基于小波熵的航空磁测数据去噪

在小波阈值去噪的基础上引入小波熵概念,利用信号在不同的分解尺度上具有不同的小波熵,自适应地确定高频系数分量的阈值.仿真和试验分析表明,在低信噪比条件下,小波熵阈值的去噪效果优于其他几种阈值,能够有效去除航空磁测数据中的噪声,提高磁异常探测能力.     

改进的小波域阈值去噪方法

针对使用常规小波域阅值去噪方法对含有高频噪声的低频信号或较平稳信号进行处理时，其去噪效果和信号保真度有时不能令人满意的问题，提出了一种对小波变换尺度1上的小波系数进行二次小波变换，并进行去噪处理后重构小波系数的新方法。该方法可去除大部分高频随机噪声。此后，再对重构后的信号进行小波域阈值去噪处理。仿真结果表明：该方法去噪效果明显，且信号主要细节保留较好。     

基于小波分解方法的暂态选线分析

在小波理论的基础上,提出了基于故障暂态电流α模分量突变量的故障选线方法。根据小波理论善于处理突变信号的特点,并利用小波理论对暂态信号进行分析,由分解后的小波系数构成的综合故障测度进行选线。大量的仿真试验证明,此选线方法可以很好地对故障线路进行选择。     

基于小波分解和重构的暂态选线与扰动识别

在小波分解和重构理论的基础上,提出了基于故障暂态电流α模分量突变量的故障选线方法。根据小波理论善于处理突变信号的特点,利用小波理论对暂态电流、电压信号进行分析,由分解后的小波系数构成综合故障测度进行选线,小波重构信号则对故障和扰动进行识别。大量的仿真试验证明,提出的选线方法可以很好地对故障线路进行选择,同时不受扰动影响。     

基于小波变换的心电信号检测新方法

首先利用正交小波包对心电信号进行去噪，然后采用Mallat算法获得信号在不同尺度上的小波分解细节信号，再对23尺度上的细节信号进行处理，使得与R波对应的模极值大幅度增加，提高了QRS波的检测率，经MIT-BIH心电数据库检验，QRS波检测率达到99.86％，     

基于小波变换的测井曲线图像预处理研究

以测井曲线图像的预处理为研究对象,利用小波变换对图像进行不同尺度的小波分解,对得到的小波系数进行不同的处理,包括小尺度下的高频系数置零、阈值处理、模极大值处理以及增加大尺度下高频系数的相对值等方法,从而达到去噪、增强等图像预处理的目的。结果表明利用小波变换对图像进行处理,可收到良好的效果。     

小波分析在气缸密封性故障诊断中的应用

论述了从检测燃机起动电压波形来分析气缸密封性的实验方法；并解决了轻微气缸密封性故障不易诊断的难题。通过小波多尺度分解，剖析了起动电压信号的本质，并对其进行除噪和重构。选择代表性Gaussian小波对除噪后的信号进行连续小波变换，利用小波系数绝对值分布灰度图和高阶代频逼近信号来实现故障辨识。     

基于小波变换模极大值的汽轮机振动信号去噪

针对汽轮机振动信号去噪问题,根据振动信号和噪声的小波变换模极大值在不同尺度上表现出的不同的传播特性,给出了基于小波变换模极大值的去噪算法.利用该法可以最大程度对含噪汽轮机振动信号去噪处理,实现信噪分离,并有效地保留信号的奇异点信息.     

基于小波多尺度乘积的信号去噪算法

根据信号与噪声在小波变换下表现出截然不同的性质，提出了一种基于小波多尺度乘积的信号去噪算法，该算法首先对信号进行多尺度二进制小波变换，通过相邻尺度小波系数乘积提取小波变换模极大值的小波系数和去除噪声小波系数：再利用模极大值小波系数进行小波逆变换得到去噪后的信号。实验仿真表明：该算法在有效去除噪声的同时，也能保留信号的重要特征。     

基于小波变换和自相关分析的电缆故障测距研究

随着电力电缆应用的增多,对电缆故障测距的精确度要求也不断提高。本文提出了一种基于小波分解的信号相关技术,在此基础上引入小波变换和自相关分析方法。先对采集到的信号进行多层小波分解,运用小波变换进行信号滤波和奇异性检测, 然后运用搜索模极大值的方法找到高频分量中的奇异点,从而实现故障的自动精确测距。经仿真测得故障距离为1498.23m（预设距离1500m）,误差是1.77m,小于一个采样点的距离,满足要求。     

基于小波神经网络的伺服直流电机故障诊断

研究了直流电机反映潜在故障特征的参数选取方法,并在此基础上建立了基于小波分析方法和BP人工神经网络技术的特征参量-故障映射模型模型。通过诊断结果与实际数据的分析、对比,验证了所建立的故障诊断模型能有效地实现潜在故障征兆提取和故障映射功能。     

机械故障诊断中小波多分辨分析的方法

小波分析是一种时变信号时 频两维分析方法。应用小波多分辨分析的方法,较好地处理了机械设备故障冲击信号富含的高频和故障信号出现的频率的低频的关系,使得机械故障的诊断结果更加准确,在实际应用中取得了良好效果和较大的经济效益。     

基于小波分析的齿轮箱故障诊断

对测取的齿轮箱振动信号进行了离散小波变换，提取了齿轮箱螺栓拉断的故障信息。结果表明，小波变换或小波分析为判断、预防同类事故提供了一种有效的分析手段。     

小波分析在变压器励磁涌流识别中的研究

励磁涌流是影响变压器差动保护正确动作的重要因素,而如何区分励磁涌流和内部故障电流又是变压器保护存在的主要问题,为此,文中利用Coif5小波函数在奇异信号处理方面的优势,分别对励磁涌流和内部故障电流进行小波分析。仿真研究结果表明:经过小波变换后励磁涌流呈现周期性奇异点,而内部故障的波形无奇异点,coif5小波变换后的周期性奇异信号能够很好地识别励磁涌流和内部故障,且方法简单、可靠。     

小波分析在转子裂纹故障中的应用

为了模拟现实生产中旋转机械出现的转子裂纹故障,在单跨转子实验台上,对含有裂纹的转子系统进行了实验,把采集到的故障信号,利用三维谱振图和小波尺度图结合进行分析.结果表明:两种方法相结合可以更好地揭示裂纹故障信号的频率结构,特别是在1/2临界转速下能检测出能量相对较小的二倍频分量;系统在2倍临界转速时,会产生1/2次谐波共振,随着裂纹的加深,会产生高次谐波,这些频率特征可以作为诊断裂纹故障的一个依据.     

基于小波神经网络的滚动轴承故障诊断

研究了基于BP神经网络、基于径向基神经网络等的故障诊断方法和原理,并利用小波包分解获得了滚动轴承振动信号的特征向量,进行了详细的故障诊断实验研究,通过实验,比较了基于松散型小波神经网络与紧致型小波神经网络的诊断结果。仿真结果表明,紧致型小波神经网络用于滚动轴承的故障诊断更为有效。     

小波分析在故障诊断中的应用

简述小波分析的数学原理和小波分析在故障诊断中的应用机理，并以钻井泥浆泵为例，分析了小波分析在故障诊断中的应用。结果表明，用小波降噪的方法先对泵阀信号进行处理后再进行特征提取和故障诊断变得容易；用小波进行泵阀信号的消噪可很好地保存瞬态冲击信号中的尖锋和突变部分。     

基于小波与倒频谱技术的烟气轮机轴承故障诊断

烟气轮机是石油炼厂催化裂化装置能量回收系统的关键设备，并且长期在高速、高温环境下运行，机组振动较大。轴承是烟气轮机中应用非常广的一种通用机械部件，轴承的运行情况直接影响到整个机组的安全运行，因此，对其状态监测和故障诊断意义重大。分析了轴承的振动特点和故障类型，分别介绍了小波降噪技术和倒频谱分析技术的原理、特点以及在轴承诊断中的优点，并将二者结合起来对烟气轮机的轴承振动进行故障诊断，最后验证了此种方法的有效性。     

小波分析在大型齿轮箱故障诊断中的应用

介绍了小波分析的原理及在大型齿轮箱故障诊断中的应用。通过现场的应用实例，讨论小波分析在大型齿轮箱故障诊断中的应用效果。     

小波分析在滚动轴承故障诊断中的应用

在共振解调技术的基础上，采用小波分析方法对滚动轴承的故障进行了有效的诊断，实例证明，小波分析对处理非平稳信号具有很好的应用效果。