基于动态规划提取信号小波脊和瞬时频率

提出一种基于动态规划提取信号小波脊和瞬时频率的方法,其基本思路是：对信号进行连续复Morlet小波变换,由变换得到的小波系数的局部模极大值初步提取其小波脊;为降低噪音影响,在初步提取的各小波脊附近选取部分小波系数,通过施加罚函数平滑噪音干扰引起的小波脊变化的不连续性,将小波脊的提取问题转变为最优化问题,采用动态规划方法计算得到新的小波脊;根据小波尺度与频率的关系由提取的小波脊识别出信号的瞬时频率。将提出的方法运用于含噪调频信号进行数值模拟分析和实测索冲击响应信号分析。研究结果表明,基于连续小波变化的模极大值可以有效提取信号小波脊和瞬时频率;采用施加罚函数的方法可有效降低噪音的影响;基于动态规划的方法可有效提高计算效率。     

小波模极大值匹配算法的瞬变信号检测

分析了井下电磁脉冲数据传输中接收到的瞬变信号和噪声的小波变换模极大值在各尺度上的特点。在此基础上,结合匹配滤波器理论提出了瞬变弱信号小波变换模极大值匹配算法,该算法可以有效的区分信号与噪声的最佳尺度模极大值并检测信号。仿真结果表明,与小波模极大值方法相比,匹配算法实现瞬变弱信号的检测更为有效。     

基于小波变换的数字调制信号特征提取

小波变换的多分辨率特性对暂态信号有很强的检测能力,数字信号在不同码元之间呈现出幅度、频率和相位瞬变现象.文讨论如何利用小波变换对数字调制信号的瞬变特征进行提取,实验表明该方法对数字调制信号幅度、频率和相位的瞬变特征能够进行有效的检测.     

基于奇异值分解的连续小波消噪方法

针对小波软阈值消噪的缺点,提出了一种基于奇异值分解的连续小波消噪方法.通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分.通过仿真数据的对比分析和工程测试信号的应用,表明该方法适用于冲击成分信号的提取,与软阈值消噪法相比,它提取出的信号特征成分更完整,信噪比更高.     

基于交叉验证法优化参数的Morlet小波消噪方法

针对机械监测故障信号的非平稳性特点,提出一种基于交叉验证法优化参数的Morlet小波消噪方法。选择与机械冲击振动波形相似的Morlet小波,对Morlet母小波进行改进,增加了波形调整参数。通过交叉验证方法设计了改进Morlet小波的波形参数和变换尺度。对信号进行连续小波变换(CWT),实现对含噪信号的滤波消噪。将该方法应用于齿轮故障检测中,对比2种传统的小波消噪方法,验证该方法能够提取出强噪声背景下的有效信号特征成分,具有较好的滤波消噪效果。     

一种基于小波变换的边缘检测方法

基于信号与噪声在不同尺度下小波变换系数模不同的变化特征,提出了一种边缘检测方法,该方法通过对图像的小波变换域中由噪声引起的小波变换系数模进行处理,再利用小波变换系数模局部极大值来提取图像的边缘特征,实验结果说明这种特征提取方法可以有效地降低噪声,同时又较准确地提取出图像的边缘。     

基于小波变换和连续Hopfield神经网络的重叠峰解析策略

针对化学谱图分析中的重叠峰解析问题,提出了一种基于小波变换和连续Hopfield神经网络的谱图重叠峰解析策略.使用高斯函数作为曲线拟合的数学模型,将重叠峰分解为一系列高斯峰的叠加组合.首先,根据检测信号卷积型小波变换中奇异点特性分析原理,利用卷积型小波变换方法寻找信号的特征点,并根据特征点对信号做出初步解析;然后,构造解析峰参数与解析误差之间的函数关系,并以之作为连续Hopfield神经网络的能量函数;最后,根据该网络自我演化特性经过指定次数的迭代得到误差函数的极小值点,进而得到谱图重叠峰的最终解析参数.谱图重叠峰模拟解析表明,所提算法有效.     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力,是描述和检测信号局部性质的有效手段;利用小波变换模极大值能检测出信号上的所有奇异点,根据小波变换模极大值随尺度的增、减规律,去除噪声对应的极值点,再由模极大值重构信号,提出了小波变换基于奇异信号的消噪方法,并应用于对一瞬时心率信号进行消噪.     

小波变换模极大值重建方法消除胃电检测中的运动伪迹

在体表测得的胃电信号受到被试身体移动的影响会产生运动伪迹;这些高幅值的运动伪迹给胃电信号的提取带来了不稳定性。该文引入小波变换模极大值重建方法去除信号中的运动伪迹。采用多孔算法对信号进行小波变换,根据筛选准则去除运动伪迹对应的小波变换模极大值点,再根据标架理论,采用共轭梯度算法由模极大值重建信号,就达到了去除运动伪迹的目的。实验表明,此方法可以有效去除胃电信号中的运动伪迹。结果也说明在胃电信号的提取中,该方法可以作为一种有效的预处理方法,促进胃电在研究和临床中的应用。     

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.     

基于多方法结合应用的齿轮箱故障特征提取研究

基于振动信号分析的齿轮箱故障诊断的关键是实现对信号中故障特征的提取.由于在工程实际中采集到的齿轮箱振动信号含有较强的噪声干扰,所以单一的信号分析方法难以实现对故障特征的提取.因此将两种或两种以上方法相结合应用于齿轮箱振动信号的处理成为当前的研究趋势.为研究将不同方法相结合应用于齿轮箱故障信号特征提取的优势,对大量文献的研究成果进行了归纳整理.综合分析发现:将多种方法结合应用于齿轮箱振动信号特征提取,可有效避免单一方法的局限性,充分发挥不同方法的优势.总结了在齿轮箱故障诊断领域中分别以频谱分析为基础和以非线性理论为基础的将不同信号处理方法结合应用于齿轮箱故障特征提取的现状,最后针对多种方法结合应用于齿轮箱故障诊断的发展趋势提出了建议.     

一种基于压缩感知和小波信息熵的滚动轴承特征提取方法

为降低滚动轴承在线监测和故障诊断过程中振动信号采集、传输、存储和处理负担,基于压缩感知理论和小波包分析技术,提出一种基于压缩感知和小波信息熵的滚动轴承特征提取方法,用于滚动轴承故障诊断。应用部分哈达玛矩阵采集振动信号实现压缩,通过小波包分解提取滚动轴承状态特征,计算其小波信息熵作为故障诊断特征。在标准数据集上进行振动信号特征提取,并采用四种分类方法完成故障诊断实验,结果表明本文特征提取方法能够在较高的数据压缩率条件下,保持较高的故障诊断精度,适用于滚动轴承在线监测和故障诊断。     

基于鲁棒局部均值分解与二阶瞬态提取变换的滚动轴承故障诊断

利用传统故障诊断方法对滚动轴承进行诊断时存在故障特征提取困难以及提取特征不明显的问题.针对此问题,提出了 一种基于鲁棒局部均值分解(robust local mean decomposition,RLMD)以及二阶瞬态提取变换(second-order transient-ex-tracting transform,S...     

基于小波降噪和EMD方法的风力发电系统齿轮箱故障诊断

将小波降噪和经验模态分解相结合,提出一种风电机组齿轮箱故障诊断的方法。先对齿轮故障振动信号进行小波降噪预处理,再进行经验模态分解,对包含故障特征的固有模态函数用Hilbert变换得到包络谱,通过对包络信号做功率谱分析,提取故障特征频率,与未降噪信号处理的结果进行比较,降噪后诊断效果明显。     

Identification of Transient and Permanent Faults

A new algorithm was developed for arcing fault detection based on high-frequency current transients analyzed with wavelet transforms to avoid automatic reclosing on permanent faults. The characteristics of arc currents during transient faults were investigated. The current curves of transient and permanent faults are quite similar since current variation from the fault arc is much less than the voltage variation. However, the fault current details are quite different because of the arc extinguishing and reigniting. Dyadic wavelet transforms were used to identify the current variation since wavelet transform has time-frequency localization ability. Many electric magnetic transient program (EMTP) simulations have verified the feasibility of the algorithm.     

粒子群优化算法在齿轮箱振动信号去噪中的应用

 以振动频谱分析和粒子群优化算法为主要理论依据,以风力涡轮机齿轮箱为例,提出一种基于一维加速搜索算法和粒子群优化的齿轮箱振动信号去噪方法。利用一维加速搜索算法缩减搜索范围,应用粒子群优化算法提升优化效果,对切比雪夫带通滤波器和Morlet小波滤波器的设计参数进行优化,并对齿轮箱故障振动信号进行滤波处理。仿真实验结果表明,此方法能够实现快速有效滤波去噪,适用于齿轮箱实时故障诊断的研究,具有一定的理论研究价值和实践应用价值。     

基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法

针对柴油机缸盖振动信号非线性、非平稳的特点,以及传统故障诊断方法需要先验知识且特征提取费时费力的缺点,提出了一种基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法。首先通过复Morlet小波将柴油机缸盖振动信号转换为时频图,该变换包含了信号的时频域信息,比单一的时域或频域信号更适合分析柴油机缸盖振动这种非平稳信号;其次将时频图输入至AlexNet神经网络进行特征自动提取并建立故障诊断模型,解决了传统手工提取特征费时费力且需要专家经验的问题;然后通过Batch Normalization和Dropout技术改进网络结构,并优化神经网络超参数以提高模型的准确度和计算效率;最后将本文方法与传统的故障诊断方法应用于柴油机气门间隙异常故障诊断并进行对比,发现其诊断准确率最高,验证了所提方法的优越性。     

基于小波分形技术提取变速器轴承故障特征

利用小波技术对变速器轴承振动信号进行分解,对特定层的信号进行重构,并计算重构信号的分形维数,来实现变速器轴承不同技术状态下特征提取。实验结果表明,特定频率振动信号的分形维数能敏感反映变速器轴承技术状态,它可以作为诊断变速器轴承故障的一个重要特征量。     

基于ITD和模糊聚类的齿轮箱故障诊断方法

为提高齿轮箱故障诊断的准确性与效率,针对其振动信号非线性和非平稳性的特点,提出将固有时间尺度分解(ITD)和模糊聚类(FCM)相结合的齿轮箱故障诊断方法。首先对齿轮箱振动信号进行固有时间尺度分解,提取包含主要故障信息的前4个固有旋转分量(PRC),求取PRC的特征能量作为故障特征向量。然后利用模糊C-均值聚类算法对齿轮箱故障进行识别与诊断,并将该方法应用到现场齿轮箱的诊断中。结果表明,诊断结果与实际情况完全相符,该方法比经验模式分解与模糊聚类相结合的方法具有更高的计算速度和精度,为齿轮箱故障诊断提供了一种新的有效方法。     

滚动轴承故障程度识别

针对实际运行滚动轴承的故障程度问题,提出一种诊断滚动轴承故障程度的方法.深入研究滚动轴承的故障机理、振动信号的时域特征以及不同程度故障对滚动轴承运行的影响进行了,广泛分析振动特征提取方法和支持向量机的算法,采用了小波包能量法提取状态特征,使用新型二叉树支持向量机的多类分类算法.实验结果表明采用小波包提取状态特征和支持向量机可以滚动轴承故障程度识别,模型的学习、泛化能力强.