机械故障信号小波包分解的时域特征提取方法研究
故障信号特征提取
故障信号特征提取故障信号特征提取是故障诊断和预测领域中的重要研究方向。
通过对故障信号的分析和特征提取，可以有效地识别故障模式，实现故障的自动诊断和预测。
本文将从故障信号的定义、特征提取方法和应用等方面进行探讨。
一、故障信号的定义故障信号是指在设备或系统运行过程中，由于故障引起的信号变化。
故障信号可以是各种物理量的变化，例如振动信号、声音信号、温度信号等。
故障信号具有一定的规律性和特征，通过对信号的分析和特征提取，可以揭示故障的本质和发展趋势。
1. 时域特征提取时域特征是指在时间轴上对故障信号进行分析和提取。
常用的时域特征包括均值、方差、峰值、峭度、偏度等。
这些特征可以反映信号的基本统计信息和波形形态。
2. 频域特征提取频域特征是指通过对故障信号进行傅里叶变换或小波变换，将信号从时域转换到频域，然后对频域信号进行分析和提取。
常用的频域特征包括频谱图、功率谱密度、频率峰值等。
这些特征可以反映信号的频率分布和频率成分。
3. 小波包特征提取小波包特征是指通过对故障信号进行小波包变换，将信号从时域转换到小波域，然后对小波域信号进行分析和提取。
小波包特征可以反映信号的频率分布和时频特性。
4. 统计特征提取统计特征是指对故障信号进行统计分析和提取。
常用的统计特征包括相关系数、互相关函数、自相关函数等。
这些特征可以反映信号的相关性和统计规律。
三、故障信号特征提取的应用故障信号特征提取在故障诊断和预测中具有重要的应用价值。
通过对故障信号的特征提取，可以实现以下应用：1. 故障诊断通过对故障信号的特征提取和分类，可以实现对故障模式的自动诊断。
根据不同的特征组合和分类算法，可以准确地判断故障的类型和程度，为后续的维修和保养提供指导。
2. 故障预测通过对故障信号的特征提取和模式识别，可以实现对故障的预测。
通过分析故障信号的变化趋势和特征演化，可以提前预测故障的发生时间和位置，为设备维修和生产计划提供参考。
3. 故障原因分析通过对故障信号的特征提取和关联分析，可以揭示故障的原因和机理。
基于小波分析的机械故障特征提取与诊断技术研究的开题报告
基于小波分析的机械故障特征提取与诊断技术研究的开题报告一、选题背景及意义机械故障的发生会导致生产设备的停机，直接影响企业的生产效率和经济效益，因此机械故障的预测和诊断一直是机械工程领域的研究热点。
传统的机械故障诊断方法多采用震动信号分析，随着计算机技术和信号处理技术的不断发展，小波分析作为一种新的信号处理方法被广泛应用于机械故障诊断领域。
小波分析能够把信号分解成多个尺度的信息，同时也能够检测出信号中的高频细节部分和低频整体部分，为机械故障诊断提供了更多的信息。
因此，基于小波分析的机械故障诊断技术研究具有很高的理论和实际意义。
二、研究内容和目标本次研究将基于小波分析的机械故障特征提取和诊断技术进行研究。
具体内容包括：对机械故障数据进行采集和预处理；利用小波分析对信号进行分解和重构，提取故障特征；建立机械故障的分类模型，实现自动诊断。
研究目标：建立基于小波分析的机械故障特征提取和诊断技术，实现对机械故障进行准确快速的识别和预测，提高设备的可靠性和运行效率。
三、研究方法和步骤1. 数据采集和预处理本次研究将采集不同工作状态下机械设备的振动信号和噪声信号，并对信号进行预处理（去噪、滤波、降采样等）和特征提取。
2. 小波分析将信号进行小波分解，得到多个频率范围内的小波系数，利用小波重构原理进行信号重构。
3. 特征提取在不同尺度下，提取小波系数中的能量、方差、标准差等特征量，分析特征变化的规律性，找到与机械故障相关的特征。
4. 模型构建和诊断建立机械故障的分类模型（如SVM、神经网络等），根据提取的故障特征进行模型训练和测试，实现机械故障的自动诊断。
四、研究进展和难点目前，已采集到多种机械设备的振动信号和噪声信号，并进行了预处理和小波分析。
正在进行特征提取和模型建立的相关工作。
本研究中的难点主要是：如何有效提取机械故障的特征，并选择合适的模型进行分类和诊断。
此外，如何应对信号中的干扰、噪声等问题也是需要重点考虑的难点。
基于小波包的舵机故障特征提取方法研究
舰 船 电 子 工 程
Ｓ ｉ ｅ ｔ ｏ ｉ Ｅｎ ｉ ｅ ｒｎ ｈ ｐ Ｅｌｃ ｒ ｎ ｃ ｇｎ ｅｉｇ
Ｖｏ ． １ Ｎｏ ６ １３ ．
１ ４６
基 于 小 波 包 的 舵 机 故 障 特 征 提 取 方 法 研 究
周 晶 宋 辉 余 家祥
ｗｈ ｎｅ ｕｐ ｎ ｓｒ ｎ ｉｇｕ ｄ ｒｅｆｃｓｏ ｎ ｉｏ ｍｅ ｔ ｎ ｈ ａ ｌ Ｆ ｕｔｆａｕ ｅｅ ｔａｔ ｎｉ ｈ ｎ ｆｔ ｅｍｏ ｔｄｆｉｕｔ ｅ ｑ ｉｍｅ ｔｉ ｕ ｎｎ ｎ ｅ ｆｅ ｔ ｆ ｖｒ ｎ ｎ ｄｔ ｅｆｕｔ ａ ｌ ｅ ｔ ｒ ｘ ｒ ｃｉ ｓｔ ｅｏ ｅｏ ｈ ｓ ｉ ｃ ｌ ｅ ａ ． ｏ ｆ
取 的特 征 向量 为 ： ８－［ Ｅ ， ， ］ Ｅ ￣ Ｅ徊， １… Ｅ ／ －
３ 舵 机 故 障 特 征 提 取 步 骤
设 备发 生故 障 时 ， 障信号 往 往会 被 高频 振 动 故
信 号调 制 ， 调 制信号 的包 络更 集 中地 携 带 了有 效 故
分析 信号 的特 征 ， 自适 应 地选 择 相 应 的 频 带 ， 之 使 与信 号频 谱相 匹配 ， 现 了对 信 号 时频 域 任 意精 确 实
严 重威胁 船舶 航行 安全 。因此通 过 日常 监 控 ， 提早
诊 断设备 的故障显 得 至关重 要 。 近年 来 ， 基于样 本 分析 的智 能故 障 诊 断方法 发
同时对各种高频振动和噪声也全部接收， 在故障发 生初期 ， 故障特征信号往往淹没在高频振动和噪声
中难 以分辨 。较 弱 的故 障 信 号甚 至会 被 高 频 振 动
－
—
１
Ｅ一
机械振动信号的特征提取与故障诊断
机械振动信号的特征提取与故障诊断引言：机械振动作为一种常见的故障信号，具有广泛的应用领域。
振动信号的特征提取和故障诊断是现代工业中一个重要的问题，它对于提高设备的运行稳定性和可靠性具有重要意义。
本文旨在探讨机械振动信号的特征提取方法，并分析其在故障诊断中的应用。
一、机械振动信号的特征提取1. 时间域分析时间域分析是对振动信号进行快速分析的一种方法，它主要通过对信号的幅值和时间的分析，提取振动信号的周期、幅值和波形等特征。
其中，最常用的方法是时域波形图、方差和峰值等统计指标。
2. 频域分析频域分析是一种将振动信号从时域转换到频域的方法。
通过对振动信号进行傅里叶变换，可以将其分解成不同频率的分量。
常见的频域特征包括功率谱密度、频谱图和频率响应等。
3. 小波分析小波分析是一种将振动信号分解成不同尺度的子信号的方法，它可以提取振动信号的时频特性。
常用的小波分析方法包括小波包分析和连续小波变换，通过对小波系数进行分析，可以得到振动信号的频谱图和时频图等特征。
二、机械振动信号的故障诊断1. 轴承故障诊断轴承是机械设备中常见的易损件，其故障会导致振动信号的异常变化。
通过对振动信号进行特征提取，可以分析轴承故障的类型和严重程度。
常用的特征包括峰值指标、频域特征和小波包能量等，通过对这些特征进行分析，可以判断轴承是否存在异常。
2. 齿轮故障诊断齿轮是机械传动中的重要组成部分，其故障会导致振动信号的变化。
通过对振动信号进行特征提取，可以判断齿轮是否存在故障。
常用的特征包括颗粒度指标、Kurtosis指标和脉冲指标等，通过对这些指标进行分析，可以诊断出齿轮的损伤程度。
3. 泵故障诊断泵在工业生产中的应用非常广泛，其故障会导致振动信号的变化。
通过对振动信号进行特征提取，可以分析泵的故障类型和严重程度。
常用的特征包括重心指标、峰值指标和频谱特性等，通过对这些特征进行分析，可以判断泵是否存在异常。
结论：机械振动信号的特征提取和故障诊断是实现设备运行稳定性和可靠性的关键技术。
基于小波包变换的电机定子故障特征提取方法
基于小波包变换的电机定子故障特征提取方法邱赤东;薛征宇;邵萍波;任光【摘要】针对感应电机定子故障的特征频率处在低频段,小波分解系数易受电机负荷波动影响的问题, 提出一种采用希尔伯特变换对信号进行预处理,利用小波包分解来实现定子故障特征的提取方法.通过小波包分解,使相应分解子频段能始终覆盖随电机转差率以及供电电源频率变化的故障特征频率.增加小波时域波形的波峰数,减少了子频段间的频域混叠及频谱泄漏现象.对原始信号进行希尔伯特变换的预处理,降低了电机负荷波动对分解系数的影响;采用子频段节点重构系数的均方根值变化率作为故障特征指标.通过对实测故障数据的应用,利用上述方法可以有效地识别出电机的定子故障.【期刊名称】《电力系统保护与控制》【年(卷),期】2010(038)022【总页数】6页(P52-56,62)【关键词】感应电机;小波包变换;希尔伯特变换;电流特征分析法【作者】邱赤东;薛征宇;邵萍波;任光【作者单位】大连海事大学轮机工程学院,辽宁,大连,116026;大连海事大学轮机工程学院,辽宁,大连,116026;大连海事大学轮机工程学院,辽宁,大连,116026;大连海事大学轮机工程学院,辽宁,大连,116026【正文语种】中文【中图分类】TM341感应电机是船舶动力及电力系统的重要支撑设备。
定子故障是感应电机经常出现的故障类型，其出现几率占电机总发生故障的37%[1]，而且是船舶管理人员唯一没有能力进行现场维修的故障类型，一般需要到港后由专业厂家修理。
由于船舶电网是低压电网（380 V），且电机的制造工艺要求高于陆地电机，所以，通常在定子故障出现时，还可以运行一段时间，在这段潜伏期内，准确地发现定子故障及其严重程度，通过及时安排靠港期间的修理，可以确保船舶航行的安全。
基于电流特征分析（Motor Current Signature Analysis）的方法将电机的常见故障与定子电流的频率特征量建立了函数关系。
基于小波分析的机械故障特征提取研究_陈长征
( 3)
因 s = 2- j , j 表示分解的级数, 当 s y 0 时, 即 j y
] 时小波变换就反映了 x0 点的局部状态。此时 Wf ( s , x ) 趋于 0 的速度在 x 0 点为 sa , 小于其他点趋于
0 的速度 s, 可见 s 很小时奇异点在小波变换中取最大 值。因此, 根据模极大值在各尺度上的变化即可确定
Journal of Mechanical Strength
机械强度
2001, 23( 2) : 161~ 164
基于小波分析的机械故障特征提取研究X
FAULT FEATURE EXTRATION OF MACHINERY BASED ON WAVELET ANALYSIS
陈长征XX 罗跃纲
张 省 虞和济
值在各尺度上的分布如图 2 所示。一般地, 由信号引
起的模极大值随尺度的增大而增大, 而白噪声引起的
奇异性则有截然不同的性质。理论上, 白噪声产生的 模极大值随尺度的增大而减小, 即尺度越低噪声越大。
它们清晰地反映了活塞对汽缸套的冲击信号的位置和
大小, 即可作为诊断汽缸磨损位置和程度的特征量。统
图 1 柴油机冲击响应信号 Fig. 1 Shock response signal of diesel engine
相应奇异点的位置 x 0, 进而可以确定奇异指数 A的大
小。
信号奇异性指数的大小, 反映了故障的程度。通
常, 故障的发生往往引起时域波形的波峰突变, 因此, 通过奇异性指数提取和统计, 可作为信号时域的敏感 因子, 以实现故障的自动诊断[ 8] 。
图 1 是柴油机冲击响应信号, 其四次冲击形成四 个主要的奇异点。对它进行奇异性分析, 它的模极大
机械振动信号的时频分析与特征提取
机械振动信号的时频分析与特征提取引言：机械振动信号是工程中经常遇到的一类信号，在机械故障预测、机器诊断等领域具有重要应用。
时频分析与特征提取是对机械振动信号进行分析和诊断的基础工作，本文将探讨这一领域的相关方法和技术。
一、时频分析的意义及方法时频分析是一种将时域和频域分析方法结合起来的信号分析技术。
它能够反映信号在时间和频率上的变化特征，对于提取信号中的瞬态信息和谐波成分具有重要意义。
时频分析方法常见的有短时傅里叶变换(STFT)、小波变换(WT)等。
1. 短时傅里叶变换(STFT)：STFT是将信号分割成若干段，并对每一段进行傅里叶变换的方法。
它能够较好地描述信号在时间和频率上的变化，但是时间和频率的分辨率有一定的限制。
2. 小波变换(WT)：WT是在不同尺度下对信号进行变换的方法。
它克服了STFT时间和频率分辨率的限制，能够更准确地提取信号的瞬态特征和频率成分。
二、特征提取的意义及方法特征提取是从信号中提取出具有代表性的特征，用于描述和区分不同的信号。
在机械振动信号分析中，特征提取是判断机械故障类型和程度的关键步骤。
1. 统计特征：统计特征是对信号的统计性质进行分析和提取的方法。
常见的统计特征包括均值、方差、标准差等，可以反映信号的分布情况和波形的稳定性。
2. 谱特征：谱特征是对信号在频域上进行分析和提取的方法。
常见的谱特征有峰值频率、能量集中度等，可以反映信号的频率分布和能量分布情况。
3. 小波包特征：小波包特征是对信号进行小波包分解并提取各层系数的方法。
它能够更全面地描述信号的时频特性和频率成分。
三、综合应用实例为了更好地说明时频分析与特征提取在机械振动信号分析中的应用，我们以轴承振动信号为例进行综合分析。
1. 采集并预处理振动信号：首先，采集轴承振动信号，并对其进行预处理，如去噪和滤波等。
2. 时频分析：将预处理后的振动信号进行时频分析，可以观察到信号在不同时间和频率上的变化特征。
通过STFT或WT等方法，得到信号的时频图像。
基于小波包分析的机械故障特征提取方法研究
数对应的频带和能量如表 1 所示 :
煤 矿 机 械 2003 年第 3 期 ・94 ・
文章编号 :100320794 (2003) 0320094202
煤矿机械常见液压故障的分析与处理
郭丽颖
( 大同煤炭高级技工学院 , 山西 大同 037003)
1 引言
由式 ( 3) 可知 , 小波变换系数 d ( j , k ) 的平方具
在机械设备故障诊断中 , 当机器设备发生故障 时 ,由于机器各零部件结构不同 ,产生的信号往往含 有大量的非平稳成分 。利用小波包分析方法可以自 动地把不同频率的信号分解到不同的频带中 , 从而 为故障特征因子提取提供了理论依据 。 2 小波包故障特征提取算法[1 ,2 ] 离散信号按小波包基展开时 , 包含低通滤波与 高通滤波两部分 ,每一次分解就将上层 j + 1 的第 n 个频带进一步分割变细为下层 j 的第 2 n 与 2 n + 1 两个子频带 。 离散信号的小波包分解算法
4 结论
图3 原信号按图 2 小波包分解树的分解结果
Fig13 The result of decomposition for the orignal signal according to wavelet packet decomposition tree in Fig12
对小波包分解所得的 8 个频段信号的小波系数
dl ( j , 2 n ) = a ∑
k
有能量的量纲 , 因此可以用于机械故障诊断的能量 特征提取 。 下面用小波系数的平方来计算小波包分解第 j 级分解水平上第 k 个子频带上的平均能量
E ( j , k) =
1
N
N
l =1
2 [ d ( j , k ) ] ( l ∑
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
机械故障信号小波包分解的时域特征提取方法研究
作者：杨国安， 钟秉林， 黄仁， 贾民平， 许云飞
作者单位：东南大学机械系,
刊名：
振动与冲击
英文刊名：JOURNAL OF VIBRATION AND SHOCK
年，卷(期)：2001,20(2)
被引用次数：55次
1.Hammond J K;White P R The analysis of non-stationary signals using time-prequency methods[外文期刊] 1996(03)
2.Mallat S;Hwang W L Singularity detection and processing with wavelets[外文期刊] 1992
3.Daubechies ⅠTen Lectures on Wavelets 1992
4.程正兴小波分析算法与应用 1998
5.陈逢时子波变换理论及其在信号处理中的应用 1998
6.华东石油学院石油矿场往复泵 1975
7.屈梁生;何正嘉机械故障诊断学 1986
8.钟秉林;黄仁机械故障诊断学 1997
9.胡昌华基于MATLAB的系统分析与设计--小波分析 1999
1.蒋康保神经网络在滚动轴承故障诊断中的应用[期刊论文]-装备制造技术 2010(1)
2.孙惠琴.钟原小波分析与 Hilbert 变换在 25T 型客车故障诊断中的应用[期刊论文]-铁道机车车辆 2010(2)
3.任锴胜.王增才.朱淑亮基于频谱分离与小波包分析相结合的滚动轴承故障诊断[期刊论文]-煤矿机械 2010(10)
4.王宝强.欧方平.任德均.姚进基于小波包变换和径向基神经网络技术的汽车后桥总成故障诊断研究[期刊论文]-机械 2010(10)
5.郭超小波包分析对舱音背景声中微弱信号的检测[期刊论文]-民用飞机设计与研究 2010(4)
6.孙盛宇基于小波神经网络的往复压缩机故障诊断方法研究[期刊论文]-压缩机技术 2009(5)
7.郭超.姚红宇.陈果.舒平民机驾驶舱舱音小波包分析及特征提取[期刊论文]-振动与冲击 2009(7)
8.梅检民.周斌.司爱威.张威.肖云魁基于变精度粗糙集理论提取发动机振动故障特征[期刊论文]-军事交通学院学报 2009(3)
9.陈果滚动轴承表面损伤故障智能诊断新方法[期刊论文]-仪器仪表学报 2009(1)
10.董宁娟.赵洪金.高晶波基于参数识别和小波包分析的故障特征提取[期刊论文]-噪声与振动控制 2008(5)
11.张振飞.夏利民基于神经网络的滚动轴承故障诊断智能方法[期刊论文]-信息技术 2008(8)
12.李扬.刘一民.郭庆军小波包络分析在轴承故障诊断中的应用[期刊论文]-计量与测试技术 2008(11)
13.崔硕时域指标在滚动轴承故障诊断中的应用[期刊论文]-机械工程与自动化 2008(1)
14.李宇飞.李军.杨金福.陈策气体润滑轴承-转子系统碰摩信号能量特征辨识[期刊论文]-机械科学与技术
2008(7)
15.柏林.刘小峰.秦树人时频面上基于瞬频估计的信号提取方法[期刊论文]-振动与冲击 2008(7)
16.邓堰.陈果转子故障信号的小波能量特征自动提取[期刊论文]-应用科学学报 2007(5)
17.梁平.白蕾.龙新峰.范立莉基于小波包分析及神经网络的汽轮机转子振动故障诊断[期刊论文]-控制理论与应用 2007(6)
18.肖晨静.李艾华基于SVM的柴油机故障诊断方法研究[期刊论文]-微计算机信息 2007(13)
19.范立莉.梁平小波包分析在汽轮机转子振动故障诊断中的应用[期刊论文]-广东电力 2007(11)
20.曲志刚.靳世久.周琰.曾周末基于RBF网络的油气管道侵入事件识别方法研究[期刊论文]-化工自动化及仪表2007(3)
21.靳世久.曲志刚.周琰.曾周末基于RBF网络的油气管道侵入事件识别方法研究[期刊论文]-中国科技论文在线2006(3)
22.吴斌.尉询楷.刘国庆.李应红支持向量机的滚动轴承状态监测[期刊论文]-火力与指挥控制 2006(11)
23.曲志刚.靳世久.周琰油气管道安全分布式光纤预警系统研究[期刊论文]-压电与声光 2006(6)
24.贾军峰.杨国安.李新华.吴振生基于小波包和包络分析的滚动轴承故障自动诊断方法[期刊论文]-石油矿场机械 2006(5)
25.姜绍飞.徐云良.张春梅.陈林基于小波包分解的数据融合损伤识别方法[期刊论文]-沈阳建筑大学学报（自然科学版） 2006(6)
26.陈原基于振动信号的蚕茧质量无损检测方法[期刊论文]-农业机械学报 2006(2)
27.贾军峰机械设备状态分析与自动诊断便携仪的研究开发[学位论文]硕士 2006
28.张庆涛离心压缩机智能故障诊断方法研究[学位论文]硕士 2006
29.林宝龙小波变换在结构损伤识别中的应用研究[学位论文]硕士 2006
30.陈原基于小波包原理的蚕茧无损检测研究[期刊论文]-农业工程学报 2005(9)
31.黄荣基.黄伟民柴油机燃油系统故障诊断的探讨[期刊论文]-广州大学学报（自然科学版） 2005(4)
32.沈申生.杨奕电器中交流电磁机构的故障诊断[期刊论文]-电力自动化设备 2005(9)
33.赵玉明.冯子明.赵卫华往复泵泵阀故障诊断方法[期刊论文]-流体机械 2005(1)
34.严骏.王建新.周朝霞.杨敏小波消噪和AR谱技术在汽车传动轴故障诊断中的应用[期刊论文]-解放军理工大学学报（自然科学版） 2005(3)
35.基于Hilbert-Huang变换的振动信号分解方法[期刊论文]-炼油与化工 2005(3)
36.王鹏基于金氏脉学的脉诊仪关键技术研究[学位论文]硕士 2005
37.张蕾基于小波能量谱的轴承振动噪声缺陷辨识方法[学位论文]硕士 2005
38.罗忠辉大型薄板坯热连轧机异常振动与故障监测研究[学位论文]博士 2005
39.魏霞基于HHT的往复机械故障诊断研究[学位论文]硕士 2005
40.魏霞基于HHT的往复机械故障诊断研究[学位论文]硕士 2005
41.郝志华基于局域波法和盲源分离的故障诊断方法应用研究[学位论文]博士 2005
42.韩清凯.俞建成.邓庆绪.闻邦椿转子系统油膜振荡的小波包分解与频带能量比例特征分析[期刊论文]-中国机械工程 2004(4)
43.张晓峰.李功燕应用小波分析提取故障诊断信号的特定频段[期刊论文]-振动与冲击 2004(4)
44.张静.孔凡让.张平.张盛.李晓峰基于谐波小波重构相位谱的齿轮故障诊断[期刊论文]-振动与冲击 2004(4)
45.赵吉文.冯志华.刘志刚.张平.李晓峰.孔凡让混沌理论与小波包分析相结合的状态监测方法研究[期刊论文]-振动与冲击 2004(4)
47.程军圣.于德介.邓乾旺.杨宇.张邦基时间-小波能量谱在滚动轴承故障诊断中的应用[期刊论文]-振动与冲击2004(2)
48.程军圣.于德介.邓乾旺.杨宇.张邦基时间-小波能量谱在滚动轴承故障诊断中的应用[期刊论文]-振动与冲击2004(2)
49.肖云魁.李世义.王建新.杨万成.曹亚娟以粗糙集近似逼近理论提取发动机振动故障特征[期刊论文]-振动、测试与诊断 2004(4)
50.陈原.刘民.罗先利蚕茧质量无损检测方法的研究[期刊论文]-蚕桑通报 2004(4)
51.肖云魁.李世义.王建新.杨万成.邢文华基于小波包-AR谱技术提取柴油发动机曲轴轴承故障特征[期刊论文]-北京理工大学学报 2004(6)
52.窦唯.刘树林.孙明.陈业生往复压缩机气阀故障诊断的信息融合方法研究[期刊论文]-压缩机技术 2004(1)
53.窦唯往复压缩机气阀故障诊断的智能方法研究[学位论文]硕士 2004
54.段玉波.由大伟往复泵泵阀的状态监测及智能故障诊断综述[期刊论文]-自动化技术与应用 2003(9)
55.冷军发基于小波-神经网络的故障诊断技术研究[学位论文]硕士 2003
56.郭超小波包分析对舱音背景声中微弱信号的检测[期刊论文]-民用飞机设计与研究 2010(4)
本文链接：/Periodical_zdycj200102008.aspx。