基于局域波近似熵的声发射信号处理

将近期发展的局域波法和近似熵法相结合应用于声发射信号的特征提取中.首先,将声发射信号进行局域波分解,得到自适应的基本模式分量;然后对各基本模式分量计算近似熵,描述各基本模式分量的复杂程度,监测声发射信号的发生和发展,量化声发射信号的特征.通过预制裂纹钢管静载实验,分析计算了钢管裂纹声发射信号的各基本模式分量的近似熵,表明局域波法与近似熵相结合的方法可以有效地提取声发射信号的特征,从而为声发射信号特征提取提供了一种新方法.     

金属腐蚀声发射信号小波去噪

为了预防特种设备由于出现严重腐蚀而造成的安全问题,作者采集、分析压力容器用钢16MnR钢腐蚀的声发射信号,提出利用小波变换分析特种设备运行过程中腐蚀引起的声发射信号特征的方法,并进行了小波去噪,为现场检测提供了可靠依据.     

基于小波分析的刨花板声发射信号降噪处理

应用MATLAB工具箱中小波函数对刨花板受压时产生的声发射信号进行了小波降噪处理,并比较了小波分析降噪和滤波器方法降噪的异同。结果表明:选取适当的小波分解级数,进行合理的阈值门限处理,可以大大提高重构后信号的识别度,对声发射信号采用小波方法降噪可达到较理想的效果。     

小波包近似熵特征的机动车声识别方法

为了提高复杂背景噪声环境下的车型识别准确性,该文基于近似熵理论,对机动车行驶中辐射的声信号进行了研究。近似熵具有抗干扰能力强的特点,可用于提取动态背景噪声下机动车声信号的车型特征信息。首先,对声信号进行3层小波包分解;然后,利用近似熵量化第3层上各子频带信号的不规则性,描述各频带之间不同的变化趋势并作为目标车辆的声特征。为了提高分类有效性,将分解后的8个子频带信号的近似熵邻比值作为信号的特征向量,并基于支持向量机分类器实现了车型识别。分别在正常和有风两种气候条件下进行了实验,基于小波包近似熵的车型特征均获得了较为理想的分类精度。实验结果显示,小波包近似熵特征能有效地应用于机动车的声识别且对气候的影响具有一定的鲁棒性。     

基于声发射与小波包理论的压力管道泄漏检测

采用声发射技术与小波包理论相结合的方法对管道泄漏点实现了精确定位．首先，对2个声发射传感器采集的数据信号运用小波包分解并重构得到不同频段数据．然后，对2个传感器分解信号的同一频段做互相关分析，比较并选取相关系数最大值对应的时间代入定位公式就得到了泄漏点的位置．通过数字仿真对比表明，该方法优于直接相关定位法，具有较强的抗噪声能力，提高了信噪比．实际测试结果表明，该方法具有高于94％的定位精度，可以用于实验压力管道泄漏的检测与在线监测中。     

基于小波能谱熵和神经网络的输电线故障识别

在暂态电流信号小波变换结果的基础上,采用小波能谱熵定义,对小波分解系数进行处理,提出了一种基于小波能谱熵和神经网络的输电线路故障类型识别方法。该方法通过计算故障前后三相电流信号小波变换系数沿尺度分布的小波能谱熵,经过适当处理,输入神经网络,利用神经网络在模式识别方面的优势,输出结果即为故障类型识别的结果。仿真结果表明,该故障类型识别方法不受故障类型、故障电阻及故障位置等因素的影响,识别结果准确可靠。     

基于小波包分析的声发射源定位方法

通过用小波和小波包对声发射信号进行分解,研究了声发射信号的频散现象,探讨了频散现象与声发射源距传感器距离的关系.为消除声速测量偏差给声发射系统带来的定位误差,利用该关系和在薄板中传播的Lamb波的频散现象,提出了一种在不知道发射源声速的情况下进行声发射源定位的新方法,且不必增加传感器的数量.以铅笔芯折断产生信号为模拟源进行了试验验证.结果表明,该方法可以比较准确地确定声发射源的位置,而且理论值与实际值相差很小.     

胶合板加载损伤的声发射信号小波包特征提取

为识别胶合板的不同损伤类型,将小波包时频分析与能量谱相结合,提出基于时频和频段能量占比的胶合板损伤声发射信号特征提取方法。结果表明:3层胶合板表板断裂信号以膨胀波和弯曲波模式并举,频谱较宽,能量主要集中在小波能量谱的第1、2、3、4和7频段;5层胶合板表板断裂信号频率单一,幅值较高,以膨胀波为主;整板断裂主要以弯曲波模式为主,频率较低,能量多集中于第1、2频段;脱胶和3层板整板断裂信号波形为膨胀波和弯曲波混合型,弯曲波为主,能量多集中于第1、2、3、4频段。实验表明,频谱、小波包时频、小波包能量谱联合分析,能够识别各种加载破坏形式对应的声发射信号特征。     

噪声对混沌系统小波熵的影响

运用小波熵复杂度方法,研究了Rossler、Lorenz系统在不同数据长度以及不同信噪比下的复杂度变化情况,计算了两混沌系统及其含噪系统小波熵曲线,结果表明小波熵复杂度具有一定的抗噪声干扰能力.     

小波变换在噪声环境下语音识别中的应用

本文讨论了运用小波变换实现语音增强的原理，提出了相应的去除噪声的方法。实验表明，本文方法能有效地提高噪声背景下语音识别系统的性能。     

LMD和改进小波阈值去噪的轴承声发射信号故障诊断

针对机械故障声发射信号特征提取的问题,提出了一种局部均值分解(local mean decomposition,LMD)和改进的小波阈值去噪相结合的方法;并应用于滚动轴承的故障诊断。首先,把改进小波阈值与三种小波阈值去噪方法进行比较分析。通过仿真信号表明,改进小波阈值方法能更为有效地去除噪声。其次,采用LMD方法将原始轴承故障的声发射信号分解,分解为若干个乘积函数(production function,PF)的线性组合,通过相关系数原则选取能够反映故障特征的PF分量,利用改进小波阈值去噪法对选出的PF分量进行进一步去噪。最后,对去噪后的声发射信号进行包络谱分析,诊断轴承故障的位置。通过滚动轴承单一故障和耦合故障的声发射实验验证了该方法的有效性。     

基于小波熵的BPSK信号码元速率估计算法

为了解决在低信噪比下准确地估计BPSK信号的码元速率问题,提出了基于小波能谱熵和小波时间熵的两种码元速率估计算法.通过一维多尺度小波变换重构高频部分,分别计算重构信号的小波能谱熵和小波时间熵.对于小波能谱熵,可以直接求取码元速率;对于小波时间熵,需要根据进一步叠加运算后的峰值来求取码元速率.仿真实验表明这两种方法都可以很好地处理低信噪比下BPSK信号的码元速率估计问题,并且比瞬时自相关法具有更强的抗噪性和适应性.     

基于声发射旋风分离器内颗粒粒度分析

采用声发射技术对旋风分离器内颗粒粒度进行分析,获得了声发射信号结构与分离器内气固两相运动行为的对应关系。选用0.4 mm、0.7 mm、1.5 mm和2 mm的活性炭颗粒进行实验,将采样得到声发射信号进行Daubechies二阶小波的1~9尺度分解,用R/S算法分别求取各个频段的Hurst指数。结果表明,声发射信号具有多尺度特征,依据hurst指数的不同,将其划分为微尺度、介尺度、宏尺度,分别反映颗粒间的无规则运动、主体流相对于系统运动或不同主体流之间的相互运动,整个系统相对于外界环境随时间的变化。在同一质量流量下,计算出各颗粒粒径对应的微尺度,介尺度分别所占总能量的比值。实验发现,固相颗粒粒径与其有很大的相关性;随着粒子尺寸的增大,微尺度信号所占的能量比率减少,介尺度能量所占的比率增加。声发射技术可用于旋风分离器内颗粒粒度的分析。     

基于声发射的岩石疲劳损伤演化

通过砂岩试件疲劳破坏的声发射实验,分析了砂岩疲劳破坏过程的声发射特性,研究了岩石的疲劳损伤演化规律.按岩石整个疲劳过程的声发射特征及损伤演化规律,并参考岩石不可逆变形发展的三阶段规律可以将其分为四个阶段.岩石疲劳损伤破坏具有突发性,在岩石失稳阶段损伤加速演化.如果以声发射监测和预测岩石疲劳破坏,在损伤量0.4左右即进入失稳阶段,在损伤量0.3左右即进入失效阶段.     

基于声发射信号的铣刀运行可靠性评估

研究了基于声发射方法的Logistic回归模型的铣削过程中刀具可靠性评估.从试验数据分析得出铣削过程的声发射信号和切削力信号,与刀具磨损量具有较强线性相关性,是刀具性能退化监测的有效方法.运用小波包分解提取声发射信号的能量,选取与刀具磨损相关的频带能量作为特征指标.将应用切削力和声发射两种监测方法建立的可靠性模型与仅用声发射监测的可靠性模型进行对比发现,两个模型都较为准确地评估出了刀具在铣削过程中的可靠度指标,而基于声发射可靠性评估模型更为方便,在实际切削力不易获得的情况下,运用此方法能够进行刀具的可靠性评估与寿命预测.     

小波尺度谱在AE信号特征提取中的应用

通过分析典型声发射信号及其特征提取,将小波尺度谱引入到声发射故障诊断领域,首次提出了声发射信号的小波尺度谱分析法。给出了小波基函数及其参数的选取,克服了声发射信号小波尺度谱的时、频分辨率不能同时达到最好的缺陷。将小波尺度谱用于声发射检测的滚动轴承损伤类型及部件的识别,诊断结果十分直观、清晰、准确。仿真分析和实验研究均表明小波尺度谱能有效应用于基于声发射技术的状态监测与故障诊断。     

基于小波变换和最大熵的织物疵点检测

首先选取最优小波基对织物疵点图像进行分解,并对分解后的水平及垂直高频系数进行灰度值归一化,然后分别求出水平和垂直细节图像的最大熵及平均熵,通过比较判断出疵点类型,最后对平均熵大的细节图像进行最大熵原理的分割,得到最终的疵点检测结果。仿真实验表明该方法对常见纬向和径向类织物疵点的检测是有效的。     

基于谱熵和多尺度小波的码元速率估计方法

针对实际信号码元速率估计中噪声对估计精度的影响和小波方法最优尺度的选择问题,提出了一种基于谱熵分析和多尺度小波变换的码元速率估计方法。通过谱熵检测有效滤除带内噪声,并采用并行多尺度小波分析和精度函数分析提取最优小波尺度。实验结果表明,该方法的估计性能优于传统小波分析方法,并且在低信噪比情况下具有更好的估计鲁棒性。