基于小波变换方法的非接触圆度误差检测

针对圆度误差非接触检测过程中噪声对原始信号产生干扰的问题,提出采用小波变换进行信号降噪处理;讨论了小波理论中的快速变换算法及阈值降噪法的基本原理和处理实测信号的具体步骤;分析了基于小波变换的最小二乘圆法评定圆度误差的算法,并推导了其理论模型;运用Matlab小波工具箱通过实验说明了小波分析处理圆度误差的方法和效果。     

小波变换技术在圆度误差检测中的应用

针对圆度误差非接触检测过程中原始信号包含多频率成分的特点,提出采用小波变换进行信号的滤波处理。介绍了小波理论及快速变换算法的基本原理,讨论了运用小波变换分析处理实测信号的具体步骤。推导了基于小波变换的最小二乘圆法评定圆度误差的理论模型。并通过实验说明了小波变换处理圆度误差的方法和效果。     

圆度误差评定方法的研究

圆度误差评定是否准确,将直接影响到机械产品的性能和寿命.介绍了4个简单而有效的算法来评定圆度误差,即最小外接圆、最大内接圆、最小区域法和最小二乘圆法.利用MATLAB对上述算法进行了验证,说明文中算法有效.     

自适应二代小波变换在振动信号降噪中的应用

小波分析技术已成功应用于振动信号的降噪处理。第二代小波变换是一种比Mallat算法更为有效的算法。文中介绍第二代小波变换的基本理论和特点,提出基于二代小波的线性适应性信号分解算法和尺度适应性信号分解算法,并将其应用于对含噪的齿轮箱振动信号进行降噪处理。结果证明,与其他降噪方法相比,使用线性适应性二代小波降噪后的信号具有最佳的信噪比和最低的重构误差。     

噪声环境下圆度误差分离的统一方法

提出了一种噪声环境下圆度误差分离的统一方法。这种方法利用频域测量矩阵直接给出了圆度形状误差和回转误差的最小二乘解或最小均方误差解。频域测量矩阵的范数反映了噪声对误差分离结果的影响程度。介绍了圆度误差分离中的频域最小范数混合解，这种混合解比最小二乘解和最小均方误差解具有更好的噪声抑制效果。     

基于虚拟仪器的圆度误差测量系统设计

采用LabVIEW平台设计了基于虚拟仪器的圆度误差测量系统,实现了数据采集,数据分析与处理,实现了圆度误差最小二乘圆评定法算法,提高了圆度仪测量的速度和误差评定的自动化水平。     

基于遗传算法的圆度公差评定法与采用最小二乘法评定的比较

根据提出的计算模型,对基于遗传算法的圆度误差评定和传统上采用最小二乘法的评定算法进行了比较分析,根据方法本身的特点和计算结果,分析了二者的不同点以及在工程应用中的适用场合.所构造的模型包括边界控制点和区域随机点,其中边界控制点模拟了由圆度误差最小区域条件所定义的最大内切圆和最小外切圆,而区域随机点模拟了实际情况下测试点的随机性和不确定性.计算结果表明基于遗传算法的圆度评定法精度较高,优于基于最小二乘法的评定算法.     

最小二乘圆法评定圆度误差的程序设计

介绍了用最小二乘圆法评定圆度误差的准则及实现方法,在VC++环境下开发了圆度误差计算评定软件。测试验证表明,程序算法正确,界面直观形象,可直接显示圆度误差值和误差图形。     

三维空间中圆度误差的评定研究

为解决三维空间中圆度误差的精确评定问题,针对三坐标测量机检测圆度误差时因存在测量误差而使各实际测点不是精确地位于同一理想截平面上的特点,根据计算几何学和误差理论,提出了基于空间测点集算术平均中心点的最小二乘平面拟合方法,推导了其数学模型;并对国家标准中圆度误差评定的最小外接圆法、最大内接圆法和最小区域圆法进行了三维扩展;还对前两种方法作了改进,建立了此3种方法的数学模型和算法流程。最后的数字实验表明:以上3种算法是有效的。     

圆度误差测量及误差分析

介绍了圆度误差的最小二乘法及其数学模型的建立 ,并分析了影响圆度误差测量的几种误差因素。     

基于小波分析的齿轮箱振动信号消噪处理

基于小波变换具有良好时频分析的特点,介绍了小波变换用于去除噪声的原理和方法,建立齿轮箱齿轮人工点蚀故障模拟实验台,通过Matlab对故障振动信号进行小波分析,并且和没有经过信号消噪就进行小波分解进行对比,从而得出对含噪声的非平稳信号进行消噪,再进行小波分解可以较好的提取齿轮点蚀故障特征频率的结论。     

提升小波包渐变式阈值选择与量化降噪方法

为了实现移动装备发动机缸盖振动信号的在线处理,提出一种基于提升小波包变换的渐变式阈值降噪方法。分析了移动装备发动机缸盖振动信号的时频特性,介绍了插补细分提升小波包变换算法。提出一种渐变式阈值选择与量化策略,以适应信号与噪声特点。引入基于类可分离性测量的降噪效果评价标准,实现了复杂实测信号降噪效果的量化评价。应用实例表明,渐变式阈值与量化策略,能在全频带内很好地消除噪声并保留有用信息,具有更好的降噪效果。     

Classification of acoustic noise signals using wavelet spectrum based support vector machine

Harsh noises come from air-conditioning units are chronic complaining issues to their users. Individual perceptions of noise levels have been generally quantified by means of subjective evaluation such as a jury test. This article proposes a classification approach to acoustic noise signals using a wavelet spectrum analysis. We derive energy spectrums of noise signals using a discrete wavelet transform at pre-specified window length. The energy spectrums are a linear form and represented by a Hurst parameter as an informative summary of long-range dependent signal data. The Hurst parameter controls the self-similarity scaling as well as the degree of long-range dependence. We estimate the Hurst parameter through the least squares regression of sample energy against a resolution level in the wavelet spectral domain. In the context of multi-class classification problem, the classification of noise signals is performed by a nonlinear support vector machine (SVM) for parameter estimates of linear energy profiles containing the Hurst parameter. In an application example of air-conditioner noise signals, empirical results show that the proposed method offers the higher level of accuracy in acoustic noise sound classification.     

基于小波变换的汽车节气门位置信号去噪

传统的汽车节气门位置信号(throttle position sensor,TPS)处理方法不易消除发动机舱内电磁信号及周边环境的干扰。根据TPS的特征,在MATLAB中选用Daubechies五阶正交小波(dB5)对TPS噪声信号进行4层小波分解,再对分解后得到的各层系数用软阈值法量化处理,最后利用小波重构,实现对信号去噪。最后将获得的去噪信号用于发动机控制,并将控制结果与采用未去噪信号的发动机进行实车对比试验。试验表明:发动机采用去噪的TPS信号运行更平稳,小波变换后的去噪TPS信号对发动机控制具有良好的效果。     

De-noising of diesel vibration signal using wavelet packet and singular value decomposition

The vibration signals of diesel include excess noise that must be eliminated before extraction of characteristic parameters. Firstly, the effects of vibration-signal de-noising among Fourier transform, wavelet decomposition and wavelet packet decomposition are compared. Secondly, singular value decomposition is applied to de-noising vibration signals. Finally, a new de-noise method integrated with wavelet packet and singular value is presented. In this method, vibration signals are decomposed by wavelet packet, and the wavelet packet coefficient is de-noised by singular value decomposition again. The results indicate that the new de-noising method is the best. The SNR (signal-to-noise ratio) of the vibration signals of a diesel cylinder lid is the highest. The diesel vibration waveforms of combustion and valve become clear and the extracted characteristic parameters become more precise. __________ Translated from Journal of China University of Petroleum (Natural Science Edition), 2006, 30(1) (in Chinese)     

新的基于小波变换的振动信号消噪方法

噪声消除是小波变换最成功的应用之一,其基本思想是将信号的小波变换系数与给定的门限比较,保留比门限大的系数,而将其他的置零,然后进行小波重构。这种小波变换消噪方法很可能将信号中一些有用的小能量分量当成噪声消除。根据旋转机械振动信号的循环平稳性特征,提出了一种新的基于小波变换的振动信号消噪方法,并用数字试验信号和碰摩试验振动信号对新消噪方法和Matlab提供的小波消噪方法的性能进行了比较测试。结果表明,在振动信号消噪方面,新方法相比传统的小波消噪方法有更好的性能,能够有效地抑制信号中处于各频段的噪声分量。     

基于小波变换的盲信号分离的神经网络方法

提出一种新的盲信号分离的神经网络方法,该方法将小波变换和独立分量分析(ICA,Independent Component Analysis)相结合。利用小波变换的滤噪作用,将混合在原始信号中的部分高频噪声滤除后,再重构原始信号作为ICA的输入信号,有效地克服了现有ICA算法不能将噪声从源信号中分离的缺陷。实验结果表明,将该方法用于多通道脑电信号的盲分离是很有效的。     

A hybrid fault diagnosis method based on second generation wavelet de-noising and local mean decomposition for rotating machinery

In order to extract fault features of large-scale power equipment from strong background noise, a hybrid fault diagnosis method based on the second generation wavelet de-noising (SGWD) and the local mean decomposition (LMD) is proposed in this paper. In this method, a de-noising algorithm of second generation wavelet transform (SGWT) using neighboring coefficients was employed as the pretreatment to remove noise in rotating machinery vibration signals by virtue of its good effect in enhancing the signal–noise ratio (SNR). Then, the LMD method is used to decompose the de-noised signals into several product functions (PFs). The PF corresponding to the faulty feature signal is selected according to the correlation coefficients criterion. Finally, the frequency spectrum is analyzed by applying the FFT to the selected PF. The proposed method is applied to analyze the vibration signals collected from an experimental gearbox and a real locomotive rolling bearing. The results demonstrate that the proposed method has better performances such as high SNR and fast convergence speed than the normal LMD method.