连续小波变换在机械故障特征提取中的应用

吉林大学学报(信息科学版) ›› 2014, Vol. 32 ›› Issue (2): 172-176.

连续小波变换在机械故障特征提取中的应用

张澎涛¹, 刘晋浩²

1. 东北林业大学机电工程学院, 哈尔滨 150040； 2. 北京林业大学工学院,北京 100083

出版日期:2014-03-25 发布日期:2014-06-12
作者简介:张澎涛（1980—）, 男, 哈尔滨人, 东北林业大学讲师, 东北林业大学博士研究生, 主要从事智能检测与故障诊断研究, (Tel)86-13644507668(E-mail)zpt@nefu.edu.cn; 刘晋浩（1963—）, 男, 哈尔滨人, 北京林业大学教授, 博士, 博士生导师, 主要从事林业机械与特种装备及自动化研究, (Tel)86-13552276090(E-mail)liujinhao@vip.163.com。
基金资助:
引进国际先进林业科学技术“948” 基金资助项目(2013420)

Application of CWT in Mechanical Fault Feature Extraction

ZHANG Pengtao¹, LIU Jinhao²

1. College of Mechanical and Electrical Engineering, Northeast Forestry University, Harbin 150040, China;2. College of Engineering, Beijing Forestry University, Beijing 100083, China

Online:2014-03-25 Published:2014-06-12

摘要/Abstract

摘要：

为解决提取齿轮故障特征时去除外部噪声的问题, 以连续小波变换和自相关系数法为理论依据, 以缺齿齿轮故障为例, 提出了一种齿轮故障诊断方法。该方法能从所测量的含噪信号中确定出故障脉冲所对应的时间节点。利用多通带滤波器进行滤波处理, 可以从提取的故障特征中有效地剔除寄生脉冲。实验表明, 该方法能准确识别断齿振动信号的故障特征。

关键词: 连续小波变换, 自相关系数, 齿轮, 故障诊断, 特征提取

Abstract:

In order to solve the problem that can not denoising the external noise when extracting fault feature of gear, this paper introduces a method that can identify the time of periodic impulsive fault signatures from the measured noisy signal mixture on the basis of CWT(Continuous Wavelet Transfon) and auto-correlation coefficient method. A comb filter can be applied to extract fault features in timescale domain, the spurious impulses can be removed effectively from the extracted fault feature. Experiments show that this method can accurately identifiy the fault feature of impulsive signals with missing tooth.

Key words: continuous wavelet transfon(CWT), autocorrelation coefficient, gear, fault diagnosis, feature extraction

中图分类号:

TP277

张澎涛, 刘晋浩. 连续小波变换在机械故障特征提取中的应用[J]. 吉林大学学报(信息科学版), 2014, 32(2): 172-176.

ZHANG Pengtao, LIU Jinhao. Application of CWT in Mechanical Fault Feature Extraction[J]. Journal of Jilin University(Information Science Ed, 2014, 32(2): 172-176.

[1]	王霞, 陈晓林, 吴玲玲, 李建军. 视觉图像增强下的物料传送带目标自动识别算法[J]. 吉林大学学报(信息科学版), 2026, 44(3): 700-705.
[2]	李默, 高飞, 夏兰. 基于深度稀疏滤波学习的多模态沙漠地震噪声消减 [J]. 吉林大学学报(信息科学版), 2026, 44(2): 370-376.
[3]	王炳北 , 郑辉 , 孙德罡. 新型 YOLOv3-Tiny 在绝缘子故障检测中的应用[J]. 吉林大学学报(信息科学版), 2026, 44(1): 61-70.
[4]	杨静亚, 闫丽梅, 曾伟铭, 孙玉庆, 田野. 基于 IBO-CNN 的轴承故障智能诊断[J]. 吉林大学学报(信息科学版), 2026, 44(1): 94-102.
[5]	张丽杰 , 陆江东 , 邱景. 数据挖掘技术下线上诊疗信息多维特征提取方法[J]. 吉林大学学报(信息科学版), 2026, 44(1): 121-128.
[6]	冯利涛 , 刘杰 , 王逸. 基于特征提取与增强的地铁安检 X 光违禁物智能识别算法[J]. 吉林大学学报(信息科学版), 2026, 44(1): 192-198.
[7]	刘延军, 盛廉杰, 许建华, 张强. 基于VMD-Transformer的滚动轴承故障诊断 [J]. 吉林大学学报(信息科学版), 2025, 43(6): 1337-1345.
[8]	张强, 薛冰, 王伯超, 陈诚, 陆俊翼. 基于多模态决策融合的抽油机故障诊断方法[J]. 吉林大学学报(信息科学版), 2025, 43(5): 978-987.
[9]	胡斌, 王越, 杨浩, 马平. 基于模糊Markov 博弈算法的网络潜在攻击监测[J]. 吉林大学学报(信息科学版), 2025, 43(4): 814-821.
[10]	王瑞敏, 杨文博, 邓聪, 鲁统祥, 张文祥. 基于多尺度和注意力特征融合的地震去噪方法[J]. 吉林大学学报(信息科学版), 2025, 43(3): 489-496.
[11]	张科星, 何江. 基于改进支持向量机的动态多点手势动作识别方法[J]. 吉林大学学报(信息科学版), 2025, 43(3): 583-590.
[12]	段锦, 郝水莲, 高美玲, 黄丹丹, 朱文博, 付为杰. 低照度彩色偏振图像增强算法[J]. 吉林大学学报(信息科学版), 2025, 43(3): 671-681.
[13]	董传民, 侯仰博, 樊祜卿, 李士杰. 基于SVM 的智能情报分析数据风险特征筛选算法 [J]. 吉林大学学报(信息科学版), 2025, 43(3): 632-638.
[14]	郭祥葛. 应用计算机视觉的监控图像异常行为识别算法[J]. 吉林大学学报(信息科学版), 2025, 43(3): 682-687.
[15]	曾丽丽, 牛艺晓, 任伟建, 刘小双, 代利民, 魏志远. 基于双属性并行融合网络的断层智能识别方法[J]. 吉林大学学报(信息科学版), 2025, 43(2): 355-367.