小波包能量谱在内燃机噪声信号故障诊断中的应用

合集下载

基于小波能量谱分析的电机故障诊断

基于小波能量谱分析的电机故障诊断①张敬春,谷爱昱,莫慧芳(广东工业大学自动化学院,广州510090)摘要:电机是一种复杂的旋转机械,故障种类多而且难以辨别,利用傅里叶变换对噪声信号分析很难得出满意的结果。

为了对小功率异步电机的常见故障进行正确快速地声频诊断,采用小波分析技术对小功率异步电机的几种常见故障噪声进行了多分辨率分析,从能量分布的角度出发,快速且较为准确地诊断出电机故障,诊断效果明显好于傅里叶分析。

表明小波分析是对电机故障进行声频诊断的有效方法,同时也提供了一种思路,为电机故障在线实时诊断提供了理论依据。

关键词:电机;小波;噪音;故障诊断;能量谱中图分类号:TM301.4 文献标识码:A 文章编号:100328930(2006)0320055204Fault D i agnosis for Electr ic M otor Ba sed onW avelet-Energy Spectru mZHAN G J ing2chun,GU A i2yu,M O H u i2fang(Co llege of A u tom ati on,Guangdong U n iversity of T echno logy,Guangzhou510090,Ch ina)Abstract:It is difficult to identify vari ous faults of electric mo to rs by using FFT to analyze the no ise signal. T h is paper introduces w avelet theo ry and app lies it to the common fault diagno sis of m icro2pow er inducti on mo to r.Several types of fault no ise are analyzed w ith m ulti2reso luti on analysis.T he results show that the p ropo sed m ethod has a better perfo r m ance in rap idity and validity.It also sheds ligh t on further research. Key words:electric mo to r;w avelet;no ise;fault diagno sis;energy spectrum1　前言小功率异步电动机,特别是单相异步电动机在家用电器中应用十分广泛。

基于小波包-BP神经网络的内燃机熄火诊断

解，分别提取第三层从低频到高频八个频率的信号特征。分解中用（ｉ，＿『）表示第ｉ层的第＿『个节点，其中ｉ＝０，１，２，３；＝０，１ …７，每个节点都代表一定的信号特征。其中节点（０，０）代表原始信号．ｓ，节点
实验师，研究方向：汽车检测与维修。
４
南京工业职业技术学院学报
第ｌ５卷第３期
３结论
通过小波包分析有效地对信号分解并提取故障
参考文献：
［１］王大凯，彭进业．小波分析及其在信号处理中的应用［Ｍ］．北京：电子工业出版社，２００６．［２］柴保明，昊治南，赵志强，董强强，陈景礼．基于小波包与概率神经网络相结合的滚动轴承故障诊断［Ｊ］．煤矿机
第ｌ５卷第３期
２０１５年９月
南京工业职业技术学院学报
ＪｏｕｎａｒｌｏｆＮａｎｊｉｎｇＩｎｓｔｉｔｕｔｅｏｆＩｎｄｕｓｔｒｙＴｅｃｈｎｏｌｏｇｙ
ＶｏｌＩ１５．Ｎｏ．３
Ｓｅｐ．，２０１５
基于小波包一ＢＰ神经网络的内燃机熄火诊断
徐
（南京工业职业技术学院
摘
煌，倪志兵
机械工程学院，江苏南京２１００２３）

基于小波包和LMS自适应降噪的柴油机振动诊断

２１年２００月
噪
声
与
振
动
控
制
第１期
文章编号：０６１５（００ — １４０１０．３５２１）１００ —６１
基于小波包和ＬＭＳ自适应降噪的柴油机振动诊断
蔡艳平，李艾华，王涛，白向峰，姚良
（第二炮兵工程学院，西安７０２）１０５
ＣＡＩＹｈ－ｎ，ＬＩＡｉｈｕ，ＷＡＮＧＴｏ，ＢＡＩＸｉｎｆｎ。ＹｏＬｉｎａｐｉｇ－ａａａｇ－ｅｇａａｇ
（ｈｅｏｄｔｌｒｎｉｅｒｇＣｌｇ， ’ｎ７２，ｈｎ）ＴｅＳｃｎｉｅｙＥｇｎｅｉｏｌｅＸｉａ０５ＣｉａＡｒｌｎｅ１０
摘要：南于柴油机振动信号的特征频带和噪声频带存在重叠现象，利用小波闽值消噪时难以选取合适的小波阈值，针对该问题提一种基于小波包的ＬＭＳ（ｅｓＭｅｉｆｑａｅ）ＬａｔｄａｏＳｕｒｓ自适应滤波降噪方法。该方法将小波包与ＬｎＭＳ自适应滤波相结合，首先利用小波包变换对信号进行多层分解，然后以噪声干扰对应尺度上的第层“ 细节 ” 星及最分大分解尺度卜的逼近分量重构信号，将重构后的信号作为ＬＭＳ自适廊滤波器原始输入信号，以小波包最大分解尺度再上的高频细节信号作为白适应抵消器的参考输入信号，进行ＬＭＳ自适应滤波降噪处理。仿真汁算和工程应用表明，该
．
ｆｒｔｅｖｂａｉｎｓｇａｓｎｖｌｔｐｃｅｒｎｆｒ０ｈｉｒｔｉｎｌｕｉｇｗａｅｅａｋｔｔｓｏｍｏａ

小波包降噪在发动机燃油压力信号处理中的应用

作者简介：杨花朋（９１，，１８一）男河北石家庄人，硕士研究生，主要从事车辆检测和故障诊断研究
杨花朋，：波包降噪在发动机燃油压力信号处理中的应用等小
７１
是函
，）是黾，ｔ（，）（
实际应用中，号ｆ（）信通常是离散的或由采样得到，即时间ｔ一般是以离散的形式出现的．在使用幂级数对尺
第２９卷
第５期
四川兵工学报
ቤተ መጻሕፍቲ ባይዱ
２００８年ｌ０月
【兵器与装备】
小波包降噪在发动机燃油压力
信号处理中的应用
杨花朋，陶凤和，张英堂，姚建国
（械工程学院，军石家庄０００）５０３
摘要：研究信号的小波包变换与小波变换的不同之处，以及在离散小波分解的基础上怎样实现小波包分解．国产传感器所测得的燃油压力信号信噪比低、不平稳，使用小波包降噪效果明显．利用国产传感器进行燃油系统故为
（）２
２＋１
来对尺度和位移进行离散，以：所
ｂ＝醍， ∈ Ｚ
（） √ ∑ （）．２一＝２ｇｗ（ｔ）
式中ｇ）一１（一ｌ，（＝（）１｝即两系数也有正交关系．ｎｈ）当
＝０时，以上两式直接给出：
障诊断提供了一条途径．
关键词：发动机；故障诊断；小波；小波包；降噪
中圈分类号：Ｐ９Ｔ３１文献标识码：Ｂ文章编号－０６７７２０）５００３１０ —００（０８０ —０７一ｏ

05 基于小波包能量谱分析的电机故障诊断要点

应用天地 2008年 2月第 27卷第 2期基于小波包能量谱分析的电机故障诊断唐友怀张海涛罗珊姜喆(工程兵工程学院南京 210007摘要 :小波包是继小波分析后提出的一种新型的多尺度分析方法 [1], 解决了小波分析在高频部分分辨率差的缺点 , 体现了比小波分析更好的处理效果。

文章描述了小波包分析方法的基本原理及其实现算法 , 并从能量分布的角度出发 , 阐述了在电机故障诊断中 , 利用小波包分析方法将模糊故障信号进行量化、分解 , 从而便于用单片机进行处理、判断的一种新的应用途径 , 在实验室中模拟各种电机故障进行了实验验证 , 实验进一步表明基于小波包能量谱分析的电机故障诊断方法是一种方便灵活并且准确度很高的故障诊断方法。

关键词 :小波包 ; 故障诊断 ; 能量谱 ; 电机中图分类号 :TP182文献标识码 :AB ased on w avelet p acked energy motor fau lt diagnosisHaitao L uo Shan Jiang Zhe(College of Engineering Corps , Nanjing 210007Abstract :The wavelet packed is presented as a new kind of multiscale analysis technique followed Wavelet analysis. it re 2solved t he wavelet analysis disadvantage on t he part of high frequency resolution lower , showed better treat ment effect t han wavelet analysis. The f undamental and it s realization arit hmetic of t he wavelet packed analysis met hod are described in t his paper. A new application approach of t he wavelet packed met hod on t he motor fault diagnosis from energy distrib 2uting angle is expatiated. And given t he experimental met hod and t he conclusion. and a new application approach which is convenient for t he microchip to process and judge by using t he wavelet packed analysis met hod to make the f uzzy motor fault diagnosis signals quantized and analyzedis proposed in t his paper. K inds of motor fault s experiment s are simulated in t he lab and t he experiment s prove t hat it is a more convenient and accurate motor fault diagnosis met hod which is based on wavelet packed enemy spectrum analysis.K eyw ords :wavelet packed ;failure diagnosis ;enemy spectrum ;motor作者简介 :唐友怀 (19742 , 讲师 , 主要研究方向为电力工程及其自动化、氢能发电、机电一体化等。

小波和神经网络在柴油机故障诊断中的应用.

小波和神经网络在柴油机故障诊断中的应用吴虎胜,吕建新,王茂生,许阳懿(中国人民武装警察部队工程学院,西安710086摘要:柴油机以其良好的动力性、可靠性、经济性在运输车辆和农用机械中广泛应用,但对其施行及时的不解体故障诊断却并非易事。

为此,以配气机构故障为例,提出将小波包分解与神经网络结合的故障诊断方法。

先对振动信号应用小波阀值法降噪,再进行小波包分解,构造小波包特征向量作为故障样本,并用训练好的BP神经网络进行故障识别,试验结果证明了该方法的有效性。

关键词:柴油机;故障诊断;小波包;神经网络中图分类号:TK428;TP389．1文献标识码:A文章编号:1003－188X(201010－0207－040引言柴油机气缸直接承受着缸内燃气压力及配气机构的冲击,因此缸盖振动信号含有反映柴油机技术状态的有用信息。

基于此,通过测取缸盖接近气门位置处的振动信号进行处理分析,以对气门间隙异常故障进行研究。

振动信号中含有非平稳和时变成分,而小波变换能实现信号的不同频带、不同时刻的合理分离,很适合于振动信号降噪和特征提取。

神经网络可实现故障与征兆之间的复杂非线性映射,因此可将小波分析与神经网络结合起来进行信号降噪、特征提取和状态识别,以提高故障诊断的准确性。

1信号的小波阀值降噪缸盖振动信号是燃气爆发压力、气门落座冲击和气流冲击等多种激励力综合作用的结果,并受机身整体振动等因素的影响。

因此,直接从传感器获取的信号包含了大量非平稳的干扰噪声,对后续分析和处理不利,故依据文献[1]的研究结论选用小波阀值法对信号降噪以提高信噪比。

Donoho提出的小波阀值降噪法具有较好的信号去噪效果[2],因此将其应用于柴油机缸盖振动信号去噪中,具体过程如下:1小波函数的选择。

选取具有正交和近似对称性质的Daubechies小波系列中的db4小波作为降噪用小波。

2小波分解最大尺度J的选择。

为了兼顾信噪收稿日期:2009－12－08作者简介:吴虎胜(1986－,男,湖北荆门人,在读硕士研究生,(E－mailwuhusheng0421@163．com．cn。

基于小波包能量谱分析的电机故障诊断

维普资讯
Байду номын сангаас
ｔ
２Ｄ年己Ｄ８月第２卷第己７期
基于小波包能量谱分析的电机故障诊断
唐友怀张海涛罗
珊姜拮（程兵工程学院南京工２００）１０７
摘
要：小波包是继小波分析后提出的一种新型的多尺度分析方法［，１解决了小波分析在高频部分分辨率差的缺点，现了］体
Ａｂｔａｔｓｒｃ：ＴｈｖｌｔｐｃｅｒｓｎｅｓａｎｗｉｄｏｕｓａｅａａｙｉｔｃｎｑｅｆｌｏｄＷａｅｅｎａｙｉ．ｉｒ— ｅｗａｅｅａｋｄｉｐｅｅｔｄａｅｋｎｆｓｍｈｉｃｌｎｌｓｓｅｈｉｕｌｗｅｖｌｔｏａｌｓｓｔｅｓｌｅｈｖｌｔａａｙｉｉａｖｎａｅｏｈａｔｏｉｈｆｅｕｎｙｒｓｌｔｏｏｒｈｗｅｅｔｒｔｅｔｅｔｅｆｃｏｖｄｔｅｗａｅｅｎｌｓｓｄｓｄａｔｇｎｔｅｐｒｆｈｇｒｑｅｃｅｏｕｉｎｌｗｅ，ｓｏｄｂｔｅｒａｍｎｆｅｔｔａｖｌｔａａｙｉ．Ｔｈｕｄｍｅｔｌｎｔｅｌａｉｎａｉｈｅｉｆｔｅｗａｅｅａｋｄａａｙｉｅｈｄａｅｄｓｒｂｄｈｎｗａｅｅｎｌｓｓｅｆｎａｎａｄｉｓｒａｉｔｒｔｍｔｃｏｈｖｌｔｃｅｎｌｓｓｍｔｏｒｅｃｉｅａｚｏｐｉｈｓｐｐｒｎｔｉａｅ．Ａｅａｐｉａｉｎａｐｏｃｆｔｅｗａｅｅａｋｄｍｅｈｄｏｈｔｒｆｕｔｉｇｏｉｒｍｎｒｙｄｓｒｂｎｗｐｌｔｏｐｒａｈｏｈｖｌｔｃｅｔｏｎｔｅｍｏｏａｌｄａｎｓｓｆｏｅｅｇｉｔｉ — ｃｐ

小波分析在故障诊断中的应用

小波分析在故障诊断中的应用摘要：小波分析技术具有多分辨率及良好的时域特性，为机械故障诊断提供了一条有效途径，本文以齿轮故障诊断为例，简要分析了小波分析技术在故障诊断中的应用。

关键词：小波分析；故障诊断；齿轮箱小波分析由于具有良好的时频局部化性能，已经在信号分析、图像处理、语音合成、故障诊断、地质勘探等领域取得一系列重要应用。

其多分辨率分析不仅应用于数字信号处理和分析、信号检测和噪声抑制，而且各种快速有效的算法也大大促进了小波分析在实际系统中的应用，使得小波及相关技术在通信领域中的应用也得到了广泛的研究，已逐步用于通信系统中的信号波形设计、扩频特征波形设计、多载波传输系统等。

被誉为数学显微镜的小波分析技术，为机械故障诊断中的非平稳信号分析、弱信号提取、信噪分离等提供了一条有效的途径，国内外近年来应用小波分析进行机械故障诊断的研究发展十分迅速，但就目前应用现状来看，还存在一些问题，限制了小波分析优良性质的发挥[1]。

一、小波分析理论小波分析方法具有对低频信号在频域里有较高分辨率，对高频信号在时域里也有较高的分辨率的特点，具有可调窗口的时频局部分析能力，弥补了傅立叶变换和快速傅立叶变换的不足。

目前，一般认为离散小波分析、多分辨率分析、连续小波分析及后来发展的小波包分析等都是小波理论的不同方面，是在小波理论发展的过程中不断繁衍产生的，这些方面都在故障诊断的应用中得到了体现。

㈠多分辨率分析小波分解相当于一个带通滤波器和一个低通滤波器，每次分解总是把原信号分解成两个子信号，分别称为逼近信号和细节信号，每个部分还要经过一次隔点重采样，再下一层的小波分解则是对频率的逼近部分进行类似的分解。

如此分解N次即可得到第N层(尺度N上)的小波分解结果。

在工程应用中，利用多分辨率分析可以对信号进行分解重构，不仅可以达到降噪的的目的，还可以识别在含噪声信号中有用信号的发展趋势。

㈡小波包分析小波包分解是从小波分析延伸出来的一种信号进行更加细致的分析与重构的方法。

小波包能量谱

小波包能量谱
小波分析在信号处理中扮演着重要的角色，它提供了一种时频分析的方法，能够同时描述信号的频率和时间特性。

小波包能量谱是小波分析中的一个重要概念，它能够揭示信号的内在规律和特征。

本文将对小波包能量谱的理论基础、应用场景进行详细阐述。

一、理论基础
小波包能量谱是基于小波变换的一种分析方法，它能够将信号分解到不同的频率和时间尺度上。

小波包能量谱通过计算信号在不同频率和时间尺度上的小波变换系数，得到信号在不同频带上的能量分布情况。

这种分析方法具有很好的时频局部化特性，能够准确地描述信号的动态特征。

二、应用场景
小波包能量谱在信号处理、图像处理、语音识别、医学成像等领域有着广泛的应用。

以下是一些具体的应用场景：
1.信号分类与识别
通过对信号进行小波包能量谱分析，提取信号的特征信息，实现信号的分类与识别。

这种方法在雷达信号处理、声呐信号处理等领域有着广泛的应用。

2.图像处理
小波包能量谱能够提取图像的边缘、纹理等特征信息，用于图像压缩、图像增强、图像恢复等任务。

3.语音识别
通过对语音信号进行小波包能量谱分析，提取语音的特征信息，实现语音的识别和理解。

这种方法在语音助手、语音翻译等领域有着广泛的应用。

4.医学成像
小波包能量谱在医学成像领域也有着广泛的应用，如心电图分析、脑电图分析等。

通过对医学信号进行小波包能量谱分析，能够提取出医学信号的特征信息，用于疾病的诊断和治疗。

小波分形技术在车用柴油机振动诊断中的应用

小波分形技术在车用柴油机振动诊断中的应
用
小波分形技术是一种全新的信号处理技术，该技术不仅可以对信号进行精确的分解和重构，还可以利用分形维数特征实现信号的特征提取和识别。

在车用柴油机振动诊断中，小波分形技术可以应用于发动机振动信号的分析和诊断。

发动机振动信号是指发动机在运行过程中产生的振动信号，这种信号包含了丰富的信息，可以用来检测发动机的运行状态和故障情况。

利用小波分形技术对发动机振动信号进行处理，可以有效地提取信号的特征信息，并根据信号的分形维数特征进行发动机故障的诊断。

此外，小波分形技术还可以通过对不同频段的振动信号进行分析，实现对发动机故障的更加准确的诊断。

总之，小波分形技术在车用柴油机振动诊断中具有广泛的应用前景，可以为发动机故障的快速诊断和维修提供有力的支持。

基于小波能谱熵和HMM的机载雷达故障预警技术

基于小波能谱熵和HMM的机载雷达故障预警技术摘要：预测与健康管理（prognostics and health management,PHM）技术对可靠性工程及综合保障工程的发展起到了强有力的牵引作用。

基于PHM可开展故障预警，将装备的历史故障信息、征兆及专家经验综合应用于使用维护决策。

传统观点认为电子设备的故障表现为突发性，无明显征兆，基于传统的机内测试（built-in test,BIT）架构开展故障的预测难度大，主要采用事后维修方式，表现出任务可靠性差、致命故障风险高的弊端。

机载雷达正面临该难题，尤其是雷达执行重要任务前，迫切需要故障预警技术来识别故障征兆、预测剩余寿命，给出预防性维护建议。

关键词：小波能谱熵；机载雷达近年来，国内外的基础研究发现，电子设备的间歇故障通常是其永久故障的前兆，其特征可以有效对电子设备的健康状态进行表征和评估。

美军统计数据表明，间歇故障占所有故障的50%以上，数字电路中该比例高达90%；混合电路中间歇故障发生频率是永久故障的10～30倍。

军用飞机间歇故障80%以上都是损耗型间歇故障，存在相对明确的机理、规律和损耗过程。

机载雷达随着使用强度和服役时间增加，复杂的动态应力加速了器件的老化，将微观缺陷激发出来，表现为间歇故障。

由于传统BIT基于固定的时间门限和幅值门限的检测与防虚警机制，主要是面向永久故障，而对间歇故障的瞬态信息具有滤除作用，导致难以检测间歇故障。

虽然国内外针对间歇故障的分析与建模方法较多，比如基于随机过程模型、状态空间模型等，但这些方法较难确切地给出故障强度信息，且需要大量的间歇故障先验数据支撑。

多年来，在解决装备的间歇故障检测问题方面无大的进展，尤其是针对机载雷达间歇故障检测的公开文献较少。

信息论中的熵增原理具有普适性，基于信息熵的瞬态异常信号检测技术应用较多，信息熵可用于定量描述间歇故障的强度。

可靠性工程上通常使用正态分布来近似描述元器件性能参数的随机波动。

小波能量商在汽车发动机故障诊断中的应用

小波能量商在汽车发动机故障诊断中的应用
李力;何婷
【期刊名称】《汽车工程》
【年(卷),期】2009(031)002
【摘要】考虑发动机断火之后对振动信号的影响,基于4层小波包分解重构信号能量,构造了小波包能量商无量纲指标.通过该指标提取发动机断火前后信号的能量特征作比商,充分考虑了断火之后振动信号能量的阶跃特性,定量分析断火后信号能量变化的程度.采集东风EQ6100汽油发动机缸体正常、活塞敲缸异响、活塞销异响以及曲轴轴承异响等4种工况的振动信号,并应用小波能量商指标对试验信号进行分析,取得很好的效果.试验结果表明,小波能量商可以对发动机不同故障准确地识别分类.
【总页数】4页(P193-196)
【作者】李力;何婷
【作者单位】三峡大学机械与材料学院,宜昌,443002;三峡大学机械与材料学院,宜昌,443002
【正文语种】中文
【中图分类】U4
【相关文献】
1.小波包能量熵与EMD结合分析法在风机滚动轴承故障诊断中的应用 [J], 吕明珠;苏晓明;陈长征;刘世勋
2.小波分析在汽车发动机机械故障诊断中的应用 [J], 张守伟;胡博春;郭淑清
3.小波包能量谱和RVM在自动机故障诊断中的应用 [J], 房立清;吕岩;张建伟;赵玉龙
4.神经网络及小波分析法在汽车发动机故障诊断中的应用研究 [J], 孟雅琦;古远;庄新颖;魏广远;夏付芝
5.基于能量峰定位的经验小波变换及在轴承微弱故障诊断中的应用 [J], 张西宁;李霖;刘书语;雷建庚
因版权原因，仅展示原文概要，查看原文内容请购买。

用A计权连续小波变换识别内燃机噪声源

用A计权连续小波变换识别内燃机噪声源
杨金才;郝志勇
【期刊名称】《浙江大学学报（工学版）》
【年(卷),期】2006(040)007
【摘要】为了适应内燃机噪声声源识别的需要,当用连续小波变换进行信号分析时,常对小波变换算法作适当的改进.依据连续小波变换的叠加性和尺度转换性质,提出了变换后小波系数的频率修正方法,即在修正小波变换时对信号中不同频率成分小波系数的不同衰减,使变换后小波系数的大小能够准确反映信号中不同频率成分的幅值特性,在此基础上提出了A计权连续小波变换算法,对频率修正后的小波系数进行A计权修正,使之更加适合实际工程中声源识别的需要.利用该方法对某发动机进行了噪声源识别,取得了良好的识别效果.
【总页数】4页(P1174-1177)
【作者】杨金才;郝志勇
【作者单位】浙江大学,机械与能源工程学院,浙江,杭州,310027;浙江大学,机械与能源工程学院,浙江,杭州,310027
【正文语种】中文
【中图分类】TK401
【相关文献】
1.用连续小波变换识别内燃机噪声源 [J], 杨金才;郝志勇;贾维新
2.基于EEMD与广义S变换的内燃机噪声源识别研究 [J], 郑旭;郝志勇;金阳;卢兆
刚
3.利用振动信号的小波变换识别内燃机噪声源的研究 [J], 金岩;郝志勇
4.基于独立分量分析技术的内燃机噪声源识别 [J], 李顶根;邓杰
5.基于小波变换分析ANN实现的含噪图像数字识别研究 [J], 贾厚林
因版权原因，仅展示原文概要，查看原文内容请购买。

小波包在故障诊断中的应用

技术创新中文核心期刊《微计算机信息》（测控自动化）２００６年第２２卷第１０－１期３６０元／年邮局订阅号：８２－９４６《现场总线技术应用２００例》故障诊断小波包在故障诊断中的应用ＡｐｐｌｉｃａｔｉｏｎｏｆＷａｖｅｌｅｔＰａｃｋｅｔｉｎＦａｕｌｔＤｉａｇｎｏｓｉｓ（广东工业大学）王荣杰胡清Ｗａｎｇ，ＲｏｎｇｊｉｅＨｕ，Ｑｉｎｇ摘要：主要研究小波包变换和神经网络相结合的故障诊断技术。

首先利用小波包的多分辨率分析的特点，对故障信号进行多尺度的分解，正交和归一化处理后，根据主成份分析原理提取故障特征向量作为神经网络的训练样本，设计故障类型识别器。

仿真结果证实了该方法的有效性和可行性。

关键字：故障诊断；小波包；主成分分析；ＢＰ网络中图分类号：ＴＰ２０６＋．３文献标识码：ＡＡｂｓｔｒａｃｔ：Ｒｅｓｅａｒｃｈｏｎｔｈｅｆａｕｌｔｄｉａｇｎｏｓｅｂａｓｅｄｏｎｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｗａｖｅｌｅｔｐａｃｋｅｔｔｒａｎｓｆｏｒｍａｔｉｏｎａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋｍａｉｎｌｙ．Ｂｙｕｓｉｎｇｔｈｅｃｈａｒａｃｔｅｒｏｆｗａｖｅｌｅｔｐａｃｋｅｔｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎ，ｆａｕｌｔｓｉｇｎａｌｉｓｄｅｃｏｍｐｏｓｅｄａｔｍｕｌｔｉ－ｓｃａｌｅ，ｏｒｔｈｏｇｏｎａｌａｔｉｏｎａｎｄｎｏｒｍａｌｉｚａｔｉｏｎ，ｅｘ－ｔｒａｃｔｆｅａｔｕｒｅｖｅｃｔｏｒａｃｃｏｒｄｉｎｇｔｏｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓｔｈｅｏｒｙ，ｗｈｉｃｈａｓｔｒａｉｎｉｎｇｉｎｐｕｔｏｆｎｅｕｒａｌｎｅｔｗｏｒｋ，ｄｅｓｉｇｎｃｌａｓｓｉｆｉｅｒｏｆｆａｕｌｔｐａｔｔｅｒｎ．Ｔｈｅｖａｌｉｄｉｔｙａｎｄｆｅａｓｉｂｉｌｉｔｙｏｆｔｈｅｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｉｓｄｅｍｏｎｓｔｒａｔｅｄｂｙａｓｉｍｕｌａｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：Ｆａｕｌｔｄｉａｇｎｏｓｉｓ，Ｗａｖｅｌｅｔｐａｃｋｅｔ，Ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ，Ｂａｃｋｐｒｏｐａｇａｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ文章编号：１００８－０５７０（２００６）１０－１－０２３２－０３１前言随着电力电子技术的发展，电力电子装置越来越复杂，电力电子装置的故障模型也越来越复杂，为了使电力电子装置正常高效地工作，研究有效的故障诊断技术是很必要的。

小波包能量谱和RVM在自动机故障诊断中的应用

小波包能量谱和RVM在自动机故障诊断中的应用房立清;吕岩;张建伟;赵玉龙【摘要】针对传统自动机维修保障模式操作繁琐、维修周期长的问题,提出了一种应用小波包能量谱信息和相关向量机(Relevance vector machine,RVM)相结合的故障诊断方法.对每一组自动机振动信号进行小波包分解,得到不同频率成分的子频带分量,计算子分量占原信号能量的百分比,实现自动机状态信息表征,最后将特征输入RVM中进行分类识别.自动机故障诊断实例表明,该方法能较理想的实现自动机故障诊断,达到较高的诊断准确率.此外,通过对比支持向量机(SVM)的诊断结果,验证了RVM可以在很大程度上提升故障诊断的稀疏性与实时性.【期刊名称】《机械设计与制造》【年(卷),期】2018(000)010【总页数】4页(P74-77)【关键词】自动机;故障诊断;小波包;能量谱;相关向量机【作者】房立清;吕岩;张建伟;赵玉龙【作者单位】军械工程学院火炮工程系,河北石家庄 050003;军械工程学院火炮工程系,河北石家庄 050003;白城兵器试验中心,吉林白城 137001;军械工程学院火炮工程系,河北石家庄 050003【正文语种】中文【中图分类】TH16;TH165+.3;TH171 引言自动机作为火力炮塔的核心部分，具备射速调节和控制火力等功能，在自动武器射击过程中，自动机在高温、高压的火药气体作用下完成开锁和闭锁、开闩及关闩、抽筒和抛筒、击发等动作，在加上实际使用过程中还会受到磨损、应力及大气污染等各方面的作用，使自动机成为高炮武器系统故障率最高的部分之一[1]。

然而目前部队对于自动机的使用和维护大多处于事后维修以及定期检查的阶段，因缺乏相关技术理论的指导，并不能实现实时的检测、诊断，因此将现代故障检测与诊断技术应用于自动机的故障诊断中[2-4]对实现提高自动机的使用安全性、检测便捷性和维护实时性具有重要的实际应用价值。

小波包分析是小波的推广，具有自动缩小、放大和平移等功能，可在不同尺度下观察信号的特征变化，能自适应地选择频带，实现频带的多层次划分，小波包能够同时分解低频部分和高频部分、并兼顾近似和细节部分，有效地提高了时频分辨率，被广泛应用于工程信号处理以及分析之中[5]。

基于小波包频带能量检测技术的故障诊断

基于小波包频带能量检测技术的故障诊断
张兢;路彦和
【期刊名称】《微计算机信息》
【年(卷),期】2006(022)004
【摘要】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.小波包变换能将振动信号按任意时频分辨率分解到不同频段,而各频段信号的能量变化包含着丰富的信息.在机械设备运行正常和非正常两种状况下,小波包分解后各频段信号的能量谱尺度图有明显差异.将小波包能量谱尺度图检测方法用于轴承振动信号的诊断处理,验证了该检测方法有效、可行,为机械故障诊断提供了一条新的途径.
【总页数】3页(P202-204)
【作者】张兢;路彦和
【作者单位】400050,重庆工学院电子信息与自动化学院;400050,重庆工学院电子信息与自动化学院
【正文语种】中文
【中图分类】TN911.23;TH165.3
【相关文献】
1.基于小波包频带能量检测的神经网络故障诊断技术 [J], 王锟;韩华亭;何广军
2.基于小波包频带能量分布的往复机故障诊断方法研究 [J], 李宏坤;鞠培刚;张志新;马孝江
3.基于小波包频带能量检测技术的故障诊断 [J], 张兢;路彦和
4.基于小波包频带能量检测技术的结构损伤诊断 [J], 何振宇;张森文
5.基于小波包频带能量特征提取的低速重载滑动轴承故障诊断研究 [J], 荆双喜;吴新涛;华伟
因版权原因，仅展示原文概要，查看原文内容请购买。

基于声信号小波包分析的故障诊断

基于声信号小波包分析的故障诊断
吕琛;王桂增;邱庆刚
【期刊名称】《自动化学报》
【年(卷),期】2004(030)004
【摘要】为了避免传统的基于振动信号的内燃机主轴承磨损故障诊断中安装传感器以及提取故障特征频率的麻烦,提出了一种基于内燃机工作声信号小波包图像处理的方法.通过该方法,可以得到含有内燃机主轴承间隙磨损状态的时频信息,定义出各个标准故障状态的时-频分布图,建立了基于图像匹配技术的内燃机主轴承磨损故障诊断模型.通过比较待诊断时频分布图与所有故障模式时频分布图的欧氏距离,可以判断出轴承的间隙磨损状态.结果表明此方法简单有效、状态信息利用充分.【总页数】6页(P554-559)
【作者】吕琛;王桂增;邱庆刚
【作者单位】清华大学自动化系,北京,100084;清华大学自动化系,北京,100084;大连理工大学动力工程系,大连,116023
【正文语种】中文
【中图分类】TK418
【相关文献】
1.基于噪声信号小波包分析的动力设备故障智能诊断 [J], 张松涛;吉哲;吕飞
2.基于小波包变换的煤样破裂次声信号频率特征分析 [J], 王云刚;王庆军;魏建平;雷东记
3.基于小波包分解和FK分析的次声信号参数估计 [J], 孟亮;李夕海;张万刚;刘代志
4.一种基于小波包和主成分分析的超声信号特征提取方法 [J], 肖力伟
5.基于小波包分解的2种储粮害虫活动声信号分析 [J], 张严严;郭敏;秦昕
因版权原因，仅展示原文概要，查看原文内容请购买。