焊缝超声无损检测中的缺陷智能识别方法

针对焊缝超声无损检测中的缺陷智能化定性识别一直未能很好解决的难题,提出采用小波包变换技术对缺陷回波信号进行降噪和特征值提取,采用基于距离的类别可分性判据和人工神经网络模式识别方法对其进行自动识别和归类,在此基础上开发了基于MATLAB软件的焊缝超声波探伤缺陷智能识别系统,可实现对缺陷回波信号的自动采集、处理及智能化识别和分类.实验表明采用的特征值提取方法以及缺陷定性识别方法是有效的.     

基于小波变换的麻醉监测脑电信号的分析与处理

针对中潜伏期听觉诱发脑电的特点，提出了利用小波变换的多分辨分析技术滤除被测信号的强噪声成分，重构真实信号来实现对中潜伏期听觉诱发脑电的提取方法；通过实验仿真表明：小波变换提取技术比其他传统提取方法更有效，可以减少试验次数，可以提供更为可靠的特征提取和模式识别的分析数据，这为麻醉深度的临床监测探索了重要的理论基础。     

连续小波变换在焊接缺陷超声检测中的应用

本文研究连续小波变换方法在焊接结构超声无损检测信号处理中的应用，以压力容器的三种焊接缺陷为对象，对缺陷回波信号作连续小波变换，对小波变换尺度图采用与时间－尺度相平面相似的网格作区域平均特征提取，并对提取出的特征利用B－P型神经网络进行训练和分类，实验结果表明：连续小波变换在信号特征提取上具有优良特性。     

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。     

基于高阶统计量和小波变换的差压信号分析

为分析气液两相流差压信号的内在特征，提高测量信号的信噪比（SNR），提出了一种基于小波变换和高阶统计量的信号分析方法.该方法利用小波变换技术将差压信号分解为多个不同频段的尺度函数，根据先验知识滤除信号中的高频噪声，同时提取不同尺度上的细节信号能量特征值.基于高阶统计量技术，提取不同工况下重构的已除噪差压信号的双谱特征值，分析了信号的双谱特性.初步研究表明，小波变换和高阶统计量相结合的信号分析方法能有效地抑制信号中的高斯有色噪声，提取的细节尺度能量特征和双谱特征可以提供更多的关于管道内复杂流动状况的信息.该方法为气液两相流流动状态的判别和过程监控提供了有益的借鉴.     

基于小波变换的汽车齿轮箱振动信号故障分析

本文利用小波变换和能量特征值对汽车齿轮箱振动信号进行特性分析。利用小波变换的分解和重构算法,对小波系数进行系数-能量计算,提取系统的特征信息,对汽车齿轮箱的故障进行诊断,及时发现齿轮箱的早期故障,提高汽车运行的安全性。仿真研究结果表明用小波变换在故障信息诊断方面是可行的和有效的,提高了故障检测的可靠性。     

基于小波分析的刀具磨损状态监测方法

为了实现车削过程刀具磨损状态的实时在线监测 ,使用离散二阶小波变换对切削过程声发射信号进行分解 ,以不同尺度下信号分量的均方根值组成的特征向量为样本 ,利用模糊模式识别技术实现对刀具磨损状态的在线识别 .实验表明 ,在选择适当的标准样本基础上 ,所提出的基于声发射信号小波分解的模糊模式识别方法能准确实现刀具磨损状态的正确识别 ,具有较高的可靠性和准确性 .     

一种新的小波包络检测快速算法及其应用

针对传统包络解调分析方法需要人为选定共振频带的缺陷, 提出一种用 Morlet 小波和连续小波变换实现的包络检波算法. 该方法利用小波变换时-频分析的优势, 用傅立叶变换快捷计算小波变换系数, 从而有效提取各共振响应频带的调制频率. 经实验验证, 该方法能有效地提取信号包络, 准确地提取出滚动轴承的故障频率.     

基于小波变换与SVM的调制信号识别方法

为了准确地识别通信信号的调制方式,运用小波变换与支持向量机（SVM）对调制信号类型进行识别。采用小波分解重构方法对常用3种模拟信号和6种数字信号提取特征值,将提取的小波特征参数送到 SVM判决器,对信号调制类别进行训练与测试,得到平均识别率。实验结果表明,在信噪比不低于5 dB时,识别率达到了100%,具有良好的分类性能和抗噪能力。     

小波域变步长ICA算法提取胎儿心电信号

胎儿心电信号是反映胎儿宫内生理活动的一种最主要的客观指标,从母体体表混合信号中分离出胎儿心电信号是近年来信号处理领域研究的热点问题。该文利用小波变换将采集到的各导联混合信号变换到小波域;在小波域结合模拟退火法变步长进行独立分量的提取;将提取到的各独立分量进行小波逆变换,从中选择胎儿心电信号成分。通过对临床实际数据进行实验,实验结果提取出了清晰的胎儿心电信号。     

小波包分解在超声检测缺陷回波信号处理中的应用

超声检测过程中,由于缺陷回波是一种含噪瞬态脉冲信号,很难有效地将其与各种噪声“分离”开来。介绍一种基于小波包分解的缺陷回波多尺度空间能量特征提取方法,对焊缝超声回波信号进行了特征提取,并采用基于距离的类别可分性判据对提取结果进行了评价。     

焊接缺陷的超声回波特征分析与模式识别

研究了以自回归模型谱为特征，进行焊接缺陷的超声回波模式识别的方法，根据线性判别原理建立了判别函数，利用所提取的特征值对焊接缺陷进行了模式分类，结果表明自回归模型谱在超声缺陷的模式识别中是一良好的特征量，各类目标具有比较清晰的类边界。     

基于多核学习的下肢肌电信号动作识别

为了提高下肢肌电控制系统中多运动模式识别的准确性,提出一种基于多核学习(MKL)和小波变换尺度间相关性特征提取的多类识别方法.根据多核学习理论,采用二叉树组合策略构造基于多核学习的多类分类器.对下肢4路表面肌电信号进行离散平稳小波变换,用小波系数尺度间的相关性提取特征向量输入构造的多类分类器,对水平行走时划分的支撑前期、支撑中期、支撑末期、摆动前期、摆动末期这5个细分运动状态进行分类.实验结果表明,所提的多模式识别方法能够以较高识别率区分多个细分运动状态,得到比标准的单核支持向量机(SVM)分类器更好的准确性.     

基于自适应小波阈值的超声信号消噪

在铝合金锻件的超声无损检测中为了消除晶粒散射引起的相干噪声，通过建立缺陷回波检测数学模型，提出了一种基于新阈值函数的Stein无偏风险估计自适应消噪方法.利用新的阈值函数得到离散小波变换各尺度下的小波系数，对小波阈值进行最小均方误差意义上的迭代，基于小波系数估计值进行离散小波反变换以得到信号的估计值，通过反复迭代运算得到缺陷回波的最优消噪模型.对含缺陷铝合金锻件的超声信号处理实验结果表明，与常用的固定硬、软阈值相比，自适应消噪方法能够更好地去除散射噪声及增强缺陷信回波信号.     

铁路车轮裂纹在线检测方法研究

早期发现车轮的初始疲劳裂纹是避免铁路车辆行车事故的最有效的方法。采用弹性力学的理论．分析了疲劳裂纹产生时弹性波的主要传播形式及声发射现象，分析了疲劳裂纹信号与噪声信号在波形、频率和幅度上的明显区别，提出了洲量点位的确定原则和用宽带声发射传感器接收疲劳裂纹信号采取的措施及硬软件去噪的方法。建立了应变能与疲劳裂纹信号之间的数学模型。通过高保真宽带传感器实时真实地获取被测材料结构中产生的宽带声发射信号，并分析研究源产生的超声波模式，找出对应模式波的内在持征，即可进行缺陷的参数识别和定位。为车轮早期疲劳裂纹的识别提供了一种新方法。     

基于小波变换的中药光谱图谱与色谱图谱分类特性研究

对中药光谱指纹图谱与色谱指纹图谱的分类特性进行了研究,针对同一种药品数据样品的光谱图谱与色谱图谱进行小波分解,得到其高频部分和低频部分,使用 k-近邻方法对4组经变换后的数据进行分类。结果表明,无论是原始数据还是经小波变换后的数据,光谱数据分类效果都明显好于色谱数据,同时也可以看出,无论是色谱数据还是光谱数据,原始数据经小波变换后再进行分类,分类正确率都要好于原始数据的分类正确率。     

短波通信中的数字调制信号识别

针对目前没有有效的方法对短波通信中的调制信号进行识别的问题,提出一种基于小波包变换、高阶累积量和支持向量机的数字调制信号识别新方法.该方法提取信号经小波包变换后各频段的能量值和累积量作为特征向量,利用以支持向量机为基础的多级分类器对其进行调制识别.此分级调制识别方法与其他非分级调制识别方法相比具有较高的识别率.实验表明,针对FSK、PSK等10种调制信号在低信噪比下具有较高的识别能力,该算法在短波通信中的调制信号识别领域有较好的应用.     

孔隙式隔振系统非线性阻尼特性

针对舰载设备隔振系统中双出杆液压孔隙式粘滞阻尼器阻尼力的非线性问题,建立了考虑油液压缩性的隔振系统数学模型,提出了基于AMESIM仿真试验确定隔振系统阻尼力的方法,依据仿真得到的系统压力确定了阻尼力流动指数并验证了流动指数取值的合理性.搭建隔振系统的试验装置,利用通过冲击试验获得的隔振系统位移和加速度响应验证隔振系统数学模型的准确性.结果表明,数学模型仿真和冲击试验结果误差在6%以内,为液压阻尼器非牛顿流体阻尼力的计算提供了有效、快捷的途径.