一种提取故障轴承振动信号特征的方法

在轴承的早期微弱故障诊断中,由于采集的信号中含有较强的噪声,给故障信号特征提取造成了很大的困难.在相关信号特征提取方法中,基于字典学习的信号稀疏分解方法由于其重构信号精度高,去噪效果好而得到了广泛的应用.研究运用了一种通过投影神经网络优化方法求取信号在初始字典上的投影系数,随后采取交替方向乘子法训练字典,最后采用自适应...     

信号和图像的最佳小波分解

经一种寻找信号和图像的最佳小波分解方法,对正交小波、对称正交小波、双正交和对称双正交小波4种情形进行了讨论,结果表明,此方法可以提高压缩图像的信噪比和压缩比。     

基于小波奇异性的结构故障检测

提出了一种新的基于小波奇异性的结构故障检测方法.通过对传感器检测信号进行二进离散小波变换,采用模极大值算法对信号进行去噪滤波,同时根据小波变换模极大值在不同尺度下的分布来完成故障的检测与定位.该方法可有效抑制噪声对残差信号的影响,提高故障检测的鲁棒性.最后,针对歼击机的结构故障进行了仿真,仿真结果表明了本文方法的有效性。     

信号消噪的小波处理方法及其应用

通过对噪声特性的分析并用小波的方法对信号进行消噪处理，利用Matlab软件演示信号消噪的效果，并总结出小波分析对信号消噪的优点．     

基于小波变换和相模变换的电力电缆故障测距

通过将小波变换与相模变换理论相结合,提出了电力电缆故障测距的方法,采用新的相模变换不仅可避免传统行波方法中存在受故障起始角影响的问题,而且单一模量能够反映所有故障类型．仿真结果表明,该方法有很高的测距精度,是可行的．     

基于连续小波变换去除奇异信号方法

提出了高维小波变换的一般形式,在一系列的多维小渡变换中,选择一个适当的小波变换,对小波正变换和逆变换进行离散,构造简单易行且有效的数值计算方法．仿真实例表明:对同时带有白噪声和野值的二维信号进行离散的小波正变换和小波逆变换处理,可以彻底地去除信号中白噪声和野值,重建原有信号．     

小波变换的一个注记

本文给出一个新的定义小波变换的方法,此方法可根据不同的实际问题,调节α与β的值,使小波变换的正变换与逆变换达到平衡．     

小波分析在超声测试信号分析中的应用

本文主要研究了小波变换在岩石超声波测试信号分析中的应用,通过对岩石信号的小波分析,确定出岩石的裂隙以及完整程度。     

小波变换应用于信号去噪研究

分别对小波分解与重构法去噪法、非线性小波变换阈值法去噪法以及小波变换模极大值去噪法的原理进行了阐述，并比较了这几种小波去噪方法的优缺点，通过计算机仿真结果表明有效可行。     

一种改进的小波网络与故障检测

提出一种基于改进的小波网络非线性观测器故障检测方法，利用小波网络对任意函数的逼近能力，获得系统的非线性特性，进而能快速实时地计算出残差并进行逻辑判决，仿真试验表明改进后的小波网络较BP网络和未改进的小波网络收敛速度快，效果好。     

基于小波包负荷特征提取和径向基网络的短期负荷预测新方法

准确的负荷预测是电力系统做出合理调度的重要依据.提出基于小波包能量和神经网络理论的短期负荷预测新方法,将负荷序列进行小波包分解,提取小波包能量作为径向基神经网络负荷序列的输入特征量.大量的预测实例分析表明,所提出的预测方法具有稳定性和准确性.     

基于小波神经网络的非线性函数的逼近

给出了一种基于BP神经网络的自适应小波神经网络的模型 .该模型根据逼近函数的特性 ,选择不同的小波函数作为网络隐层 ,输出层是一个线性神经元输出 ,网络参数通过自适应调整得到 .实验结果表明 ,这种网络不但可以精确的逼近一般的非线性函数 ,也能实现对混沌时间序列的精确学习 ,而且网络的收敛速率比BP网络更快 .     

几种函数逼近方式的逼近能力比较与综合

介绍了Fourier变换、小波变换、神经网络、小波神经网络、多小波和多小波神经网络几种不同的函数逼近方式，对这几种函数逼近方式中的基函数性能作了详细比较，发现基函数的性能越好，其函数逼近效果一般来说也越好，并对这几种函数逼近方式的表达式进行了比较和综合。     

Curvelet变换用于人脸特征提取与识别

针对小波变换用于人脸识别时难以充分描述人脸曲线特征的问题,提出用Curvelet变换进行人脸特征提取与识别的新方法. 将人脸图像进行Curvelet变换,提取进一步压缩的低频系数和高频各子带的Curvelet能量特征为人脸特征向量,并采用支持向量机进行特征分类与识别. 以Orl和Yale人脸库进行测试,结果表明,该方法相比小波变换法识别效果更佳,且对光照、姿态和表情变化具有良好的鲁棒性.     

基于小波神经网络的图像文本信息提取技术研究

提出了利用小波神经网络提取图像中文本信息的新颖方法.原图像经过离散小波变换分解成4个子频带,文本区域的高频子频带与非文本区域的不同,所以可利用其差异计算出3个特征值作为人工神经网络的输入值,然后用基于BP算法构建的人工神经网络来训练待测的文本区域.文本区域的人工神经网络输出值不同于非文本区域的输出值,因此可利用一阈值来判定其是否为文本区域.最后,将可检测的文本区域经过扩张运算后便可得到正确的文本区域.     

基于小波的遥感影像特征信息融合模式研究

在数字图像小波多分辨率分析的理论基础上,采用小波变换方法对高分辨遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合.在融合过程中,首先对多光谱图像中的R、G、B 3个波段的图像进行小波分解,得到相应的低频图像,并对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,然后经RGB合成为彩色图像.该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息.最后通过融合实验验证了上述结论.     

基于神经网络自适应观测器的鲁棒故障检测

提出一种基于动态神经网络的不确定非线性系统鲁棒故障检测方法,该方法通过构造神经网络自适应观测器来获取反映系统故障的残差信息以进行快速的故障检测,并采用Lyapunov稳定理论证明了闭环误差系统的一致最终有界稳定性.针对某型飞机舵面故障的仿真验证了本文方法的有效性.     

基于细胞神经网络的楼面裂痕诊断研究

为了更好地监测楼面裂痕,提出了一种改进细胞神经网络楼面裂痕图像识别方法.该方法通过一定的图像处理,建立裂痕网络和细节网络,同时增加了裂痕相似网络模型,避免了仅对裂痕特征提取信息不能准确识别裂痕的问题.实验证明,改进的裂痕识别算法实现简单,识别楼面裂痕准确率高,达到了实时识别技术的要求.