基于Morlet小波变换的振动特性参数识别

传统的振动系统特性参数识别方法对于非线性、非平稳信号的处理能力差,尤其对于阻尼比的识别精度较低.将Morlet小波变换和随机减量技术相结合识别振动系统的特性参数,首先利用随机减量技术提取振动的自由衰减响应信号,进而由Morlet小波变换对信号进行连续的小波变换处理得到小波能量谱,结合参数识别的基本理论及对时间-幅值坐标面曲线的半对数拟合结果得到振动系统的频率及阻尼比,数值仿真结果表明,提出的方法能有效识别系统的固有频率和阻尼比.将该方法应用于罐车模型流固耦合冲击试验研究,较好地识别出充液工况下振动系统的固有频率和阻尼比.     

基于解析信号和带通滤波的频率细化分析

介绍了一个基于解析信号和带通滤波的频率细化分析技术,讨论了其和传统的频率细化分析技术相比较所具有的特点,对离线测量,该技术在计算机上实现时,分析速度和最大细化倍数均比传统方法有较大提高,为基于计算机平台的虚拟仪器中的频率细化分析技术提供了一条崭新的实现途径。     

基于Morlet小波变换的结构密集模态参数识别

为了解决结构密集模态识别精度不高的问题,提出了基于Morlet小波变换进行结构模态参数识别的一套方法流程.首先,从公式推导的角度对结构模态混叠的机理进行研究分析,明确和量化了密集模态的定义,提出了结构模态密集度指标——相邻模态的频率比,以此判定应用Morlet小波变换进行模态识别的有效性.其次,针对边端效应和噪声污染的不利影响,改进了小波变换识别结构模态参数的方法,并提出了最优小波中心频率的选取方法.理论研究结果表明,当相邻模态的频率比值一定时,随着阻尼比以及相邻模态阻尼比差值的增加,模态混叠的严重程度也增加.数值仿真算例结果表明,这种改进的模态识别方法可有效地识别结构的模态参数,且能够获得较高的参数识别精度.     

用分层抽样和复Morlet小波识别短样本模态参数

针对大型结构短样本模态参数识别,提出基于分层抽样的最优复Morlet小波短样本模态参数识别方法.先对结构响应信号进行分层抽样,用随机减量法提取每一层的自由衰减信号;再根据样本标准差确定每一层的层权,用最优复Morlet小波识别每一层的模态参数;最后用层权对模态参数进行加权得到最终的模态参数.工程应用结果表明,所提方法具有较高的识别精度,良好的低频密集模态解耦和高频虚假模态抑制能力.     

基于Morlet组合小波的梳状滤波与包络检波方法

提出一种基于Morlet组合小波的梳状滤波和包络检波方法。梳状滤波在间隔的几个故障调制频率下进行窄带滤波,抑制噪声的能力强; Morlet组合小波构造简单,计算量小,仅改变组合小波的部分参数就可获得良好的滤波效果,方便灵活、适应能力强; Morlet组合小波的实部和虚部分别相当于一个零相移滤波器和一个90°相移滤波器,信号经小波变换后直接满足包络检波条件。工程应用结果表明:该方法对机械振动信号的滤波和包络检波一步到位,与故障特征频率相对应的包络谱谱峰清晰可见,适用于旋转式或往复式运动机械系统的故障诊断。     

基于Morlet小波尺度参数寻优的匹配追踪时频分析

与短时傅里叶变换、连续小波变换、广义S变换等时频分析方法相比,匹配追踪方法具有更高的时频分辨率,但传统的贪婪迭代算法计算效率较低。以Morlet小波作为时频原子进行匹配追踪,通过分析尺度因子不同时Morlet小波时频原子在时间域的形态,比较信号向频率、相位和延时相同,仅尺度因子不同的不同时频原子投影的投影值,认为尺度因子对时频原子的形态具有较强的控制作用,因而对时频原子和信号局部特征的匹配性能具有较强的控制作用。基于以上分析,在利用复地震道计算信号的瞬时信息作为时频原子频率、相位和时延等参数的基础上,对Morlet小波时频原子的尺度参数首先进行一维寻优,在得到最佳尺度因子基础上对时频原子参数进行微调,提高了计算效率。针对模型测试了算法的有效性及在去除噪声和薄层厚度求取等方面的应用前景。     

基于 Morlet 小波变换与 SVD 的故障特征提取

针对 Morlet 小波变换结果中的特征提取问题,对连续小波变换得到的小波系数矩阵进行奇异值分解( SVD) ,分析了所获得的奇异值与 Morlet 小波变换结果中的特征信号以及噪声的对应关系．基于这种关系,通过选择合适的奇异值进行重构,清晰地提取到 Morlet小波分解结果中的有效特征信息; 进一步计算得到频率 －能量谱,根据峰值位置能够提取冲击特征．将该方法应用于轴承振动信号的故障特征提取,并与其他方法进行了比较．结果表明,文中方法所获得的故障波形非常清晰,在低信噪比时具有较好的故障特征提取效果．     

基于Morlet小波滤波的改进方法及仿真研究

基于Morlet小波的滤波方法是新近发展起来信号分析方法,对于提高结构动态测试信号分析精度具有重要作用.本文对该方法的原理与算法进行了分析,指出该方法分析效率较低,尤其是滤波过程对信号阻尼特性有不利影响等问题.在此基础上,提出了基于Morlet小波滤波的改进方法.采用欧洲航空界广泛应用的GARTEUR飞机模型进行数值仿真研究,利用改进前后两种方法对仿真的扫频信号进行滤波,并基于滤波数据进行阻尼参数的识别.结果表明,改进方法计算量小,且较好地保持了信号的阻尼信息,验证了改进方法的有效性.     

振动系统非线性特性的神经网络识别法

本文介绍了振动系统非线性特性识别的一种结构化神经网络方法，与标准的前馈网络融进了人们对系统的已知认识，神经网络仅仅用来学习未知部分，本文将其应用于振动系统非线性特性的识别，结果表明该法是可行的。     

基于带通滤波和绿色因子的绿色识别方法

为识别大田作物长势监控图像中的绿色植物,提出了一种基于带通滤波和绿色因子的绿色植物识别方法.首先将自然光条件下采集的大田作物长势监控图像从RGB颜色空间转换到HSV颜色空间,并通过基于HSV的带通滤波器去掉RGB图像中的大部分背景;然后将处理过的RGB图像进行归一化,并利用ExG实现绿色植物的识别.实验结果表明,本方法能够正确识别大田作物长势监控图像中的绿色植物,能够较好地克服野外大田拍摄环境造成的识别难题.     

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。     

小波包多阈值去噪的一种改进方法

针对含噪信号中信号与噪声在频域内分布的差异性,通过小波包分解,将得到的小波包按照频率顺序重新排列,经过能量的比较将小波包分为3段进行阈值处理,实现多阈值去噪.仿真结果表明,与常用的Stein无偏似然估计阈值、极大极小准则闽值和固定形式阈值等方法比较,改进方法去噪效果更佳.     

小波包尺度图在故障检测中的应用

提出了一种基于小波包尺度图的故障检测方法,该方法通过对振动信号进行小波包分解,然后利用其尺度图作为特征量来识别设备工作是否正常,并确定其故障频率,通过对一组不同情况的机械振动信号进行分析,结果表明该方法有效可行,并且适用于其它类似问题的监测和诊断。     

微位移传感器的简便动态模型识别

通过搭建动态校准实验装置,在频域内对微位移传感器系统进行了动态校准,根据实验数据结果,利用一种幅频建模方法完成了动态数学模型的建立,并进行了模型检验,实现了对微位移传感器的简便动态模型识别。     

信号放大通道噪声特性的研究

通过分析滤波电路对嗓声信号的影响,提出了滤波电路的等效噪声带宽。通过对嗓声系数特性的研究,总结了前置放大电路低噪声设计准则。     

基于小波包频带内局部样本熵的桥梁损伤识别

针对移动荷载激励下桥梁结构在损伤区域局部时程信号的非平稳性和复杂性,以及考虑到有限的采样数据、噪声等影响,提出了小波包频带内局部样本熵的概念,以此来定义一个损伤识别指标。首先对单测点时程数据进行小波包分解,以各频带能量为标准选择合适频带系数重构,然后对该重构信号划分成一系列具有时序性的局部时间区间,最后计算各区间的样本熵来作为损伤识别指标。以一弯梁桥为例建立有限元模型,验证方法的正确性,并针对多损伤、测点选择及加载速度等相关因素进行分析。结果表明:当移动荷载在损伤区域附近时,该指标出现突变,适合损伤识别,同样适用于多损伤识别;该方法需要的测点少,布置较灵活;由于弯桥的结构特点,测点位置的选择不会影响指标的定位,但会影响损伤指标的大小。     

改进的卷积型小波包分解及在故障诊断中的应用

针对卷积型小波包分解存在频带错位与频带重叠缺陷,提出了一种改进的卷积型小波包分解算法。该算法通过交换偶数位置节点小波包分解后的两节点顺序来消除频带错位缺陷,引入两算子分别从频域除去低、高频子带理想通带范围外的频率成分以消除频带重叠缺陷。由构造的故障信号进行仿真实验,并使用某直升机中减速器疲劳实验的故障数据进行了验证。结果表明:由于消除了卷积型小波包和内积型小波包分解算法中广泛存在的频率折叠、频带重叠和频带错位缺陷,改造的卷积型小波包分解算法能更方便、更有效地提取隐藏在强噪声和其他强干扰背景下的故障特征信息,从而为机械故障的诊断提供了一种强有力的分析手段。     

微带线实现环形交叉耦合带通滤波器的设计

本文设计一种应用于小型化微波系统的微带线环形交叉耦合带通滤波器,可以更好改善系统的性能,应用较广泛.     

支持向量回归音频均衡器性能评价策略

针对因缺少大量分析数据样本而制约评价与分析音频均衡器性能的问题,提出了基于支持向量回归的音频均衡器性能评价方法。该方法以音频均衡器所应用的带通滤波器为实验研究对象。首先通过幅频特性测试仪采样,得到带通滤波器幅频特性数据集,然后进行支持向量回归,得到带通滤波器幅频特性曲线的逼近函数,用该函数对四项评价指标进行测定。实验表明,该方法能在获得模型参数全局最优点的同时,保证训练误差为0.0002,适于用示波法测量电子产品性能的评价。