基于智能开采的煤矸识别方法研究

煤与矸石识别是实现煤炭高效利用的重要环节,是实现资源综合利用的有效手段,有助于发挥煤与矸石各自的作用。随着我国经济的快速发展,物质和技术水平的不断提升,煤与矸石的识别方法发生了很多变化,正在由传统手工分拣识别向智能化、无人化靠近。近年来,智能开采不断被人们提出,煤矸识别如何紧抓时代的大潮,利用智能开采提高工作效率,是当今煤炭工作者重点关注的问题之一。文章首先阐述了智能开采和煤矸识别的概念;其次分析了传统与现有的煤矸识别方法的不同和射线识别煤矸基本原理,对X射线管理和γ射线管理的不同进行了对比;最后针对基于智能开采的射线煤矸识别方法提出了一些完善建议。     

小波分析在变压器励磁涌流识别中的研究

励磁涌流是影响变压器差动保护正确动作的重要因素,而如何区分励磁涌流和内部故障电流又是变压器保护存在的主要问题,为此,文中利用Coif5小波函数在奇异信号处理方面的优势,分别对励磁涌流和内部故障电流进行小波分析。仿真研究结果表明:经过小波变换后励磁涌流呈现周期性奇异点,而内部故障的波形无奇异点,coif5小波变换后的周期性奇异信号能够很好地识别励磁涌流和内部故障,且方法简单、可靠。     

基于小波变换模极大值的汽轮机振动信号去噪

针对汽轮机振动信号去噪问题,根据振动信号和噪声的小波变换模极大值在不同尺度上表现出的不同的传播特性,给出了基于小波变换模极大值的去噪算法.利用该法可以最大程度对含噪汽轮机振动信号去噪处理,实现信噪分离,并有效地保留信号的奇异点信息.     

基追踪在齿轮损伤识别中的应用

针对齿轮的振动特点,设计了复合过完备时频字典,利用基追踪方法在匹配信号特征结构、直接提取特征信息方面的优势分析了齿轮箱的现场测试振动信号.根据基追踪分解结果,在时频联合域内提取了齿轮局部损伤的周期性冲击特征,识别了齿轮点蚀缺陷.与短时Fourier变换和小波变换等时频分析方法进行了对比分析,验证了基追踪检测齿轮损伤的有效性.     

基于小波分析的水力机组故障诊断奇异数据还原研究

采用小波变换中奇异信号检测的基本原理,首先检测出信号中的奇异点,将奇异点剔除后再通过处理过的细节系数和近似系数一起重构信号,根据重构信号再对机组进行重新分析。实例仿真结果表明,小波能够正确识别水力机组奇异信号,并对机组信号进行准确重构,基于此可正确认识机组故障并准确描述机组状态。     

小波阈值降噪在岸桥小车轨道振动信号处理中的应用

针对测量时振动信号易受噪声干扰的特点,采用小波降噪法对原始信号进行降噪处理。小波具有“变焦距”、较好的时频局部分析能力等特性,适合非平稳信号振动噪声处理。分别通过小波阈值降噪法对仿真信号并口岸桥小车轨道铰点振动信号进行降噪处理。试验表明,小波阈值降噪法能够较好的消除噪声,能有效提高信噪比、降低均方误差,为进一步分析振动信号奠定了基础。     

柴油机振动信号的小波包奇异值降噪

柴油机的振动信号中含有大量噪声,在进行故障特征提取之前必须加以消除.首先对傅里叶滤波降噪、小波降噪和小波包降噪的效果进行了对比,然后将奇异值分解技术用于信号降噪,最后提出了一种将小波包和奇异值分解相结合的降噪方法.该方法将输入信号进行一次小波包分解,利用奇异值分解方法对分解后的幅值量化系数进行降噪.实例表明,小波包和奇异值分解相结合的方法降噪效果最好.与其他方法相比,用新的方法对柴油机缸盖振动信号进行降噪处理的信噪比最高,且能明显识别出燃烧爆发、气门落座等各个阶段的振动信号,大大提高了特征提取的准确率.     

柴油机振动信号的小波包奇异值降噪

柴油机的振动信号中含有大量噪声，在进行故障特征提取之前必须加以消除。首先对傅里叶滤波降噪、小波降噪和小波包降噪的效果进行了对比，然后将奇异值分解技术用于信号降噪。最后提出了一种将小波包和奇异值分解相结合的降噪方法。该方法将输入信号进行一次小波包分解，利用奇异值分解方法对分解后的幅值量化系数进行降噪。实例表明，小波包和奇异值分解相结合的方法降噪效果最好。与其他方法相比，用新的方法对柴油机缸盖振动信号进行降噪处理的信噪比最高，且能明显识别出燃烧爆发、气门落座等各个阶段的振动信号，大大提高了特征提取的准确率。     

基于Morlet小波变换的振动特性参数识别

传统的振动系统特性参数识别方法对于非线性、非平稳信号的处理能力差,尤其对于阻尼比的识别精度较低.将Morlet小波变换和随机减量技术相结合识别振动系统的特性参数,首先利用随机减量技术提取振动的自由衰减响应信号,进而由Morlet小波变换对信号进行连续的小波变换处理得到小波能量谱,结合参数识别的基本理论及对时间-幅值坐标面曲线的半对数拟合结果得到振动系统的频率及阻尼比,数值仿真结果表明,提出的方法能有效识别系统的固有频率和阻尼比.将该方法应用于罐车模型流固耦合冲击试验研究,较好地识别出充液工况下振动系统的固有频率和阻尼比.     

小波域维纳滤波在振动信号去噪中的应用研究

维纳滤波和小波阈值滤波是振动信号去噪的常用算法.前者在阶次较低时对非平稳振动信号的处理不能取得较好的效果,而后者对信号的滤波无法满足后期处理的要求.针对此问题,论文将维纳滤波和小波阈值滤波相结合,提出小波域维纳滤波算法.将维纳滤波运用于小波域,充分利用小波变换对非平稳振动信号的白化作用,实现更好的滤波效果.结合工业现场实测汽轮机振动信号,对算法进行分析与仿真.实验结果表明,该算法不仅保持了信号的线性相位特性,同时取得了较好的噪声去除效果,适用于振动信号的去噪处理,优于维纳滤波和小波阈值滤波.     

一维离散小波变换在心电信号降噪中的应用

为准确提取反映心电信号的特征信息,提出应用一维离散小波变换实现对心电信号的降噪处理方法。首先介绍了一维离散小波变换的基本思想;其次,应用小波分解与重构的方法(Mallat算法)在MATALB环境中编程实现对心电信号的降噪处理;最后,引入降噪信号与原信号的能量比(ENR)、均方根误差(RMSE)和自相关系数(AC)作为小波变换的降噪评价指标。可见,该方法能够有效地去除心电信号中的噪声干扰,对于实现心电信号特征信息的提取具有一定的参考价值。     

基于小波变换的含间隙太阳能帆板动力学试验分析

为了有效地提取含间隙可展结构振动信号中所包含的动力学特征量,在分析传统Fourier方法局限性的基础上,引入基于小波变换的数据处理和分析方法。对含间隙太阳能帆板在收拢和展开状态下施加单脉冲的激励,测试标志点的加速度信号,系统地分析了间隙对动力学性能的影响。结果表明:小波变换能够较好地表征含间隙可展结构的时频特征信息,可以得到系统的频带以及各个频度衰减的速度和时间。实现了对航天可展结构动力学性能在时频域内的“精细”考察,将有助于提高航天器结构的分析与设计水平。     

电磁辐射信号的小波变换去噪研究

重点分析了实验室实验过程噪声的来源和特征,并利用小波变换的多尺度分析和非线性软门限方法对噪声进行了滤除。结果表明,实验室的噪声主要有固定频带的干扰和随机白噪声两种;对固定频带的噪声可以通过小波变换的多尺度分析进行有效滤除,对白噪声可以通过非线性软门限方法进行有效滤除,得到真正有用的信号。噪声滤除对于分析煤岩电磁辐射信号规律具有重要的意义,可以为现场利用电磁辐射监测技术预测煤岩动力灾害现象提供更加准确可靠的信号。     

支持向量机在刀具磨损多状态监测中的应用

基于多传感器信号、采用多分类支持向量机(support-vector-machine,SVM)实现了刀具监测的多状态辨识.通过对切削过程中的多向切削力和振动信号等多传感器信息进行分析,分别获得时域、频域和小波域的信息作为磨损分类特征;同时,运用基于一对多(one-versus-all,OVA)的多分类支持向量机对刀具不同磨损状态下的特征数据样本进行训练和识别.对切削过程中不同磨损状态的分类结果表明,多分类支持向量机具有出色的学习能力,能够实现在小样本情况下的不同磨损阶段分类,并具有较高的识别精度.     

小波包与SVM用于压缩机在线故障检测的研究

研究了滚动转子压缩机在线故障检测的方法.以压缩机壳体振动信号作为分析对象,应用小波包分解将信号分解至不同频带上,提取小波包分解系数的统计参数(包括有效值、方差、偏度和峭度)作为支持向量机(SVM)故障分类器的输入特征向量,用于判别正常与故障压缩机.测试结果表明:该方法用于转子式压缩机故障检测是有效的.     

一种改进的小波滤噪算法及其在NMRL中的应用

本文针对核磁共振测井（NMRL）回波信号微弱且信号带宽较大的特点,将小波变换良好的时频局部化分析性能以及优良的噪声抑制能力与相敏检波算法相结合,设计并实现了一种基于小波阈值降噪的数字相敏检波（DPSD）算法。仿真结果表明,与FIR式DPSD算法相比,小波式DPSD算法在低孔隙度（T2＊较小）的情况下具有较低的峰值误差和良好的噪声抑制能力,在一定程度上解决了滤除噪声与保留信号完整性之间的矛盾,适用于低孔隙度地层的核磁共振测井应用。     

基于支持向量机的油气管道安全监测信号识别方法

针对基于经验风险最小化原则的传统学习方法的不足,提出了一种基于支持向量机的油气管道安全识别方法通过基于Mach．Zehnder光纤干涉仪原理的分布式光纤振动信号传感器获取管道沿线振动信号,利用基于小波包分解的“能量-模式”方法提取振动信号的特征向量,并利用支持向量机根据振动信号的特征对其进行识别,判断管道沿线是否有异常事件发生．利用现场实验数据对该方法进行验证分析．结果表明,该方法识别正确率较高,实时性好．     

贺兰山岩画的多尺度非局部滤波算法

针对贺兰山岩画提出了一种新的滤波算法,该方法基于混合多尺度和非局部平均滤波的思想处理噪声图像.首先,将RGB彩色空间转换到L*a*b*颜色空间;其次,对L*a*b*颜色空间的每个分量进行多层小波变换;然后通过2种不同的策略处理粗尺度的小波系数,即对低频系数进行非局部平均滤波,对高频系数进行阈值处理,并对处理后的粗尺度小波系数进行重构得到上一层的低频图像;之后,对每一个尺度继续上面的操作直到得到最细尺度的系数,并对完全重构的图像进行非局部平均滤波;最后,将处理结果转换到通常的RGB彩色空间.大量的实验用于讨论参数的选取和算法的有效性.结果表明,该方法在计算效率、鲁棒性和视觉效果方面均优于已有的混合高斯尺度方法、多尺度双边滤波方法、非局部平均滤波方法.     

煤矿通风机故障诊断的小波包方法

针对常用的时域和频域分析在诊断通风机故障时存在不能同时诊断出故障时间和类型的瓶颈问题,提出基于小波包分解的煤矿通风机故障诊断方法.在分析通风机故障特征的基础上,利用时频两域都具有表征信号特征能力的小波,对采集来的通风机振动信号进行小波包分解,利用分解的小波系数,在各个频段上进行小波信号重构,并计算信号各个频段的能量特征值,提取故障特征,诊断故障发生的时间和故障类型.经实际验证,小波包分解能将故障信号有效的划分到不同的频段内,而且时域和频域局部化特性好,能有效的诊断出通风机故障,具有良好的理论意义与工程应用价值.     

基于小波变换的ERP信号分析

介绍多分辨率小波变换的基本概念,并介绍多分辨率小波变换在诱发脑电信号（ERP）分析中的应用以及如何应用多分辨率小波变换提取脑诱发电位的各频段信号。实验表明：该方法应用于脑诱发电位的分析是十分有效的。