基于小波去噪的冷水机组传感器故障检测

对基于主元分析方法的冷水机组传感器故障检测效率取决于训练数据和被测数据的质量的问题进行了研究.采用小波变换剔除测量数据中的噪声,提高数据质量,从而提高故障检测效率.结果表明:在-1.0℃故障下,基于小波去噪的主元分析方法的故障检测效率达到了91％.在同等数值的正负偏差故障下,基于小波去噪的主元分析方法的故障检测效率对称性更好.故障检测效率与小波基函数的分解层次关系密切.分解层次越多,故障检测效率越高.所有的db族小波基函数在5层分解的情况下,-0.5℃故障下的检测效率均能达到90％以上.     

基于小波包变换-主元分析-神经网络算法的多电平逆变器故障诊断

针对级联多电平逆变器的故障诊断问题,提出了一种基于小波包变换-主元分析-神经网络算法的故障诊断方法。首先,通过小波包变换对故障信号进行多尺度小波包分解,并重构提取小波包能量作为故障特征向量;然后,采用主元分析方法提取主元信息以降低故障特征的维数;最后,利用BP神经网络进行故障分类和识别。通过仿真实验,验证了该方法相对于传统方法具有更高的故障诊断和故障识别的准确率,并且对噪声具有较好的鲁棒性。     

Mallat小波快速变换与IDRNN在卫星实时故障检测与识别中的应用

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类.     

基于噪声小波包络谱的主轴承磨损故障诊断

传统的基于振动信号的内燃机主轴承磨损故障诊断中安装传感器以及提取故障特征频率很繁琐,为此,提出了基于噪声和正交小波监测往复式活塞发动机滑动主轴承磨损故障的一种新方法.利用Symlets小波分析将测得的机体噪声信号变换到时频域,得到含有内燃机主轴承间隙磨损状态的时频信息.主轴承磨损故障会使机体噪声信号的高频成分增加,而且高频滤波成分特征与内燃机的冲击过程相对应,所以,需选择合适的高频带加以提取并进行包络谱分析.通过声级计测取了代表主轴承4类间隙磨损程度的噪声信号,发现2个特征频率处的能量对间隙磨损状态比较敏感,均随着磨损量的增加而增加.通过该方法,可利用机体噪声信号监测主轴承的磨损状态.     

小波域中值滤波器在陀螺寻北仪中的应用

研究了利用小波变换消除陀螺干扰漂移的方法．通过对陀螺寻北仪两位置寻北方案的分析，表明陀螺随机干扰信号是影响系统精度的主要误差源．为此将中值滤波与小波阈值去噪相结合构造了小波域中值滤波器，并应用于陀螺数据处理中．寻北试验结果表明，该滤波器在有效对白噪声滤波的同时也能较好地去除脉冲噪声，与传统的去噪方法相比，寻北精度提高20％，对陀螺各种干扰信号具有很好的抑制作用．     

基于小波去噪核主元分析和邻近支持向量机的性能监控和故障诊断

针对化工过程数据中包含噪声和强非线性的特点,提出了基于小波去噪核主元分析(De-ncdsed Kerntel Principal Component Analysis,DKPCA)和邻近支持向量机(Proximal SupportVector Machine,PSVM)的性能监控和故障诊断新方法.将样本数据用小波方法进行去噪处理,去除数据所包含的噪声,通过KPCA将降噪后的数据进行变换,在特征空间里构建T2和Q统计量来监测是否有故障发生;若发生故障,则计算数据的非线性主元得分向量,并将其作为PSVM的输入值,通过PSVM分类来确定故障的具体类型.流化催化裂化装置(FCCU)仿真试验验证了小波去噪的必要性和利用DKPCA-PSVM进行监控和故障诊断的有效性.     

一种基于小波变换的混合数据校正法

采用一种将小波变换方法与移动中值滤波方法相结合的混合方法来校正数据.通过仿真和结果对比,表明该方法在过程测量数据同时含有高斯噪声和非高斯噪声(离群点)的情况下具有较好的鲁棒性.     

小波变换在微光图像处理中的应用

微光图像中含有的噪声点具有椒盐噪声的特点,对图像进行小波变换,然后根据噪声的特点仅对其高频小波系数进行小波重构,重构后得到含有细节和噪声点的图像;根据重构图像的直方图的特点,对重构图像进行阈值处理,得到只含有噪声点的图像。根据小波变换提取的噪声点位置,对含噪的微光图像进行中值滤波处理,消除掉微光图像中的椒盐噪声。克服了中值滤波方法的边缘模糊的缺点,保持了微光图像中的细节部分。     

小波变换在微光图像处理中的应用

微光图像中含有的噪声点具有椒盐噪声的特点,对图像进行小波变换,然后根据噪声的特点仅对其高频小波系数进行小波重构,重构后得到含有细节和噪声点的图像;根据重构图像的直方图的特点,对重构图像进行阈值处理,得到只含有噪声点的图像。根据小波变换提取的噪声点位置,对含噪的微光图像进行中值滤波处理,消除掉微光图像中的椒盐噪声。克服了中值滤波方法的边缘模糊的缺点,保持了微光图像中的细节部分。     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明:该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

差分辅助中值滤波外弹道野值检测与剔除方法

针对中值滤波对连续型野值检测与剔除性能不理想的问题,提出了一种差分辅助中值滤波方法,并将其应用于外弹道测量数据的野值检测与剔除工作中。中值滤波方法对孤立型野值检测和剔除表现出很好的稳健性,但是当观测数据中野值点连续分布时,中值滤波方法往往无效。利用差分方法可以改变观测数据中野值点的分布。在此基础上利用中值滤波方法进行野值检测和剔除可获得更好的效果。计算机仿真和实测数据处理结果证明,差分辅助中值滤波野值剔除方法不仅对孤立型野值有效,同样适用于连续型野值检测和剔除。     

分类均值—加权中值混合滤波器

研究了受混合噪声污染图像的降噪滤波问题,并提出了一种基于均值滤波和加权中值滤波的混合滤波方法,该方法将输入样本集按照某种分类方法分成若干子集,在各自子集内进行求均值,然后根据不同子集的样本个数进行加权中值滤波。经分析和计算机模拟表明,此种方法能较好地消除高斯和脉冲混合噪声的影响,并且计算简单。     

基于同值压缩的自适应中值滤波

为了在图像去噪处理中更好地保持或还原图像细节,针对脉冲噪声,把滤波窗口中等值的像素压缩后作自适应中值滤波,提出基于同值压缩的自适应中值滤波算法,并用实验来检测其优越性.该滤波算法执行速度快,去噪性能和图像细节保持及还原能力明显优于经典中值滤波及自适应中值滤波.     

ARIMAX模型中的异常点挖掘

异常点挖掘的意义主要体现在两个方面.传统观念中,异常点常常被认为是噪声数据或无用数据,分析时的一般方法是排除这些干扰数据,更好地估计模型的参数.然而,随着Lon-Mu Liu.et(2001)在快餐行业的数据中进行了实例分析,异常点挖掘也被用于挖掘异常点本身所蕴含的信息.ARIMAX模型引入了外部变量,可以更好地拟合数据.因而对含异常点的ARIMAX模型,提出了利用Gibbs抽样挖掘其中AO型异常点的方法,最后进行了模拟试验,取得了较好的结果.     

一种中值滤波的快速算法

给出了一种中值滤波的快速算法,该算法利用了两次中值滤波的窗口内数据的相关性。在中值滤波过程中,除了第一个中值要用传统排序算法求得,以后的中值都是通过把新进入窗口元素在前一次排好的序列进行对分查找和内插操作求得。为了更于窗口移动,设计了一种数据结构,可以快速用新移入数据覆盖移出数据,大大减小计数量,还给出了窗口按“之”字形路线移动的２维中值滤波方法。     

基于一种图像恢复技术的光谱CCD图像宇宙线剔除算法

提出一种单幅光谱CCD图像宇宙线剔除方法.即先采用一种改进的中值滤波器找到可能被宇宙线污染的像素点作为噪声候选点;然后采用一种边缘保持算法——TV inpainting恢复被噪声污染的像素点值.模拟实验结果表明,该方法能够很好地剔除宇宙线,同时恢复被宇宙线污染像素点的流量值.     

彩色图像的中值滤波算法的改进与应用

在分析彩色图像噪声的来源和滤波的一般方法的基础上,提出了一种基于矢量中值滤波算法的改进方法.该算法集中了线性均值滤波和非线性矢量中值滤波两种方法的优点,在一定的程度上降低了运算复杂度.实验结果表明,尤其是在噪声密度非常大的情况下可以有效地去除椒盐噪声,该方法具有一定的实用价值.     

一种简易的图象去噪方法

设计了一种简易实现的自适应中值滤波器滤除图象噪声,根据对噪声图象噪声点的检测,自适应地调整了中值滤波器窗的大小,有效地抑制严重的脉冲器声干扰。     

一种基于Rank变换的改进中值滤波

针对传统中值滤波对孤立噪声点和连续噪声不能有效滤波等问题,提出了一种改进算法：首先通过Rank变换,找出图像中所有的孤立噪声点,然后遍历图像对孤立的噪声点采用中值滤波,最大限度保持图像细节,有效地解决了在抑制图像噪声和保护图像细节方面的矛盾,对图像中孤立噪声,蕞唷较好的滤波效果;随后,进一步针对少量连续噪声点的情况,采用迭代算法对上述改进中值滤波算法结果进行处理,来解决连续噪声的滤波问题．试验结果表明,本文算法滤波后的图像效果明显好于传统滤波方法,能够有效地去噪,并能较好地保持图像细节和边缘．     

自适应定向加权中值滤波

提出了自适应定向加权中值(ADWM)滤波的算法. ADWM滤 波是结合定向滤波与加权中值滤波的思想而构造的滤波模型, 是一种高度非线性的图像平滑 和增强技术. 运用移动窗口方差和基方差使ADWM滤波获得了自适应性. ADWM滤波器既有定向 滤波器的特征, 也有中心加权中值滤波器的特征. 定向滤波器可以有效保持边缘, 而中心加 权中值滤波器对减少随机噪声尤其有效, 同时也能在一定程度上减少冲击噪声的数量, 并根 据子窗口内像素的最低方差自适应地调整中心像素的权值以保持图像的细节.