汽车故障与诊断技术-现代信号处理方法 .pptVIP

* * * 发动机异响分析-故障信号小波分析 波形 发动机异响分析-正常信号小波分析 波形 发动机异响分析-故障信号第一层小波分解 故障大概在2500~2900Hz 常见小波函数 小 结 小波包分解能够对每一层分解后得到的高频信号进行再分解，提高了信号高频部分的频域分辨率，弥补了小波分解的不足 小波包分解保留了信号在各个不同频率段的成分，因此小波包分解后，信号的信息量是完整的 采用小波包分解能够提取信号中有用的频率成分，因此可以有效地用于信号的特征提取 FFT STFT CWT DWT WP * * * * * * * * * * * * * * * * * * * * * * * * * * * 平移因子作用 平移因子使得小波能够沿信号的时间轴实现遍历分析，伸缩因子通过收缩和伸张小波，使得每次遍历分析实现对不同频率信号的逼近。 连续小波变换实现过程 1）选择一个小波基函数，固定一个尺度因子，将它与信号的初始段进行比较； 2）通过CWT的计算公式计算小波系数（反映了当前尺度下的小波与所对应的信号段的相似程度）； 3）改变平移因子，使小波沿时间轴位移，重复上述两个步骤完成一次分析； 4）增加尺度因子，重复上述三个步骤进行第二次分析； 5）循环执行上述四个步骤，直到满足分析要求为止。 X ?(s,t) x(t) × Inner product 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 0 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 0 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 连续小波---运算过程示意图 X ?(s,t) x(t) × Inner product 连续小波---运算过程示意图 Magnitude 20 Hz 80 Hz 120 Hz 连续小波---运算过程示意图 原始信号 FFT 样本点 n / 个 样本点 n/个 频率/Hz 时域幅值 频域幅值 CWT 尺度 检测出脉冲信号并给出时间 不能检测出 脉冲信号 连续小波---仿真信号分析 小波基性质 模拟齿轮的裂纹故障 实验中采样频率为20kHz 转速1500r/min，齿数30 齿轮振动信号的频谱图 齿轮振动信号 连续小波---实例分析 齿轮振动信号时域图(a=1.3) T T T 齿轮振动信号的尺度谱图 t=4ms，a=1.3~1.5 t=44ms，a=1.3~1.5 小波分析对信号高频成分的刻划能力要优于其它时频分析方法，而且它在突变信号的检测中具有很大的优势。 采用连续小波变换可以检测到齿轮振动信号的幅值突变点，从而实现对齿轮局部缺陷的诊断。 结论： 连续小波---实例分析 离散小波 连续小波变换(CWT)：尺度a及时间τ的取值连续变化，计算量很大 不丢失原信号的信息 减小计算量 对尺度因子和平移因子进行适当的离散 小波包 离散小波变换只是对近似信号进行再分解，而没有对细节信号进行再分解，因此没有提高细节信号的频率分辨率。 小波包分析同时分解细节信号和近似信号 小波包 从时域来看小波包分解 每一层的小波包数目比上一层中的小波包数目增加一倍 每个小波包的数据长度比上一层小波包数据长度减半 每个小波包的时域分辨率比上一层小波包的时域分辨率减半 小波包 从频域来看小波包分解 每个小波包数据是原始信号在不同频率段上的成分 小波包的频带相邻，并且带宽相等 分解的层数越多，频率段划分得越细 故障诊断中的应用---轴承内圈剥落