用于齿轮故障诊断的复小波变换相位功率谱方法

基于复小波基函数的信号小波变换,体现了小波变换的多分辨特性。复值小波能从幅值与相位两个角度提取被分析信号的信息,在齿轮故障振动信号处理中可以更好地识别故障模式。     

基于小波变换的滚动轴承故障诊断

论述了小波变换在目前滚动轴承故障诊断中的重要性和实用性,介绍了小波变换的定义、特点及故障诊断的基本步骤,并通过实例说明了基于小波变换的滚动轴承故障诊断方法是准确可靠的。     

基于复小波变换的图像镶嵌

提出了一种新的图像镶嵌算法,首先根据图像采样的几何约束和相关特性,求得图像序列的初始拼接区域.然后采用满足平移不变性的复数小波变换对相邻图像序列进行了多分辨率的匹配,在每一层分辨率下,均采用8参数的投影变换模型进行了图像的变换.该方法将图像的匹配和摄像机的标定统一在一起,采集方法简单,既能保证匹配的精度,又提高了运算的速度.实验结果表明,图像合成效果非常理想.     

基于双树复小波分解的风机齿轮箱故障诊断

风机齿轮箱振动信号具有非平稳、非高斯特性,多种模式混叠和复杂的传递路径使得故障信息微弱完全淹没在噪声之中.针对故障特征提取的难题,将双树复小波变换引入振动信号分析,提出了一种新的工业风力发电机齿轮箱故障诊断方法.首先对风机齿轮箱振动信号进行双树复小波分解,然后计算各频带分量的峭度值,利用峭度筛选故障敏感分量.最后对故障敏感分量进行频谱分析提取故障特征频率.实验结果表明:双树复小波变换可将复杂信号分解为不同频带分量,抑制平移敏感性和频率混叠.与传统离散小波变换相比,能有效抑制虚假频率出现并准确提取故障特征.本文提出的方法已成功用于风力发电机工业运行监测并准确诊断多种类型的齿轮箱故障.     

基于双树复小波变换的磁共振幅值相位同时重建

为了加快磁共振成像速度及同时获取可信度较高的磁共振幅值和相位信息，提出了一种基于双树复小波变换的磁共振幅值和相位同时重建算法。该算法在传统的压缩感知框架下，借助双树复小波变换的多方向选择性和平移不变性，对幅值和相位分别进行稀疏变换。实验结果表明，在不同的数据集下，该算法均能提高重建磁共振相位图像的质量，并一定程度地改善了幅值图像。     

基于多分辨小波变换的相位匹配

相位匹配是基于频域匹配方法的一种,它利用具有局域频率特征的相位信号作为匹配基元,其匹配过程具有由粗到精的多分辨率特性。通过实信号解析分析法,在选用双正交小波的基础上,利用 Hilbert 交换构造了适于相位信号提取的频带分解滤波器,利用多分辨率小波变换将多分辨率的匹配过程与多分辨率的相位信号提取过程有机地结合起来。     

基于小波变换和实调制细化包络谱的滚动轴承故障诊断

为了解决常规调制信号细化谱中存在的调制成分较弱和边带不对称问题,根据移频调制原理,提出了可以实现正负频段频谱对称的新频移方法-实调制方法,将实调制结果滤波和重采样后,再经过Hilbert变换,得到真正意义上的细化包络频谱。本文对细化包络谱进行了计算机模拟分析,并用于电机断条的故障诊断,结果表明：由于剔除了无用的调制频率的影响,使得被调制的故障特征频率更容易识别和测量,克服了常规细化谱在故障诊断应用中的缺陷。     

基于小波变换的齿轮图像边缘检测

在基于计算机视觉技术的齿轮测量中,齿轮图像中的边缘信息是极为有用的,它是进一步进行齿轮图像分割的基础,直接影响到齿轮几何参数测量结果的正确性和可靠性。传统的边缘检测算子大都是基于边缘的灰度不连续性利用梯度局部最大值或二阶导数过零点来检测边缘,容易受噪声干扰。文中采用图像的多尺度小波变换局部模最大值进行边缘检测。检测结果表明,此方法降噪能力强,定位精度高,克服了传统方法的缺点。     

基于映射的图像多角度复小波变换

目的为了实现图像的多角度分解。方法根据映射的复小波变换理论,引入Softy空间,实现从实数空间L2(R)到复数空间S2(C)的一一映射;构建一种新的图像数字滤波器。结果通过对同一图像6个方向分量的分解实验,可以看出这种变换可以实现图像的多角度分解,而且可以完全重构原图像。结论该方法能够增强图像分解的方向性,同时可以克服图像对平移的敏感性,是一种图像多角度分解的有效方法。     

FFT复小波及在设备故障信号分析中的应用

提出一种在频域用数字滤波器定义复小波和展缩小波基,用FFT实现复小波变换的算法。该算法可通过控制滤波器的频率截止特性来生成不同特性的小波函数;通过控制滤波器截止频率位置来改变离散小波变换的频率分辨率。     

基于小波-支持向量机的齿轮故障诊断研究

针对齿轮工作状态的识别与智能故障诊断问题,提出了应用小波与支持向量机相结合进行齿轮智能故障诊断的方法.将齿轮不同工作状态下的振动信号经小波包分解后的频带能量作为特征向量,并以此作为训练样本对多个支持向量机构成的齿轮多故障分类器进行训练,进而实现对齿轮的智能诊断.通过对提升机齿轮的故障诊断研究表明,小波包与支持向量机相融合的故障诊断与识别技术发挥了两者的优点,是提取机械故障特征进行设备状态自动识别的有效方法.     

连续小波变换与几种具体信号的傅立叶变换的比较

列出门函数、单边指数函数和阶跃函数这三种具体信号的连续小波变换与傅里叶变换的表达式,并通过表达式对连续小波变换与傅里叶变换进行比较．结果表明：傅里叶变换是线性变换,具有统一性和相似性,但不具有局部化性质,不能作局部分析;小波变换也是线性变换,同样具有统一性和相似性,并且是稳定的,还具有时一频同时局部性和自适应性．由此说明了小波变换在分析和处理信号时比傅里叶变换更加灵活、更加全面和深入．     

基于离散小波变换和复倒谱的音频水印算法

离散小波变换和复倒谱的数字音频盲水印算法首先对原始音频数据进行分段处理并对每个音频数据段进行二级离散小波变换,然后对二级小波近似系数做复倒谱变换并修改复倒谱的统计均值以嵌入水印。为了便于观察,水印选用二值可视图像,并利用混沌技术进行了加密处理,加强其安全性。算法提取水印时不需要原始音频信号,实现了水印的盲检测。仿真实验证明了算法的鲁棒性和不可感知性。     

基于双树复小波变换与非线性扩散的图像去噪

首先对图像进行双树复小波变换得到不同尺度上的子带图像,然后对子带图像进行非线性扩散,充分利用双树复小波变换和非线性扩散两者的优点,更好地抑制噪声保留图像边缘纹理等细节信息。     

基于小波包-改进神经网络的齿轮传动系统故障诊断研究

本文研究了小波包分析、神经网络在齿轮传动系统故障诊断中的应用。通过实例成功地对齿轮传动系统故障模拟实验中获得的振动信号进行基于小波包分析的故障特征提取,然后应用改进的神经网络进行齿轮传动系统的故障识别。结果表明,在齿轮传动系统故障诊断中,基于小波包-神经网络的故障是一种行之有效的方法。     

互为Hilbert变换对的对偶树复小波的构造

分析了对偶树复小波变换的相关原理,利用Q-移位的思想从构造小波的充要条件出发,给出了互为Hilbert变换对的复小波的代数构造方法。该方法避免了进行谱分解,且具体给出了支集长度为3的小波所对应的滤波器。     

映射滤波器信号复小波变换的物理特性

依据信号处理中全通滤波器的理论,设计了从L2(R)到Softy空间的无畸变映射滤波器,分析了该滤波器的特征,研究了在有冗余和无冗余条件下基于该映射滤波器的复小波正、逆变换.结果表明,基于映射滤波器的复小波变换在理论上是完全可行的.由于该变换具有相位信息,可用于阵列信号处理和信号的方向性检测.     

基于双树复小波变换的岩心图像去噪

复数离散小波变换由于其平移不变性、多方向性及精确的相空间信息等优点,在图像处理领域中的应用十分广泛.岩心图像的去噪是后续的目标检测与定量分析的关键.本文提出将双树复小波变换运用于岩心图像的去噪,取得了良好的效果.     

基于小波包分析和BP网络识别的齿轮故障诊断

针对齿轮故障信号的能量所引起的变化会淹没在常规振动与噪声之中，用传统的信号处理方法不易提取故障特征，给齿轮的故障诊断带来很大困难这一事实，本文描述了用于从振动信号中提取故障信息的小波包和用于识别故障类型的BP网络，研究了BP网络故障模式识别与小波包故障特征提取结合在一起对齿轮故障进行诊断的方法，研究结果表明该方法可以成功地用于轮常规故障的识别和诊断。     

基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及基于多分辨分析的信号小波的分解算法 ,研究了信号局部奇异性在小波变换下的特性 ;根据故障信号的局部奇异性在小波变换下模的极大值及其在不同尺度上的传播特性 ,对 30 8型滚动轴承振动加速度故障信号进行分解 ,对故障特征信号进行时域定位 ,并提取了故障特征频率f=46 .88Hz,这与实际的故障特征频率相近 ,说明该方法适用于滚动轴承的在线监测和故障诊断