一种改进的谐波小波方法在球磨机故障诊断中的应用
小波分析在旋转机械故障诊断中的应用
小波分析在旋转机械故障诊断中的应用小波分析在旋转机械故障诊断中的应用引言：随着工业生产的发展，旋转机械在各个领域中得到了广泛应用，如船舶、飞机、汽车等。
然而，由于长期运转和复杂工况的影响，旋转机械故障常常会导致设备的停机和生产事故。
因此，旋转机械故障诊断成为了提高设备可靠性和效率的重要研究方向之一。
小波分析作为一种时间频率分析方法，已经在旋转机械故障诊断领域发挥了重要作用。
小波分析简介：小波分析是一种同时分析时间和频率特性的信号处理方法。
它可以将复杂的非稳态信号分解为一系列时间和频率不同的小波基函数。
相对于传统的傅里叶变换方法，小波分析能够更好地捕捉信号的瞬时特征和频率变化。
小波分析在旋转机械故障诊断中的应用：1. 故障特征提取：小波分析通过对旋转机械振动信号进行小波分解，可以提取出信号中的瞬时频率、幅值和相位等信息。
这些信息能够帮助分析师识别旋转机械故障的特征频率和故障类型，如轴承故障、齿轮磨损等。
2. 故障诊断：小波包分析是小波分析的一种扩展方法，它可以进一步提高信号分辨率和特征提取的效果。
通过将旋转机械振动信号进行小波包分解，可以获得更多的频率带宽和频率分辨率，进而提高故障诊断的准确性。
3. 故障监测：小波变换提供了一种有效的频率域监测方法。
通过对旋转机械振动信号进行小波分析，可以实时监测旋转机械的运行状态，并及时检测出故障的发生。
这种监测方法可以有效地提醒操作人员进行设备维护和故障排除，从而减少停机时间和生产事故的发生。
小波分析在旋转机械故障诊断中的应用案例：某工厂的离心风机在运行过程中出现了异常噪声和振动，为了找出故障原因并及时进行维修，工程师利用小波分析对风机振动信号进行了处理。
首先，工程师采集了风机振动信号，并将其进行小波分解，得到了频率和幅值变化的小波系数图。
通过观察小波系数图，工程师发现在特定的频率带宽内存在明显的异常频率成分，这可能是由于轴承故障导致的。
接着，工程师运用小波包分析进一步分析异常频率成分。
基于谐波小波包的旋转机械故障诊断新方法
神经 网络的故障诊断新方法。应用谐波小波 包对信号进行分解， 提取倍频能量特征向量 ， 代入 Ｅｍ ｎ ｌａ 神
经 网络 ， 实现故 障分 类 。通过试 验 分析及 与 Ｂ Ｐ网络 的诊 断结 果对 比 ， 明该 方 法在旋 转机 械 的故 障诊 表 断方 面具 有显著 优 势。
关 键词 ： 波 小波 包 ； 谐 能量 ； ｌ ａ Ｅｍ ｎ神 经 网络 ； 转机械 旋 中图分 类号 ：Ｂ ２ ；Ｐ ９ Ｔ １３ Ｔ ３ １ 文献标 识码 ： Ａ 文 章编 号 ：０ ０—８ ２ （ ０ ２ ０ ０ ５ ０ １０ ８ ９ ２ １ ） ５— ０ ５— ５
Ｎｅ Ｍ ｅ ｈｏ ｏ ｕｌ ａ ｎｏ ｉ ｏ ｔ ｔｎｇ Ｍ ａ ｈｉ ｒ ｓ ｄ ｏ ｗ ｔ ｄ ｆＦａ ｔＤｉ ｇ ｓｓｆ ｒ Ｒｏ ａ ｉ ｃ ｎｅ ｙ Ｂａ ｅ ｎ Ｈ ａ ｍ ｏ ｉ ａ ｅｅ ｃ ｅ ｒ ｎ ｃ Ｗ ｖ ｌｔＰａ ｋ ｔ Ｚ ＡＮ ｉｎｇｎ Ｑ Ｎ Ｈｏｇｙ ， Ｈ ＧＪａ—ａｇ， Ｉ ｎ —ｉ ＷＡＮ ｏｇｙ ｎ’， Ｈ Ｎ Ｓｕｎ Ｚ ＡＮ ｎｚｉ Ｇ Ｄ ｎ—ｕ Ｃ Ｅ ｈ ａｇ， Ｈ Ｇ Ｗｅ － ｈ
５ Ｎ ｔ ｎ ｌＥ ｇｎ ｅ ｎ ｓ ａ ｃ ｅ ｔ ｒｆｒＥｑ ｉｍｅ ｔ ｎ ｅ ｈ ｏ ｏ ｆＣ ｌ ｌ ｎ ｔ ｐ Ｙａ ｓ ａ ｉｅｓｔ ， ． ａ ｉ ａ ｎ ｉｅ ｒ ｇ Ｒｅ ｅ ｒｈ Ｃ ｎ ｅ ｕ ｐ ｎ ｄ Ｔ ｃ ｎ ｌ ｇ ｏ ｏ ｄ Ｒｏｌ ｇ Ｓ ｒ ， ｎ ｈ ｎ Ｕｎ ｖ ｒｉ ｏ ｉ ｏ ａ ｙ ｉ ｉ ｙ
０６０ ； ． ６０ ３ ２ 徐工研究 院， 江苏 徐 州
４ 河 北科 技师范学院数学与信息科技 学院 ， ． 河北 秦皇岛 ０ ６ ０ ； ６０ ４
５ 燕 山大学 国家冷轧板带装备及工艺工程技术研究 中心 ， ． 河北 秦 皇岛
机械振动信号的小波变换与故障诊断
机械振动信号的小波变换与故障诊断一、引言机械设备在运行过程中会产生不同频率的振动信号，这些信号包含了设备内部的各种故障信息。
因此，通过分析和诊断机械振动信号，我们可以及早发现设备故障并采取相应的修复措施，以避免设备事故和生产中断。
本文将介绍一种常用的信号分析方法——小波变换，并探讨其在机械故障诊断中的应用。
二、小波变换的基本原理小波变换是一种时间-频率分析方法，通过将信号分解为不同频率的子信号，可以获得信号的时间和频率信息。
与傅里叶变换相比，小波变换具有局部性好、时域与频域分辨率均衡等优点，在非平稳信号分析中有着广泛的应用。
在机械振动信号的分析中，我们首先需要采集振动信号，并对其进行预处理，例如去噪和降采样等。
然后，将预处理后的信号进行小波分解，通常采用多层小波变换可得到不同尺度的小波系数。
每一个小波系数都表示了特定频率范围内的信号能量。
三、小波分析在机械故障诊断中的应用1. 特征提取小波变换可以提取不同频率范围内的信号特征，例如包络、峰值、谱线等。
这些特征可以帮助我们判断设备是否存在故障，并对不同类型的故障进行分类。
例如，对于轴承故障，振动信号的包络分析可以帮助我们检测到异常的冲击频率，并与正常工作状态进行对比，从而确定是否需要更换轴承。
2. 故障诊断通过对机械振动信号进行小波分析，我们可以得到各个频率范围内的能量分布情况。
当设备发生故障时，这些能量分布会发生明显的变化。
通过比较正常状态下和故障状态下的能量分布差异，我们可以判断设备的故障类型。
例如，对于齿轮故障，可以通过观察特定频率范围内的能量增加来判断是否存在齿轮磨损或断裂。
3. 故障诊断的限制尽管小波分析在机械故障诊断中具有许多优点，但也存在一些限制。
首先，小波变换的计算复杂度较高，需要较大的计算资源和时间。
其次，小波变换对信号的分辨率有限，对于高频部分的信号容易丢失细节信息。
因此，在使用小波变换进行故障诊断时，需要合理选择小波基函数和尺度，以及合适的小波变换层数，以获得更准确的结果。
基于改进小波阈值降噪的滚动轴承故障诊断方法
第35卷第2期2022年4月振动工程学报Journal of Vibration EngineeringVol.35No.2Apr.2022基于改进小波阈值降噪的滚动轴承故障诊断方法曹玲玲1，2，李晶1，2，彭镇1，张银飞1，韩文冬1，符寒光1，2（1.西安工程大学机电工程学院，陕西西安710048；2.西安市现代智能纺织装备重点实验室，陕西西安710048）摘要:针对滚动轴承早期故障信号存在大量噪声使得提取故障特征困难的问题，提出了一种基于新改进小波阈值的降噪方法。
该方法是通过采用互补集合经验模态分解（CEEMD）方法将原始故障信号进行分解，得出各阶本征模态函数（IMF）分量；选取关键的IMF分量进行重构信号，将重构信号经过新改进小波阈值算法和快速谱峭度进行滤波降噪；进行Hilbert包络解调，得出滚动轴承的故障特征频率。
分别用仿真噪声信号和滚动轴承的实验信号对该方法进行验证，并将新改进小波阈值算法与传统的小波硬阈值和小波软阈值算法进行比较分析，结果表明该方法可以有效提高故障信号的信噪比，降噪效果明显，能有效获得滚动轴承的故障特征频率。
关键词:故障诊断；滚动轴承；CEEMD；改进小波阈值降噪；快速谱峭度中图分类号:TH165+.3；TH133.33文献标志码:A文章编号:1004-4523（2022）02-0454-10DOI：10.16385/ki.issn.1004-4523.2022.02.021引言滚动轴承是现代工业机械的重要部件，其健康程度影响机械设备的工作状态及质量。
在滚动轴承运行过程中，多种因素会造成其损伤或失效，导致故障的发生，一旦发生故障会造成严重的安全隐患。
而在滚动轴承发生故障的早期，信号的采集存在大量的噪声干扰，使得故障特征提取困难，不能尽早地发现故障，因此滚动轴承早期故障信号的降噪问题是故障诊断的关键。
目前，对轴承信号的降噪方法研究很多。
HUANG等［1］提出了经验模态分解（EMD）算法的降噪方法，即将振动故障信号分解成各阶的IMF分量，再从中提取振动信号中的故障特征，但在含有大量噪声的背景下，使用EMD算法提取的效果会受到严重影响，即存在模态混叠和末端效应等问题，导致提取的故障特征不明显、误差大或失真等问题。
小波变换在轴承故障诊断中的应用
等 ，信 号在任意时刻附近的频率特征都很重要 。滚动 轴承是各种旋转机械 中应用最广泛 的一种通 用机械部 件 ，其运行状态是否正常直接影响整个设备性能 的好
坏 。对这类信号 的处理 ，仅从频域和时域上来分析是 不够 的 ，必须要有一种新 的方法能够将 时域 和频域 结
（ ． ｈ ｔ ｅＫ ｙＬ ｂ ｒｔ ｙｏ ｃａ ｉ ｌ ｒｎｍｉ ｉｎ ｈ ｎｑｎ ｎｖｒ ｔ，Ｃ ｏ ｇ ｉｇ４ ０ ４ １Ｔ ｅＳ ｔ ｅ ａ ｏａｏ ｆ ａ ｒ Ｍｅｈ ｎｃ ａｓ ｓ ｏ ，Ｃ ｏ ｇ ｉ Ｕ ｉ ｓ ｙ ｈ ｎ ｑｎ ０ ０ ４，Ｃ ｉａ ａＴ ｓ ｇ ｅｉ ｈｎ ；
频率 （ 尺度） 分析方 法 ，它继 承 了 Ｆ ｕ 对 含 ｉ 变 ｅ ａｅ ｔ ｅ
维普资讯
《 机床 与 液 压 》 ２０ ． ｏ９ ０ ６ Ｎ ．
・２ ・ ２５
小波 变 换 在轴 承 故 障诊 断 中 的 应 用
王春 ，彭 东林 ，朱革
（ ．重 庆 大学机械 传 动 国 家重点 实验 室 ，重 庆 ４ ０ ４ １ ０ ０ ４；２ 庆 工学 院 电子 工程 系，重庆 ４ ０ ５ ） ．重 ０００
Ｏ 引 言
号 比较 丰富的场合 ，比如 ，往复机械 、磨 合期的轴承
目前故 障诊断 技术 大多 基 于 Ｆ ｕ ｅ 变换 ，因而 ｏｒｒ ｉ 必然面临傅里叶分析的一对基本矛盾 ：时域和频 域局 部化的矛盾 ，并且 Ｆｕ ｅ 分析 是 以信 号 是平稳 信 号 ｏｒ ｒ ｉ 假设为前提的 ，而绝大多数机械系统的故障信号往往 包含在瞬 态信 号 和时 变信 号 中 ，Ｆｕ ｅ 变 换 的构 造 ｏｒ ｒ ｉ 块是无始无终 的正弦波 和余弦波 ，仅能提供信号 的频 率信息 （ 组成信号 的正 弦波 ） ，而并没有 给 出某 正弦
小波分析在轴承故障诊断中的应用
小波分析在轴承故障诊断中的应用轴承是旋转机械中重要的组件之一，其正常运转不仅能保证设备的稳定运行，还能延长其使用寿命。
然而，长期的振动载荷和摩擦磨损等因素会导致轴承故障，进而影响到设备的正常运行。
因此，轴承故障的及时检测与诊断对于设备的健康运行至关重要。
传统的轴承故障诊断方法主要是基于振动信号分析，但该方法存在故障判断不准确、对轴承内部结构无法感知等问题。
与此同时，近年来，小波分析技术在信号处理领域中被广泛应用，具有多分辨率、非线性和局部性等优点，可以有效地用于轴承故障诊断。
一、小波分析技术介绍小波分析（Wavelet Analysis）是一种数学工具，可对信号进行多分辨率分析和频率变换。
相比于傅里叶变换等传统频谱分析方法，小波变换可以提供频率特性和时间特性的同时信息，更适用于对非平稳和非线性信号的处理。
在小波分析中，最常用的小波基为 Morlet 小波，其实为高斯函数和正弦余弦函数的乘积，具有较好的时频局部分辨率。
二、1. 小波包能量谱分析法（WPES）小波包能量谱分析法（WPES）采用小波包变换对轴承振动信号进行特征提取和信号分类。
其基本思路为利用小波包变换的逐层分解和重构特性，详细分析不同尺度的频率信号，得到轴承信号内部结构的多频率特征信息，并通过指定的能量门限对不同频率特征进行分类。
此方法可以准确地识别出轴承故障信号，并对不同故障类型进行区分。
2. 模态分解小波包能量谱分析法（MWPES）模态分解小波包能量谱分析法（MWPES）结合小波包变换和模态分解方法，可以有效地对轴承振动信号进行故障诊断。
其中，模态分解可将信号分解为不同的振动模态信号，并采用小波包变换对不同振动模态信号进行小波分析，在分析过程中，对每种振动模态信号进行特征提取，并计算它们的能量谱，最终通过能量拟合曲线来确定轴承是否发生故障。
3. 瞬态特征小波包谱分析法（TWPES）瞬态特征小波包谱分析法（TWPES）通过选择特定小波基进行瞬态信号分析，有效区分了高斯白噪声和轴承局部损伤所产生的转子挥动信号。
小波分析及在轴承故障诊断中的应用【文献综述】
毕业设计文献综述电气工程与自动化小波分析及在轴承故障诊断中的应用一、材料的来源目前，小波分析在故障诊断中的应用已取得了极大的成功。
小波变换在故障诊断领域中的应用越来越也引起广泛注意，许多学者投入到这方面的研究。
由于小波分析非常适合于分析非平稳信号，因此小波分析可作为故障诊断中信号处理的较理想工具，由它可以构造故障诊断所需的特征或直接提取对诊断有用的信息。
小波分析不仅可以在低信噪比的信号中检测到故障信号，而且可以滤去噪声恢复原信号，具有很高的应用价值。
小波变换适用于机械故障分析，尤其适用于滚动轴承和齿轮故障分析。
用小波算法对故障振动信号进行分解和重构，将很好的找到故障频率信号的位置。
二、课题的研究历史与现状及简要评述（1）研究历史小波分析（Wavelet Analysis)或多分辨分析（Multiresolution Analysis)是傅里叶分析发展史上里程碑式的进展，近年来在法、美、英等国家称为众多学科共同关注的热点。
它被堪称是调和分析这一数学领域半个世纪以来工作的结晶。
而小波变换的概念是1984年法国地球物理学家J.Morlet在分析出理地球物理勘探资料时提出来的。
小波变换的数学基础是19世纪的傅里叶变换，其后理论物理学家A.Grossman采用平移和伸缩不变性建立了小波变换的理论体系。
1985年，法国数学家Y.Meyer第一个构造出具有一定摔减性的光滑小波。
1988年，比利时数学家L.Daubechies证明了紧支撑正交标准小波基的存在性，使得离散小波分析成为可能。
1989年S.Mallat提出了多分辨率分析概念，同意了在此之前的各种构造小波的方法，特别是提出了二进小波变换的快速算法，使得小波变换完全走向实用性。
（2）研究现状小波分析是建立在泛函分析，Fourier分析、样条分析及调和分析基础上的新的分析处理工具。
它又被称为多分辨分析，在时域和频域同时具有良好的局部化特性，常被誉为信号分析的“数学显微镜”。
基于谐波小波分析的故障诊断方法研究
３ 谐 波小 波的时频剖面 图 ，
谐波小波分解 对信号 中存在 的奇异点极 敏感 ， 可 以用来检测信号中存在的微小奇异点。下面对一仿 真 信号进行分析 。 设有正弦信号 （） １ｓ （ ｒ× ２） ｆ ： ０ｉ ２ｒ １ｔ 以采样频率 ｎ ２６ ｚ ５ Ｈ 进行采样 ， 得到 ５２点离散信号 。每隔 ６ １ Ｏ 点设 置一 处 突变点 ：
等式左边为信号 的平均能量 ， 右边 为不 同时 间和频 率 下谐波小波能量对整个信号能量贡献 的大小。谐波小 波时频图的起伏对应不 同谐波小波 能量 的相对 大小 。 通过谐波小波时频图， 以知道在什么时 间、 可 什么频率 成分 对 信号 组成 有 重要影 响 。
了基于 Ｆ 的简单快速 的实现算法。以一个 １ 兀 ６序列 实信号为例 ， 其谐波小波变换算法如图 ２ 所示 。
图 １ 谐 波小波函数 的频域 形
（ （ （ ）＝ ）＋ ）＝
兰
（ ４）
用 ２ 代替式（ ） ｉ ｘ一 ４ 中的 （ 其中 均 为整数） ， ，
小波 的形状 没 有 改 变 ， 它 在 水 平 方 考虑如下实函数 （ 和 （ ， ） ） 其中， 脚标 ｅ 和
中存在的奇异成分非常敏感 ， 而对信号奇异成分 的提取 、 分析正是故障诊断的重要依据 ， 因此对谐波小 波的研 究具有 重要 的工 程意 义 。 通常， 信号的谐波 小波分解结 果采用时频 网格图 或时频等高线图表达 ， 它能有效提取 信号中的奇异成 分 。但当信号 中存在噪声时 ， 谐波 小波分解 的时频等 高线图就无法凸显其奇异成分 。本文采用谐波小波时 频剖面图， 将时频等高线图表达的三维数据按小波分 解 层次 分解 为一 组 二 维 数 据 。这 样 ， 仅 可 以分 析 每 不 层对应频段 内能量大小分布 ， 而且还 可 以利用二维信 号分析方法 对该层信号 进行深层 次分 析。采用该 方 法， 对仿真信 号和齿轮故 障信号进行分析 ， 成功提取 出 信号中的奇异成分。诊断实例证 明， 该方法可有效用 于设备故障诊断。
小波算法在旋转机械故障诊断系统中的应用
ＨＵ Ｊ ｉ ｎ ｇ ，Ｆ ＡＮ Ｚ ｈ ｅ ｎ ｇ
摘要 ： 目前旋 转机械 在 社会 各个 方 面均有 着广 泛的应 用 ， 同时旋转机 械 的故 障也十 分普遍 。一 旦 发 生故 障就会 造成 巨大的经 济损 失 。该 文基 于 小波 算 法对 旋转 机 械 故 障特 征进 行 提 取 ， 在 时域 和频域 中对提 取 数据进 行 分析 处理 ， 在 上位 中对故 障诊 断 结果进 行 显 示。 以 Ｖ ｉ ｓ ｕ ａ ｌ Ｓ ｔ ｕ ｄ ｉ ｏ ２ ０ １ ０为
０ 引 言
旋转机械被广泛应用于社会生产各个领域 ， 是
工业 生产 领域 应用 最 广 泛 的设 备 之 一 ， 一 旦 发 生 故
ａ ｓ ａ ｐ ｌ ａ ｔ ｆ ｏ ｒ ｍ．Ｔｈ ｅ ａ ｐ ｐｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｉ ｎ ｐ ｒ ａ ｃ ｔ ｉ ｃ ｅ ｐ ｒ ｏ ｖ ｅ ｓ ｔ ｈ ｅ ｈ ｉ ｇ ｈ ｐ ｒ ｅ ｃ ｉ ｓ ｉ ｏ ｎ ａ ｎ ｄ ｓ ｐ ｅ ｅ ｄ ｏ ｆ ｔ ｈ ｉ ｓ ｓ ｙ ｓ ｔ ｅ ｍ． Ｋｅ ｙ ｗｏｒ ｄｓ ： ｍｏ ｔ ｏ ｒ ；ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ｆ ａ ｕ ｌ ｔ ；ｗａ ｖ ｅ ｌ ｅ ｔ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈｍ ；ｔ ｉ ｍｅ ａ ｎ ｄ ｒｅ ｆ ｑ ｕ ｅ ｎ ｃ ｙ ｄ ｏ ｍａ ｉ ｎ
ａ ｇ ｎ ｏ ｓ ｉ ｓ ｓ ｙ ｓ ｔ ｅ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ Ｃ ＃ｌ ａ ｎ ｇ ｕ ａ ｇ ｅ ａ ｎ ｄ ｗａ ｖ ｅ ｌ ｅ ｔ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ．ｗｈ ｉ ｃ ｈ ｈ ａ ｖ ｉ ｎ ｇ Ｖｉ ｓ ｕ ａ ｌ Ｓ ｔ ｕ ｄ ｉ ｏ ２ ０ １ ０ ｅ ｍｐ ｌ ｏ ｙ ｅ ｄ
小波算法在机器故障诊断中的应用
小波算法在机器故障诊断中的应用随着工业化和自动化的不断推进，机器的故障率逐渐上升，对机器的性能和可靠性要求也越来越高。
传统的机器故障诊断方法需要大量的人力和时间，而且诊断结果也往往存在误差。
近年来，小波算法在机器故障诊断中的应用逐渐成为热门研究领域。
一、小波算法的基本原理小波变换是一种数学变换方法，可以将时域信号转换为频域信号。
小波分析法是通过小波变换对不同频率和幅度的信号进行分析，实现故障诊断。
小波分析法可以将原始信号分解为一系列小波子带，每个小波子带代表着不同实验因素的信号成分。
通过分析每个小波子带的特征，可以确定机器故障的类型和原因。
二、小波算法在机器故障诊断中有广泛的应用，例如电气设备故障、机械设备故障、航空设备故障等。
其中，机械设备故障是小波算法应用最广泛的领域之一。
1. 机械设备故障诊断机械设备故障分为振动故障、噪声故障和温度故障三类。
小波算法可以通过分析机器振动信号、噪声信号和温度信号，找到故障的原因和位置。
例如，在分析机器振动信号时，小波分析法可以将信号分解为多个小波子带，然后通过分析每个子带的幅值和频率特征，确定机器故障的类型和位置。
2. 电气设备故障诊断电气设备故障分为电压故障、电流故障和功率故障三类。
小波算法可以通过分析电气信号的频率和幅度，找到故障的原因和位置。
例如，在分析电流信号时，小波分析法可以将信号分解为多个小波子带，然后通过分析每个子带的频率和幅值特征，确定电气故障的类型和位置。
3. 航空设备故障诊断航空设备故障分为机械故障、电气故障和液压故障三类。
小波算法可以通过分析机器振动信号、电气信号和液压信号，找到故障的原因和位置。
例如，在分析机器振动信号时，小波分析法可以将信号分解为多个小波子带，然后通过分析每个子带的振动幅值和频率特征，确定机械故障的类型和位置。
三、小波算法在机器故障诊断中的优势小波算法在机器故障诊断中具有以下优势：1. 高效性：小波算法可以通过数学变换快速地分析信号的特征，减少了人力和时间成本。
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。
改进的小波变换在罗拉故障诊断中的应用
０ 引言
在现代化生产 中， 细纱 机设备 的故 障诊 断技术越 来越受到重视 ， 如果某 台细 纱机出现故 障而未能及 时 发现并排除 ， 不仅会导致设备本身损坏 ， 还可能造成机 毁人亡 的严重后果 。传统细纱机故障的检测是通过人
朱 明 妗 互 盎 在 郑弱 霞
（ 东华大 学信 息 学院， 海 上 ２０ ５ ） ０ ０ １
摘
要 ：针对 纺织细纱 机 中罗拉 故障 的诊断 问题 ， 采用 了一种改进 的小 波分 解与 重构 算 法对 故 障进 行特 征提 取 ， 通 过反 复 的实验 并
选 取出 了比较 合适 的双正交小 波基 以准 确地提 取特征信 息 ； 分析 了传 统小 波变换 在 罗拉 故 障中产 生 混频 的原 因 ， 出了一 种改 进 的 给 小波算 法 。该算 法将 小波 变换与 ＦＴ相结合 以消除混 频现象 。仿真研究 表 明 ， Ｆ ｒ 双正交小 波基对 于提取 罗拉故 障 的特 征频率 有较 好 的
的感 觉 和 经验 来 判 断 的 ， 就 存 在 很 大 的 局 限性 。罗 这
主罗拉转 动， 主罗 拉再 通过摩擦 力传 动 副罗拉转 动 。
由此可以得到两种 比较常见 的罗拉故 障： 一是 由于罗 拉轴弯曲所导致的主罗拉弯 曲 ， 一个是 由于主罗拉 另
压力所造成的副罗拉椭 圆。罗拉传动如图 １ 所示。
ａｇ ｒｔ ｍ ｓｕ ｅ ｏ ｅ ｔ ｃ ｈ ｅ ｔ ｒ ｓｏ ｕ ｔ． Ｉ ｒ ｅ ｏ ｅ ｔ ｃ ｒ ｒ ｃ ｓ ｅ ｔ ｒ ｎ ｏ ｍａ ｉ ｎ。ｔ ｒ ｕ ｈ ｒ ｐｅ ｔ ｇ ｅ ｐ ｒｍｅ ｔ ，ｍｏ ｅ ｓ ｉ ｌｏｉ ｈ ｉ ｓ ｄ ｔ ｘ ｒ ｔ ｅ ｆ ａｕ ｅ ｆ ａ ｌ ａ ｔ ｆ ｓ ｎ ｏ ｄ ｒｔ ｘ ｒ ｔ ａ ｍｏ ｅ ｐ ｅ ｉｅ ｆ ａ ｕ ｅ ｉ ｆ ｒ ｔ ｏ ｈ ｏ ｇ ｅ ａ ｉ ｘ ｅｉ ｎ ｓ ｎ ｒ ｕｔ －
基于谐波小波滤波的旋转机械故障诊断新方法
基于谐波小波滤波的旋转机械故障诊断新方法
王誉蓉;张波;朱学军;张文斌
【期刊名称】《噪声与振动控制》
【年(卷),期】2009(029)005
【摘要】针对旋转机械非平稳信号的特点,提出采用谐波小波滤波对现场采集的振动信号进行故障诊断的新方法.该方法基于谐波小波良好的盒形频谱特性,将特定频率段的成分与信号的其它频率成分既不交叠又不遗漏地分解到相互独立的频带上.冉进行重构就可将特定频率成分提取出来.仿真计算及实例验证表明,谐波小波滤波方法具有良好的滤波效果,能将有用频率成分提取出来,为初步故障诊断提供依据.该方法具有算法简单,运算速度快的特点.
【总页数】4页(P62-65)
【作者】王誉蓉;张波;朱学军;张文斌
【作者单位】宁夏大学机械工程学院,银川,750021;宁夏大学机械工程学院,银川,750021;宁夏大学机械工程学院,银川,750021;浙江大学机械与能源工程学院,杭州,310027
【正文语种】中文
【中图分类】TH165+.3
【相关文献】
1.基于谐波小波包的旋转机械故障诊断新方法 [J], 张建刚;秦红义;王冬云;陈爽;张文志
2.基于改进矩阵束滤波与检测的异步电动机故障诊断新方法 [J], 王臻;李承;张舜钦;王蕾;陈旭;李惠章
3.基于粗糙集的旋转机械故障诊断方法研究——使用明析矩阵的属性值约简新方法[J], 徐小力;温后珍
4.一种应用于不同转速下智能故障诊断的基于时频特征提取和softmax回归的稀疏滤波新方法 [J], 张忠伟;陈怀海;李舜酩;王金瑞
5.一种应用于不同转速下智能故障诊断的基于时频特征提取和softmax回归的稀疏滤波新方法 [J], 张忠伟; 陈怀海; 李舜酩; 王金瑞
因版权原因，仅展示原文概要，查看原文内容请购买。
过完备有理小波变换在轴承故障诊断中的应用
过完备有理小波变换在轴承故障诊断中的应用毛永芳1, 秦 毅2, 汤宝平2(1重庆大学自动化学院 重庆,400030) (2重庆大学机械传动国家重点实验室 重庆,400030)摘要 利用过完备有理离散小波变换的滤波器特性和近似平移不变性,提出了一种按一定规则对3路高频小波分量进行拼接,以获得具有更高时间分辨率小波分量信号的方法。
仿真结果表明,该方法消除了小波分解中下采样对信号分析的影响,较好地克服了频率混叠现象。
在此基础上,提出了一种基于过完备有理离散小波变换的故障诊断方法,并将其应用于滚动轴承早期故障诊断。
与二进离散小波变换的比较试验结果表明,有理离散小波变换能更有效地提取出滚动轴承的早期故障特征。
关键词 过完备有理离散小波变换 滤波器 滚动轴承 故障诊断中图分类号 T H113.2+1引 言滚动轴承故障早期,故障信号非常微弱,在现场采集振动信号时,往往由于受到干扰而混有宽频带的随机噪声,而且振动信号中含有能量较大的与转速有关的背景信号。
因此,能反映故障特征的微弱信号通常被其他能量相对较大的频率成分和噪声所淹没。
当滚动轴承发生故障时,往往引发高频冲击振动[1]。
因此,高频信号的准确分解对于滚动轴承故障诊断,尤其是早期微弱滚动轴承故障特征提取是非常重要的。
小波变换由于其具有良好的时频分辨特性,被广泛地应用于机械振动信号的特征提取中[2-5]。
目前最常用的小波分析方法是二进离散小波变换,其变换结果是平移可变的[6]。
平移不变性的缺失会使输入信号的细微平移引起离散小波变换结果能量分布的巨大改变,从而影响信号分析的精度。
此外,二进离散小波变换的分析频带是二进划分的,因而其低频分辨率高而高频分辨率则相对较低。
有理离散小波变换[7]能更精细地划分信号分析频带,具有比二进离散小波变换更高的频域分辨率,但是它的时间分辨率仍较低,并不具备平移不变性,从而会影响信号分析的精度。
过完备有理离散小波变换[8]是一种新兴的冗余小波变换,它不仅具有近似平移不变性,而且具有比二进小波变换更高的频率分辨率,能同时从时域和频域提高对时频面的采样率,更好地揭示信号的时频分布,非常适用于复杂机械设备的早期故障诊断。
小波在故障诊断中的应用
对一台单跨单圆盘转子试验台施加手工敲击激励，在转子稳 态转动时准确提取出了其横向一阶固有频率。
相关系数峰值对应的小波原子参数
/s
f /Hz
0.26 0.764 117.0 0.075
0.96 0.629 114.0 0.055
1.4 0.750 112.5 0.075
当 0.26s时 最大，说明该时刻的冲击响应波形 与 f 117.0 Hz、 0.075 的小波原子相关性最好。冲击响应波 形是对转子施加敲击导致的，它的振荡频率和衰减速度就是转子 的固有频率和阻尼比，这样，就可以认为是该单跨单圆盘转子旋 转时的固有频率和阻尼比。通过转子试验台的升速过程，测得其 一阶临界转速为116.3Hz，可见，相关滤波的结果与实测值非常 接近。
滚动轴承振动类型
与轴承变形有关的振动 承受载荷，运行时发生弹
性振动
与轴承加工有关的振动 加工误差，如表面波纹、
轻微擦痕等，引起轴承振动
由故障产生的振动 破碎、断裂、剥落等故障引发的
振动
信号处理方法
传统处理方法
时域、频域独立 无法表述时频局域性 无法处理非平稳信号
小波变换
时间—频率分析方法
短时傅里叶变换
能分析非平稳信号 时频分辨率固定
时频两域都能表征局部 特征 多分辨率
“小波”就是小的波形。所谓“小”是指局部非零，波形 具有衰减性；“波”则是指它具有波动性，包含有频率的特 性。 2 1 定义：设 L L 且 (0) 0，即给定一个基本函数 (t ) ， 通过伸缩 a 和平移 b 产生一个函数族：
画非平稳信号的特征，被誉为“数学显微镜”。 尺度因子 a 与频率相对应，时移因子 b 与时间对应。 当 a 取大于1的值时，
改进经验小波变换在轴承故障诊断中的应用
改进经验小波变换在轴承故障诊断中的应用发布时间：2022-10-26T09:10:28.230Z 来源：《科学与技术》2022年12期6月作者：王涛[],2，李继伟1,2[导读] 本文根据传统经验小波的信号分解理论王涛[],2，李继伟1,21.中车永济电机有限公司，山西永济， 044502;2.轨道交通牵引电机山西省重点实验室，山西永济， 044502摘要：本文根据传统经验小波的信号分解理论，将尺度空间理论运用到信号的频带划分步骤中，对频带分割不合理现象做了进一步改善。
经实测数据试验表明，该方法有助于频带的合理划分，充分挖掘信号中的故障特征，为轴承监测和维修提供准确信息。
关键词：故障诊断、滚动轴承、经验小波、尺度空间、峭度系数0 引言高速列车轴箱轴承作为列车走行部中重要的零部件之一，其可靠性与列车安全平稳运行密切相关，因此，有必要实现对滚动轴承状态的实时监控和及时诊断。
轴箱轴承通常工作在恶劣的环境中，在强噪声背景下，有关故障信号被淹没，常规的频谱分析方法很难提取相关信息。
针对传统信号分析方法存在的不足，Gilles提出了经验小波变换[1]，相较于EMD，经验小波变换具有充分的理论支撑，能有效的提取固有模态分量，并且不包含虚假频率成分，计算量小，因此，在高速列车轴承、齿轮、万向轴的故障诊断中得到了广泛的应用。
至此，本文提出了基于尺度空间的经验小波变换与分量重构的方式综合运用到高速列车轴箱轴承故障诊断中，最后对信号做Teager能量算子解调提取信号中的故障成分。
从解调谱中，可以明显看到6根具有较高幅值的谱线，且对应的频率与轴承理论外圈故障频率及其倍频相同，完全符合轴承外圈存在故障时的频谱特征，因此可以判定该被监测轴承存在外环故障。
5.总结本文介绍了改进经验小波变换的高速列车轴承故障检测算法。
本文提出的算法流程首先将信号通过基于尺度空间的经验小波变换，经自适应分解后得到多个模态分量，根据峭度值指标筛选符合故障特征的频段进行信号重构操作，最后对信号进行Teager能量算子解调，根据解调谱特征判断轴承是否存在故障。
基于改进谐波小波和分形的碰摩故障诊断研究
基于改进谐波小波和分形的碰摩故障诊断研究
宋圣霖;雷文平;郝旺身;陈宏
【期刊名称】《机械设计与制造》
【年(卷),期】2022()6
【摘要】为了提高分形维数提取碰摩故障特征的区分度和稳定性,提出了一种基于改进谐波小波和分形的算法。
采用高斯包络改进的谐波小波对旋转机械信号进行处理,运用G-P关联维数计算分形维数。
在Bently转子实验台上分别采集正常工况、单点碰摩、不平衡激励的碰摩三种数据,计算得出改进谐波小波处理后的关联维数
能够很好的识别出故障,保真性较高,稳定性相比原始信号以及谐波小波处理信号高29.17%、14.81%以上。
结果表明,改进谐波小波和分形能够更准确稳定得诊断碰
摩故障信息,优于传统的关联维数算法。
【总页数】4页(P180-183)
【作者】宋圣霖;雷文平;郝旺身;陈宏
【作者单位】郑州大学振动工程研究所
【正文语种】中文
【中图分类】TH16;TH133
【相关文献】
1.基于信号共振稀疏分解与重分配小波尺度谱的转子碰摩故障诊断方法
2.基于小波-支持向量机的旋转机械碰摩故障诊断
3.碰摩耦合故障诊断识别的分形方法研究
4.
基于小波包分解的早期碰摩故障诊断研究5.基于改进第2代小波算法的发电机组碰摩故障特征提取
因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
ｆ ｍ ｐｅｐｏ ｏｅ ａ ，ａ ｄ ｍ ｃａ ｉ ｆｉ ｒ ａ ｉｇｏｉ ｄ ｅｅｒｈ ｃｓ ｈ ｗ ａ ａｊｓ ｂｅ ｒ ｒ—ｒｐ ｓｄ ｄ ｔ ｎ ｅｈ ｎｃ ａｌ ｅｗ ｓｄａｎ ｓ ｅ ．Ａ ｒｓａ ａｅｓｏ ｓｔ ｔ ｄｕｔ ｌ ｏ ａ ｕ ｓ ｃ ｈ ａ
理， 提取特征并诊断 出故障。研究实例表 明， 可调阈值谐 波小波方法在 有效 去除噪声的同时能较好地保留有用的突 变特征 ， 用于这类 问题的处理。 适 关键词 ： 波小波 谐 Ｎ ｗａ ｄ 特征提取 ｅｌ ｎ 故 障诊 断 球磨机
文献标 志码 ： Ａ 文章编号 ：６ １— ７ ５ ２ １ ）２— ０ ８— ４ １７ ８ ５ （０ Ｉ Ｏ ０ ５ ０ 中图分 类号 ：Ｐ９ ；Ｑ ７ ． ３ ． Ｔ ３ １Ｔ １ ２６ ２ １
Ｚ Ｑ Ｊ Ｄ ７４ Ｄ— Ｍ — ２ Ｌ５型球磨机主要用 于矿 山开 采、 桥梁建设 、 水泥生产等场合 ， 有体积大、 具 重量 大、 负荷大、 噪声大、 生产任务重 、 运行工况复杂等显 著特点 ， 、 安装 拆卸、 检修难度很大。由于加工缺陷、 运 行工 况 复杂 、 物料颗 粒形 状大 小不 一导 致碰撞／ 振 动毫无规律 、 以及由于转子 一 承系统 中多种非线 轴
的傅 立 叶方法 在做 变 换 时 丢 掉 了 时 间信 息 ， 法 根 无
复杂 、 噪声 大 的情况 下 ， 用谐 波小 波进行 动态 系统 利
故障检测与诊断具有较好 的效果 ， 在生产 中得到应 发生时刻。小波 变换具有多分辨分析的特点 ， 而且在时 、 频域都有表 征信号局部特征的能力 ， 在低频部分具 有较高 的频
Ｋｅ ｒ ｓ：Ｈａ ｍｏ ｃ Ｗａ ｅｅ ；Ｎｅ ａ ｄ；Ｆｅ ｔ ｒ ｓｉ ；Ｆａｌ ｒ ａ ｏ ｉ ；Ｂａｌｇ ｉ ｄ ｒ ｙ ｗｏ ｄ ｒ ｎｉ ｖ ｌ ｔ ｗｌ ｎ ａ ｕ ｅ Ｄｉｔｌ ｉｕ ｅ Ｄｉｇ ｓｓ ｎ ｌ ｒｎ ｅ
目前对非平稳 信号的分析主要 采用傅立叶方 法 、 Ｊ小波变换 以及它们的改进算法 等。传统
一
种改进 的谐 波小波方 法在球磨机故 障诊 断 中的应用
王 彭 结
（ 西南科技大学信息工程学 院 四川绵 阳 ６１１） ２００
摘要 ： 针对 Ｚ Ｑ Ｊ Ｄ ７Ａ 型球磨机故障诊断 困难 的问题 ， Ｄ— Ｍ — ＇ Ｉ５ ２ 提出了一种改进 的可调 阈值谐 波小波分 析方法 。采 用非接触式方法采集球磨机运行过 程的声音数据 ， 利用可调 阈值方法去除噪声 ， 对所得结果用谐波小波方法进行处
ｔ ｒ ｓ ｏｄ ｈ ｒ ｎ ｃ ｗ ｖ ｌｔｔｃ ｎ ｌ ｇ ａ ａ ｅ ｑ ｉ ｋ ｃ ａ ｇ ｄ ｆ ａｕ ｅ ｈ ｌ ｅ ｖｎ ｏ ｓ ，ａ ｄ ｃ ｎ ｂ ｈ ｅ ｈ ｌ ａ ｍｏ ｉ ａ ｅｅ ｅ ｈ ｏｏ ｃ ｎ ｓ ｖ ｕ ｃ ｈ ｎ ｅ ｔ ｒ ｓｗ ｉ ｒ ｍｏ ｉ ｇ ｎ ｉｅ ｎ ａ ｅ ｙ ｅ ｅ ｕ ｅ ｏ ｈ ｓｋ ｎ ｆｍｅ ｈ ｎ ｃ ｆ ｉ ｒ ｉ ｇ ｏ ｉ． ｓ ｄ ｆ ｒｔ ｉ ｉｄ ｏ ｃ ａ ｉ ａｌ ｅ ｄ ａ ｎ ｓｓ ｕ
Ｄ ７ ４ ａ ｒ ｄ ｒ ｉｄ ｏ ｍ ｒｖｄ ａｊｓ ｂｅｔｒｓｏｄ ｈ ｒ ｎｃ ｗ ｖｌ ｎ ｌ ｉ ｍｅ ｏ ａ ２ Ｌ ５ｂ ｌ ｇｉ ｅ ，ａ ｋ ｆｉ ｐｏｅ ｄｕｔ ｌ ｈｅｈ ｌ ａｍｏ ｉ ａ ｅ ｔａａｙ ｓ ｔ ｄ ｗ ｓ ｉ ｎ ｎ ａ ｅ ｓ ｈ ｐｏ ｅ ．Ｎ ｎｔ ｃ ｔｏ ａ ｓｄｔ ｇｔｅ ｕ ｉｇｓｕ ｄ ａ ｆ ａ ｒ ｄ ｒ ｄｕｔ ｌ ｔｒｓｏｄ ｒｖｄ ｏ — ｕ ｈｍｅ ｄｗ ｓｕｅ ｏ ａ ｒｒｎ ｏ ｎ ｓｄ ｔ ｏ ｌ ｇｉ ｅ ，ａｊｓ ｂｅｈ ｅｈ ｌ ｏ ｈ ｈ ｎ ａ ｂ ｌ ｎ ａ
Ｍｉｎａ ｇ６ １ １ ， ｉ ｕ ｎ ｈｎ ） ａ ｙ ｎ ２ ０ ０ Ｓｃ ａ ，Ｃ ｉａ ｈ
（ ｃｏ ｌｆＩ ｏｍ ｔ ｎＥ ｇｎｅ ｎ ， ｏ ｔｗ ｓ Ｕ ｉ ｒｔ Ｓ ｉ ｃ ｎ ｅ ｎｌ ｙ Ｓｈ ｏ ｏ ｎ ｒ ａｉ ｎ ｉ ｒ ｇ Ｓ ｕｈ ｅ ｎｖ ｓｙｏ ｃ ｎｅａ ｄ Ｔｃ ｏｏ ， ｆ ｏ ｅｉ ｔ ｅｉ ｆ ｅ ｈ ｇ
ｔｃ ｎ ｌｇ ａ ｓ ｄ ｔ ｅ ｖ ｏ ｓ ａ ａ Ｆ ｎ ｌ ，ｈ ｒ ｎ ｃ ｗａ ｅｅ ｔ ｏ ｓ ｕ ｅ ｏ ｄ ｓ ｌ ｆａｕ ｅ ｅ ｈ ｏｏ ｙ ｗ ｓ ｕ ｅ ｏ ｒ ｍｏ ｅ ｎ ｉ ｄ ｔ ． ｉａ ｌ ｅ ｙ ａｍｏ ｉ ｖ ｌ ｔｍｅｈ ｄ ｗａ ｓ ｄ ｔ ｉ ｉ ｅ ｔ ｒ ｔ
Ａ ｎ ｆＩ ｐ ｏ ｅ ｒ ｏ ｉ 白 ｅ ｎ Ｋｉ ｄ ｏ ｍ ｒ ｖ ｄ Ｈａ ｍ ｎ ｃ ｔａ ｄ Ｉｓ Ａｐ ｌ ａ ｉｎ ｉ ａ ｌ ｒ ａ ｎ ｓｓ ｔ ｐ ｉ ｔ Ｆ ｉ ｅ Ｄｉ ｇ ｏ ｉ ｃ ｏ ｎ ｕ
‘
ＷＡＮ ｅ ｇｊ Ｇ Ｐ ｎ －ｅ ｉ
第２卷 ６
第２ 期
西 南
科
技
大
学
学
报
Ｖｏ ． ６ Ｎｏ ２ １２ ．
２１ ０ １年 ６月
Ｊ ｕ ａ ｆ ｏ ｔｗ ｓ ｉｅｓｔ ｆＳ ｉｎ ｅａ ｄＴ ｃ ｎ ｌｇ ｏ ｒ ｌｏ ｕｈ ｅｔＵｎｖ ｒｉ ｏ ｃｅ ｃ ｎ ｅ ｈ ｏｏ ｙ ｎ Ｓ ｙ
Ｊｎ ０ ｌ ｕ ｅ２ １
Ａ ｓ ａｔ Ａ ｍ ｄａ ｔｅｔ ｇ ｕ ｓｏ ａ ｉｉ ｄｆｃ ｌｔ ｄａｎ ｓ ｅｍｅｈｎｃｆｉ ｒ ｆ Ｄ—Ｑ Ｊ ｂ ｔ ｃ ： ｉ ｅ ｔｈ ｕ ｈｑ ｅｔ ｎｔ ｔｔ ｓ ｉ ｕｔｏ ｉ ｏｉ ｔ ｃ ａ ｉ ａ ｕｅｏ Ｚ ｒ ｏ ｉ ｈ ｆ ｇ ｓ ｈ ｉ ｌ Ｍ —