导读:本文包含了小波包络谱论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:包络,小波,故障诊断,分解,能量,故障,频带。
小波包络谱论文文献综述
李双丽,刘增力[1]（2018）在《基于单节点重构改进小波包能量与包络谱的滚动轴承故障特征提取》一文中研究指出针对滚动轴承故障特征提取困难问题,采用单节点重构改进小波包能量与包络谱结合的方法,有效提取出各个不同部位的故障特征。对所采集到的故障信息进行叁层改进后的小波包分解重构,计算各个重构节点的能量,并以此来确定包含故障特征信息的节点。对包含故障特征信息的节点进行Hilbert变换求取其包络谱,将其进行细化,读取特征频率,识别故障特征,判别故障类型,实现滚动轴承故障的诊断和定位。并通过仿真信号和滚动轴承故障特征的提取实验证明了该方法的有效性。(本文来源于《计算机应用与软件》期刊2018年07期）
陈慧,胡俊锋,熊国良[2]（2017）在《基于小波包分解与权重包络谱的滚动轴承故障特征增强》一文中研究指出针对小波包分解(wavelet packet decomposition,WPD)在对低信噪比信号处理时带内噪声较大,无法准确提取故障信息的问题,提出一种基于小波包分解与权重包络谱的滚动轴承故障特征增强方法。首先对原始信号进行叁层小波包分解,并选其最优系数以初步减少噪声干扰,使故障特征信息得到一次增强;而后基于非局部均值算法(Non-Local Means,NLM)对最优系数加权运算得到权重包络曲线,使故障冲击在权重角度得到二次增强;最后对权重包络曲线包络谱分析诊断出故障类型。仿真信号及实验室信号验证了本文方法的有效性及实用性。(本文来源于《机械设计与研究》期刊2017年03期）
王立东,张凯,王良润[3]（2015）在《小波阈值算法与包络谱分析结合的电机故障诊断方法》一文中研究指出针对采集的电机故障信号中噪声干扰的问题,提出一种基于贝叶斯估计的小波收缩新阈值与包络谱分析结合的电机故障诊断方法。新阈值的选取考虑了故障信号经小波变换后在不同尺度上的去噪特性,更符合噪声在各层中的分布情况;改进阈值函数对故障信号进行降噪处理,并基于包络谱分析处理故障信号,可提取电机故障信号的特征信息。通过对仿真信号分析与实例分析,结果表明该方法能够有效地降低噪声干扰并识别出电机故障类型。(本文来源于《电机与控制应用》期刊2015年07期）
申戬林,王灵梅,郭东杰,李德志[4]（2014）在《基于改进小波包与包络谱的风电机组传动系统的故障诊断方法研究》一文中研究指出针对风力发电机组传动系统故障时特征量提取困难的问题,提出改进的小波包结合包络谱的故障诊断新方法。深入研究小波包频带错乱的问题,对小波包实施改进,消除频带错乱的缺陷。首次将改进的小波包与包络谱结合起来,通过对风机传动系统试验台的齿轮、轴承故障实际数据的深入分析,准确提取出特征量,实现故障的诊断和定位,证实该文提出的方法的准确性和有效性,为风电机组传动系统的故障诊断提供新思路。(本文来源于《太阳能学报》期刊2014年09期）
周伟强,侯立刚,苏成利[5]（2014）在《基于时间-小波能量包络谱的滚动轴承特征提取》一文中研究指出研究了传统包络谱方法在滚动轴承故障诊断中不能准确提取故障特征的问题,提出了一种基于能量和包络谱相结合的时间-小波能量包络谱分析法。用两种方法对滚动轴承各部位采集到的数据进行了分析对比,结果表明,时间-小波能量包络谱分析法比传统包络谱方法能更好和准确地提取出滚动轴承故障的特征频率。(本文来源于《辽宁石油化工大学学报》期刊2014年03期）
单志鹏,梅卫江,马强,石秀峰,吴疆[6]（2012）在《基于小波变换-包络谱的齿轮典型故障特征的提取》一文中研究指出设备故障诊断的主要手段之一是将诊断目标部件的特征频率提取出来,以便确定故障位置。本文将包络谱分析和小波变换应用到齿轮断齿故障的特征频率提取中,通过包络谱分析将故障信号中所包含的特征频率成分提取出来,再利用小波变换进一步将频率成分进一步细化和滤波,最终把故障特征频率提取出来。验证结果表明,此方法提取的故障特征频率与齿轮的实际故障特征频率非常接近,具有较好的有效性。(本文来源于《石河子大学学报(自然科学版)》期刊2012年05期）
艾树峰[7]（2012）在《基于多尺度Hermitian小波包络谱的轴承故障诊断》一文中研究指出提出了一种基于多尺度Hermitian小波包络谱的轴承故障诊断方法。该方法综合利用了Hermitian小波和包络谱分析技术的优点,首先对轴承故障振动信号进行Hermitian连续小波变换,得到小波分解的实部和虚部,然后计算振动信号的多尺度包络谱。对齿轮箱轴承故障振动信号的分析表明,该方法在强噪声环境下能有效识别轴承内圈故障和外圈故障。(本文来源于《中国机械工程》期刊2012年01期）
杨诚,夏鲁宁,杨振冬[8]（2011）在《基于小波包和包络谱的齿轮箱异响分析》一文中研究指出针对齿轮箱异响信号呈非平稳时变特征并伴随有强烈的背景噪声,介绍了基于小波包分解、频带能量分析和包络谱相结合的齿轮箱异响分析方法。首先对采集到的齿轮箱声学信号进行小波包分解,对该信号进行小波包能量化分,然后对照正常和异响发动机信号的能量特征向量,对明显差异的小波包系数进行重构,最后对重构信号进行包络分析提取故障特征频率为16.5Hz,与实际的故障特征频率相近,表明该方法适用于齿轮箱的故障分析。(本文来源于《汽车工程学报》期刊2011年06期）
荆强,向敬忠,时献江[9]（2010）在《基于小波变换和实调制细化包络谱的滚动轴承故障诊断》一文中研究指出为了解决常规调制信号细化谱中存在的调制成分较弱和边带不对称问题,根据移频调制原理,提出了可以实现正负频段频谱对称的新频移方法-实调制方法,将实调制结果滤波和重采样后,再经过Hilbert变换,得到真正意义上的细化包络频谱。本文对细化包络谱进行了计算机模拟分析,并用于电机断条的故障诊断,结果表明:由于剔除了无用的调制频率的影响,使得被调制的故障特征频率更容易识别和测量,克服了常规细化谱在故障诊断应用中的缺陷。(本文来源于《科技资讯》期刊2010年11期）
邓叁鹏,徐小力,张建新,张香玲[10]（2009）在《基于噪声小波包络谱的数控机床主轴故障诊断研究》一文中研究指出使用采集仪采集数控机床主轴噪声信号,利用小波分析将测得的机体噪声信号变换到时频域,对包含有主轴故障的噪声信号的高频成分加以提取并进行包络谱分析,并对包络曲线进行频谱分析,得到了故障频率信息。通过实验验证了该方法可利用机体噪声信号监测主轴的故障状态。(本文来源于《机床与液压》期刊2009年12期）
小波包络谱论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对小波包分解(wavelet packet decomposition,WPD)在对低信噪比信号处理时带内噪声较大,无法准确提取故障信息的问题,提出一种基于小波包分解与权重包络谱的滚动轴承故障特征增强方法。首先对原始信号进行叁层小波包分解,并选其最优系数以初步减少噪声干扰,使故障特征信息得到一次增强;而后基于非局部均值算法(Non-Local Means,NLM)对最优系数加权运算得到权重包络曲线,使故障冲击在权重角度得到二次增强;最后对权重包络曲线包络谱分析诊断出故障类型。仿真信号及实验室信号验证了本文方法的有效性及实用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
小波包络谱论文参考文献
[1].李双丽,刘增力.基于单节点重构改进小波包能量与包络谱的滚动轴承故障特征提取[J].计算机应用与软件.2018
[2].陈慧,胡俊锋,熊国良.基于小波包分解与权重包络谱的滚动轴承故障特征增强[J].机械设计与研究.2017
[3].王立东,张凯,王良润.小波阈值算法与包络谱分析结合的电机故障诊断方法[J].电机与控制应用.2015
[4].申戬林,王灵梅,郭东杰,李德志.基于改进小波包与包络谱的风电机组传动系统的故障诊断方法研究[J].太阳能学报.2014
[5].周伟强,侯立刚,苏成利.基于时间-小波能量包络谱的滚动轴承特征提取[J].辽宁石油化工大学学报.2014
[6].单志鹏,梅卫江,马强,石秀峰,吴疆.基于小波变换-包络谱的齿轮典型故障特征的提取[J].石河子大学学报(自然科学版).2012
[7].艾树峰.基于多尺度Hermitian小波包络谱的轴承故障诊断[J].中国机械工程.2012
[8].杨诚,夏鲁宁,杨振冬.基于小波包和包络谱的齿轮箱异响分析[J].汽车工程学报.2011
[9].荆强,向敬忠,时献江.基于小波变换和实调制细化包络谱的滚动轴承故障诊断[J].科技资讯.2010
[10].邓叁鹏,徐小力,张建新,张香玲.基于噪声小波包络谱的数控机床主轴故障诊断研究[J].机床与液压.2009
论文知识图
