基于小波包与Elman神经网络的整流电路故障诊断

引入了一种针对电励磁双凸极发电机的整流电路故障的小波和Elman神经网络相结合的诊断方法.根据整流电压波形的畸变规律,将2个以内的二极管故障分为7类共计22种故障元.选用Daubechies小波作为小波基,对实测的整流电压进行小波包分析,利用小波系数,在各个频带上进行小波信号重构.提取全频带能量特征值,并以此构造故障模式向量作为神经网络的输入,实现了故障的分类和定位.以一台840W、12/8极的电励磁双凸极发电机为实验样机,通过采集大量故障信号并进行信号处理,以故障特征值的容差范围作为误差判别标准,力求诊断误差最小化.实验结果表明,该方法对被分析信号的频率波动和幅值变化均具有良好的鲁棒性,是一种有效的故障诊断方法,具有较高的故障诊断正确率.     

一种基于小波的电网谐波检测新方法

在电力系统中存在许多非线性负载,由此产生的谐波对电网的电能质量造成很大的影响.为了保证电网的电能质量,必须监测由此产生的谐波.首先讲解用于谐波检测的小波变换的理论,其次在MATLAB中用FFT、小波分解和小波包变换三种方法对由电焊机产生的谐波电流进行了仿真分析与计算.仿真结果表明:小波分解能够有效地分离基波,小波包变换能够分离任意次谐波.该方法具有普遍适用性,与使用昂贵的专用测量仪器相比,不失为一种好的替代方法.     

基于Haar小波变换的信号到达时间估计

研究了在信号频率、初相、幅度未知条件下,矩形包络复正弦信号的到达时间估计算法。先利用相关检测算法,对信号的起止时间进行粗估计。在检测到信号的条件下,估计出信号频率并将其变换至基带,在一定尺度下对基带信号作Haar小波变换,检测出小波变换模值的峰点位置作为到达时间精估计。给出了小波尺度选取的原则,并推导了到达时间估计的克拉美罗限(CRLB)。计算机仿真表明,信噪比达6 dB时,到达时间估计的均方根误差小于0.8倍的采样间隔,实现了对信号到达时间的精估计。     

小波分维估计法在三峡水库汛期 洪水分期中的应用

汛限水位分期控制能在不降低水库防洪标准的条件下提高水能资源利用效率,而洪水分期是汛限水位分期控制的前提.以三峡水库洪水资源高效利用为背景,在分析三峡水库上下游水文气象特征的基础上,根据水文序列的自相似性,由统计分析法确定了宜昌站洪水分期数目,并选择Db4为小波基,以Mallat算法为基础,提出了小波分维估计法计算模式并计算了宜昌站各分期的分维数,最后确定了三峡水库的汛期洪水分期。结果表明,以小波分维估计法划分的洪水分期与传统研究分期结果一致,但小波分维估计法计算简便,所得分维数结果稳定,表明小波分维估计法应用于洪水分期是可行的和有效的.     

基于Retinex和小波分解的手背静脉识别方法

为了解决手背静脉识别系统中图像的对比度较低且静脉结构简单的问题,首先提出一种基于自适应平滑滤波器的Retinex增强算法,在增强静脉结构的同时均衡了图像灰度;然后分析了静脉图像的小波分解子带图像和灰度积分投影,指出小波低频子带图像和垂直方向的灰度积分投影比较适合作为手背静脉识别的特征;进一步提取了基于逼近系数的小波不变矩特征,并融合形成了90维的手背静脉特征向量;最后建立SVM分类器并利用手背静脉图像库进行实验,结果证明了该算法的识别优越性.     

基于非形状及尺度的露天采场性能评价

采场性能是通过最大开采量和最小贫化率确定的. 目前的评价方法得到的结果是基于尺度的, 无法比较不同尺度采场性能, 而且不能考虑超欠采体的形状特征. 针对上述问题本文构建了一组与尺度无关的评价指标. 研究已有的评价指标, 些基本形状进行特征分析. 提出用圆度(C)表示超欠采面的规则程度; 用延度(E)表示超欠采面的分散性及覆盖性; 用半球度(H)表示超欠采体的等效深度; 用相对体积(Rv)总体评价采场性能. 确定了这四个无量纲指的范围和各指标的划分语义及其数值范围. 构建的评价指标体系做到了评价方法、评价指标和评价标准的统一, 就实现了不同尺度采场性能的比较. 通过对4个构造的采场进行评价, 得到了四个指标的评价值和语义, 最后确定了的潜在失效方式. 结果表明该方法简单易行, 结果符合实际情况.     

基于递归小波网络的直升机动力学模型研究

提出一种基于递归小波网络建立直升机动力学模型的方法,给出了模型结构并利用粒子群优化算法对小波网络权参数进行调整。这种网络模型利用内部状态反馈来描述系统的非线性动力学特性,不必事先确定系统模型的类别和阶次,直接建立操纵量与加速度、角速度等变量之间的对应关系,从而避免了建立复杂的气动系数、气动导数模型的过程。与传统的机理模型相比,该模型具有结构简单、并行解算程度高、运算速度快的特点。在某型直升机飞行模拟器中取得了良好的应用效果。     

基于改进多孔算法的时间序列预测

针对小波分析技术存在的边界问题,提出一种改进的多孔算法。使用该算法得到的系数序列,在具备时移不变性的同时,消除了右侧边界存在数据畸变的现象,使小波分析技术结合神经网络等传统预测模型的方法应用于单变量时间序列预测任务具备可行性。为进一步提高预测精度,引入了神经网络集成技术以改善网络泛化能力。实验表明,这种组合预测模型预测效果与稳定性优于传统预测模型。     

基于小波-UKF的自主光学导航方法研究

利用光学导航相机以及星敏感器,通过测量星光信息以及天体边缘的信息,进行了自主光学导航方案的设计.利用小波分析对观测信息进行预处理,滤除了它所包含的高频噪声,为UKF（Unscented Kalman Filter）滤波过程提了更为平稳的观测信息,并与UKF滤波进行比较,通过仿真验证了该算法的优越性.     

基于双密度双树小波变换的超声图像降噪

针对去除斑点噪声提高超声图像质量的问题,提出双密度双树离散小波变换（DD-DT DWT）结合局部方差估计的双变量收缩阈值函数（BFS）的图像降噪改进算法实现超声图像降噪。首先将原始图像用DD-DT DWT进行多尺度分解,根据噪声模型和小波子父代系数确定的局部边缘方差估计阈值,利用子父代小波系数相关性构成的双变量阈值函数,对图像16个方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像。用仿真和真实数据对此算法进行验证,并与其他小波降噪系统的性能比较,结果分析表明噪声图像经该算法降噪后,图像性能指标均有提高,不仅有效的实现图像降噪,而且较好的保留图像细节。