导读:本文包含了振动信号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:信号,小波,故障诊断,齿轮箱,立井,能量,绕组。
振动信号论文文献综述
王茜,田慕琴,宋建成,贺颖,冯君玲[1]（2019）在《基于虚拟样机的掘进机截割头振动信号分析》一文中研究指出利用Pro/E软件搭建掘进机整机模型,将该模型导入ADAMS软件中建立掘进机虚拟样机模型;在MATLAB中模拟掘进机截割头的受力曲线,导入ADAMS中生成样条曲线,施加于截割头质心处,进行振动仿真,得到掘进机截割头的振动信号变化规律并进行分析。了解煤岩硬度与掘进机截割头振动信号变化之间的关系,对实现掘进机动载荷智能识别以及掘进机自动化开采具有重要意义。(本文来源于《煤矿机械》期刊2019年12期）
刘志斌,张胜,李留玺,曹鑫[2]（2019）在《隧道爆破作用下建筑物振动信号的小波变换时频分析》一文中研究指出地铁隧道爆破开挖产生的一部分能量转化为地震波,造成邻近建筑物的振动。根据连续小波变换的时频特性,将爆破荷载作用下振动信号进行连续小波变换时频分析,得到振动信号能量随时间与频率的分布规律。结果表明基于小波变换方法的爆破振动信号时频分布具有良好时频聚集性,为地铁隧道爆破网路与参数设计提供参考依据。(本文来源于《江西建材》期刊2019年11期）
王二化,吴波,胡友民,杨叔子,颜鹏[3]（2019）在《基于多传感信号的齿轮箱振动特性分析》一文中研究指出为解决单一传感信号带来的不稳定问题,以多传感振动信号为研究对象,通过小波包分解和快速傅立叶变换获得各个频段的能量比系数。在此基础上,重点分析了不同载荷、输入轴转速和齿轮裂纹长度工况下各个频段的能量比系数的变化趋势。研究结果可以为齿轮箱的动力学分析和优化设计提供必要的理论依据和科学指导。(本文来源于《机床与液压》期刊2019年22期）
王伟,李兴华,陈作彬,范磊,孙飞[4]（2019）在《基于小波包变换的爆破振动信号能量熵特征分析》一文中研究指出爆破振动信号是典型的短时非平稳随机信号。应用多分辨率特点的小波包变换对爆破振动信号进行多层分解,得到信号能量分布的细节信息。根据建立在概率统计基础上的信息熵概念,推导得到爆破振动信号能量熵计算方法。分析了4种类型爆破振动信号的能量熵,熵值由大到小为:隧道爆破、管道爆炸、台阶爆破、塌落振动。结果表明,能量熵能够反映不同类型爆破对振动信号的影响。提出将能量熵作为爆破振动信号的新特征量,为爆破振动信号特征提取、不同爆破类型振动信号识别和爆破振动预测提供一种新思路。(本文来源于《爆破器材》期刊2019年06期）
付晓强,雷振,崔秀琴,杨国梁,刘纪峰[5]（2019）在《立井爆破振动信号混沌特征研究》一文中研究指出采用传感器井壁预埋法对冻结立井爆破井壁振动信号进行了准确采集,运用混沌理论研究了频率切片小波各频带重构子信号的混沌动力学特征。通过吸引子轨迹变化对立井爆破信号特征进行了直观描述和定性分析。结果表明:立井爆破振动信号具有混沌特征,混沌吸引子在相空间的形态以主振频率所处的频带为分界线,在低于主振频率的子频带范围内,随着频率的增加混沌吸引子在相空间体积逐渐扩展并稳定;高于主振频率的子频带,随着频率的增加混沌吸引子体积收缩且离散。爆破混沌吸引子体积的变化有助于信号主频、幅值和能量信息的精确提取和识别。(本文来源于《煤矿安全》期刊2019年11期）
傅晨钊,司文荣,徐鹏,贺林,田昊洋[6]（2019）在《基于RBF神经网络的变压器绕组及铁心振动信号分离研究》一文中研究指出对变压器油箱表面混合的绕组和铁心振动信号进行分离,可以提高利用振动信号诊断内部机械状态的准确程度。文中利用径向基(radial basis function,RBF)神经网络以任意精度逼近非线性函数的优点,建立了以混合振动信号频域特征为输入,铁心、绕组源信号频域特征为输出的分离模型,将采集到的振动信号分为训练集和验证集,用训练集对网络进行训练,验证集进行验证,设定训练误差的目标值,当网络迭代到训练误差达到指定精度时,网络训练完成,从而可以利用该网络实现铁心、绕组振动信号的分离。波形相似系数的计算结果表明,分离信号与振动源信号的相似系数高于0.7,分离效果理想。与传统的盲源分离方法相比,基于RBF神经网络的分离方法克服了前者的两个局限性:一个是源信号排列顺序的不确定性,即分离出的铁心和绕组振动信号的排序无法确定;另一个是信号幅值的不确定性,即分离得到信号与源信号波形相似而幅值差距较大。此方法能够更准确地获得绕组和铁心的振动信号,实现对绕组、铁心机械状态的诊断。(本文来源于《高压电器》期刊2019年11期）
刘志远,陈海军,于晓军,夏欣倩[7]（2019）在《基于振动信号的变压器有载分接开关故障诊断方法研究进展与展望》一文中研究指出作为有载调压变压器中唯一一个需要进行机械动作的部分,有载分接开关(OLTC)需要长期多次承载大电流开断闭合的任务,因此故障率非常高,而作为变压器中重要的部件,OLTC的正常工作直接关系到变压器以及整个电网的正常安全运行,因此其故障诊断成为研究的热点。OLTC的故障诊断又分为离线手段和在线手段,而作为能够在运行状态下检测OLTC的机械状态,减少停电造成的经济损失,在线检测手段受到更多的关注。近年来研究最多的在线故障诊断方法即为基于振动信号的OLTC诊断方法,为此总结梳理了OLTC基于振动信号进行故障诊断的近年来的研究成果,并提出了对未来研究方向的展望。(本文来源于《高压电器》期刊2019年11期）
张伟,王冠霖,谭佳明,蒋佳成,赵依梵[8]（2019）在《基于振动信号的超程变化情况下断路器刚分刚合时刻识别方法研究》一文中研究指出在断路器的长期使用过程中,由于触头磨损、螺丝松动等原因,超程将会发生改变,断路器刚分刚合时刻的确定具有较大难度。刚分刚合时刻的判断方法在超程变化情况下的准确性还未有人研究。文中以12 kV交流中压真空断路器为研究对象,搭建了断路器机械状态离线测试试验平台。在模拟多种超程量的条件下,对断路器分合闸过程中的触头换位信号与振动信号进行同步采集,采用短时能量法对振动信号进行处理,准确分析出断路器换位信号提取的分合闸时刻与振动信号提取的特征量间的对应关系。利用振动信号替代换位信号,通过对断路器分合闸过程振动信号的提取,准确判断刚分刚合时刻,获得分合闸时间。测试试验结果表明,该方法在超程改变情况下对分合闸时刻的判断误差在0.5 ms以内,提高了断路器在超程变化时机械数据的准确性,为断路器机械状态的在线监测提供了依据。(本文来源于《高压电器》期刊2019年11期）
武立平,杨柳,李刚,贾志义,王仲[9]（2019）在《基于振动信号特征矩阵相似度的变压器机械故障诊断技术研究》一文中研究指出目前基于振动信号的变压器机械故障诊断多是通过对某个振动信号进行独立分析、提取特征量进行判定,对变压器机械状态的反映过于片面;基于振动信号特征矩阵相似度可实现综合不同测试位置、多组振动信号的变压器机械故障诊断,但该方法可能受负载条件影响而发成误判。文中改进了振动信号特征矩阵的构造方法,通过实验研究了负载率、功率因数、不平衡度对振动性信号特征矩阵相似度的影响,结果表明:文中所做改进可有效地减少故障诊断中由于负载条件改变造成的误判。应用改进后的特征矩阵相似度对模拟故障进行诊断,结果表明,该方法受负载条件影响较小、能准确诊断出故障存在,有良好的应用前景。(本文来源于《高压电器》期刊2019年11期）
谭佳明,叶奕君,李国玉,杨爱军,王小华[10]（2019）在《基于振动信号的交流中压真空断路器故障诊断技术研究》一文中研究指出机械故障是断路器发生的主要故障之一,因此机械状态监测对断路器安全稳定运行至关重要。断路器开断过程中的振动信号包含了丰富的机械特征,可以通过提取振动信号而对设备进行机械故障诊断的研究。文中针对某12 kV交流中压真空断路器,通过自制的断路器在线监测装置采集断路器正常及故障状态下的振动信号,使用短时能量法、总能量分析法及信息熵法对振动信号分析处理。该装置能够捕捉到振动事件的特征信息,区分出正常与故障状态,为断路器机械故障在线诊断技术的实现提供了依据。(本文来源于《高压电器》期刊2019年11期）
振动信号论文开题报告
（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：
地铁隧道爆破开挖产生的一部分能量转化为地震波,造成邻近建筑物的振动。根据连续小波变换的时频特性,将爆破荷载作用下振动信号进行连续小波变换时频分析,得到振动信号能量随时间与频率的分布规律。结果表明基于小波变换方法的爆破振动信号时频分布具有良好时频聚集性,为地铁隧道爆破网路与参数设计提供参考依据。
（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。
振动信号论文参考文献
[1].王茜,田慕琴,宋建成,贺颖,冯君玲.基于虚拟样机的掘进机截割头振动信号分析[J].煤矿机械.2019
[2].刘志斌,张胜,李留玺,曹鑫.隧道爆破作用下建筑物振动信号的小波变换时频分析[J].江西建材.2019
[3].王二化,吴波,胡友民,杨叔子,颜鹏.基于多传感信号的齿轮箱振动特性分析[J].机床与液压.2019
[4].王伟,李兴华,陈作彬,范磊,孙飞.基于小波包变换的爆破振动信号能量熵特征分析[J].爆破器材.2019
[5].付晓强,雷振,崔秀琴,杨国梁,刘纪峰.立井爆破振动信号混沌特征研究[J].煤矿安全.2019
[6].傅晨钊,司文荣,徐鹏,贺林,田昊洋.基于RBF神经网络的变压器绕组及铁心振动信号分离研究[J].高压电器.2019
[7].刘志远,陈海军,于晓军,夏欣倩.基于振动信号的变压器有载分接开关故障诊断方法研究进展与展望[J].高压电器.2019
[8].张伟,王冠霖,谭佳明,蒋佳成,赵依梵.基于振动信号的超程变化情况下断路器刚分刚合时刻识别方法研究[J].高压电器.2019
[9].武立平,杨柳,李刚,贾志义,王仲.基于振动信号特征矩阵相似度的变压器机械故障诊断技术研究[J].高压电器.2019
[10].谭佳明,叶奕君,李国玉,杨爱军,王小华.基于振动信号的交流中压真空断路器故障诊断技术研究[J].高压电器.2019
论文知识图
