基于小波包-神经网络的尾水管故障诊断

尾水管水压脉动信号中包含与涡带紧密相关的低频信息。偏心涡带是引起尾水管振动故障的主要根源。傅立叶变换很难提取涡带的低频特征，为此采用小波包与神经网络相结合的方法，对尾水管信号进行小波包多层分解，以提取信号的特征信息，然后输入神经网络进行故障诊断。试验表明：该法能利用小波包时频局部聚焦分析能力和神经网络的自适应能力，对尾水管振动故障进行有效诊断。     

基于小波分析的高拱坝裂缝损伤识别

小波变换是一个优越的时-频局部化分析方法,能够对信号进行任意精细程度分析,识别信号中的突变点或间断点。基于高拱坝坝体的变形应用小波分析对坝体裂缝进行损伤位置识别,提出小波变换系数残差作为整体损伤指标,给出了该方法的的基本原理和计算思路。以某高拱坝有限元模拟数据为例,分析结果表明小波变换在高拱坝裂缝损伤分析方面具有较好的的实用性和操作性。     

基于小波包变换和关联维数的空化信号特征提取

在详细阐述了声发射监测技术及空化声发射信号的特征基础上,采用小波包变换方法对空化信号进行处理.引入小波包特征频段分析法,以特征频段的能量和关联维数作为特征量来表征空化信号特征.最后根据选择的特征量对不同工况下的空化进行分类.仿真实验结果表明,该方法能够有效的表征空化强弱程度,具有一定的科学意义及工程价值.     

小波包-最大熵谱估计及其在水轮机故障诊断中的应用

充分利用小波包(WP)的时频局部化分析能力和最大熵谱估计(MESE)的频谱细化优点，提出了一种新的谱分析方法——小波包最大熵谱估计(WP-MESE)。该方法能对振动信号进行多分辨分解，提取故障特征信息，进而进行精确的频谱分析；并运用此法有效地提取了水轮机轴系动态特性信息。实践证明该法是提取微弱故障信息并进行早期诊断的有效方法。     

高压输电线巡检机器人在线断股检测与诊断系统

介绍了高压输电线自动巡检机器人实时在线断股检测与诊断系统。根据高压输电线断股引起的辐射场变化和机器人运行环境状况，选择合适的传感器，并对传感器信号调理和采集电路进行高可靠性设计。描述了检测信号分析过程。针对断股信号的非平稳性质和小波基的时频特征，选用db4小波基对断股信号进行了6层小波分解。通过引入小波能量熵的概念，较好地解决了单纯采用小波变换带来的分解信息量大、故障特征值数目多、提取需要人工干预、难以实现在线检测和诊断等问题，使其能够利用较小规模的反向传播（BP）网络就可实现对铝绞导线断股损伤的在线精确诊断。系统实验进一步表明了该断股检测和诊断系统的可行性及有效性。     

三峡左岸6号机组振动分析及量化征兆提取策略

三峡左岸6号机组在水位上升试验中出现5～6 Hz和1 Hz特殊频率振动.采用连续小波变换对水电机组振动信号展开深入分析,获取信号的小波系数灰度图,并将其灰度矩作为征兆描述机组振动状态,实例计算表明连续小波变换系数图灰度矩可作为一种有效的水电机组振动征兆提取策略,为缓解水电机组振动故障分析领域征兆特征量相对贫乏的局面引入了一种新的征兆量提取策略.     

基于小波分析的汽轮机振动故障诊断

基于小波分析对汽轮机振动的故障诊断展开研究,介绍了傅里叶变换和小波分析的基本原理,分析了小波分析在定位振动信号成分上相对于傅里叶分析的优越性,并对仿真信号进行了验证。利用db7小波对信号进行了6层分解,信号分解的细节部分清晰地显示了奇异点的准确位置。分析结果证明,在清楚汽轮机振动故障信号特征的情况下,小波分析能有效地进行汽轮机的故障诊断。     

小波阈值与小波包对南水北调工程防渗墙监测数据去噪有效性研究

以南水北调北京段大宁水库防渗墙加高施工工程为背景,基于小波包变换去噪法和小波变换阀值去噪法,对现场监测数据进行了消噪处理,比较了两者在工程实际中的应用效果。研究表明,对防渗墙工程安全监测数据,小波包的处理结果更为理想,能够更有效地去除噪音突变信号,保留原始有用信号的突变点,使重构信号能够更光滑地重现原始信号,其去噪法性能比小波变换阀值去噪法更佳,具有更好的实际应用价值。研究结论为后期更加准确地评价防渗墙施工期间的变形和进行墙体长期稳定性分析提供重要依据,研究方法可为类似工程提供参考。     

小波包特征熵提取水电机组轴心轨迹形状

将小波包多分辨与信息熵相结合,提出了一种提纯水电机组轴心轨迹的方法--小波包特征熵法.首先对采集到的摆度信号进行小波包分解,在通频范围内得到分布在不同频段内的分解序列,进而提取其小波包特征熵,选取占信号特征熵比较大的几个主要小波包进行信号重构,得出能清晰反映轴心轨迹形状特征的提纯信号.     

基于非线性小波变换阈值法的大坝表面变形监测分析

为了实现对大坝坝体GNSS原始监测数据中高斯噪声、白噪声等异常特性进行有效去噪，同时要求保留异常信号中的有效信息，基于小波变换分析理论，应用非线性小波变换阈值法对大坝坝体的GNSS原始监测数据进行去噪处理。结果表明，该方法能够有效剔除GNSS原始监测数据中不同类型的噪声点，明确了大坝坝体外部变形与库水位的相关性关系，分析了运行期内大坝坝体外部变形相对值分布状况，揭示了大坝坝体变形的周期性、趋势性等特征，为坝体变形监测的设计、变形趋势的观测与预测等提供参考。