系统模态参数辨识的小波方法

为研究小波变换在模态分析中的应用，并实验验证该方法的可行性，在小波分析良好的数值特性基础上．建立了基于系统自由响应信号连续小波变换的模态参数辨识方法．采用该方法进行仿真研究，仿真结果与理论值吻合.以悬臂梁为例进行实验研究，实验结果与理论计算结果吻合较好．尤其在阻尼比的识别上，相对误差在l％以下.仿真和实验研究表明，该方法计算简便．对比一般频域模态方法，该方法对模态参数识别更准确．     

基于两步小波变换的管道损伤识别

鉴于信号提取位置的不确定性,研究了信号提取位置对损伤识别的影响.对管道进行数值模拟,提取前两阶径向和切向位移模态.对轴向节点的径向位移模态进行小波变换,小波系数的模极大值反映了损伤的轴向位置;继续对环向节点的切向模态进行小波变换,通过模极大值来识别环向损伤位置;最后讨论了轴向损伤处节点径向位移的小波系数模极大值变化规律.结果表明:两步法可以有效识别损伤位置,轴向位置不含损伤时位移模态的小波系数能显示损伤的轴向位置但小波系数有所减少.     

一种基于小波变换的最小二乘复频域法的改进方法

针对应用最小二乘复频域法处理含有大阻尼、模态密集频带的频响函数时,难以快速、准确处理其中密集耦合模态的不足,提出了利用小波变换的带通滤波器特性对其进行改进的方法。该改进方法通过分析频响函数,搜索出应用原方法无法提取的密集耦合模态,对其选定合理的小波尺度因子进行小波变换分析,实现快速、准确的模态解耦和参数提取。最后通过对频响函数中含有大阻尼、模态密集耦合频带的8自由度系统进行仿真研究,验证了这种改进方法的正确性和优越性。     

基于应变模态小波神经网络的结构损伤识别方法

以框架结构为研究对象,利用小波分析和神经网络理论,结合二者的优点,运用小波分析来确定框架结构的损伤位置,运用神经网络算法来识别损伤程度,给出了基于应变模态参数识别框架结构损伤的原理,建立了一种识别结构损伤的小波神经网络方法.通过建立基于振型模态和应变模态的损伤识别方法,分别对9种不同工况下框架的裂缝位置进行识别,并对比了这2种模态下损伤位置的识别效果.然后,分别对框架的振型模态和应变模态进行连续小波变换,获得2种模态参数下的小波系数模极大值.利用神经网络去模拟小波系数模极大值与损伤程度之间的非线性关系来识别结构的损伤程度,并对比了这2种模态下损伤程度的识别效果.数值分析结果表明,小波神经网络可以有效地识别出结构的损伤位置和损伤程度,基于应变模态的损伤识别方法具有更好的准确性.     

基于改进随机减量法和小波变换的

基于改进随机减量法和小波变换提出了一种新的结构模态参数统计识别方法.随机减量法改进后可直接处理零均值非平稳响应信号,得到自由衰减响应,小波变换的时频域特性可解耦密频、低阻尼系统,自助分布的统计估计能力考虑和降低模态参数识别的不确定性.对提出的方法进行了完整的理论推导,并通过一个四自由度系统的数值算例验证了该方法可靠性.相比较传统的时域方法和直接小波变换方法,该方法具有更高的识别精度,尤其是阻尼比系数.随后的抗噪能力验证结果表明该方法在15dB噪声干扰下仍能够稳定、准确地识别出系统的模态参数,可适用于环境激励下模态参数识别.     

正交小波级数拟合法的薄板结构分布动载荷识别技术

针对工程结构中的薄板系统,基于正交小波级数分解理论,构造正交小波基函数,将待识别的分布动态载荷在正交小波基空间中进行小波级数分解,从模态理论出发给出了小波级数系数与结构测点响应信息的线性关系,计算出小波系数,通过小波重构,还原薄板结构表面承受的分布动载荷. 本文的载荷识别理论适用于各种不同载荷类型,通过计算机仿真,验证了该方法的通用性和较高的识别精度.仿真过程中加入随机噪声,识别结果证明了小波重构的动载荷具有良好的抗噪能力,有效提高了载荷识别的信噪比.      

基于Morlet小波变换的结构密集模态参数识别

为了解决结构密集模态识别精度不高的问题,提出了基于Morlet小波变换进行结构模态参数识别的一套方法流程.首先,从公式推导的角度对结构模态混叠的机理进行研究分析,明确和量化了密集模态的定义,提出了结构模态密集度指标——相邻模态的频率比,以此判定应用Morlet小波变换进行模态识别的有效性.其次,针对边端效应和噪声污染的不利影响,改进了小波变换识别结构模态参数的方法,并提出了最优小波中心频率的选取方法.理论研究结果表明,当相邻模态的频率比值一定时,随着阻尼比以及相邻模态阻尼比差值的增加,模态混叠的严重程度也增加.数值仿真算例结果表明,这种改进的模态识别方法可有效地识别结构的模态参数,且能够获得较高的参数识别精度.     

基于有限元与小波变换的弹性地基梁损伤识别方法研究

采用转角模态的小波分析方法研究了带刚度下降损伤段的弹性地基梁损伤识别问题.利用有限元分析求解带刚度下降段的模态参数,建立了基于转角模态小波变换识别弹性地基梁损伤的方法.以两端简支弹性地基梁为例,分别给出了地基梁无损伤、梁单独损伤、梁和弹簧同时损伤且损伤位置不同的有限元模型,计算得到了结构的转角模态,并通过转角模态小波分析来识别弹性地基梁内刚度下降段的位置.从识别结果发现,存在随机噪声的情况下,运用了转角模态小波变换方法,仍能识别出地基梁的刚度变化截面.数值算例证实了该方法的有效性和稳健性,研究结果对实际工程中的结构损伤诊断提供参考.     

重力信号的小波变换与经验模态分解级联滤波方法

针对动基座重力测量,提出了处理重力信号的小波变换与经验模态分解级联方法.该方法采用DB4小波函数的强制阈值小波变换作为前端滤波器,将原始信号分解为12层,提取第7层作为中间结果,运用经验模态分解方法用作第二级滤波器,将输入分解为8个模态,提取残余分量和最大尺度的逼近模态作为级联滤波结果.对静态重力数据进行概率密度分析,给出了重力的统计特性以及测量结果的可信度.级联滤波结果与某航空重力系统处理结果对比表明:级联滤波方法能够在强噪声中提取出微弱的重力信号,并且由于引入前端滤波器减少了级联滤波器整体计算量,提高了重力测量的空间分辨率.     

基于转角模态小波变换的平面框架裂缝识别研究

以有限元分析含裂缝平面框架的模态参数为基础,建立了基于转角模态小波变换识别平面框架裂缝的方法．利用Mexh小波对框架的转角模态进行小波变换,通过小波系数模极大值点来识别裂缝的位置．以一层平面框架为例,分别建立了框架梁含有裂缝、框架柱含有裂缝、框架梁和柱均含有裂缝的有限元模型,并通过转角模态小波变换来识别平面框架裂缝的位置．数值计算验证了方法的有效性．通过对平面框架基本振型和转角模态小波变换识别裂缝的比较发现,转角模态小波变换方法识别框架结构裂缝更为准确、有效．     

复Morlet小波的三维测量技术

为扩大小波变换轮廓术在三维测量领域的应用,提出了获得物体三维形貌的方法。该技术基于复Morlet小波变换理论,采用结构光照明,用最大值法提取小波变换的脊,获得变形光栅的包裹相位及整幅图像的包裹相位分布,再做相位展开。实验表明,该方法的误差在-0.37～0.38rad,能够满足物体三维测量技术要求。     

选取小波函数的方法研究

选取几种不同的小波函数利用连续小波变换（CWT）对同一图像进行处理,比较不同小波函数的小波脊系数幅值信息和恢复图像的效果,得出可以参考小波脊系数幅值表现的方法来选取合适的小波函数的结论.计算机模拟和实验也证实了该方法的正确性.     

独立分量分析联合小波变换的多分量信号调制识别研究

对复杂电磁环境下多分量信号进行调制识别,可通过准确估计接收信号的瞬时频率来分析其脉内细微特征。本文联合独立分量分析和小波变换技术,对多分量辐射源信号进行了盲源分离和调制识别的研究。在无先验信息条件下,采用Fast ICA对混叠信号分离,将时频混叠信号分解成一系列独立分量。对分离后的单分量信号分别做小波变换处理,由小波系数的局部模极大值提取其小波脊线。针对不同调制类型雷达信号,用最小二乘法对时频小波脊线进行直线拟合,获取特征参数,通过计算特征值判决出信号的调制类型。通过仿真实验表明,该方法可以分离混叠信号并有效提取信号小波脊和瞬时频率,进而识别出信号的调制类型,并在低信噪比情况下仍有较高的识别概率。     

选取小波函数的方法研究

在利用小波变换轮廓术进行三维面型测量时，由于满足存在条件的小波函数很多，而以前的研究论文，很少有针对小波选择问题的讨论，使得我们在如何选择合适的小波函数的问题上存在困惑.通过选取几种不同的小波对同一图像进行利用连续小波变换（CWT），比较不同小波在小波变换系数“脊”处的幅值和恢复图像的效果，得出通过参考小波变换系数幅值表现的方法来选取合适的小波函数的结论.计算机模拟和实验也证实了该方法的正确性.     

小波阈值去噪与岭估计在飞机磁补偿中的应用

针对飞机干扰磁场模型求解时均方误差较大的问题,提出小波阈值去噪结合岭估计(WTRE)的模型参数求解方法.首先采用小波阈值去噪对观测数据进行预处理,降低测量噪声对模型求解的影响;然后利用岭估计求解干扰磁场模型系数,岭参数的选取采用L曲线法.参数估计仿真实验的结果表明,WTRE的均方误差明显小于LS估计和岭估计,特别是在低信噪比情况下对岭估计的改进更加明显.飞机磁补偿仿真实验的结果表明,采用WTRE所求系数补偿后的信噪比最高,在飞机磁补偿中与其它方法相比具有明显的优越性.     

一种跳频信号跳周期联合估计算法

针对通信对抗中的实际应用,给出了一种联合算法估计跳频信号跳周期,与传统跳周期估计方法不同,该方法通过对信号进行谱图重排变换,然后提取时频脊线并对其进行小波变换,精确定位跳变时刻,最后得到跳周期的准确估计。仿真结果表明,该方法具有较好的抗噪性能,在信噪比大于-1db时能得到准确的参数估计。     

拉曼光谱预处理中几种小波去噪方法的分析

拉曼光谱分析中,噪声的存在常影响分析的准确度和检测限.以钙长石的拉曼光谱为研究对象,探讨小波变换在拉曼光谱信号去噪方面的应用,分别采用移动窗口最小二乘多项式平滑、移动窗口中位数平滑、非线性小波软硬阈值法和小波变换模极大值法对加噪后的拉曼光谱进行去噪并对去噪效果进行比较.结果表明,小波变换模极大值光谱去噪法得到了较高的信噪比,小波软硬阈值法次之,其他2种方法去噪效果较差.小波变换模极大值法能够有效去除光谱噪声,并很好地保留了光谱信号特征,为拉曼光谱的校正模型的建立奠定了良好的基础.     

基于复小波变换的拉索结构阻尼比识别

采用复小波变换对结构自由响应信号进行分析,推导出信号小波变换的脊线包含结构频率与阻尼比信息;采用动态规划的方法提取小波脊线,用最小二乘拟合方法识别结构固有频率和阻尼比.并对一数值算例信号添加不同噪音进行分析,与对数衰减率法识别结果进行对比,验证了方法的有效性和抗噪性.数值算例结果表明：提出的方法能有效识别结构频率与阻尼比;与对数衰减率法相比,小波方法具有更高的稳定性和抗噪性.将提出的方法用于安装减震器拉索的试验研究,较好地识别出了结构模态频率和阻尼比.     

基于小波脊的超声信号处理

根据超声信号通常是单频载波脉冲信号,具有渐近信号的特性,提出了一种基于小波脊的超声信号处理算法．首先利用渐近小波变换提取超声信号的小波脊,计算小波脊的移动熵,然后通过移动熵实现缺陷信号与噪声的分离和缺陷定位,最后利用小波反变换重构出缺陷信号．该算法充分利用了超声信号的时域、频域和相位信息,不仅消噪性能好,而且缺陷定位准确     

面向随机振动功率谱估计的小波变换去噪算法理论分析*

 针对随机振动功率谱通常存突变或间断现象,在小波去噪处理中,软阈值法使得估计信号在间断处较模糊, 且整体误差大,而硬阈值法在信号的间断点附近会产生伪Gibbs现象。通过对随机振动谱的统计模型进行分析,建立了对数域振动谱噪声的统计模型,并理论推导出根据噪声小波变换系数而设置的滤波阈值与小波变换尺度之间的非线性关系,为小波变换自适应阈值去噪提供依据,在此基础上提出了基于小波变换的振动谱估计自适应去噪通用算法,通过仿真对比实验,结果表明理论分析的有效性。