５Machine Vibration Fault Diagnosis Based on Morlet WaveletTransform Analog ImplementationHu Qinchun 1,2（1. Department of Electrical and Electronic Engineering ，Chengdu Technological University ，Chengdu 611730，China ；2. School of Electrical and Information Engineering ，Hunan University of Technology ，Zhuzhou Hunan 412007，China ）Abstract ：For the real time fault diagnosis of machinery vibration, the Morlet wavelet transform (WT) simulation implementation based on switched current (SI) circuits is proposed. The application of switched current circuits for Gaussian function generator solves the key problem in the analog implementation of Morlet WT, and the good performance of SI Gaussian function generator is verified by simulated results. It applies Morlet wavelet transform in machine vibration fault diagnosis and locates singular signal according to wavelet transform module maximum of the vibration signal to extract fault information. The simulation results show that the method for real time fault diagnosis of the mechanical vibration is effective.Keywords ：Morlet wavelet transform ；switched current ；machine vibration ；fault diagnosis收稿日期：2012－10－07基金项目：国家自然科学基金资助项目（61104024），四川省教育厅科研基金资助项目（12ZB179），湖南省教育厅科研基金资助项目（11C0385），成都工业学院博士科研基金资助项目（KYBS12001）作者简介：胡沁春（1976－），男，湖南溆浦人，湖南工业大学副教授，博士，硕士生导师，主要研究方向为信号处理，电路理论与设计，小波分析，故障诊断和开关电流电路及高速集成电路设计，E-mail ：huqinc@湖南工业大学学报Journal of Hunan University of Technology Vol.27No.1Jan.2013第27卷 第1期2013年1月doi:10.3969/j.issn.1673－9833.2013.01.011０引言对机械设备的运行状态进行监测，能及时发现隐患，便于对故障部件进行维修或更换，从而保证机械设备的正常运行。
改进小波变换技术在配电网谐波分析中的应用
∑ c j,k = h(n − 2k )c j−1,m m∈Z
（1）
∑ d j,k = g(n − 2k )c j−1,m m∈Z
（2）
其中 cj，k 与 dj，k 表示为 j 层中分别所对应的近似部
分与细节部分 ；与表示为其所对应的系数值大小。
通过以上所描述的分解过程即可对原信号进行不同量
纲的分解，最终生成对应的近似部分与细节部分值。
( f0 )−1
p
=
log
2 2
f0
（7）
对 于 网 络 中 常 常 出 现 的 奇 数 波 段 次 的 谐 波， 在 该
仿 真 软 件 中 进 行 原 信 号 的 构 建 为 公 式（8）。 其 中，w
是 基 波 在 归 一 化 处 理 下 后 所 生 成 的 角 频 率， 表 达 式 为
１ 多分辨率分析与 Mallat 算法处理过程
多分辨率分析的处理过程为 ：空间 V0 表示为 0~Pi，通 过分解技术作用后的子空间 V1 和 W1 所对应的频段分别为 0~ Pi /2 和 Pi /2~ Pi，随后不断通过分解技术进行空间分解， 生成 Vj ＋ Wj ＋…＋ W2 ＋ W1。其中正交空间为及其它所 形成的空间。多次分解处理后，生成了多个无关的频率空 间域。
基于傅里叶变换的机械设备振动故障信息检测系统设计
基于傅里叶变换的机械设备振动故障信息检测系统设计1. 引言1.1 背景介绍在现代工业生产中，机械设备的振动故障检测是非常重要的一项工作。
振动故障不仅会影响设备的正常运行，还会导致设备的损坏甚至安全事故的发生。
及时准确地检测和诊断机械设备的振动故障对于保障生产安全和提高设备可靠性至关重要。
传统的机械设备振动故障检测方法主要依靠人工观察和经验判断，存在主观性强、效率低、精度不高等问题。
而基于傅里叶变换的机械设备振动故障检测系统能够通过对振动信号进行频谱分析，提取频谱特征并进行故障诊断，实现自动化、高效率、高精度的故障检测。
通过引入傅里叶变换原理，结合数据采集和信号处理技术，可以更好地实现机械设备振动故障的检测和诊断。
本文旨在探讨基于傅里叶变换的机械设备振动故障信息检测系统的设计与实现，为提高机械设备的可靠性和安全性提供技术支持。
1.2 研究意义机械设备在工业生产中扮演着重要的角色，振动故障是机械设备常见的故障形式之一，对设备的性能和安全性造成严重影响。
研究机械设备振动故障信息检测系统具有重要的意义。
基于傅里叶变换的机械设备振动故障信息检测系统能够有效地对设备的振动信号进行分析和诊断，提高故障检测的效率和准确性。
通过研究机械设备振动故障信息检测系统，可以实现对设备运行状态的实时监测和诊断，及时发现和排除设备的潜在故障，提高设备的可靠性和安全性，减少故障对生产过程的影响。
通过对振动故障信息检测系统的研究，可以积累关于机械设备振动特性和故障模式的经验和知识，为今后的研究和实践提供参考和借鉴。
深入探索基于傅里叶变换的机械设备振动故障信息检测系统的研究具有积极的意义和广阔的应用前景。
2. 正文2.1 基于傅里叶变换的原理傅里叶变换是将时域信号转换为频域信号的重要工具，通过将信号分解为各种频率成分，可以更好地分析信号的特性。
在机械设备振动故障检测中，傅里叶变换被广泛应用于信号处理和特征提取。
傅里叶变换的基本原理是将一个信号分解为不同频率的正弦和余弦波的叠加，从而得到信号在频域上的表示。
211084681_基于小波分析的油田机械传动装置振动信号识别方法
DOI：10.16661/ki.1672-3791.2207-5042-5993基于小波分析的油田机械传动装置振动信号识别方法赵磊(辽河油田物资公司 辽宁盘锦 124010)摘要：为提高油田机械设备运行的稳定性与高效性，分析传动装置的运行特性，该研究设计了一种基于小波分析的油田传动装置振动信号识别方法。
应用小波分析方法采集机械传动装置的振动信号，为振动信号的识别提供数据基础。
然后对采集到的振动信号进行卷积预处理，根据Hilbert变换、小波变换原理，从振动信号的时域特征、频域特征以及时频特征等方面出发，识别传动装置的振动信号。
实验结果显示：经过小波分析后的3组振动信号频率均变得更加简洁，保留的关键频率特征为85.11 Hz，与实际传动频率85.399 Hz非常接近，表明该文方法通过将复杂的信号简化，能够有效地识别装置振动的振动信号特征，便于对油田机械传动装置的运行状态进行判断。
关键词：小波分析 智能化油田 机械传动装置 振动信号识别 传动信号 支持向量机中图分类号：TP751文献标识码：A 文章编号：1672-3791(2023)05-0055-04A Method for Vibration Signal Identification of the Oilfield'sMechanical Gear Based on Wavelet AnalysisZHAO Lei(Liaohe Oilfield Material Company, Panjin, Liaoning Province, 124010 China) Abstract:In order to improve the stability and efficiency of oilfield's mechanical equipment operation and analyze the running characteristics of the gear, a method of vibration signal identification of the oilfield's mechanical gear based on wavelet analysis is designed in this study. It uses the wavelet analysis method to collect the vibration signal of the mechanical gear and provides the data basis for the identification of vibration signals, then performs convo‐lution pre-processing of the collected vibration signal, and according to the principle of Hilbert transform and wavelet transform, identifies the vibration signal of the gear from the time-domain characteristics, frequency-domain characteristics and time-frequency characteristics of vibration signals and other aspects. The experimental results show that the frequencies of the three groups of vibration signals are all more concise after wavelet analysis, the key frequency characteristic retained is 85.11 Hz, which is very close to the actual transmission frequency of85.399 Hz, indicating by simplifying the complex signals, the method in this paper can effectively identify the char‐acteristics of the vibration signal of the device vibration, and is convenient to judge the running state of the oilfield's mechanical gear.Key Words: Wavelet analysis; Intelligent oilfield; Mechanical gear; Vibration signal Identification; Transmission signal; Support vector machine作者简介： 赵磊（1985—），男，本科，工程师，研究方向为机电仪表。
基于小波去噪的FFT农网谐波检测
基于小波去噪的FFT农网谐波检测陈春玲;钱伟【摘要】谐波检测的准确性直接影响对电网谐波污染状况的评估以及抑制措施的实施,采用小波软阈值去噪对含噪的电力谐波信号进行降噪处理,再利用快速傅立叶变换对去噪后的信号进行分析,提取各次谐波含量和总谐波失真率.在Matlab环境下进行仿真检测,结果表明:小波去噪后检测的各次谐波含有率更加接近于原始信号谐波含有率水平,去噪方法提高了谐波信号检测的准确性,这种小波去噪与FFT结合的方法适合在谐波检测系统或装置中应用.【期刊名称】《农机化研究》【年(卷),期】2011(033)009【总页数】4页(P70-73)【关键词】谐波检测;小波去噪;傅立叶变换;总谐波失真率【作者】陈春玲;钱伟【作者单位】沈阳农业大学,沈阳 110161;盘锦光华科工贸公司,辽宁盘锦 124010【正文语种】中文【中图分类】TM712.20 引言随着我国产业结构的调整和农村经济的发展，大量的工矿企业从城市中心迁移到城郊和农村地区，非线性负荷在农村电网大量投入，使注入农村电网的谐波越来越多，农网的谐波污染问题日趋严重[1]。
谐波污染恶化了电能质量指标，降低了电网的供电可靠性，危及电气设备的正常运行，增加了额外的电能损失，缩短了电气设备的寿命。
谐波污染已成为农网的公害。
谐波治理的前提是对谐波进行精确地检测和分析，获取谐波次数及含量的各项数据[2-3]。
快速傅立叶变换法(FFT)是谐波分析中应用最广泛的方法，FFT具有正交、完备、快速等许多优点。
由于农网网络拓扑结构复杂，电力负载多变，所处的运行环境并不理想；不但有雷电、电磁场等自然环境的干扰，还会受到用电设备对电网的冲击。
因此，电力网络总存在不同程度的噪声污染，从而影响测量的准确性。
噪声是引起测量误差的一个主要原因,因此如何有效降低噪声对测量结果的影响就显得特别重要。
而小波变换在信号电能质量检测和去噪方面有独特的优势[4-6]，对小波系数进行阈值处理可以在小波变换域中去除谐波信号中低幅度的噪声，以尽可能地消除噪声的影响。
基于小波预处理的HHT方法在水轮机振动诊断中的应用
基于小波预处理的HHT方法在水轮机振动诊断中的应用薛延刚;罗兴锜;王瀚;高云涛【摘要】提出了基于小波去噪、降采样和HHT变换的方法.该方法先利用小波进行信号去噪,克服噪声对EMD分解的影响.其次,为获得正确的IMF傅分量和Hilbert谱,采用降采样方法对信号进行重采样,继而得到适当的采样率.最后,进行EMD分解提取具有明确物理意义的水轮机振动模式分量信号,再对各分量信号进行Hilben谱分析,从而识别信号的异常频率和发生时间.并将该方法应用于某电站1号机组振动信号分析,结果表明,基于小波预处理的水轮机振动信号Hilbert-Huang变换方法能对机组性能做出良好评价,值得推广应用.【期刊名称】《大电机技术》【年(卷),期】2010(000)004【总页数】5页(P45-49)【关键词】水轮机;振动;希尔伯特-黄变换;经验模态分解;小波预处理;降采样【作者】薛延刚;罗兴锜;王瀚;高云涛【作者单位】西安理工大学,西安,710048;甘肃省水利水电学校,兰州,730021;西安理工大学,西安,710048;西安理工大学,西安,710048;刘家峡水电厂,甘肃,永靖,731600【正文语种】中文【中图分类】TP277;TK730.8引言水轮机振动信号处理的方法主要有基于傅里叶变换的频域法[1]，基于小波变换分析的时频法。
基于傅里叶变换的频域方法的精度受诊断过程中的干扰噪声、信号传播时的时滞效应以及频响函数估计所带来的误差等因素影响。
基于小波变换分析的时频法虽然能对信号进行消噪处理，但其本质是一种线性变换，不能处理非线性问题[2,3]。
1998年，N. E. Huang提出了基于经验模式分解的Hilbert-Huang变换(简称HHT)，这种方法不仅适用于线性过程的分析，而且适用于非线性非平稳信号的分析。
该方法由经验模态分解(Empirical Mode Decomposition，简称EMD)和Hilbert变换两部分组成，其核心是 EMD[4]。
基于快速傅里叶变换(FFT)和小波变换的大型风机机械振动故障的分析
基于快速傅里叶变换（FFT）和小波变换的大型风机机械振动故障的分析马学娟摘要：针对风机设备机械振动及运行状态实时在线检测问题，阐述了几种常见的大型旋转机械设备故障的振动机理、故障特征，通过数据采集并对其进行预处理，运用Matlab工具软件对所获取的数据进行频域分析和小波分析，为后期的故障诊断提供依据。
Key：快速傅里叶变换；小波变换；大型风机；机械振动故障：TH43；TH165+.3 ：A DOI：10.15913/ki.kjycx.2016.11.121：2095-6835（2016）11-0121-02对风机的机械性能指标进行长期的动态监测，并对其机械振动进行研究和对其故障进行诊断分析、维护是当前各个工矿企业正常运作的一个重要环节。
通过对风机设备振动的分析和研究，可以较为准确地了解风机在工作中的运行状态，及早检测发现风机整体或局部问题及其原因，并及时采取相应的处理措施，从而确保生产的安全、高效进行。
1 快速傅里叶变换和小波变换原理1.1 快速傅里叶变换快速傅里叶变换原理：在DFT中，我们令系数WN=e-j2π/N，由此可看出系数WN的一些性质。
为简单起见，我们取N为2的整数次幂，根据系数的对称性，则有：此时，可以将1个N点的变换分解为2个N/2点的变换，并且可以依据这种模式继续分解下去。
这就是Cooley-Turkey的FFT算法的基本原理。
它基本上分为时间抽取（DIT-FFT）算法和频率抽取（DIF-FFT）算法两类。
1.2 小波变换“小波变换”概念最早于1984年由J.Morlet提出，其基本思想是把信号投影在由一簇基函数张成的空间上。
利用小波分析，不仅能将信号在时间和频率上独立分解，还能保证不丢失原有的信号特征，被誉为信号分析中的“显微镜”。
2 风机振动的监测和分析在整个风机系统中，电机和风机轴承是核心部件，也是风机运行故障的主要来源，因此，应被当作监测对象。
据统计，在所有风机故障中，近70%的故障与转轴及其组件系统有直接的关系。
小波变换在振动信号分析中的工程解释与应用
和 s(t)将被分解到不同的子空间，对包含瞬态过程的子空间进行重构，将得到从原信号提取出来
的主要包含 s(t)的瞬态信号，对它进行进一步的时域和频域分析，便可以分析出 s(t)的各特征参
数。如图 2 为一个含有异样频率成分的正弦信号，在第三层分解的结果中，其逼近信号包含了该
正弦信号的成分，而细节信号中则包含了异样频率成分，从而有效地将该异样频率提取出来。
在信号分析中最基本的工具—傅立叶变换仅仅反映信号的频谱信息，短时傅立叶变换是典型
的时频分析方法，而小波变换则是在不同尺度上有不同程度的时频局部化分析，即多分辨率特性。
事实上三者都具有统一的内积运算形式，只是运算的基函数不同，而具有不同特性。
众所周知，傅立叶变换的公式如下所示：
∫ F (ω ) = +∞ f (t)e−iωtdt =< f , e−iωt > −∞
2
带的宽度和中心频率位置，这就是它的频率局部化特性。
∫ Wf
(a,b)
=|
a|−
1 2
+∞ f
−∞
(t)ψ ( t
− a
b
)dt
=<
f
,ψ a,b
>
(5)
ψ
a ,b
(t
)
=|
a|−
1 2
ψ
(
t
− a
b
)
a,b ∈R,a ≠ 0
(6)
三种基函数可以形象地用图 1
表示。三者的基函数实际上都是一
组具有不同频率不同时宽的函数
4、用于机器运行状态监测和故障诊断
①小波包能量谱进行监测。实际振动中一些常见的摩擦，冲击等信号则一般不能以某些正弦
基于傅里叶变换的机械设备振动故障信息检测系统设计
基于傅里叶变换的机械设备振动故障信息检测系统设计
1.数据采集
采用加速度传感器对机械设备进行振动信号采集。
2.数据预处理
将采集到的数据进行预处理，包括去除直流分量、滤波、降噪等。
3.傅里叶变换
对预处理后的数据进行傅里叶变换，将时域信号转换为频域信号。
4.频域特征提取
从频域信号中提取故障特征，包括谐波、失衡、轴承故障等。
5.故障识别
根据不同故障的特征，进行故障识别和分类。
6.故障诊断
对检测到的故障进行初步诊断，确定故障位置和类型。
7.故障预测
结合历史故障数据和机器学习算法，对故障进行预测和预警。
8.结果显示
将检测结果显示在人机界面上，提供实时监测和报警功能。
本系统实现了基于傅里叶变换的机械设备振动故障信息检测，具有高效、可靠、实时的特点。
该系统可以用于工业生产中的机械设备故障预测和智能维修。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于傅里叶变换和小波分析的拖拉机振动研究郝欢欢，王丙龙，聂森，党革荣，陈军（西北农林科技大学机电学院，陕西杨凌712100）摘要：以JohnDeer1240型拖拉机为研究对象，用快速傅里叶变换分析方法，分析了座椅的固有频率。
基于小波分析的方法，对轮式拖拉机整车振动信号进行了处理分析。
对采集到的拖拉机前桥、座椅、车体、后桥等处的振动信号进行了多级小波分解，从1级、2级小波分解的细节信号中，检测出了振动信号的奇异性，从5级小波分解的逼近信号，得到了路面激励信号。
同时，分析了地面激励信号经拖拉机的传递方向和衰减程度。
研究为拖拉机减振研究和异常信号检测提供了借鉴。
关键词：轮式拖拉机；快速傅里叶变换；小波分析；振动中图分类号：S219．0文献标识码：A文章编号：1003－188X（2016）08－0232－050引言拖拉机的振动参数是评价拖拉机性能的重要指标之一。
车辆产生的振动主要来源有发动机激励和路面激励［1］。
长时间的振动会降低整车的工作性能，影响驾驶舒适性［2］。
目前，已经研究出拖拉机整车振动特性测试系统［3］，该系统对于采集到的振动信号，一般都是利用傅里叶变换的方法进行分析处理；但傅里叶分析不包含时间信息，不适用于时变信息的分析。
小波分析则克服了这些缺点［4］，可以应用于振动信号的识别、分析、处理，对设备振动检测和故障诊断具有现实意义［5］。
小波分解与重构可以有效地应用于振动信号的去噪［6］。
对于农用车辆，有应用小波分析方法研究拖拉机前轴和后轴振动对座椅振动的影响［7］，也有用小波分析方法研究座椅振动对人体疲劳程度的影响［8］。
本文用快速傅里叶变换分析方法，讨论了拖拉机不同车速下座椅的振动特性，并基于小波分析的方法对拖拉机整车振动信号进行了处理分析，从而为拖拉机减振研究和异常信号检测提供了参考。
1振动信号的采集和预处理收稿日期：2015－07－20基金项目：公益性行业（农业）科研专项（201203016）；高等学校博士学科点专项科研基金（20130204110020）作者简介：郝欢欢（1987－），男，陕西清涧人，硕士研究生，（E－mail）haohuanhuan1124@163．com。
通讯作者：陈军（1970－），男，宁夏固原人，教授，博士生导师，（E－mail）Chenjun_jdxy@nwsuaf．edu．cn。
1．1振动信号的采集振动信号无线采集系统由SJ－SC－4D四通道动静态数据采集器、无线网络控制器、LC08系列加速度传感器及个人电脑组成。
试验装置振动信号采集原理如图1所示。
图1信号采集原理图Fig．1Principle of the signal acquisition1．2激振装置激振装置（见图2）由热轧等边角钢（100ˑ7）制作，将若干长度l=2．5m的角钢以等间距d=0．8m 反扣并固定在路面上，角钢的突起高度h=7cm。
实验中，拖拉机在不同档位下，以不同发动机转速行驶，测量拖拉机经过激振装置时的振动信号和所需的时间。
图2激振装置Fig．2The excitation device1．3拖拉机参数本试验平台由拖拉机和激振装置组成，拖拉机各项参数如表1所示。
DOI:10.13427/ki.njyi.2016.08.049表1JohnDeer1240拖拉机参数Table1Parameters of JohnDeer wheeled tractor项目单位参数发动机型号LＲ6A3Z－21发动机排量dm36．49发动机气缸数六缸、直列发动机功率kW91．875拖拉机最小质量kg4570前轮胎尺寸英寸14．9 24前轮胎气压MPa180后轮胎尺寸英寸18．4 38后轮胎气压MPa1802振动信号处理2．1快速傅里叶变换本文采用快速傅里叶变换（FFT）进行频谱分析。
由文献［2］可知：4 8Hz是人体敏感的振动频率范围，采用低通滤波分析研究研究拖拉机垂直振动030Hz范围的频谱。
为减小频谱主瓣宽度，提高频率分辨率，抑制信号能量泄漏，本文采用Hanning窗。
座椅在不同速度下的幅频图如图3所示。
图3座椅在不同速度下的频率—振幅值Fig．3Frequency amplitude of the seat at different speeds2．2小波变换小波分析是一种窗口大小（即窗口面积）固定但其形状可改变、时间窗和频率窗都可改变的时频局部化方法。
小波的多分辨率分解可以对振动信号进行逐层分解，将信号分离成低频部分和高频部分，可以对行驶过程中的非平稳信号进行全面分析，找出其不同频段的振动特征，分析逼近信号的特征和细节信号的奇异性［9］。
信号S 被分解成A1和D1两部分：A1是信号的近似，是低频部分，反映了信号的主要特点，常常需要进一步分解；D1反映了信号的细节，是高频部分。
对低频近似部分继续分解，又可以得到低频近似部分A2和高频细节部分D2，而A2又将分解为A3和D3等（见图4），其关系可以表示成S =A3+D3+D2+D1。
可见，多分辨率分析只对低频空间进行进一步的分解，使频率分辨率变得越来越高。
图4小波分析Fig．4Wavelet analysis3结果与讨论3．1频谱分析由图3（a ） （f ）可知：座椅振动的频谱上可以找到2 4个峰值。
在v =0．79m /s 、v =1．00m /s 、v =1．15m /s 、v =1．27m /s 、v =1．32m /s 时，响应频率分别在f 3=3．01Hz 、f 2=2．48Hz 、f 2=2．876Hz 、f 2=3．09Hz 、f 2=3．144Hz 处振动最强烈；当v =1．39m /s 时，在响应频率f 1、f 2处的振动强度相差不多，如表2所示。
表2座椅幅值图响应频率Table 2The response frequency of the seat amplitude chart 速度v /m ·s －1激振频率f e /Hz 响应频率f /Hz f 1f 2f 3f 40．790．98751．052．103．014．071．001．251．2542．483．6454．92续表2速度v /m ·s －1激振频率f e /Hz 响应频率f /Hz f 1f 2f 3f 41．151．43751．3912．8764．274—1．271．58751．5383．0897．80—1．321．651．5383．144——1．391．751．7463．5205．270—对图3及表2分析可知：拖拉机座椅共振峰值主要集中在2．48 3．144Hz 范围内。
3．2小波分析对经过预处理的振动信号进行5级小波分解，得到5级逼近信号，即地面激励信号。
5级小波分解后，采样频率降低了25=32倍，时间间隔变成了0．01ˑ32=0．32s 。
图5（a ） （d ）是拖拉机速度v =1．27m /s 时，拖拉机前桥、座椅、车体、后桥等处振动信号5级小波分解的结果。
横坐标是时间，每个单位时间为0．32s ，纵坐标为振动加速度。
图5拖拉机各处振动信号5级小波分解Fig．5Stage wavelet decomposition of vibration signal of tractor由图5可知：拖拉机前桥处振动信号很微弱，可以忽略不计。
由图5计算出激励信号频率：f =1/T =1/（2ˑ0．32）=1．56Hz 。
若用公式计算，则：f '=v /d =1．27/0．8=1．58Hz 。
可以看出，f ≈f '，这就分离出了激励信号。
激励信号由拖拉机轮胎经过后桥传递到车体，再由车体传递到座椅处，在这一过程中，振动信号强度逐渐减弱。
图6是拖拉机速度v =1．29m /s 时拖拉机后桥处振动信号的1级小波分解和2级小波分解。
图6后桥处振动信号1级分解和2级分解Fig．6Ｒear axle vibration signal at 1leveldecomposition and decomposition level 2图6可知：振动信号经过1级和2级小波分解后，得到了低频的逼近信号和高频的细节信号。
细节信号的第1 7个波峰处都有奇异点，但是逼近信号中每一个波峰均光滑；细节信号中的奇异点对应的时间和位置在图像中可清晰显示。
4结论1）座椅固有频率范围为2．48 3．144Hz ，应该避开人体敏感频率范围，提高座椅舒适性。
2）采用小波分析方法，对拖拉机整车振动信号进行5级分解，在后桥、车体、座椅处都检测出了路面激励信号。
3）路面激励信号从地面到座椅处的传递方向和衰减程度：由拖拉机轮胎经过后桥传递到车体，再由车体传递到座椅处。
在这一过程中，振动信号强度逐渐减弱。
4）在振动信号1级和2级分解后的细节信号中，检测出了信号的奇异点。
参考文献：［1］刘瑞之．装甲车辆道路行驶路面谱、振动谱测试研究［D ］．北京：北京工业大学，2009：6－18．［2］田晓峰，孔德刚，苏锦涛，等．拖拉机驾驶座椅振动舒适性研究现状分析［J ］．农机化研究，2010，32（9）：249－252．［3］李敏通，杨青，陈军．拖拉机整车振动测试系统的设计［J ］．西北农林科技大学学报：自然科学版，2010，38（5）：229－233．［4］M．A．Ｒabbani ，T．Tsujimoto ，M．Mitsuoka ，etal．Predic-tion of the vibration characteristics of half －track tractor con-sidering a three －dimensional dynamic model ［J ］．BiosystemsEngineering，2011，110（2）：178－188．［5］李颖琼．基于小波分形理论的振动信号分析系统研究［D］．杭州：浙江理工大学，2011：8－19．［6］V．N．Nguyen，S．Inaba．Effects of tire inflation pressure and tractor velocity on dynamic wheel load and rear axle vibrations ［J］．Journal of Terramechanics，2011，48（1）：3－16．［7］李敏通，赵继政，杨青，等．基于小波和多元线性回归的拖拉机振动分析［J］．农机化研究，2013，35（3）：40－45．［8］Zhao Yongchao，Kong Degang．Evaluation of tractor drivers＇neck fatigue by surface electromyogram［J］．Transactions ofthe Chinese Society of Agricultural Engineering，2010，26（3）：146－150．［9］宋爱国，刘文波，王爱民．测试信号分析与处理［M］．北京：机械工业出版社，2013：218－219．［10］雷林平．基于Savitzky—Golay算法的曲线平滑去噪［J］．电脑与信息技术，2014，22（5）：30－31．Study on Tractor Vibration Based on Fourier Transform andWavelet AnalysisHao Huanhuan，Wang Binglong，Nie Sen，Dang Gerong，Chen Jun（College of Mechanical and Electronic Engineering，Northwest Agriculture and Forestry University，Yangling712100，China）Abstract：In this paper，the research object is a Fukuda Europe tractor．The vibration characteristics of the seats under different speeds are discussed by using the method of FFT．Then，based on wavelet analysis，the vibration signal of the wheeled tractor is processed and analyzed．The collected vibration signals of the tractor front axle seat，rear axle，vehi-cle，etc．of multi－level wavelet decomposition．The singularity of the vibration signal is detected from the1level and2 level wavelet decomposition．From the5level wavelet decomposition of the approximation signal，the road excitation sig-nal is obtained．The direction and the attenuation of the ground excitation signal are analyzed qualitatively and quantita-tively，which provides a basis for the study of the vibration reduction and the abnormal signal detection．Key words：wheeled tractor；FFT；wavelet analysis；vibration（上接第172页）［15］徐佳．野外鸭舍的设计研究［D］．沈阳：沈阳农业大学工程学院，2014．［16］张振，李香飞，甘淑敏，等．基于LabVIEW的声音信号采集分析系统开发［J］．北方工业大学学报，2012，24（3）：42－45．［17］曹广忠，罗长更．基于LabVIEW的多功能声级计设计［J］．仪器技术与传感器，2007（6）：16－18．［18］刘凤，刘志华，王洪涛，等．基于声卡的数据采集系统研究［J］．计算机与现代化，2010（7）：159－161，165．［19］袁志发．试验设计与分析［M］．北京：高等教育出版社，2000．［20］王颉．试验设计与SPSS应用［M］．北京：化学工业出版社，2007．［21］龚纯，王正林．精通MATLAB最优化计算［M］．北京：电子工业出版社，2014．Design of Voice Training System for Automatic Duck Shed in Paddy Field Kong Aiju，Song Yuqiu，Wu Liyan，Liu Cuihong，Xin Mingjin，Cui Hongguang，Ｒen Wentao （The Engineering College，Shenyang Agricultural University，Shenyang110161，China）Abstract：A vocal duck training and gathering system automatic duck shed in paddy field was designed to summon ducks back the shed before sunset without manual intervene to reduced labor consumption．The system can generate and broad-cast kinds of pure tone which sound pressure level and frequency can be modified．Experimental study on the vocal duck training and gathering system was carried out to ducks of one month age，with sound pressure level and frequency as ex-perimental factors，and the time of ducks returning shed as experimental index．The results showed that the time of duck returning shed was in linear regression relationship with sound parameters．The time of ducks returning shed was19．52s at sound pressure level of85dB and frequency of18577Hz．It indicates that the system can meet the requirements of rice －duck eco－farming．The research results may provide references for the design of automatic duck shed．Key words：rice－duck eco－farming；automatic duck shed；vocal duck training system。