为了研究自行式模块运输车的悬挂液压系统液压泵故障的诊断方法,首先根据其液压原理在AMESim中建立了完整的仿真模型,对悬挂液压系统的故障工况进行了仿真分析,并获取样本数据;然后采用小波包分析对样本信号进行分解,提取信号的子带能量谱作为特征向量,并利用主成分分析法对特征向量进行降维;最后利用支持向量机对故障进行诊断并对向量机参数进行优化,对悬挂液压系统液压泵的故障诊断有较好的效果。

针对滚动轴承故障种类繁多,故障信号特征不明显的问题,提出了一种小波包能量与卷积神经网络相结合的滚动轴承故障判别方法。首先对原始振动信号进行小波包分解,其次求取分解后各个子带信号的能量,归一化后得到一组特征向量,最后将该特征向量作为卷积神经网络的输入,进而判断输入信号所对应的故障类型。为验证所提方法的有效性和优越性,采用美国凯斯西储大学轴承数据集,将所提出的方法与另外两种故障诊断算法进行对比。在不同工况情况下的对比试验结果表明,小波包能量特征提取方法,能够有效提取出原始信号故障特征。相较于常见的卷积神经网络的故障诊断方法,所提方法能够有效提高故障识别准确率,且速度快、稳定性好。

针对传统的FastICA算法对初始权值的敏感性,以及带钢热连轧工业过程数据间呈现非线性和非高斯性的问题,提出一种基于改进的快速核独立元分析(FastKICA)方法进行故障检测。该方法首先对原始数据进行小波包去噪,利用核方法对数据进行特征重构,使数据线性结构化,引入超松弛因子改进FastICA初始权值的选择机制,提取更合理的独立元信号,并且计算相应的统计量和控制限。选用带钢热连轧工业过程实测数据进行仿真,与传统的FastKICA方法相比较,结果证明,基于超松弛因子改进的FastKICA故障检测的方法准确率更高,验证了该方法的有效性和优越性。

复合材料拉挤多腔板在线生产时有时会产生缺陷,导致生产线故障甚至全面停车,因此需要对在线生产的复合材料进行实时无损检测。为此,采用敲击测试的方法,获取振动信号,利用小波包分析对敲击振动信号进行多层分解,分解后的频带能量作为特征向量。把经过归一化处理的特征向量用支持向量机(SVM)进行分类识别。经过实验验证,识别率达到100%。这表明使用小波包分析和支持向量机结合的方法可以对复合材料拉挤多腔板进行故障诊断,在实际应用中具有较好的前景。

小波包分析方法具有良好的局部分析能力,能对信号的时域与频域进行分析。以导管架平台室内模型为研究对象,建立其有限元模型。利用小波包分析方法,对有限元模型无损伤与有损伤数据进行分析,对比室内模型无损伤与有损伤实验数据分析结果,验证了小波包分析方法的适用性。建立有限元模型不同损伤工况,对各工况的振动响应信号进行分析,结果表明,小波包分析方法能很好地识别不同损伤工况,为工程实际应用提供了理论依据。

柱塞泵是液压系统的关键部件之一,监测其健康状态对液压系统的可靠运行具有重要意义。提出一种基于小波包和流形学习的方法,用于分析柱塞泵出口振动信号,从而对其进行健康评估;该方法利用小波包对原始信号进行分解,从中提取用于描述柱塞泵健康状态的有效特征群;把提取的高维特征群作为输入,利用并比较多种流形学习方法进行特征降维,选取状态识别准确率最高的拉普拉斯特征映射方法,建立起的特征向量到健康状态之间的对应关系,实现液压泵健康状态监测的分类要求。实验结果表明,采用小波包和拉普拉斯特征映射相结合的方法可以有效提高柱塞泵状态评估的准确性。

通过小波包分析方法，对叶片泵入口压力脉动信号进行了信号分析处理，获得了初生汽蚀信号的各尺度频谱和能量特征值。试验测试信号分析结果表明：汽蚀初生信号尺度能量特征值可作为初生汽蚀状态进行定量识别的判据。

选取某型装备溢流阀为研究对象，根据实际需求设计了DAQ硬件平台，并结合LabView虚拟仪器对采集到的数据进行小波包分析，将信号的能量分解到各个频带，通过能量柱形图反映出不同故障时的能量变化，并提取了故障的特征参量，为故障预测打下基础。

针对液压泵出口故障检测信号信噪比低、难以进行故障特征提取的特点，及传统的BP网络进行故障诊断时网络学习具有收敛速度慢和学习、记忆不稳定的缺陷，提出了一种将小波包变换和改进Elman神经网络相结合，进行液压泵故障诊断的新方法．利用具有紧支结构的小波函数对信号进行分解，削减小波系数以滤除信号中的噪声；单支重构以有效提取各频带的故障特征，并以频带能量作为识别故障的特征向量；应用改进的Elman神经网络建立从特征向量到故障模式之间的映射，实现液压泵故障分类．试验结果表明，采用小波包和改进Elman神经网络相结合的方法可有效的实现液压泵故障的诊断．

研究基于小波包频带能量的故障诊断方法及其在齿轮泵故障诊断中的应用。论述齿轮泵的典型故障设置及其数据采集,针对齿轮泵实验数据,研究基于小波包和支持向量机的齿轮泵故障诊断方法。实验结果表明：基于小波包-支持向量机的故障诊断方法是有效的,而且可以满足在线实时状态监测与故障诊断的要求。