基于平稳小波变换的相空间重构方法

针对非线性信号特征提取问题,提出一种基于平稳小波变换的相空间重构方法.对信号进行多层平稳小波分解,利用得到的不同尺度小波系数进行相空间重构,通过局部切空间变换方法提取蕴涵在相空间高维数据集中信号的低维形态特征.仿真试验结果表明,非线性信号经过平稳小波变换后,吸引子轨迹与原有轨迹具有相似的结构.利用局部切空间变换可获得带有高斯白噪声的非线性信号的低维形态特征,该低维形态特征与原有非线性信号的吸引子轨迹相似.这种相空间重构方法较传统的方法具有一定的优势,可以用于提取含有噪声的机械振动信号的故障特征.     

基于LabVIEW的机械故障信号小波包分解和重构

给出了一种基于LabVIEW快速实现信号的小波包分解和重构的方法.在LabVIEW的高级信号处理工具箱中包含了小波包信号分解和重构的模块,利用这些模块快速实现了小波包分解和重构,针对现在利用这些模块进行编程的资料有限,编译了相关的小波包分解和重构程序,以便于虚拟仪器的架构和故障的快速诊断.最后用仿真信号进行了小波包的分解和重构,证实了该办法的可行性.     

基于相空间重构的独立分量分析及其工程应用

针对单通道信号无法满足独立分量分析的欠定问题,将相空间重构与独立分量相结合,通过相空间重构实现单通道信号的升维,并将升维信号进行独立分量分析,可以有效地分离出原信号中包含的独立信源。以提取冲击特征为例,通过仿真验证了该方法的有效性。将该方法运用于滚动轴承故障特征提取中,成功地从早期滚动轴承故障信号中提取了周期性故障冲击成分。与传统的小波包-峭度故障特征提取方法对比,此方法更有效。     

相空间稀疏化的信号压缩感知与重构方法

针对旋转机械振动信号受强噪声干扰导致传统FFT频域稀疏性差,难以进行正交匹配重构的问题,提出了相空间稀疏化结合正交匹配追踪(orthogonal matching pursuit,简称OMP)的信号压缩感知(compressed sensing,简称CS)方法。首先,对信号进行相空间重构(phase space reconstruction,简称PSR),并采用主分量分析(principal component analysis,简称PCA)提取主要分量和重构信号,以提高信号的频域稀疏性;然后,采用随机高斯矩阵测量及压缩频域稀疏性得到优化的信号;最后,采用正交匹配追踪算法重构信号。仿真信号和转子典型不对中信号的分析结果表明,该方法可以提高受强噪声干扰的振动信号在频域内的稀疏性,实现转子振动信号的有效压缩和准确重构。     

基于小波包分解与主流形识别的非线性降噪

为解决工程实际中强噪声、非线性且频率成分复杂的振动信号降噪问题,提出了基于小波包分解和主流形识别的非线性降噪方法。采用小波包分解将原始振动信号正交无遗漏地分解到各频带范围内,根据各子频带中信噪空间分布,分别采用相应参数对小波包分解系数进行相空间重构;采用局部切空间排列(local tangent space alignment,LTSA)主流形识别方法在高维相空间中实现信号与噪音的分离,并重构出降噪后的一维小波包分解系数,最后进行小波包分解重构得到降噪后的振动信号。通过仿真实验和实例应用对本文所提方法的有效性进行了验证,试验结果表明本文方法具有良好的非线性降噪能力。     

基于相空间重构的驾驶风格定量评估

驾驶风格评价是智能交通领域的重要研究课题,一般采用频域或时域的分析方法对其进行定性的分类和识别,缺乏客观定量的评价体系。提出一种基于相空间重构的驾驶风格定量分析方法。首先,采用汽车测试数据和局部性神经网络建立个性化的驾驶员模型;然后,将个性化驾驶员模型应用于标准驾驶周期测试工况的速度跟随试验,以实现驾驶行为的标准化;最后,对标准化驾驶行为进行相空间重构,提出一种基于关联维数的驾驶风格指数,用于定量评估驾驶的激进程度,并应用于驾驶员风格的识别,仿真结果验证了所提方法的有效性。     

基于小波包一混沌支持向量机的液压泵压力信号预测

针对液压泵压力信号呈现的非线性、非平稳的特性,提出一种将小波包分析、相空间重构理论与支持向量机(SVM)相结合的预测方法,实现液压泵压力信号监测数据的建模及预测。首先将采集到的压力信号通过小波包进行分解,将分解得到的各个分量进行重构,其次对重构后的每一个分量通过混沌支持向量机预测模型进行预测,最后对各预测值进行合成。试验数据表明,该方法能够有效地预测液压泵压力信号的变化趋势,具有较高的预测精度,可有效地应用于系统的状态监测和故障预测。     

基于改进相空间重构的压缩机运行状态预测

精确的状态预测对于压缩机的平稳运行至关重要,同时,振动信号能够表征绝大多数压缩机的运行状态。为提高预测精度,文中提出改进的相空间重构法和神经网络相结合的预测模型。首先利用相空间重构技术,将一维时间序列振动信号扩展到高维空间。针对传统的G-P算法中无标度区识别过于依赖人工经验的不足,提出了DBSCAN聚类与粒子群优化算法相结合的无标度区自动识别方法,并以相关性指标最大和残差平方和最小为目标建立无标度区识别优化模型,使用粒子群算法获得最优解,实现无标度区的自动识别。使用BP神经网络对重构后的振动信号进行预测。预测结果表明相空间重构后的信号预测效果更好。     

基于相空间重构的制造系统混沌研究

针对制造企业的生产效率时间序列体现的非线性的确定而又类似随机的特点,提出了基于相空间重构的制造系统的混沌研究方法。利用互信息法和CAO氏方法分别确定最佳延迟时间和最小嵌入维数,利用生产效率时间序列对制造系统相空间重构,通过Grassberger-Procac-cia算法和小数据量方法计算关联维数和最大Lyapunov指数这两个非线性特征量,结果表明制造企业在运行过程中出现混沌现象。     

基于相空间重构和K-L变换的压缩机故障诊断

为有效利用往复式天然气压缩机故障工作状态下振动系统的非线性特征,采用了一种集相空间重构技术K-L变换为一体的特征提取和特征压缩方案,并成功应用于对某型压缩机的故障诊断。用相空间重构提取了高维的征取量,为了降低特征维数,引入K-L变换进行特征压缩。通过对3类典型故障类别一定样本数量的振动数据进行仿真,仿真结果表明该方法提取的特征量,具有很好的聚类性,能很好地把3类故障区分,达到对故障诊断的目的。     

基于小波变换的涡街流量计信号处理方法

涡街流量计有许多优点,应用比较广泛。但是,涡街流量计易于受到由管道振动和流场扰动引起的噪声干扰。涡待流量计中的处理电路不能保证仪表在工业现场的测量精度。本文研究基于小波变换的涡街流量计信号处理方法。本文介绍小波变换的基本原理和快速算法,分析小波滤波器的幅频特性,研究调整滤波器中心频率的方法,给出涡街信号的处理过程,进行仿真和实验测试。仿真和实验结果表明,小波变换能有效地减小了噪声影响,使频率测量的精度高,处理实时。小波变换是涡街流量计信号处理的一种新方法。     

二进小波振动检测中低频保相的二次变换处理

信号在二进小波分解中相位产生变化,特别是低频段,直接影响信号检测结果的频域分析。在分析二进小波变换的低频移相特性后,提出了二进小波二次变换的理论方法,论述了其可行性,并通过多频信号小波分解细节图示给出了任何一层二进小波分解使相位后移90°的说明。通过线性多频和非线性两个实例分析,验证了振动信号的二进小波二次变换的相位保持能力。     

一种鉴相型感应同步器数显表信号处理方法

论述应用inte18254实现鉴相型感应同步器数显表信号处理的方法,利用计数器可编程的特点实现分辨率可调等功能.     

一种新型的基于相关特性的信号重构算法

提出了一种能有效补偿噪声影响的信号重构算法。在噪声背景下，要想准确地恢复那些发生了非线性畸变的信号，通常是很困难的。在许多信号重构的算法中，大多都忽略了噪声的影响。这样就丢失了许多有用信息，尤其在要求实时处理的情况下会使信号误差变大。鉴于此，文中将噪声的影响考虑进来，利用接收到的信号与处理过的输出信号的相关特性建立目标函数，通过调节相关系数使目标函数达到最小值并且一定程度上抑制了噪声，从而使原始信号得到相对准确的恢复。同时，文中的算法易于实现信号的实时处理。通过计算机仿真验证了文中该算法的有效性和可行性。提出的算法对精密仪器检测、通信系统、语音信号处理等领域具有一定的参考价值。     

基于相空间重构的半导体制造系统日产出预测

半导体制造系统的生产作业计划与调度优化困难、可行性较低的现状,对半导体制造系统的日产出预测提出了需求。在对预测研究现状进行分析的基础上,针对半导体制造系统的日产出时间序列体现的非线性的确定性而又类似随机的特点,提出一种基于混沌相空间重构的蚂蚁—神经网络模型的预测方法。混沌相空间重构理论用于日产出时间序列的重构;神经网络用于日产出预测模型的构建;蚂蚁算法用于神经网络预测模型的权值和阈值参数的训练。通过某企业的实际生产数据进行测试,并与传统的预测方法比较,证明了该预测方法的有效性。     

基于小波包分析的液压泵状态监测方法

液压泵是液压系统中的关键部件,对其运行状态的监测与故障诊断对整个液压系统的可靠性具有重要意义。基于小波包分解和小波系数残差分析方法,提出一种利用液压泵出口压力进行液压泵故障诊断的方法。通过分析液压泵出口处压力信号的特征,利用小波包对压力信号进行频谱分解,提取液压泵的故障特征,建立不同频率范围的特征信号与液压泵不同故障因素的对应关系,为液压泵的故障诊断与定位提供依据。利用小波包能量残差判别液压泵的运行健康状态,并比较不同小波基函数在故障诊断时的敏感度。为减小小波分析时边界效应所引起的信号畸变,引入“滑动双窗口”的分析方法。试验结果表明,与快速傅里叶方法相比,基于小波包分解的残差分析方法可有效提高故障诊断的准确率,实现对液压泵的状态监测与故障诊断。     

基于小波变换的基波提取和频率测量

为了提高小波变换提取信号基波和测量频率的精度 ,采用分频特性较好的小波对信号进行滤波 ,并研究最佳分解级数的问题。在频率测量中 ,针对低频噪声的影响 ,提出极大值误点的判别方法 ,采用最小二乘法估计基频 ;针对非整周期采样误差的影响 ,采用抛物线插值的方法加以解决     

基于小波的全数字逆变焊机信号处理

从强干扰、高压、大电流的恶劣工作环境中,获得逆变焊机有用信号,是全数字焊接电源研发和工艺评判的关键。在分析研究脉冲宽度调制(Pulse width modulation,PWM)驱动原理的基础上,提出先对逆变焊机PWM驱动信号级的电流信号进行去噪,进而实现整个焊接电流信号的噪声滤除方法。构建硬门限阈值函数对信号进行小波分解,对小波分解的详细系数集去噪。同时构建模极大值判别函数,来搜寻详细系数的噪声奇异点,利用搜索结果对近似系数集的噪声进行线性滤除。选择相关参数的合适数值进行仿真试验,结果表明,该去噪方法能够很好地滤除焊接电流的噪声,保证信号不失真,获得有用的信号特征,为全数字逆变电源的研究和性能评价奠定基础。     

基于小波分析理论的电能质量扰动信号检测

随着电力电子器件在电力系统中的广泛使用,电能质量问题己经成为供电系统和用户共同关注的重要问题。对电能质量进行快速的检测和准确的分类,进而进行有效的治理是提高用电效率的重要途径。本文使用小波检测算法来进行信号扰动的定位,利用小波变换良好的时频局部化特性,根据小波变换模极大值原理,通过对信号的多分辨率分解,实现了扰动信号的检测。并且通过Matlab的仿真结果证实了小波检测算法的正确性和有效性。     

一种宽量程光外差干涉信号的处理方法

根据相位测量与整数周期相位计数相结合的思想,给出了一种宽量程光外差干涉信号的处理方法,该方法在保持不降低高的测量分辨率的前提下,扩展测量范围,并可用于动态测量.