基于提升小波的轧辊偏心信号提取及自适应控制

由于基于频域的经典小波变换运算时间较长,不能很好地满足轧辊偏心信号在线实时控制的要求,提出了用提升结构小波变换对偏心信号进行不同分辨率下分解处理的新方法.通过对轧制力信号和厚差信号的分析,利用提升和对偶提升原理将偏心信号从干扰信号和噪声信号中提取出来并通过参数自校正控制实现对轧辊偏心的在线动态控制.仿真结果表明,该方法获得了比较理想的效果,并且在同样数据长度下,提升小波变换运算速度比经典小波变换至少提高1倍以上.     

基于小波变换的轧辊偏心分析与仿真

为了提高热轧带钢厚度精度,针对以快速傅立叶变换为基础的轧辊偏心识别方法的固有缺陷,利用在小波变换下奇异信号和随机噪声在多尺度空间中的模极大值传递特性的不同,提出一种基于小波变换识别轧辊偏心的新方法,用于分析轧制力信号和厚差信号,并将信号从随机噪声中有效分离出,实现对轧辊偏心的动态补偿·仿真研究表明,小波变换补偿轧辊偏心优于快速傅立叶和其改进算法,可使轧辊偏心引起的厚度波动减少90%·设计基于小波分析的轧辊偏心补偿控制的方法,使补偿控制系统更有效地工作,对外界环境干扰具有很好的适应性和对偏心信号实行动态实时的补偿控制·     

轧辊偏心先进控制算法和实验研究

首先研究了先进的HMFFT和A-WAVELET算法,然后依托实验室的四辊液压轧机,对这两种轧辊偏心算法进行了实验研究.提出了一种有效的偏心相位检测和控制方法,建立了轧辊偏心控制的两级控制系统,进行了两种算法的软件设计和编程,在液压轧机上进行了实验.实验效果明显,采用先进算法的两级偏心控制系统为实际生产线轧辊偏心控制问题的实施解决提供了一种新的整体解决方案.     

基于小波变换的信号特征与突变点检测算法研究

采用小波分解可以很好地研究信号的自相似性.小波变换能够分析信号奇异点的位置及奇异性强弱,即通过小波变换后的局部极大值在不同尺度上的衰减特性来衡量信号的奇异性.介绍了小波变换的基本概念,对信号特征和突变点检测算法进行研究,利用小波多分辨分析将突变信号进行多尺度分解,通过分解的信号确定突变点位置.通过Matlab实验,分析了信号奇异点定位和小波检测的结果,当小波变换尺度越精细时,检测突变点位置越精确,验证了小波变换是分析信号自相似性和突变点检测的有力工具.     

数字信号处理在偏心控制中的应用

针对轧辊偏心问题,提出了一套对轧辊偏心信号进行提取和检测的数字信号处理方法;讨论了该方法在偏心控制中应用的有关问题。现场实验结果证实,该方法应用方便,处理正确,控制有效。     

图像的小波矩

寻找相对于尺度,平移、旋转不变的小波不变量是现今多分辨分析在模式识别中应用的关键性问题,统计量的不变矩理论是一种在理论上,应用上都比较成熟的识别方法,文中对图像进行了多分辨分解,并利用某一尺度的小波逼近系数对矩进行了描述,从而给出了一种在对图像进行小波多分辨分解过程中存在的视觉不变量－－小波矩,并且进一步把小波矩的概念推广到Ｎ维多分辨空间中,给出了小波矩的通用表达式,揭示了多分辨分解过程中信号的统     

自适应小波去噪算法及其在偏心补偿中的应用

针对液压自动厚度控制(AGC)系统中轧辊偏心信号的补偿问题,提出一种基于自适应小波阈值去噪算法的补偿方法.该方法根据噪声在小波变换下的特性自适应地确定小波分解的阈值,将去噪信号的信噪比作为性能指标,采用黄金分割法进行寻优,得到最优的阈值参数.仿真结果表明,该方法比原有的阈值去噪方法效果更佳,对液压AGC系统中轧辊的偏心信号具有良好的补偿效果.     

a尺度正交双向小波的Mallat算法

研究了a尺度正交双向小波的Mallat算法.引入了正交双向加细函数及a尺度正交双向小波的概念,在此基础上利用a尺度正交双向多分辨分析,得到了正交双向小波的分解与重构的Mallat算法,并给出其矩阵表示,推导了信号分解后完全重构的充要条件.该算法对于能量有限的离散信号的分解与重构有一定的实用价值.     

用分形插值函数构造多重非正交小波包

本文利用多个分形插值函数来构造多重小波包．从［0,1］区间上的等距分形插值函数出发,首先给出了多个尺度函数,证明了它们可以构成L2（R）的多分辨分析,最后得到了L2（R）的小波分解和小波包分解．     

一类含参数紧支撑正交小波的构造

本文提供了一种新的尺度函数构造方法.通过两个已知的正交两尺度符号简单的加权平均得到一个新的尺度符号,所构造的尺度符号能够生成一个尺度函数.这尺度函数具有正交性、紧支撑性,且生成L2上的一个多分辨分析,对应的正交小波生成L2上小波空间.这种构造方法使得在同一区间长度上的小波具有无穷种,丰富了小波的种类.     

轧辊偏心补偿重复控制系统的设计与仿真

针对常用的PID轧机辊缝控制系统在补偿轧辊偏心这一周期信号时,会产生很大的稳态跟踪误差,常使偏心补偿失败的问题,应用重复控制基本理论设计了一种新的轧辊偏心补偿系统,这种系统在对轧辊偏心周期信号进行补偿时,具有对偏心补偿信号无稳态偏差跟踪的特点.仿真证明这种轧辊偏心补偿重复控制系统的输出补偿效果非常好,稳态精度很高,远远优于常用的PID控制补偿系统,使偏心补偿控制的成功率大为提高.     

基于小波变换的弹射加速度滤波分析

根据小波分解与重构理论，对弹射加速度信号进行多尺度的小波变换，即用不同中心频率的带通滤波器对信号滤波，把主要反映噪声频率的那些尺度的小波变换去掉，再把剩余各尺度的小波变换结合起来，作小波重构变换，从而得到较好地抑制了噪声的信号。     

基于循环统计量的轧机偏心线性预测及补偿控制

提出了一种轧机偏心特性曲线概念. 基于偏心测试信号的循环统计量建立线性预测模型,在线确定轧机偏心补偿量数据,实现轧机偏心的实时直接数据补偿控制. 该方法能够准确反映并跟踪轧机偏心扰动的实际变化,满足对轧机偏心信号进行在线实时补偿控制的要求.     

雷达信号的匹配小波识别

为提高船用雷达在海上复杂气象条件下的抗干扰性能,有效识别航道目标,克服通常小波雷达信号处理中小波选择的困难和多尺度分析的非实时性,提出根据学习雷达信号匹配构造与信号具有相似频谱特征的带限尺度函数和小波算法.通过一级分解和重构,实时提取信号中的有用模式.根据不同信号动态构造优化尺度和小波.在实际一维雷达信号处理中,构造出频带锁定学习雷达信号有效频段的带限尺度和小波.     

基于小波包变换的声信号时频特性分析

用一种基于小波包变换的树形分解方法对声音信号进行了时频局部化多尺度分析,并利用分解系数重构了信号,结果表明用这种方法可获得高分辨率的信号语图。     

基于张量分解模型的语音信号特征提取方法

提出了一种通过张量分解提取语音信号特征的方法. 该方法对语音信号进行预处理,然后对每帧语音信号进行小波分解得到不同尺度上的信息,对这些信息提取传统特征参数,构建一个帧结构×分解尺度×特征参数的三阶张量,并经过张量分解得到各阶投影矩阵,从而建立语音信号在高阶空间上的特征体系,以便充分表征语音信号的特征. 实验结果表明,本文提出的方法与传统特征参数体系比较,有利于语音识别系统性能的提高,并且对于带噪语音的识别具有一定的鲁棒性.