共查询到10条相似文献,搜索用时 15 毫秒
1.
汽轮发电机组振动信号一般具有非平稳性和非周期性的特征,传统的傅里叶变换已经无法完全满足振动信号的分析要求,引入复Morlet小波变换对汽轮发电机组振动信号进行分析。介绍了小波变换和复Morlet小波的基本理论,以不对中故障为案例的仿真结果表明,复Morlet小波变换能够分析非平稳信号,同时具有频域和时域上的分辨率,可以较准确地分析出故障突变发生的时刻和故障发展变化的趋势,具有传统信号分析方法所不具备的优点。 相似文献
2.
3.
4.
小波去噪在信号处理中得到广泛应用。目前常用的方法主要有Donoho提出的阈值法和Mallat提出的模极大值法。模极大值法是一种经典的小波去噪方法,噪声的模极大值的幅度随尺度的增大而迅速减小,而正常信号随尺度的增大而增大,因此利用合适尺度的小波变换,容易把噪声从正常信号中剔除。通过试验说明这种方法对白噪声和脉冲噪声都有很好的去噪效果,并与阈值去噪比较,对于高斯白噪声,信噪比比较低的信号,模极大值去噪要优于阈值法去噪;对于脉冲噪声,脉冲噪声点数较多时,模极大值去噪要优于阈值法去噪。 相似文献
5.
6.
7.
8.
为了分析切削振动的变化规律及产生根源,采用在线监测的方法采集振动信号,提出了运用经验模态分解对振动信号进行分析的方法,构建了分段频率变化的仿真振动信号,分别对仿真振动信号进行短时傅里叶变换、小波变换和经验模态分解时频分析。结果表明,经验模态分解方法具有更高的时频分辨率,运用经验模态分解方法对实际振动信号进行分析,提取典型分量绘制希尔伯特幅值谱,能较好地反映振动信号的时频变化规律。经验模态分解适合对切削振动信号进行分析,但是需要对算法的模态混叠及计算效率低等不足进行完善。研究结果对非平稳信号的分析具有参考价值。 相似文献
9.
当数据集包含的标示数据量不足时,基于全监督学习的故障诊断方法效果往往不理想。充分利用大数据下无标注的数据信息,利用连续小波变换生成轴承故障振动信号的时频图,提取表征图像纹理和形状的特征,建立半监督极限学习机模型,通过连续小波变换生成故障信号的时频图谱,并计算图像的灰度差分统计特征、不变矩特征作为半监督极限学习机的输入。利用无标示和有标示数据集,构建半监督极限学习机模型和规划公式,计算隐含层输出矩阵得到优化的分类结果。研究结果表明,基于连续小波变换的特征提取方法相较于HOG、LBP等方法具有更好的识别效果。在故障信息不充分的情况下,半监督极限学习机的模型推广能力强、故障识别率高。 相似文献
10.
利用快速傅里叶变换(FFT)算法和相关函数算法,基于LabVIEW平台,设计了2个测量周期信号相位差的仿真程序。仿真测量数据相对误差约为0.3%,与传统的方法相比,具有精确程度高,抗干扰能力强,易于实现等优点。 相似文献