基于小波变换的弹射加速度滤波分析

根据小波分解与重构理论，对弹射加速度信号进行多尺度的小波变换，即用不同中心频率的带通滤波器对信号滤波，把主要反映噪声频率的那些尺度的小波变换去掉，再把剩余各尺度的小波变换结合起来，作小波重构变换，从而得到较好地抑制了噪声的信号。     

基于局部均值分解和共振解调的滚动轴承故障诊断

针对滚动轴承原始振动信号信噪比小,以及传统共振解调中带通滤波器参数选择难以确定,且依赖于人的主观经验的问题,提出一种基于局部均值分解和共振解调相结合的方法;该方法首先利用局部均值分解算法将振动信号分解成多个分量,再通过希尔伯特(Hilbert)变换获得各个分量的时频图,然后利用快速谱峭图算法自动确定带通滤波器的中心频率和带宽,最后对信号进行带通滤波和包络解调分析完成故障诊断。数字仿真信号和滚动轴承实验证明了该方法的有效性。     

应用连续小波变换提取机械故障的特征

针对机械信号的特征和小小变换的特点,论证了机械信号的连续小波可分解特性,提出了信号的时间－小波能量谱和尺度－小波能量谱的概念,同时,利用信号经连续Ｍｏｒｌｅｔ小波变换后在时间－尺度域内的不同能量分布特性,依据信号的尺度－小波能量谱分布特性,对螺杆泵减速器和滚动轴承这两类不同机械的信号进行了特征提取,结果表明,应用机械信号的尺度－小波能量谱进行特征提取,更好地利用了小波变换的恒Ｑ带通滤波器性质,可以     

基追踪在齿轮损伤识别中的应用

针对齿轮的振动特点,设计了复合过完备时频字典,利用基追踪方法在匹配信号特征结构、直接提取特征信息方面的优势分析了齿轮箱的现场测试振动信号.根据基追踪分解结果,在时频联合域内提取了齿轮局部损伤的周期性冲击特征,识别了齿轮点蚀缺陷.与短时Fourier变换和小波变换等时频分析方法进行了对比分析,验证了基追踪检测齿轮损伤的有效性.     

基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及基于多分辨分析的信号小波的分解算法 ,研究了信号局部奇异性在小波变换下的特性 ;根据故障信号的局部奇异性在小波变换下模的极大值及其在不同尺度上的传播特性 ,对 30 8型滚动轴承振动加速度故障信号进行分解 ,对故障特征信号进行时域定位 ,并提取了故障特征频率f=46 .88Hz,这与实际的故障特征频率相近 ,说明该方法适用于滚动轴承的在线监测和故障诊断     

小波滤波器的构造及其在环境研究中的应用

在环境研究领域,连续观测的数据(时间序列)几乎全都是具有多尺度性质的测量信号.观测数据之所以具有多尺度性质,一方面是因为其自身存在多尺度性质,另一方面往往受到外界各种因素的影响,而这些影响因子又存在不同的时间和空间尺度.为了解析生态环境过程的动态变化及其规律性,往往对连续观测数据首先进行滤波去"噪"(如干扰、误差、错误等),保留真实、客观、主要的信号.为此,本文利用小波分析的方法构造了带通滤波器,并用其分析得出了水环境中连续观测数据的变化规律.小波分析是时间--频率分析领域近年来迅速发展的一种新技术,具有多时间尺度,多层次和多分辨的特性,已被广泛地应用在信号分析、信息分析和地球科学研究上.本文首先对常见的几种小波基的尺度函数和小波函数作了功率谱分析,发现dmey(discrete Meyer wavelet)小波的高通和低通较其他小波函数更近似理想滤波器;为此利用dmey小波设置了带通滤波器,并以NINO3指数为例,检验了此滤波器,研 .究表明此滤波器有着较好的带通滤波效果.进而,用此滤波器对太湖现场实测的水深和降水数据进行了滤波,分析发现太湖水深变化在周以上尺度主要受降水影响;此外,太湖水深变化还存在1 d和0.5 d的显著周期变化.     

基于小波变换的信号特征与突变点检测算法研究

采用小波分解可以很好地研究信号的自相似性.小波变换能够分析信号奇异点的位置及奇异性强弱,即通过小波变换后的局部极大值在不同尺度上的衰减特性来衡量信号的奇异性.介绍了小波变换的基本概念,对信号特征和突变点检测算法进行研究,利用小波多分辨分析将突变信号进行多尺度分解,通过分解的信号确定突变点位置.通过Matlab实验,分析了信号奇异点定位和小波检测的结果,当小波变换尺度越精细时,检测突变点位置越精确,验证了小波变换是分析信号自相似性和突变点检测的有力工具.     

基于形态非抽样小波和S变换的轧机振动信号分析

为了确定板带连轧中多台轧机振动的起振顺序,首先在形态非抽样小波一般框架的基础上,构造了一种基于多尺度平均滤波器的形态非抽样小波.然后通过仿真实验,得到此形态非抽样小波尺度与频率之间的关系.最终利用基于多尺度平均滤波器的形态非抽样和S变换的方法对轧机振动信号进行分析,成功提取了故障频率的起振时间,确定了轧机的起振顺序.     

多尺度分解下的自适应滤波器组的构建方法

通过分析自适应滤波和小波变换的多尺度分解滤波的原理与方法,建立了非平稳信号的多尺度分解下自适应滤波器组的构建模型和滤波方法.将小波变换分离出来的噪声成分作为自适应滤波器的输入,通过自适应滤波器组,能实现多种噪声成分的自适应滤波.通过模型验证和工程实例的应用,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计.通过自适应滤波器组,能同时实现对多种噪声成分的最佳滤波,具有优良的滤波性能.     

小波变换的单开关电流积分器设计实现方法

针对小波变换的模拟电路实现问题,提出一种基于单开关电流积分器的模拟小波变换电路设计新方法。根据小波变换的模拟滤波器实现原理,以某一带通滤波器传递函数为例,首先,基于小波函数的容许条件,证明该网络函数为母小波函数;然后,采用单开关电流积分器为基本单元设计冲激响应为该母小波的带通滤波器,通过调节滤波器电路时钟频率获得不同尺度小波函数实现小波变换。研究结果表明:该方法实现小波变换具有无需小波函数逼近过程、设计精度高、电路结构简单、小波函数尺度易于调节等特点,适合于低压、低功耗和实时工程应用。     

基于改进小波变换法的风电场谐波检测

为了提高风电并网电力系统谐波检测的快速性与准确性,提出一种改进小波变换的谐波检测方法。首先,把风电并网系统电压信号的频域空间分割成低频区段与高频区段,针对低频区段信号采用小波多尺度算法分解,针对高频区段信号采用小波包进行分解,得到信号中的基波和各次谐波分量;然后,通过有效地提取出特定频率段的谐波分量进行重构来检测风电并网电力系统谐波;最后,利用MATLAB进行了仿真实验。实验结果表明:该方法能快速有效检测出谐波分量,提高了谐波检测准确度和快速性。     

一种基于小波变换和Canny算子相结合的边缘检测方法

提出了一种利用小波变换手段和Canny检测算子相结合的边缘检测处理方法。在提取图像边缘之前,利用小波变换能够检测局部突变的能力以及多尺度聚焦的功能,充分抑制图像噪声干扰的同时适当调整图像中目标与背景的对比度,最后利用最优阈值下的Canny算子提取图像边缘。此方法可以很好的消除因噪声干扰带来的虚假边缘,强化弱边缘,使之能够更理想的被检测出来。     

小波分析在土木工程结构健康监测系统中的应用研究

利用小波分析多分辨率的特点对结构损伤进行在线检测,判定结构损伤位置。在阐述了土木工程结构健康监测系统的组成、监测内容模块的功能及其特点和小波分析进行损伤识别的原理以及结构损伤的多尺度分析的基础上，通过对单层混凝土结构实验台的加速度信号进行小波分析,得到结构损伤的时刻,通过研究信号小波变换的尺度函数确定了损伤的位置,试验表明,该方法具有一定的实用价值。     

一种基于时频域归一化二次谱的信号特征检测方法

针对传统的基于傅里叶变换的信号特征检测方法在频率域内没有考虑时间分辨率，而基于小波变换的方法对缓变信号特征检测困难等问题，提出了一种基于时频域归一化二次谱的信号特征检测新方法．该方法首先在频率域内对原始信号的振幅谱进行傅里叶变换，再将其归一化，获得归一化二次谱，这种二次谱的自变量具有时间量纲，它既能反映信号的频率特征，也能反映信号的时间特征．然后，基于二次谱进行特征检测，同时可采用补零或加窗等方法对数字信号进行处理，以防止频谱泄露，从而克服了单纯频谱分析的不足．针对大型杆件与石油管线传导信号的特征检测结果表明，所提方法能对被测物的完整性做出准确、有效的诊断．     

基于多尺度一维卷积神经网络的弯管冲蚀损伤智能检测方法

针对高压管汇损伤需要提高检测效率和准确率的问题,提出一种基于多尺度一维卷积神经网络(MS-1DCNN)的弯管冲蚀损伤智能检测新方法,即用多尺度卷积层代替传统的单一尺度卷积层。在MS-1DCNN模型中,把通过模拟实验所得弯管冲蚀损伤原始时域信号作为多尺度一维卷积神经网络的输入,这样能解决传统方法依赖人工提取特征和专家知识的问题;然后,通过多尺度卷积层和池化层的交替连接对输入信号进行特征提取;最后,经由输出层输出弯管冲蚀损伤分类结果。模型试验结果表明：基于MS-1DCNN弯管冲蚀损伤检测方法可以有效检测出弯管冲蚀损伤,且平均检测准确率达到99.18%。研究可为高压管汇冲蚀损伤智能检测提供一种新思路。     

基于EMD和小波分析的建筑结构损伤检测探讨

采用经验模式分解(EMD)与小波分析相结合的方法探讨结构响应数据信号,进行建筑结构损伤检测诊断.与直接对原信号进行小波变换相比较,该方法能够更好地辨识出破损的时间局部特征信息.数值模拟和对建筑结构响应信号分析论证了该方法的有效性和实用性.     

微弱振动信号的谐波小波频域提取

为解决设备故障检测和故障预报中某些微弱振动信号难以提取出来的问题,在介绍谐波小波变换的优良特性及其基本原理的基础上,给出了谐波小波变换的实现技术.在不减少信息点数的情况下,用谐波小波变换成功地对微弱振动信号实现了频域提取与时域重构,并且实现了强噪声下微弱周期振动信号的频域提取.通过算例和工程实例,说明谐波小波方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波方法和傅里叶分析方法,且在混有强噪声的信号提取中消除了二进小波包仍然存在的噪声泄漏,同时也显示了谐波小波变换的频域保相特性.     

一种基于Contourlet变换的图像边缘检测方法

基于小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘,而且这种算法所得到的边缘图像往往出现断裂现象.Contourlet变换是一种新的多尺度几何分析方法,它不仅拥有小波变换的时频局域特性和多分辨率特性,而且还具有很好的方向性和各向异性.提出一种新的基于Contourlet变换的边缘检测算法.仿真结果表明,该算法对图像边缘细节的提取比基于小波的图像边缘检测方法更加丰富,且具有较好的连续性.     

小波变换和PSD估计在弧焊电信号处理中的应用

用小波变换对含有瞬态干扰的弧焊电信号进行多尺度分解,在某些尺度下,瞬态信号特征得以明显增强,用简单的阀值比较就可以有效地检测并消除瞬态干扰.然后对消噪后的信号利用PSD对其估计一段时间内弧焊电信号功率与频率的关系,从而得到可以反映焊接过程稳定性的信号统计特征.最后在Matlab环境下进行仿真实验,验证了此上两种方法的结合在提取弧焊特征信号中的有效性.