机械信号连续小波系数的统计特征研究

通过对机械信号的连续小波分解，利用小波滤波器良好的时频特性，针对机械信号的特征，论述了机械信号经过连续小波分解后的统计特征。在机械信号连续小波系数的特征提取中，引入机械系统的动力学维数，将连续小波系数按尺度方向进行了研究。利用尺度与频率的对应关系，应用小波系数的容积维数来研究其统计特性，并提取信号特征。实践证明，这种方法能够简单有效地提取机械信号的振动特征，并在诊断机械故障中得到了应用。     

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     

小波变换压缩图像中小波基的选择

基于小波变换的图像压缩应用日趋成熟,在基于小波变换的图像压缩技术中,小波基的选择对图像的压缩效果有着很大的影响,本文通过分析不同类型小波的性质,研究了在图像压缩中选择不同小波基对图像的影响。     

小波包算法在柴油机振声征兆提纯中的应用

将小波包技术引入柴油机振声征兆提纯的应用研究中，分析了小波包分解得到的Paley列存在的频率混叠现象的原因，给出了相应的小波包移频算法，该算法可以极大地抑制信号中的噪声，提高信噪比，有效地提取出信号的特征参数，对190系列柴油机的实验研究表明：该算法在柴油机等往复机械振声征兆提纯及其动态诊断中具有工程有效性和实用性。     

Haar小波及其机械故障诊断应用

小波变换是一种时频分析方法，在机械信号处理应用中，基小波常根据其时域波形与被检测的信号成分相似或匹配选择，很少考虑小波其他特性，这种方法并不完善．通过Haar小波说明这个问题，推导了Haar小波连续变换在时问和尺度上的周期性，应用于机械信号处理，有效地提取出故障特征频率．该研究结果开拓了基小波选择的思路．     

小波变换用于视频图像压缩研究

视频图像压缩是多媒体技术的关键之一。随着小波理论研究的不断深入,在此背景下,基于小波的视频图像压缩的理论和应用研究在业界已引起广泛关注。在对近十几年来小波图像压缩研究的回顾和总结基础上,着重介绍了小波技术在视频图像压缩应用研究的最新进展,探讨了目前小波视频压缩研究的若干热点问题及其今后的发展方向。     

小波变换与Fourier变换的比较

小波分析是一门正在迅速发展的新兴学科。根据小波变换与Fourier变换的比较,得出了小波变换相对于Fourier变换的优越性,并总结了当前小波研究在理论方面的主要工作,结合应用提出目前应用中有待研究的方面,对于小波技术发展应用具有理论指导意义。     

小波基和它对一维信号的直接分解（Ⅰ）

详述了在工程应用中选择小波基所依据的几个重要特征和参数,研究了四类样条小波和它们生成的小波基的几种重要的特征参数;并研究了它们对一维信号的直接小波变换。     

小波变换与Fourier变换的比较

小波分析是一门正在迅速发展的新兴学科。根据小波变换与Fourier变换的比较,得出了小波变换相对于Fourier变换的优越性,并总结了当前小波研究在理论方面的主要工作,结合应用提出目前应用中有待研究的方面,对于小渡技术发展应用具有理论指导意义.     

小波分析在分形科学中的应用

近年来,利用小波分析研究DLA模型等分形现象取得了长足的进展。本文概述了小波分析在分形研究中的应用机理和小波分析在分形构造与结构分析中的一些新进展,并从中提炼出一些值得继续研究的方向。     

基于小波分析和共振解调的故障诊断方法

介绍小波分析和共振解调技术的原理及在机械设备故障诊断中的应用。讨论小波分析和共振解调技术之间的内在联系与应用。     

高斯小波-最大熵谱分析法及其在机械故障诊断中的应用

充分利用小波和现代谱分析的优点,提出一种新的谱分析方法——高斯小波－最大熵谱分析方法。介绍了该方法的分析步骤,并应用于减速机的故障诊断。该方法实现了在机械设备故障诊断中不同频带范围内零部件故障信息的分离和提取。     

谐波小波在旋转机械故障诊断中的应用

为了对具有非平稳信号的旋转机械的轴心轨迹形状进行识别,提出一种基于谐波小波滤波提纯的方法.谐波小波具有明确的函数表达式,算法实现简单,具有良好的"盒形"频谱特性,能将信号不交叠且不遗漏地分解到相互独立的空间,便于信号特征的提取.采用谐波小波进行滤波提纯,可以将故障信息从原始轴心轨迹信号中分离出来,从而获得轴心轨迹的形状,为旋转机械的故障诊断提供了依据.大量仿真试验表明,该滤波提纯方法简单,具有较强的实用价值.     

基于小波多分辨分析的往复机械故障特征提取与识别

本文从往复机械故障诊断领域中特征信号处理的应用角度,探讨了利用小波多分辨分析与信息熵相结合,对往复机械故障进行诊断识别的方法．首先应用小波分解,将监测信号映射到由一个小波伸缩而成的一组基函数上去,在通频范围内得到分布在不同频段内的分解序列;在此基础上,对各分解序列进行ＦＦＴ变换,建立信号的小波特征熵,以此作为故障识别的特征参数,对往复机械运行故障进行诊断识别,并以压缩机振动监测信号为例,实现了不同频段范围内特征信息的提取与故障识别,说明该方法是提取故障信息并进行诊断的有效方法     

基于信号局部特征的自适应小波分析方法研究

提出了基于信号局部特征的自适应小波分析以及分段阚值自适应选择方法．针时旋转机械检测信号首先在时域中分析信号的局部特征，根据其局部特征分段自适应地选择小波函数进行信号处理，并分段计算其相应的阚值，进行小波信号处理，从而最大限度地保留信号特征，提高信号处理的性噪比．图2，参7．     

基于小波分析和Kohonen神经网络的滚动轴承故障分析

为了对旋转机械中滚动轴承的运行状态进行故障监测和诊断,在对振动信号进行采集和处理的基础上,提出了小波变换与Kohonen神经网络(SOM)相结合的滚动轴承故障诊断新方法.运用该方法在滚动轴承实验台上进行实验,用小波分析提取振动信号的特征值后,应用SOM网络对数据进行分类得到各种故障类型的标准样本,通过故障样本与标准样本...     

基于小波包-神经网络故障诊断系统研究

建立了旋转机械故障诊断的神经网络模型，采用小波包分解方法提取特殊频段上的能量作为特征值为神经网络的输入模式，模型具有通用性。并且应用于旋转机械故障样本的识别计算，结果表明该方法在故障诊断中是有效的。     

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。     

一种高速轧机故障检测系统

根据小波分析的思想，构造一种新型机械设备故障诊断装置，使得机械故障的诊断结果更加准确，较详细地介绍该系统的结构及关键部件.实际中的良好效果和较大的经济效益验证了这种装置的有效性。     

一种利用多种特征信息的旋转机械设备状态评估方法

对旋转机械设备进行状态评估具有重要的科学理论意义和工程应用价值;然而,强背景噪声干扰和特征指标适应范围的局限性大大增加了评估的难度。首先提出了一种基于自适应提升多小波的改进相邻系数降噪方法,利用该方法增强振动信号的微弱特征;然后提取振动信号及其包络解调信号的几种典型特征指标;最后利用自组织神经网络和小波包实现特征映射和状态趋势信息提取,构建一种能够真实反映设备不同运行阶段内在性能变化的状态评估指标。设计了船载天线传动机构加速疲劳实验系统,验证了上述方法的有效性。