改进小波包的滚动轴承故障诊断

小波包分解可以提高信号频率分辨率,但子带信号会出现虚假频率成分,造成严重的频率混叠现象。运用小波包的改进算法和经验模态分解相结合,来检测诊断滚动轴承故障的特征。首先,应用快速傅里叶变换和快速傅里叶逆变换对小波包各子带信号进行处理,并调整滤波器组使子带频带顺序排列。提取含故障频率的子带信号对其进行经验模态分解,以互相关、峭度准则提取故障本征模函数分量,可以避免本征模函数分量选择的盲目性。对仿真信号分析和实例分析的结果表明:该方法能够准确地检测出轴承故障,从而突出该方法的有效性。     

模态参数识别中频响函数估计的最小二乘优化

模态参数识别的精度将会直接影响到机械结构系统动力特性分析的质量,而频响函数的估计精度对模态参数识别精度影响很大.工程中通常借助FFT采用功率谱平均估计频响函数.由于FFT过程中截断及舍入等误差的存在以及噪声的影响不能完全克服,采用此方法估计的频响函数来识别模态参数,其精度受到影响.因此,在分析频响函数的理论值与功率谱平均估计值的误差函数的基础上,应用最小二乘法对频响函数的估计进行优化.通过实测试验对该方法的有效性进行了验证.试验结果表明:采用优化后的频响函数识别的阻尼固有频率和阻尼比比没有优化直接峰值搜索得到的结果更接近真实的结果,该方法能够提高模态参数识别的精度.     

基于互相关技术与小波分析的模态参数识别

系统地阐述了自然激励技术（NExT）与小波分析在大型机械结构的模态参数识别中的应用,机械系统在白噪声激励下利用NExT方法可得到系统响应信号的互相关信号,并结合改进的Morlet小波对其进行了分析,通过调整小波中心频率及分析信号的长度,可有效地抑制端部效应的产生并能较准确地识别机械结构的密集模态参数,仿真试验的分析结果验证了该方法的可行性及准确性。     

基于小波纹理与改进FCM的SAR机场类目标提取

定义了几种小波纹理,提出一种基于小波纹理与改进FCM(模糊C均值聚类)的对SAR(合成孔径雷达)图像进行机场类目标自动提取方法.利用小波多尺度分析对影像分解,得到不同方向上小波频带,然后对不同的小波频带进行小波纹理分析--用频率共生矩阵4个关键特征来描述小波纹理特征向量.应用PCA(主成分分析)的方法去相关,进行特征空间的降维处理,并使用改进FCM进行分割,进而提取出目标.实验结果表明:此种无需初始点的非监督算法自动化程度高,机场类目标提取成功率和定位准确率分别达到97.3%和99.3%,为此类目标的定位提供了良好的参考.     

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．     

非比例阻尼结构频响函数计算的高精度级数展开法

基于复模态理论的复模态展开法是非比例阻尼结构频响函数计算的重要方法．该方法由于截断高阶模态。而产生较大误差．本文用低阶模态和系统矩阵表达高阶模态对非比例阻尼结构频响函数的贡献．提出非比例阻尼结构频响函数计算的高精度级数展开方法．提高计算精度．文中的算例表明本文方法的有效性和正确性．     

改进的小波阈值函数在心率检测中的应用

基于人脸视频图像的心率检测是根据血液的运动使人脸皮肤颜色发生细微的变化,提取出含有脉搏信息的信号,从而得出心率值的方法。由于受背景光照、环境温度等因素的影响,在提取心率信号的过程中不可避免地带有噪声,导致检测的心率值不准确。针对这一问题,提出了一种改进的小波阈值函数并应用在心率检测中。改进的小波阈值函数既满足阈值函数的连续性,又避免了软阈值函数恒定偏差的问题,同时通过调节参数能灵活地调节阈值函数,从而实现了对心率准确、有效地估计。实验表明,改进的阈值函数去噪优于软、硬阈值函数,心率检测准确、有效。该方法在监测生命健康、监控运动安全、防止疲劳驾驶等领域有着很好的应用前景。     

基于SRFFT算法的快速小波变换谐波检测法

为快速准确的提取谐波分量及克服传统的FFT方法无时域局部性的缺点,提出一种基于复序列加窗插值分裂基快速傅里叶变换算法(SRFFT)的快速小波变换谐波检测法,以便准确快速的提取谐波.该方法采用凯瑟窗函数作为窗函数,通过改变β值和采样点数在主瓣宽度与旁瓣衰减之间进行选择;运用SRFFT算法、Mallat算法以及离散小波变换(DWT)算法对信号进行快速分解及重建.模拟分析结果表明,该方法运算精度很高,可以快速准确的提取谐波信号参数.     

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.     

小波阈值去噪在烟气轮机信号分析中的应用

由于烟气轮机振动信号中含有大量的噪声成分,常使其非线性特征量的提取不准确,因此将基于阈值的小波去噪应用于烟气轮机振动信号分析中。首先介绍了小波阈值去噪的基本原理、阈值和阈值函数的选择方法,并对阈值函数进行了改进;然后分别对含噪Lorenz信号和实测振动信号进行小波阈值去噪实验,计算了其去噪前、后的关联维数。结果表明,小波分解后,不同尺度上信号和噪声的小波系数的分布规律明显不同,通过对其分析可以合理选择小波分解的尺度;在此基础上对小波系数进行阈值处理并重构,能有效地去除信号中含有的噪声,很好地保存信号的局部特征;去噪后信号的伪相图更加规则,关联维数估计值更加合理。该方法能提高信号分析的准确率。