小波阈值降噪在岸桥小车轨道振动信号处理中的应用

针对测量时振动信号易受噪声干扰的特点,采用小波降噪法对原始信号进行降噪处理。小波具有“变焦距”、较好的时频局部分析能力等特性,适合非平稳信号振动噪声处理。分别通过小波阈值降噪法对仿真信号并口岸桥小车轨道铰点振动信号进行降噪处理。试验表明,小波阈值降噪法能够较好的消除噪声,能有效提高信噪比、降低均方误差,为进一步分析振动信号奠定了基础。     

墓于小波变换的随钻测试数据降噪方法研究

为消除随钻测试装置采集信号中的噪声,给工程人员提供准确的现场信息,提出了基于小波变换的方法对随钻测试数据进行降噪处理.首先,根据含噪声的随钻测试数据模型建立起小波变换降噪的基本流程.其次,在对含噪信号的小波变换特性分析的基础上,运用自相关函数对其在小波变换尺度空间中进行白噪声检验,确定小波最优分解层数.在分析对比小波降噪阈值的不同选取方式后,采用广义交又确认理论来计算最优降噪阈值,从而在对信号降噪的同时还最大程度地保留了信号的有效特征成分.最后给出了基于该方法小波变换的随钻测试数据降噪的详细步稼,对实侧的钻压和扭矩数据进行了小波降噪,取得了良好的降噪效果,为钻井工程后续分析提供了可靠的数据支撑.证明了本方法的优越性.     

基于小波分形理论的工程车辆时域载荷信号降噪方法

分析了工程车辆传动系零部件的时域载荷信号的噪声特点,提出了一种基于小波和分形理论的信号降噪方法。采用小波方法对实测的时域载荷信号进行了三尺度分解,计算了分解后的各层信号的关联维数,依据关联维数的变化规律判断是否存在噪声。以轮式装载机传动法兰的实测载荷信号为例进行了降噪应用研究。结果表明,提出的小波分形联合降噪方法可以根据信号不同频率段内含有的噪声特点进行降噪处理,解决了在小波阈值降噪中如何有效选择阈值的问题。     

基于小波包的撞击流反应器速度信号降噪分析

采用最优小波包阈值降噪方法对撞击流反应器内瞬时速度信号进行降噪处理.通过降噪前后对比发现:最优小波包阈值降噪方法能够较好地去除原始信号中噪声引起的尖峰和突变,显现出平滑的变化状态,且降噪后的信号可以较好地保持原始信号的信息量.对降噪前后信号的混沌吸引子相图进行对比,可以确定最优小波包阈值降噪方法的有效性.     

超声检测缺陷分类的降噪及特征提取问题研究

针对超声检测回波信号中可能具有噪声干扰并难以剔除的问题,提出了利用“小波降噪”对超声信号进行处理的算法和应用“类别可分性判据”评价特征值的方法,并通过实验进行了验证。首先将小波变换用于超 声信号噪声处理,然后利用类别可分性判据对缺陷信号的特征选择进行评价,最后通过RBF网络对获得的超声检波信号进行缺陷分类以验证这种方法的有效性,实验结果表明：小波降噪算法充分利用了超声回波信号的时域、频域信息,不仅降噪效果明显,而且缺陷定位准确;类别可分性判据对缺陷信号的特征提取也起了定量衡量尺度的作用。     

基于改进EMD和小波阈值法的风机数据降噪研究

风机轴承振动信号中混杂着噪声,会对后期的故障诊断造成困难。提出了一种改进经验模态分解(EMD)与小波阈值降噪相结合的风机数据降噪方法。首先,采用EMD对原始振动信号进行分解得到信号的固有模态函数,考虑到各个分量中都含有噪声和信号从而出现模态混叠现象,故采用相关系数法筛选出信号分量和噪声分量对EMD进行改进。然后,采用小波阈值法对噪声分量进行降噪,并将信号分量与处理后的噪声分量进行重构,最终完成信号降噪。最后,选取某风机轴承振动数据作为实验数据,有效地去除了原始信号中的噪声,并得出轴承内圈故障的结论,与实际结果一致,验证了所提方法的有效性。     

基于复杂传递路径的发动机主轴轴承故障信号提取技术

航空发动机主轴轴承故障信号经过复杂路径传递至机匣后信噪比低,小波降噪能有效降低噪声水平,盲源分离与包络谱技术能从混合信号中分离出发动机主轴轴承故障信号并提取故障特征。依据发动机振动信号特征,对采集到的机匣振动信号进行小波降噪处理消除系统噪声,再对降噪后信号进行盲源处理分离出原始故障信号,最后对分离出的原始故障信号进行包络谱分析提取出轴承故障特征信息。对试验数据处理发现:该方法成功地提取出主轴轴承外圈内滚道与滚棒故障信号。这为航空发动机主轴轴承故障诊断提供了一种重要的研究方法,具有重要的研究意义。     

用LabVIEW的小波工具处理超声信号中的噪声

为了抑制噪声,提高信造比,实现精确的探伤,本文采用了系统的LabVIEW软件中小波分析工具——降噪函数Denoise．vi对检测系统中超声信号的噪声进行处理,在综合比较降噪效果和执行速度后,确定小波分解尺度为6,并将所有尺度的阈值均设为0．1。经对CS-1-5试块的φ2平底孔超声反射回波和某型直升机旋翼大梁疲劳裂纹超声反射回波的降噪试验,试验结果表明,处理后的超声信号信噪比显著增强。满足我军航空维修无损检测的需要,实现了探伤工作的快速、机动和高效,提高了检测的可靠性。     

基于CEEMDAN-改进小波阈值的水工结构振动信号联合降噪方法

针对水工结构在泄流激励作用下动力响应信号被噪声淹没的实际问题,提出一种基于自适应噪声的完整集成经验模态分解(CEEMDAN)和改进小波阈值函数联合降噪的方法。对水工结构振动信号先进行CEEMDAN分解,将信号分解成一系列固有模态(IMF)分量,运用自相关函数和互相关系数剔除无效IMF分量,实现振动信号的初次降噪;再利用改进小波阈值函数对含有主要振动信息的IMF分量进行降噪处理,实现含噪信号的二次降噪;最后,将包含主要结构振动信息的IMF分量和残量进行信号重构,得到降噪后的振动信号。通过数值仿真分析,发现CEEMDAN-改进小波阈值联合降噪后信号(10%噪声水平)的信噪比从20.21提升到23.54,均方根误差从0.19降低到0.09,验证了联合降噪具有更高的信噪比和更低的均方根误差,更为接近纯净信号。结合国内某水电站导墙实测数据,运用该方法进行降噪分析,结果表明该方法具有较好的降噪性能和应用前景,可为水工结构流激振动安全诊断提供有效依据。     

路面层间应变信号的预处理方法

为获得路面层间应变情况、实时监测道路状态,开发一套无人值守路面层间应变信号自动采集系统。选用四轴货车进行现场试验,对采集的应变信号进行特点分析,通过去除趋势项消除实测信号的零点漂移问题;采用S变换方法研究路面层间应变信号在时域和频域上的分布规律;为提高实测道路应变信号的信噪比,分别采用低通滤波和小波滤波方法对信号进行预处理。研究结果表明:所开发系统可以实现道路应变信号的自动采集;采集的路面层间应变信号的噪声成分频率不固定,而道路应变信号的有效成分主要为50 Hz以下的低频信号;低通滤波方法在处理应变信号时有局限性;小波滤波方法对不同类型的噪声信号都能取得良好的滤波效果,适合路面层间应变信号的预处理。     

基于小波变换的桩基缺陷识别方法

在反射波法的桩基信号检测中主要归纳为检测幅值突变,当反射信号较弱时,用一般的时域分析法或频域分析法,就无法检测桩身质量问题.用小波分析就可以解决这一问题,小波分析具有时频局部化特点.从理论上说,桩基信号混有反映桩基缺陷的脉冲信号,通过对称小波变换后,在一定的尺度范围内其极值点对应原信号的突变位置或时刻.工程中信号分析如用连续小波变换产生的数据量多,且计算量大,分析复杂.而用离散小波变换可以有效地减少数据量,并能识别工程信号的奇异性(缺陷).论文通过一个在确定位置有微弱幅值变化,进行小波变换后(其中小波为二次B样条小波),可以清楚地识别幅值发生突变的时刻.同时也对工程实际中的一具体桩基用低应变动态检测的数据进行了分析,根据桩的破坏特征及离散小波变换后计算桩身发生缺陷的位置,可以确定本例中的桩有4处发生了离析.并且可以有效地对桩基缺陷进行识别.     

小波分析在旁孔透射波测桩法中的应用

常规无损检测方法无法检测既有建筑物下基桩桩身长度,而旁孔透射波法凭借其优势,可以在不直接接触桩顶的情况下检测基桩桩身长度。但该方法的推广受到桩周土和震源的限制,从而影响异常判别。文中根据实测数据证明,小波分析的应用能够提高解释精度,使该方法的适用性更强,且基于Matlab的小波分析容易实现．编程简单。     

基于平移不变的变形监测数据小波变换去噪处理

将实际观测到的一组烟囱垂直位移监测数据作为通常意义下的时序信号,并对其进行小波变换分析.利用基于平移不变的快速小波去噪算法,对变形监测数据进行去噪处理,对模拟数据和实测数据的处理结果表明,基于平移不变的去噪方法与传统的阈值去噪方法相比,能有效地去除伪吉布斯现象,提高信噪比,剔出变形监测数据中的噪声,识别被噪声湮没的有用信号.     

静压挤密桩在湿险性黄土地基处理中的应用

为了解决水泥土挤密桩施工过程中噪音过大的问题,提出了地基处理的静压挤密桩施工法,并结合工程实际测试了静压挤密桩在湿险性黄土地基处理中应用的效果.测试结果表明,该方法在施工时噪音较小,施工速度高,满足设计要求,此为该地基处理方法的应用和推广提供了依据.     

基于小波奇异性的电主轴振动信号处理

将小波奇异性理论运用到高速电主轴振动信号处理中,分析了如何进行小波奇异性信号重构的方法,提出了电主轴振动信号奇异性检测算法。构建了电主轴信号测试与处理系统。根据小波变换后信号与噪声在各尺度空间呈现的不同特性,对小波逆变换信号重构,提取了高速电主轴振动信号特征。仿真实验表明,利用小波奇异性对电主轴振动信号进行处理,能够去除噪声对加工过程监控系统的影响,同时还可以对机械故障信号进行预测,达到了提高电主轴使用寿命的目的。     

基于神经网络的小波域超声信号消噪技术研究

为了提高超声无损检测（UNDT）与无损评价（UNDE）基础数据的信噪比（SNR），提出了一种基于神经网络模式识别理论的小波域超声信号消噪技术.该技术在研究材料内部散射体引起的结构噪声产生机理，以及分析传统裂谱分析(SSP)算法局限性的基础上，利用小波变换方法将原始超声检测信号分解到小波空间，并通过径向基函数（RBF）神经网络所构成的信噪分离器对信号和噪声进行识别、分离来消除噪声，得到高信噪比的超声回波信号.实验结果表明，与传统裂谱分析算法相比，该技术提高了消噪性能的稳定性，增强了湮没材料内部各类散射体散射中的缺陷回波信号能力     

小波包变换在电力负荷特征信号提取中的应用

为了给电力系统不良数据辨识提供良好的数据基础,提出了一种新的基于小波包除噪的方法来提取电力负荷特征信号.该方法将不良数据看成是被淹没在大量的噪声信号中特征信号,通过比较小波包除噪法与小波除噪法对信号消噪的效果,得出结论:小波包除噪法有较好的消噪能力,为电力负荷特征信号的提取提供了有效的分析方法.