基于小波变换的钢绳芯胶带磁记忆信号处理

 针对钢绳芯胶带工作环境复杂的特点,提出了一种用小波变换对钢绳芯胶带磁记忆检测信号进行预处理的方法。用小波变换模极大值方法对信号进行奇异性检测以及去噪处理,在去除了信号中噪声的同时,有效地保留了信号的奇异性信息。用交替投影法重构信号,极大地减少了重构误差。实验结果表明,实时检测的钢绳芯磁记忆信号含有大量噪声,经小波变换处理后信号平滑了许多,信号的奇异信息也有效地得到了保留。为钢绳芯胶带的故障检测提供了理论依据。     

钢绳芯输送带磁记忆检测信号小波分析方法研究

运用金属磁记忆检测技术对在役钢绳芯输送带中钢绳芯进行早期故障检测,利用小波分析对钢绳芯的异常应力集中区信号进行消噪处理和奇异性检测,消除了干扰信号,提高了信噪比,使故障点更加明显,经实验证明,该方法能够准确地检测出输送带内部钢绳芯发生抽动和断丝的位置。     

钢绳芯胶带故障监测信号小波分析

对在役钢绳芯胶带中钢绳芯进行早期故障监测,利用小波分析对钢绳芯的磁记忆信号异常集中区信号进行消噪处理和奇异性监测,消除了干扰信号,提高了信噪比,使奇异点更加明显,能够准确检测出胶带内部钢绳芯发生抽动和断头的位置.实验表明此种方法的可行性和有效性.     

基于小波变换的奇异信号检测

奇异信号的奇异点经常携带比较重要的信息,它是信号的重要特征之一。证明了小波变换能用来检测信号的奇异性,利用小波变换模的极大值和信号奇异点的关系,可以分析信号局部奇异性。信号局部奇异性用李氏指数来描述。研究了奇异性检测小波基的选择条件。给出了实例分析,结果表明,小波变换在信号奇异性检测和局部化分析方面具有优异特性。     

基于小波减噪的滚动轴承故障频率的识别

研究了振动信号局部奇异性在小波变换下的特性,定量分析了小波变换方法的减噪特性。根据滚动轴承故障振动信号和噪声的局部奇异性在小波变换下模极大值在不同尺度上的传播特性不同的特点,利用小波分解和重构算法,对轴承振动信号进行了分解、减噪、重构和谱分析。实验表明,小波减噪方法非常适于低信噪比情况下滚动轴承微弱振动信号的故障频率检测。     

基于小波的矿井主要通风机振动信号噪声消除算法

介绍了小波变换与信号奇异性的关系、判断信号奇异性的“模极大值检测”法则;利用信号和噪声在小波变换尺度上的不同表现,结合矿井主要通风机振动信号的特点,给出了矿井主要通风机振动信号的噪声消除算法,并进行了实例分析。     

基于小波模极大值的煤厚信号奇异性检测

信号的突变性或奇异性通常携带有最重要的信息,小波变换为信号的多尺度瞬态分析提供了最合适的方法。阐述了基于小波变换模极大值的奇异信号检测理论,并将其应用在煤厚探测信号的奇异性检测中,通过计算机语言编程,对实测信号奇异点进行定位,从而判断出煤层的厚度,为煤层厚度探测提供了一种新颖的方法。     

小波奇异性检测理论在齿轮故障诊断中的应用

在故障诊断中,故障通常表现为输出信号发生突变,因而对信号突变点的检测有非常重要的意义。小波分析是近年发展起来的一门新的数学理论和方法,它以其具备的时域和频域的局部特性,成为信号奇异性检测的重要工具。阐述了基于小波变换模极大值的信号奇异性检测原理,分析了信号奇异点的定位方法及奇异性程度的计算方法。仿真实验结果表明该方法是行之有效的。     

一种确定锚杆系统损伤位置的小波分析方法

提出一种利用小波分析诊断锚杆系统损伤位置的方法.小波变换的模极大值均出现在信号有突变的地方,且突变点处的高频成分较多,突变点就可从其小波变换的高频部分的模极大值检测出来.在实验室制作了锚杆模型,并进行了低应变动力测试,对动测信号进行小波分析,提取突变点,所得到的损伤位置与实际模型情况一致.     

小波分析技术在地震信号噪声处理中的应用

小波分析是20世纪80年代中后期逐渐发展起来的一个新的数学分支,它具有多分辨率分析的优良特性,在许多方面获得了广泛应用。信号中混入噪声之后,会引起信号的奇异性变化。随机噪声和有效信号本身在奇异点的奇异指数大小不同,从而它们的小波变换的模极大值在不同尺度下的传播行为也不一样。依据此区别,对于一个含噪地震道记录信号进行小波分解(即多分辨率分解)之后,在模极大值图上去除那些幅度随尺度增加而减小的极值点(对应噪声的极值点),而保留幅度随尺度增加而增大的点(对应信号突变点位置),这样就可以在模极大值图上达到去除噪声的目的。小波分析技术在地震信号噪声处理中,去噪效果明显优于传统的傅立叶变换方法。     

基于小波奇异性的滚动轴承故障检测研究

基于小波变换的信号奇异性检测原理,提出了信号奇异点的定位及奇异性程度的检测方法,并利用Matlab仿真平台,对故障信号实例进行了仿真和分析。仿真结果表明,与传统的Fourier分析方法相比,该方法是一种简单、有效的检测方法,特别在非平稳信号的监测和机械故障诊断领域。利用此方法可以比较精确地判断出信号发生的奇异点时刻以及奇异程度的大小,并且边缘效应要小得多。     

钢绳芯输送带的磁记忆信号特征提取方法研究

利用金属磁记忆(MMM)技术进行故障检测时,较弱的故障信号提取成为检测准确度高低的关键。采用小波分析和奇异值分解相结合的方法,对金属磁记忆信号经行故障特征提取。通过小波分析将故障信号分解为不同尺度的分量,以形成初始向量特征矩阵,并对该矩阵进行奇异值分解,选择代表特征信号的奇异值分量重构,从而实现对故障信号的特征提取。经过实验证明该方法有效。     

故障定位中小波基的选择研究

讨论了基于小波变换的矿井高压电网中暂态信号的分析应用,根据故障信号特征与小波基函数的内在联系,以及故障暂态信息中的有效信号和随机噪声的小波变换所体现的不同特征,对矿井高压电网故障定位中,暂态信号检测的小波基函数的选择进行了系统的分析研究。MATLAB仿真结果表明,根据信号特征选择的小波基函数具有很强的检测能力和检测精度。     

基于小波分析的变压器励磁涌流研究

针对小波变换原理可有效分析非线性、非平稳信号局部特征的优点,在研究电力变压器励磁涌流作用机理的基础上,考虑到二次谐波制动原理条件下变压器差动保护存在误动作的可能性,提出了一种运用小波变换模极大值理论实现励磁涌流与故障电流的识别。借助于仿真结果,论证了该试验方法对电力变压器进行差动保护的现实可行性。