基于小波重构与时空二维特征的光纤振动识别

针对光纤预警系统提出基于小波重构降噪和时空二维域特征的光纤振动识别.分析光纤振源信号的特征,使用小波重构降噪处理算法对时域信号进行特征提取,并以灰度图展示其明显的特征,进而提出灰度图腐蚀识别算法.通过时空二维域特征分析处理识别方法,能够较好地分类识别入侵振源信号.     

一种改进的第2代小波变换算法及应用

为了获得基于分析数据特征的小波函数,将第2代小波变换插值细分方法与最优估计理论相结合,提出了一种改进的第2代小波变换算法,在设计预测系数时,以小波分解的细节信号的平方和最小为目标函数,使预测满足一定的消失矩,通过最小二乘法确定预测系数,使预测系数能够反映分析数据的特征,采用最优插值估计的第2代小波变换分解及重构算法的降噪效果优于其他类型的小波,因此较理想地提高了滚动轴承振动信号的信噪比。     

一种基于小波分时灰度矩与概率神经网络的电网故障诊断方法

为提高电网故障诊断的准确率和速度,提出一种将小波分时灰度矩与概率神经网络相结合的电网故障诊断方法,通过对小波灰度矩进行时间上的划分,计算得到故障发生后电流在不同时刻的灰度矩的值,从而得到小波系数随时间的变化情况;以小波分时灰度矩作为概率神经网络的输入,诊断结果作为输出,实现对电网故障的自动诊断,利用PSCAD/EMTDC对电网不同类型的故障进行了仿真,采用连续小波变换对电网发生短路故障后的暂态信息进行分析,提取其灰度矩信息,利用概率神经网络进行了故障识别。仿真结果表明,小波分时灰度矩具有较强的细节表现能力,可作为电网故障的故障特征,与概率神经网络相结合可有效地实现对电网故障的自动识别。     

振动信号小波分解系数压缩编码方法

针对机电设备远程状态监控与健康评估需采集大量振动信号数据,为数据储存与传输带来巨大压力的问题,基于整数提升小波分解的多分辨率特性与稀疏分解特性,利用改进的自适应阈值方法对小波系数进行阈值处理,实现信号去噪;提出一种基于小波系数幅值分布规律的系数分组编码与区间差分编码结合的压缩编码方法;采用硬阈值方法、Minmax阈值方法与本文中所提方法对振动信号进行对比试验。结果表明,该压缩编码方法不仅能够实现较高的压缩比,而且能够完整保留信号的特征频率。     

基于小波熵的矿用齿轮箱振动信号相关去噪法

 利用真实信号小波系数相邻层间相关性强的特性,将基于小波熵的相关去噪法应用于矿用齿轮箱振动信号的处理,进行有用系数和噪声系数的划分,并对有用的小波系数进行重构,恢复原有真实信号,去噪过程中采用小波熵自适应设定阈值。为比较小波自适应相关去噪和硬阈值与传统相关性去噪的性能,分别对仿真信号和齿轮箱实测振动信号进行去噪处理,通过3种去噪方法的重构波形对比和信噪比与标准差的定量评价,以及实测信号的功率谱分析,表明小波熵相关去噪法有效提高了矿用齿轮箱振动信号的可信度。     

指节折痕线特征提取与识别算法

研究了一种基于灰度数学形态学和二维小波变换的指节折痕特征提取和识别算法.该算法首先利用灰度形态学对指节折痕子图进行预处理增强,通过选择合适的结构元素来施行对指节折痕子图图像进行灰度形态学处理,大大地改善了折痕线的对比度,然后利用二维小波分解的方法将增强后的图像进行二维分解,得到不同分辨率和不同方向的小波变换子图,最后根据折痕线的分布特征选择所需子图并计算它们的不变矩构成特征矢量来表征指节折痕特征.实验结果验证了方法的有效性.     

用连续小波灰度图诊断齿轮故障

为了识别齿轮振动信号中的冲击性故障,利用连续小波变换对正常和故障齿轮的振动信号进行分析,将不同尺度下连续小波分解系数的绝对值用灰度图的方式表示出来,并利用特征矢量法估计信号功率谱进行验证,准确识别出了齿轮轴的不对中故障。分析结果表明,小波分析对信号具有多尺度分析能力,对振动信号中的冲击成分有很强的识别能力;连续小波变换灰度图不仅能直观反应齿轮的正常与故障状况,而且不会丢失冲击信号的时间信息,有利于寻找故障源,实现对齿轮故障的准确诊断。     

基于小波理论谐波减速器振动信号的降噪研究

为满足频率高时窗口窄、频率低时窗口宽的要求,应用小波分析理论对XB-80-134H型谐波减速器的振动信号进行了分析,利用Daubechies小波对振动信号进行小波分解,并结合阈值去噪方法对信号作了消噪处理,即针对振动信号分解的各层小波系数设定相应的阈值,对于小于该阈值的小波系数认为是噪声并置为零,将剩余的小波系数重构,得到消噪后的振动信号.与传统的傅里叶降噪方法比较结果表明,小波降噪远优于傅里傅里叶降噪方法,小波降噪后的信噪比提高了6dB,而傅里叶降噪只提高了1 dB.     

基于振动的蚕茧质量智能无损检测

提出了一种基于振动的蚕茧质量智能无损检测的方法.通过对蚕茧振动信号进行小波分解重构蚕蛹的振动冲击信号,提取与蚕蛹质量有关的特征值,并利用模糊聚类的方法优选特征值,然后将优选的特征值作为BP神经网络的输入参数,以蚕蛹质量作为输出参数训练该网络,训练后的神经网络可利用所采集的蚕茧振动信号确定蚕蛹的质量,从而间接得到茧壳的质量.试验结果表明该方法有效可行.图4,表2,参9.     

基于小波包分析的内燃机振动诊断方法研究

针对内燃机缸盖振动信号的非平稳时变特点,通过给出小波包变换的一种改进算法,提出从振动信号的小波包分解系数中实现整循环征兆提取和故障识别的方法．实验结果表明了该方法的工程有效性．     

隧道掏槽爆破振动信号两种分析方法

通过设计两次起爆的起爆网路,控制掏槽眼引起的振动速度,有效地减少了振动对周边构建物的影响。对掏槽爆破时振动信号进行了FFT分析、小波包分析,结果发现:单向爆破振动速度控制在2.1 cm/s以内,振动频率集中于50~100 Hz。傅里叶分析法(FFT法)与小波包分析法在处理振动信号主频的结果相差不大,速度的FFT图谱与爆破振动信号能量-频谱图相似。可用FFT法快速粗略地计算振动信号的主频与估计能量分配比例。但FFT法计算精度没有小波包分析法高,在精度要求高的情况下仍需使用小波包分析法进行信号分析。     

小波多尺度变换对滚珠丝杠振动信号处理效果的研究

针对磨削加工中滚珠丝杠振动信号存在低信噪比及野值的特性,提出了基于正交小波多尺度分解的振动信号滤波方法。利用正交小波多尺度变化的基本原理,将振动信号分解到各个尺度上。在各个尺度上分别进行振动信号特性分析,之后通过正交小波重构得到高信噪比、去野值的振动信号。通过仿真试验及真实实验数据分析,验证了振动信号经过小波多尺度分解和滤波和重构后,不仅信噪比得到提高,并且振动信号的野值特性也可以得到很好地剔除。     

风机振动信号的小波阈值降噪处理

针对现场采集到的风机振动信号中存在大量噪声问题,采用不同的小波和阈值组合对仿真信号进行降噪处理,得出db8小波和heursure阈值选取方法可以得到最优的降噪性能.并将该方法应用于风机实际振动信号的降噪处理.结果表明,采用db8小波和heursure阈值选取方法的降噪组合,不仅能够有效降低信号中的噪声成分,还很大限度的保持了原信号的故障特征.     

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。     

基于多层联合降噪的信号处理方法

针对旋挖钻机钻杆振动信号具有非线性、非平稳的特点,以及多源振动耦合影响,提出了一种基于多层联合信号降噪方法,对振动信号进行降噪处理。首先,采用局域均值分解(local mean decomposition, LMD),得到一系列乘积函数(product functions, PF),根据计算得出的相关系数,挑选出含噪声成分最多的PF分量,舍弃残余分量,实现第一层降噪;其次,利用小波阈值降噪(wavelet threshold denoising, WTD),对挑选分量实现了第二层降噪;最后,将WTD重构信号设为奇异值分解(singular value decomposition, SVD)的前置处理单元,实现第三层降噪。基于MATLAB仿真实验与轴承数据降噪实验,分别使用EMD-SVD、LMD-SVD两种算法对目标信号进行降噪处理,LMD-WTD-SVD方法可以提高信噪比,并对比波形图与频谱图结果表明,此方法是一种更有效的降噪方法。     

小波变换在旋转机械振动信号检测中的应用

讨论了小波变换的分析方法,为提取旋转机械振动信号特征提供了理论方法.实践表明:小波理论的发展适应于振动信号检测的要求,给监测旋转机械的正常运转和可能引发故障的原因提供了一种科学的研究方法.     

谐波小波及其时频剖面图在旋转机械诊断中的应用

分析了谐波小波的定义、特点,以及用谐波小波时频图、等高线图表示谐波波分解结果的方法。分析结果表明,这两种方法虽然可以直观表示信号的时频能量分布以及无噪声信号中的微弱奇异成分,但当信号中存在噪声时,用这些方法将难以检测信号的奇异性,因而它们在工程实际中几乎是没有用的。提出了谐波小波时频剖面图（Ｔｉｍｅ－Ｆｆｒｅｑｕｅｎｃｙ Ｐｒｏｆｉｌｅ Ｐｌｏｔ,即ＴＦＰＰ）方法,利用该方法可以检测含噪声信号的微     

基于振动信号降噪的钢板件损伤定位

为了实现汽车船舶等行业中钢板件的结构健康监测,针对冲击、碰撞损伤发生时的振动信号,提出了一种结合小波包阈值降噪(WPT)和集合经验模态分解(EEMD)降噪的方法来提高损伤源的定位精度。首先,设计了动态环境下钢板件的冲击损伤试验系统并进行实验方案设计,采集了损伤时刻数据;其次,通过对损伤信号进行WPT-EEMD降噪有效提高信噪比,并利用阈值检测获得信号到达各传感器的时间;最后,基于延时叠加算法,完成了钢板件中损伤区域的定位成像。实验结果表明,该方法可在动态环境下有效定位出钢板件上冲击损伤发生的位置,为解决动态无损监测问题提供了思路。