S变换的火车车轮扁疤信号检测

为准确、快速检测车轮扁疤以保障列车行车安全,针对振动加速度传感器采集的车轮扁疤信号持续时间短、突变快的特点,采用短时能量判决和S变换时频分析方法相结合的算法对含有扁疤的振动信号进行检测定位。对典型扁疤信号进行频谱分析发现扁疤信号主要集中在2500Hz以下的频带范围内。通过对低通滤波后的振动信号进行短时能量判决筛选出扁疤可能存在的数据段,经S变换后,信号的突变特性表现明显,可以确定扁疤的起振时间。MATLAB仿真证明：该算法能够准确地对扁疤信号进行检测定位,并较其他方法步骤更简洁、定位更准确。     

小波分析中频带能量泄漏及对策

为了寻找信号特征提取优化的方法，排除误诊断，分析了Daubcchies小波系列的频带频率特性，指出了小波分析存在着频带能量泄漏的问题。频带能量泄漏不利于信号的特征提取和分析。通过仿真研究，得到了频带能量泄漏的基本规律，提出了频带能量增量比较法。该方法通过比较小波分析的相邻三个频带的能量增量，确定信号的特征频率分量所在的频带，进而以该频带的能量增量作为信号变化的特征。实验证明，运用该方法可以优化信号特征的提取。     

遗传算法结合小波神经网络的列车车轮扁疤故障检测方法

为了寻求一种更加有效的列车车轮扁疤故障分析算法,提出一种通过轮轨噪声来确定车轮扁疤严重程度的检测方法。该方法将遗传算法与小波神经网络相结合,同时为了避免出现局部极小值,加速学习速度,在小波神经网络中增加了动量模型;在搜寻小波神经网络隐含层链接权值之前,使用遗传算法进行计算以优化小波神经网络结构;硬件只需2组麦克风阵列以及2个速度感应器就可以提供实时结果,成本远低于我国现有的检测方法。对不同列车车速下的轮轨信号进行了实时测试,结果表明:与传统神经网络、小波神经网络和遗传算法相比,该方法的检测准确率最多分别提高了16%、11%和3%,并且收敛最快。     

基于频带能量分析的发动机转子早期故障识别

从检测信号中提取出发动机转子早期故障特征并进行快速识别是故障诊断的一个难点。将小波包分析与能量监测相结合,提出了根据频带能量对早期故障进行特征提取和识别方法。对频带能量分析原理,早期故障特征提取与识别方法进行了分析和研究,并将其应用于飞机发动机转子的早期故障识别。结果表明,频带能量分析方法能够有效地提取发动机转子早期故障特征并进行快速识别,特别是对于非平稳微弱早期故障信号,更具有明显优势。     

一种基于爆破振动信号小波分析的爆破危害评判新方法

基于Matlab小波分析软件,利用小波包良好的时频局部化性质对现场监测的爆破振动信号进行能量分析,得到爆破振动信号不同频带上的能量分布。根据爆破振动信号在传播过程中能量的变化规律及爆破振动信号的频带能量分布与爆破振动影响的密切关系,据爆破振动信号主振频率所在频域能量和受控结构自振频率所在频域能量,提出一种新的基于爆破振动信号小波分析的爆破危害评判方法。将计算实测点的爆破危害评定参数α与在该点观测到的建筑物的α进行对比。研究结果表明:当α0.235时,建筑物受损;随着α增大,建筑物受损情况加剧。     

基于小波能量谱的轨道表面凹陷检测

为了弥补现有轨道表面凹陷检测不及时、检测成本高等缺陷,提出一种基于小波能量谱的轨道表面凹陷检测方法。首先,在运营车辆上加装轴箱振动传感器,获取轴箱垂向和横向振动信号;其次对振动信号进行滤波处理,降低车轮扁疤等外界因素对检测精度的影响;然后对滤波后的信号进行小波尺度分析,并定位信号的故障特征频率范围;最后,依据故障特征频率范围计算信号的小波能量谱,根据其最大值是否超出阈值检测轨道表面凹陷情况。仿真结果验证了本方法在轨道表面凹陷检测中具有良好的应用效果。     

基于小波包能量谱及SVM算法的轴承故障检测

针对小波分析在故障诊断时的局限性,将小波分析和支持向量机算法相结合,提出基于小波包能量谱及支持向量机算法(SVM)的故障检测方法.该方法以振动信号小波包分解后各子频带的能量作为故障检测特征,利用SVM算法对轴承故障进行检测实验.结果表明:小波包能量谱能有效地反映轴承信号特征,并对故障进行检测.该方法同基于Lipschitz指数熵、单奇异点检测,以及小波包能量谱与神经网络相结合的故障检测方法进行比较,检测率均优于其他三种常用方法.     

基于CEEMDAN-WPT联合去噪的灾后求救信号能量分布特征研究

在隧道、矿山等复杂环境的地下工程灾后救援中,求救敲击信号微弱且经常淹没在噪声环境中,如何有效拾取求救敲击信号是灾后救援的关键问题。该文以现场敲击数据为基础,选取钢架、钢管、铁锤等不同类型的敲击信号进行对比研究。首先采用自适应噪声完备集合经验模态分解的改进算法(CEEMDAN)对信号进行分解,运用功率谱密度、相关系数和方差贡献率分析方法选择包含有效信息的IMF分量,再利用小波包阈值去噪(WPT)对信号进行分层滤波,最终得到信号的工作特征信息;其次利用小波包分析模块分别求得每个节点重构信号的小波包频带能量,研究不同类型敲击信号在频带内的能量分布特性,并比较其频带能量的分布差异。结果表明,钢架、钢管、铁锤等敲击信号的能量分布大致相同,多集中于0～250 Hz;通过能量频带细化分析发现,在能量波峰处,钢架敲击地面占比最少,铁锤敲击地面占比最多,该文方法可为灾后求救信号的有效识别提供基础,且为救援设备的传感器参数选择提供依据。     

金属罐形容器罐底声发射信号的检测研究

基于小波包分析和神经网络的声发射信号缺陷检测方法,提出采用区间小波包分解与能量距相结合作为声发射信号的特征向量,取代了传统的“小波包-能量“特征提取方法,并以金属罐形容器罐底缺陷诊断为例验证了该方法的有效性.结果表明,基于区间小波包能量距的神经网络特征提取方法更好地利用了缺陷信号的主要频带和小波包分析的时频信息,与传统方法相比,能大大简化检测系统的复杂度,提高容器的检测识别率.     

小波频率特性的频带边界问题

分析了Daubechies小波系列的频率特性,指出了在绝大多数频带边界频率处都存在着边界问题。在边界频率左、右两侧,频带能量有巨变现象,并且能量的跳变方向相反。边界问题严重影响着信号特征提取的准确性。为此,提出了相邻频带比较法,给出了边界频率的判断准则。运用该方法可以准确识别边界频率。     

隧道爆破振动与机车振动信号时频特征差异化分析

采用频率切片小波变换对复线新建隧道爆破振动与既有隧道机车振动信号进行了分析。在获取两种信号波形和频谱曲线的基础上,利用FSWT对两种信号进行了时频分析。然后根据其逆变换能切割任意频率区间的特点,对两种信号进行子频带划分并得到重构信号;并对两类信号不同的能量分布特性进行了对比研究。研究结果表明:爆破振动信号和机车振动信号的能量主要都分布于200 Hz区域内;在0~100 Hz范围内,机车振动信号所占能量相对较大;100 Hz以上频率区域,爆破振动信号所占能量比例更大。爆破振动信号相对于机车振动信号而言,属于更加高宽频的非平稳随机振动。     

经络电信号的能量传输特性研究

从系统的角度探讨手太阴肺经上少商-孔最一迟泽-天府穴特定段经络在外加电刺激时信道动态能量传输的特性.利用小波包分解技术对所测量的经络和非经络信号进行分解,然后计算各频带能量,以提取经络信道的动态特征.然后利用神经网络对经络与非经络特征进行模式识别.实验结果表明该方法可以明显区分经络上穴位与非穴位点所表现出能量传输特性的差别,可以用于信息能量鉴别方法确定经络上穴位点.     

水下爆炸船体结构壁压信号时频特征分析

为了研究水下爆炸条件下船体结构壁压信号时频特征,基于某船体结构模型水下爆炸实验壁压数据,利用小波变换良好的时频局部化性质,对壁压信号进行时频特征分析,得到壁压信号在不同频带上的压力时程曲线和能量分布.结果表明,利用小波变换可以方便地获得壁压信号强度、频率和持续时间等时频细节信息.能量统计表明,壁压信号频带分布很广,超过80%的能量主要集中在20kHz以下,5kHz以下频带能量最大.     

隧道掏槽爆破振动信号两种分析方法

通过设计两次起爆的起爆网路,控制掏槽眼引起的振动速度,有效地减少了振动对周边构建物的影响。对掏槽爆破时振动信号进行了FFT分析、小波包分析,结果发现:单向爆破振动速度控制在2.1 cm/s以内,振动频率集中于50~100 Hz。傅里叶分析法(FFT法)与小波包分析法在处理振动信号主频的结果相差不大,速度的FFT图谱与爆破振动信号能量-频谱图相似。可用FFT法快速粗略地计算振动信号的主频与估计能量分配比例。但FFT法计算精度没有小波包分析法高,在精度要求高的情况下仍需使用小波包分析法进行信号分析。     

离散小波包分析在非平稳信号处理中的应用

用离散小波包将振动信号分解到不同的频带，然后对感兴趣的频带补零重构提高缺陷信号的时频分辨率．对306滚动轴承的保持架缺陷作出了实际诊断，诊断结果与理论较为符合，证明离散小波包是一种有效的弱信号提取与诊断方法．     

火炮膛内压力曲线的小波分析

传统对火炮膛内压力曲线进行的Fourier分析不能区分信号中突变部分的有用高频量和无用噪声高频量，该文运用小波分析来解决这一问题。运用小波分析内弹道实验压力曲线，对信号的近似和细节部分进行区分，确定各频带的信号形式和发生时间，结合内弹道过程分析其产生原因。讨论了造成内弹道循环各阶段压力高频震荡的各种可能的不利因素，对膛内各种在时域里难以区分的复杂过程在频域里加以区分和定位。用Matlab软件中的小波分解系数灰度图确定信号的能量分布情况，最后进行滤波得到更真实的反映膛内压力特性的滤波曲线。     

小波包频带能量分解在断路器机械状态监测中的应用

基于小波包原理,将断路器操作振动信号分解到独立的频带内,不同频带内信号能量的变化反映了断路器机械运行状态的改变.提取主要的频带能量作为断路器状态监测的特征向量,并根据试验结果确定了不同状态下能量特征向量的容差范围,从而实现了不同机械状态的简单分类,为断路器的机械状态监测提供了相应的量化依据.试验模拟了ZN12-35型真空断路器4种不同的合闸同期性状态,采用单个加速度传感器在机构箱上获取合闸时的触头振动信号.该信号经过小波包频带能量分解后,可以将各种合闸同期性状态分类集中在复平面中明显区分的不同区域内,从而验证了该方法在断路器机械状态监测中的有效性.重复试验表明,在保证监测系统稳定的前提下,该方法具有较高的状态监测准确率.     

岩石超声波检测信号的小波分析

利用小波变换分析岩石超声检测信号，了解岩石内部结构特性和物理力学特性。建立了岩石超声测试实验系统，并进行多分辨率分析。结果表明，小波分析可以对指定频带和时间段内的信号成分进行分析，在时域和频域具有良好的局部化性质。可以准确地抓住瞬变信号的特性，对频率成分采用逐渐精细的时域或空域取样步长，从而聚焦到信号的任意细节。完整岩石试样超声检测信号及其小波变换波谱比较规则，无复杂变化，但反射波衰减较快，不同岩性的岩石，其超声波检测信号无明显差别，其小波变换却不相同。这差异是由于岩石的细观组构不同造成的。小波变换波谱反映了岩石节理、裂隙等岩石的完整程度。