基于冗余提升小波包及Volterra级数的机械故障预测方法

针对Volterra级数模型在染噪时间序列预测中精度较低,以及收敛速度慢的关键问题,提出了一种基于冗余提升小波包(Redundant Lifting Wavelet Packet,RLWP)及Volterra级数的机械故障预测方法。首先用冗余提升小波包对振动信号进行分解,对分解得到的末层所有频带信号用奇异值分解进行降噪。然后通过构造二阶Volterra级数预测模型对降噪后的各频带信号进行预测。最后用冗余提升小波包重构算法对各频带预测信号重构,获得预测信号。仿真结果表明:结合冗余提升小波包的多分辨率分析及奇异值降噪,能明显提高Volterra级数模型的预测精度及收敛速度。在工程应用中该方法准确预测出了某离心压缩机的不平衡故障。     

基于提升小波包的往复压缩机活塞-缸套磨损故障诊断

针对往复压缩机活塞-缸套磨损故障微弱信号特征识别问题,提出一种识别该类信号微弱特征的自适应非抽样提升小波包方法(AULSP)。该方法以分解层信号所有样本的预测差值平方和最小为目标函数,算出与信号特征自适应匹配的初始算子,并构造非抽样算子算出下一层各频带信号。对各层细节信号进行阈值处理并重构,对降噪后的信号再进行小波包分解。各分解频带信号长度与原始信号的长度相同,无须重构即可识别时域故障微弱信号特征。用这种方法成功提取了某往复压缩机活塞与缸壁发生碰磨故障时产生的弱周期性冲击信号。     

基于提升小波包最优基变换的缸盖振动信号降噪研究

给出了一种基于提升小波包最优基变换的发动机缸盖振动信号降噪方法,给出了提升小波包变换公武,介绍基于最佳基分解的闭值降噪方法,并介绍了阚值的具体选择方法.将信号通过提升小波快速分解,对小波包系数进行阈值量化,用阈值量化后的系数对原信号重构,达到降噪的日的.通过计算仿真和实验,验证了方法的有效性.     

柴油机振动信号的小波包奇异值降噪

柴油机的振动信号中含有大量噪声,在进行故障特征提取之前必须加以消除.首先对傅里叶滤波降噪、小波降噪和小波包降噪的效果进行了对比,然后将奇异值分解技术用于信号降噪,最后提出了一种将小波包和奇异值分解相结合的降噪方法.该方法将输入信号进行一次小波包分解,利用奇异值分解方法对分解后的幅值量化系数进行降噪.实例表明,小波包和奇异值分解相结合的方法降噪效果最好.与其他方法相比,用新的方法对柴油机缸盖振动信号进行降噪处理的信噪比最高,且能明显识别出燃烧爆发、气门落座等各个阶段的振动信号,大大提高了特征提取的准确率.     

多小波处理图像压缩时前滤波器的设计

在应用中,对于单小波可以直接利用分解与重构公式对信号进行滤波。但是多小波是用矢量滤波器组对信号进行分解、重构。滤波对象必须是满足一定要求的矢量信号。因此,在进行多小波分解前必须通过前置滤波器对原始离散信号进行预处理得到初始矢量,然后才能进行多小波变换。同样,对重构后的数据也要进行后处理才能得到需要的结果。不同的多小波有不同的预处理和后处理方法。以GHM多小波为例,设计了多小波新的前滤波器,并将多小波通过前滤波后用于图像压缩,将其结果与单小波相比较,获得较好的结果。     

小波变换在信号滤波中的应用

概要地叙述了小波，小波包理论，提出了一种用小波包分解和信号重构进行信号滤波的方法，先用小波包分解把信号分解到相邻的不同频率段上，然后用信号重构方法各个频率段上的信号进行重构，以电机的振动信号为例，说明这种方法可以有效地用于信号的滤波。     

基于共振稀疏分解与子带增强的滚动轴承声学诊断方法

针对轴承声信号易受环境噪声干扰,导致声学诊断结果准确率低的问题,提出一种结合共振稀疏分解与小波降噪选取核心冲击子带、对信号进行二次降噪的滚动轴承诊断方法。首先采用共振稀疏分解算法对原始声信号进行降噪处理,提取信号瞬态冲击成分;然后通过小波包变换对信号进行分解,依据各子带信号峭度值选取核心冲击子带信号进行线性叠加并重构;最终通过包络谱分析确定轴承故障。故障模拟实验结果表明,本文方法可有效增强复杂声场环境下轴承声信号的冲击特性,实现针对滚动轴承的声学诊断。     

基于EEMD-小波阈值去噪的桥梁结构模态参数识别

为研究环境激励下大跨径桥梁结构振动响应特性,采用拾振器监测结构动态变形.针对监测信号中的噪声影响,提出EEMD-小波阈值联合滤波方法来提升信号精度.首先,利用EEMD算法对信号进行分解,基于平均周期图法和相关系数法双重判定准则剔除虚假分量,然后,结合小波阈值去噪方法对重构信号进行二次降噪,再利用RDT-ITD法识别结构模态参数.将滤波降噪和模态识别方法应用于天津永和桥实测振动响应分析中,并结合有限元分析结果进行对比.结果表明:EEMD-小波阈值联合滤波方法优于应用单一方法,能进一步提升信号精度;信号降噪后,利用RDT-ITD方法成功提取了结构前3阶竖向自振频率和相应阻尼比;识别的结构自振频率值与有限元分析结果基本一致,基频值相差3.07%.     

柴油机振动信号的小波包奇异值降噪

柴油机的振动信号中含有大量噪声，在进行故障特征提取之前必须加以消除。首先对傅里叶滤波降噪、小波降噪和小波包降噪的效果进行了对比，然后将奇异值分解技术用于信号降噪。最后提出了一种将小波包和奇异值分解相结合的降噪方法。该方法将输入信号进行一次小波包分解，利用奇异值分解方法对分解后的幅值量化系数进行降噪。实例表明，小波包和奇异值分解相结合的方法降噪效果最好。与其他方法相比，用新的方法对柴油机缸盖振动信号进行降噪处理的信噪比最高，且能明显识别出燃烧爆发、气门落座等各个阶段的振动信号，大大提高了特征提取的准确率。     

基于Volterra级数和ULSP的机械隐含故障特征提取

针对提取机械原始振动信号中的隐含故障特征,提出了一种结合Volterra级数及冗余提升小波包(ULSP)的信号处理方法.先用二阶Volterra模型对信号进行延拓、预测,然后用冗余提升小波包对信号进行分解.对仿真信号的处理结果表明:分解得到的信号在边界没有振荡,有利于微弱特征的提取.工程应用中,完整地提取出了往复注水泵活塞与液缸密封碰磨产生的微弱故障特征信号.     

基于变分态分解与灰狼优化支持向量机的齿轮箱故障诊断

由于行星齿轮齿轮箱的振动信号具有非平稳、非线性特性,在复杂工况下,会对其早期微弱的故障信号造成干扰,不能正确地识别出故障信息。为解决以上问题,采用基于变分模态分解(variational mode decomposition, VMD)与灰狼优化支持向量机的故障诊断方法。利用中心频率近似方法,求解出了变分模态分解的参数K,对分解出的本征模态函数(intrinsic mode function, IMF)分量进行相关性分析,优选出分量进行信号重构。将重构信号进行故障特征提取,利用灰狼优化支持向量机的方法进行故障模式识别。实验结果表明：采用所提方法对行星齿轮箱的故障识别准确率达到99.375%。     

区间上四重多小波包的分解与重构算法

小波包可对高频信号进行分解.在区间上连续四重多小波的基础上,给出区间上连续四重多小波包的定义,并分析了区间上连续四重多小波包的性质,进而给出其分解与重构算法.     

混合粒子群MP算法在脑电信号分析中的应用

目的开辟脑电信号分析的新途径。方法将混合粒子群算法与MP算法相结合,对脑电信号进行重构。结果混合粒子群MP算法不但极大地提高了信号稀疏分解的速度,而且还能够取得良好的重构效果。结论混合粒子群MP算法可以作为脑电信号分析的新方法。     

Lifting Scheme and Its Application to Edge Detection

0　ＩｎｔｒｏｄｕｃｔｉｏｎＬｉｆｔｉｎｇｓｃｈｅｍｅａｓｉｎｔｒｏｄｕｃｅｄｂｙＷ .Ｓｗｅｌｄｅｎｓ[1] ｉｎ 1996 ,ｉｓａｎｅｗｗａｙｏｆｃｏｎｓｔｒｕｃｔｉｎｇｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｔｈａｔｎｏｔｎｅｃｅｓｓａｒｉｌｙｂａｓｅｄｏｎｔｒａｎｓｌａｔｅｓａｎｄｄｉｌａｔｅｓｏｆｏｎｅｆｕｎｃｔｉｏｎ .ＬｉｆｔｉｎｇａｌｌｏｗｓｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｗａｖｅｌｅｔｓｅｎｔｉｒｅｌｙｉｎｔｈｅｓｐａｔｉａｌｄｏｍａｉｎｗｉｔｈｏｕｔｍａｋｉｎｇｕｓｅｏｆｔｈｅＦｏｕｒｉｅｒｔｒ…     

基于K-SVD 字典学习的岩心图像压缩感知重构

针对传统方法进行岩心图像压缩感知重构时,在低码率下容易产生细节丢失的问题,提出一种基于 K-SVD( K-Singular Value Decomposition) 超完备字典学习的压缩感知重构算法。首先根据分块压缩感知理论,将 岩心图像分块,采用高斯随机矩阵对相应层级的图像块进行观测,得到对应的观测值块,然后用MMSE ( Minimum Mean Squareerror Estimation) 方法获得初始解的估计并利用提示小波进行滤波,通过全局阈值的思想 得到自适应阈值,最后利用K-SVD 字典结合Landweber 迭代实现压缩与重构。实验结果表明,与传统方法相 比,在相同的采样率下获得的重构图像能较好地保留岩心图像的纹理信息,重构岩心图像的PSNR( Peak Signal to Noise Ratio) 值提高约0． 1 ～ 0． 8 dB。     

基于Haar小波提升的2.4kbit/s CWI语音编码算法

提出一种基于Haar小波提升的2.4 kbit/s特征波形内插(CWI)语音编码算法.将特征波离散时间傅里叶级数(DTFS)得到的幅度谱转化为离散余弦变换(DCT)系数,用Haar小波提升实现特征波的多级分解与重建.利用相位谱间距的均值和基音周期增益联合判断浊音度标志,用于进行相位选择和离散余弦变换系数的选择性量化.主观A-B听音实验表明,该语音编码算法音质优于传统的3.8 kbit/s CWI编码器,在较低码率上获得较为满意的合成音质,且Haar小波提升特征波形分解与重建方法解决了传统小波变换CWI算法延时较大的问题.     

基于稀疏表示的轴承早期故障特征提取

低速重载机械设备中的滚动轴承由于承受巨大载荷,极易出现内外环故障. 在故障早期阶段,反映故障特征的冲击成分很微弱,极易被噪声覆盖而难以识别. 为准确诊断轴承早期故障,提出基于稀疏表示的故障特征提取方法. 该方法利用K-SVD字典训练算法构造出能准确匹配冲击成分的字典,克服了参数化字典缺乏自适应性的问题;稀疏编码过程中,采用批处理正交匹配追踪算法(batch orthogonal matching pursuit,Batch-OMP)对振动信号进行分解,以逼近信号的峭度值最大原则作为分解结束条件,自适应确定出分解次数;最后,通过对重构的特征成分进行包络谱分析得出故障类型. 对仿真信号和轴承振动信号进行故障特征提取,结果表明所提方法能准确提取出冲击成分,验证了其有效性和实用性.      

提升小波变换二叉树图像编码算法

为进一步提高图像压缩质量,在研究二维离散信号采样的基础上,基于全相位列率滤波理论设计了全相位内插滤波器组,并将其用作小波变换提升格式中的预测和更新滤波器,对图像进行不可分离的二维小波变换.结合各分解子带小波系数金字塔排列的特点,借鉴经典的SPIHT小波编码算法的思想,提出了二叉树小波编码算法.对经典测试图像的实验结果表明,与SPIHT算法在相同编码比特率下做比较,在低比特率下,二叉树小波编码算法重建图像的峰值信噪比平均提高约0.5 dB,并且重建图像的主观质量也较好.     

相空间重构与差分进化算法-烟花算法-支持向量机结合的高压开关机械故障诊断方法

振动信号特征识别是一种有效地非侵入式高压开关机械故障诊断方法。提出采用互补集合经验模态分解(CEEMD)结合相空间重构提取有效特征,输入到差分进化算法(DE)和烟花算法(FWA)优化支持向量机(SVM)核函数参数的分类器,实现DE-FWA-SVM对机械故障诊断的准确识别。首先,通过CEEMD将振动信号分解成一系列固有模态函数(IMF),对相关系数较大的IMF分量进行相空间重构,提取表征混合特征的最大李雅普诺夫指数和关联维数构造特征向量;引入DE算法优化FWA算法的求解精度和收敛速度,再以DE-FWA对SVM参数寻优,解决SVM参数选择敏感问题;最后根据模拟四种典工况进行试验分析,结果表明:该振动提取方法能准确提取特征,DE-FWA-SVM表现出更优分类性能。