小波分析用于机械系统突发信号在线检测.pdfVIP

维普资讯 第22卷第1期 仪 器 仪 表 学 报 2001年2月 小波分析用于机械系统突发信号在线检测。 韩 雷 许 静 (厦门大学机电工程系 厦门 361005) 摘要 近年来引起各领域广泛关注的小波分析理论，以其良好的时频局部化功能提供了一种瞬态信号的分析方法．但单纯基 于此算法的软件往往缺少对于突发性信号的自适应能力。神经网络则具有 良好的自适应性、自组织性及很强的学习功能。本 文将此二者结合，以神经阿络原理和现代数学小波分析为依据，提出了基于神经网络思想的小嫂分析}改进原有算法，以自编 C程序识别工程技术测量中遇到的突发故障与噪声}并在强噪声环境中机械系统的突发信号实测中获得成功。 关键调 小嫂分析 信号处理 神经阿络 振 动 W aveletAnalysisforOnlineDetection ofOut-burstingSignalsinM echanical System Hart Lei Xu Jittg (Dept．ofMechanicalElectricalEngineering，XiamenUniv．，Xiamen 362005．China) Abstract Wavelettransf0rmationprovidesawaytodetectout—burstingsignals．butthesoftwaresimplybased onthisalgorithmisusuallylackofself—adaptabilitywhenmeetingout—burstinknoise．Neuralnetworkhasgood abilityofself-adapting，self-organizingandlearning．Onthebasisofmodelq2waveletanalysisandtheprinciples ofneuralnetwork，thispaperproposesamethodtorecognizethetypeandspecificationofrandom signalauto— matically，sothattheoriginalalgorithm canbeimprovedtoidentifytheOut—bursting noisedetectedinengine— eringmeasurement．Thesensoroutputfrom thedualcantileverbeam apparatusunderanout—burstingexcitation wasanalyzedsuccessfullybytheTurboC programs． Keywords Waveletanalysis Signalprocessing Neuralnetwork Vibration 对不同类型故障的、更具有通用性和 自适应能力的算 1 引 言 法，用于信号的分离与处理， 及判断、识别强噪声环 境中机电系统的突发性故障。 近年来，包括时频分析方法等新的故障检测方法 不断出现，为伴随着噪声的实际工程和技术测量提供 2 BP神经网络与小波分析理论 了极佳手段。时频分析方法可 有效应用于非平稳信 号的分析，弥补了传统的、基于傅里叶变换的频谱分析 2．1BP网络模型 方法的缺陷。尤其是小波分析 其良好的时频局部性 BP神经网络算法，即反向传播(Backpropagation) 功能，引起了工程技术各领域专家学者的关注。神经网