基于小波变换的奇异信号检测研究

奇异信号的奇异点经常携带有比较重要的信息,它是信号的重要特征之一.证明了小波变换能用来检测信号的奇异性,利用小波变换模的极大值和信号奇异点的关系,可以分析信号局部奇异性.信号局部奇异性用李氏指数来描述.研究了奇异性检测小波基的选择条件.给出了实例分析,结果表明,小波变换在信号奇异性检测和局部化分析方面具有优异特性.     

基于小波分析对信号奇异性的检测

提出小波分析对信号奇异性的检测方法，实现小波分析对信号各类奇异间断点的有效检测，并结合仿真实例对小波分析在奇异信号检测上的应用进行实际分析．     

基于小波分析对信号奇异性的检测

提出小波分析对信号奇异性的检测方法，实现小波分析对信号各类奇异间断点的有效检测，并结合仿真实例对小波分析在奇异信号检测上的应用进行实际分析．     

小波变换在电力系统故障暂态信号中的应用解析

小波变换理论在时域和频域的局部化性质,使之能有效地检测信号的奇异性.文章分析了电力系统故障暂态信号的奇异性,得出其奇异的特殊性,即具有不确定的奇异度,从而提出用小波变换进行奇异检测时对所用小波函数的要求,确保奇异性的准确检出,并给出了故障时刻检测的仿真.     

碰摩信号的小波表示及其相空间特征研究

对转子动静碰摩信号的相空间特征进行了分析和检测,分别用连续小波变换、多尺度分解、小波包和能量－尺度对比方法对动静碰摩振动响应的径向分量进行了研究,且在相空间得到了一些故障特征。用连续小波变换分析碰摩信号时,与碰摩点相对应的小波系数分布在较小的尺度上,且随着尺度的减小,小波系数模极大值线逐渐收敛于碰摩点处;用多尺度分解方法得到的第1级和第2级的细节信号中反映了碰摩点的特征,表现为局部极值点;用时间－尺度能量对比方法分析,这些特征表现得更为明显。这些特征都有助于故障的准确诊断。     

小波变换在汽轮机组动静碰摩故障诊断中的应用综述

小波变换在故障诊断的各个领域已经广泛应用,首先综述了汽轮机组动静碰摩的振动特征和诊断方法;小波分析应用于机械故障振动信号分析的优越性及其应用的进展和特点,介绍了小波变换技术在汽轮机组动静碰摩故障诊断的理论研究和实际应用,最后提出小波分析应用于碰摩故障诊断存在的问题以及对其应用前景的展望．     

应用小波分析研究信号消噪

噪声的去除一直是信号处理中较为关键的技术之一。小波变换在时，频两域都具有表征信号局部特征的能力，突破了传统Fourier分析的局限性，很适合检测信号的奇异现象。用Daubechies小皮分别对信号本身的奇异性，噪声的奇异性进行分析，结果表明，二者具有较大的不同。因而，将小波用于信号消噪具有重要的参考价值。     

基于峭度:小波变换的碰磨故障检测方法

转子机械在生产线上发生故障时,由于工况恶劣,其检测信号往往混有噪声,导致碰磨信号很难被检测出来。而碰磨故障信号拥有较强的奇异性,噪声却与碰磨性质的信号奇异性不一样,基于小波变换模的极大值对奇异性的判别原理,可以利用小波去噪。最后结合基于峭度的统计方法计算结果,判别出碰磨故障。本文最终通过实验验证了这种方法的有效性。     

基于小波的信号Lipschitz指数分析和应用

奇异信号往往带有一些重要信息,一般用Lipschitz指数来描述信号的奇异性.在Mallat等人的基础上讨论了奇异信号Lipschitz指数定义和相关理论基础,同时研究了小波变换与信号奇异性关系和Lipschitz指数的计算.利用信号和噪声奇异指数不同的特点应用于去噪声,文中提出了一种对噪声模极大值对应点周围的小波系数进行非线性压缩后重构信号新方法,仿真实验结果表明,这种方法有着较好的去噪效果.     

基于小波变换的电力信号奇异性检测

电力信号奇异性是分析事故时间和原因的重要依据,小波变换能在时域和频域上同时对信号实现局部化处理,能准确的定位信号的奇异点,因而在信号的奇异性检测方面有广泛的应用价值.本文介绍了小波变换对电能质量信号检测的基本原理和方法,并通过MALAB仿真实验验证.     

小波包分析在电气化铁道牵引网故障测距中的应用

参考了小波分析的基础上,采用了小波包分析方法对故障实行定位。由于牵引网故障暂态行波中的高频成分多而复杂,小波分析只能对信号的低频部分进行分解,而没有对高频部分进行分解。于是提出将故障信号经过小波包分析,对高频信号进行了进一步的分解。再结合求导算法和相似性算法对故障信号进行分析。通过实测的数据分析可以得出该方法具有更好的优越性,准确的实现了故障定位。     

小波包变换在往复泵活塞状态监测中的应用

根据小波变换能同时在时间域和频率域进行局部化信号分析的特点,采用小波包分解、小波包重构及小波包分频带能量监测方法对往复泵活塞状态进行识别,取得了良好的效果。这种方法具有特征参量少、故障特征突出等优点。可以预见,信号的小波包分析将发展为一种可用于往复泵工况监测与故障诊断的特征提取方法     

小波域内瞬时频率提取方法研究

根据振动信号本身的特征,由小波系数模极大值与小波函数的关系,提出了一种在小波域内提取瞬时频率的方法,这种方法比较适合于频率随时间变化的振动信号,把方法用于由碰摩转子模型生成的振动信号,可得到一条锯齿状的瞬时频率曲线,而用短时Fourier变换对该信号,是不能检测出这样的特征,这证明了该方法在瞬时的提取中是很有效的,对实测碰摩信号获得的瞬时频率也显示了这种方法的有效性,在故障诊断和特征提取中有广阔的应用前景。     

双模噪声背景下多阈值小波包在信号消噪中的应用

针对一类非高斯噪声——双模噪声信号进行消噪时,传统小波变换和小波包变换在选取恰当阈值准则及阈值量化时存在困难,通过详细分析双模噪声信号结构及频率分布特征,在将小波包分解频带按照频率顺序排列且通过比较最底层子空间节点能量大小的基础上,提出一种将频带进行多分段的多阈值小波包消噪方法.实验结果表明:在双模噪声且信噪比相同情况下,该方法比传统的多尺度小波软阈值、小波包自适应阈值消噪效果都优越,是一种非常有效的信号消噪方法.     

液压系统故障信号的小波包检测方法

提出了一种利用小波包检测调速阀故障信号的方法.通过小波的小波包分析将信号按一定的尺度进行划分,不同频率的信号被划分到不同的频段中.由经过预处理的信号经过小波包分解与重构后,可以得到小波包重构图,由图中可以获得故障产生的时间点和频率,再对故障的严重程度进行了量化分析.实验结果表明用小波包理论进行故障检测是可行的.     

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。     

基于小波包分解的滚动轴承故障诊断

提出了一种基于小波包分析的滚动轴承故障诊断方法用于实现滚动轴承早期故障的检测.该方法的诊断过程如下:对轴承原始振动信号进行频谱分析,获取振动信号能量集中的频段.根据频段的范围和振动信号的采样频率确定小波包分解的层数.采用小波包分解的方法提取滚动轴承振动信号中能量集中的频段并生成相应的重构信号,对重构后的振动信号进行Hilbert变换和二次频谱分析.通过对比轴承故障的特征频率和二次频谱中的特征谱线判断轴承是否有故障及其发生位置.运用上述方法对具有外环故障的滚动轴承进行了实验研究并成功地实现了滚动轴承外环故障的检测.实验结果表明基于小波包分析的诊断方法可以有效诊断出滚动轴承的早期故障.     

基于小波包分解和虚拟仪器的传导干扰信号检测

小波包分解(WPD)不仅能检测非平稳信号的整次谐波,还能检测信号的非整次谐波,且小波变换本身对信号的奇异点十分敏感,常常用来跟踪开关电源传导干扰信号.在虚拟仪器(VI) LabVIEW 6.i平台上,基于小波包变换算法设计了VI程序,实现了开关电源传导干扰信号实时检测系统.该系统具有信噪分离、测量传导干扰功率谱、伴有噪声的原始振动波形和噪声波等测量功能,实测结果表明该方法是可行的和有效的.     

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.     

一种新的小波包算法在机械故障诊断中的应用

小波变换由于其良好的时频特性,已广泛用于旋转机械、往复机械、齿轮、轴承等的状态监测和故障诊断中。它能将信号中不同的频率成分分解到互不重叠的频带上,为信号的信噪分离提供了有效途径。在此基础上,我们又引入了小波包分析,它能够为信号提供一种更加精细的分析方法,它能将频带进行多层次划分,对小波分析没有细分的高频部分进一步分解。本文提出了一种新的小波包算法,应用于工程中信号的噪声消除。