双树复小波包和ICA用于滚动轴承复合故障诊断

针对滚动轴承复合故障信号特征难以分离的问题,提出将双树复小波包变换和独立分量分析(independent component analysis,简称ICA)结合的方法应用到滚动轴承复合故障诊断中。首先,利用双树复小波包变换将复杂的、非平稳的复合故障信号分解为若干不同频带的分量;其次,引入ICA对各个分量所组成的混合信号进行盲源分离,从而尽可能消除频率混叠;最后,对从混合信号中分离出来的独立信号分量进行希尔伯特解调,即可实现对复合故障特征信息的分离和故障识别。试验结果表明,该方法可以有效地分离和提取轴承复合故障的特征频率,验证了方法的可行性和有效性。     

机械噪声信号的基于小波变换的快速盲源分离法

机械噪声的测试分析是实时故障检测诊断的重要手段,通常情况下,传感器检测得到的信号是多个噪声源叠加的结果,可采用盲源分离分析方法分离出待检测对象信号。提出先对混合信号小波系数序列进行盲源分离分析,再做小波逆变换得到分离信号。与直接的盲分离比较,小波系数比原始信号的超高斯性更强,因此分离处理的收敛速度更快,分离效果更好。由于在小波变换的过程中可以引入阈值去噪,因此基于小波变换得到的分离结果较之常规方法有更强的抗噪能力。     

一种基于提升算法的自适应小波变换及应用

为了克服传统小波变换的不足,提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法.该方法以第二代小波变换为基础,用变换样本与相邻样本之间的相关性来检测信号的局部特征,并根据相关系数的大小来确定每一尺度上的每个样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.在信号相关性强的情况下,采用了最优插值估计的改进算法.模拟实验和工程应用的结果表明,该方法克服了传统小波变换降噪方法丢失原始信号局部信息的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.     

基于小波分析的FastICA联合降噪方法在滚动轴承故障诊断中的应用研究

采用小波分析方法进行振动信号降噪存在选取参数依靠经验的问题,采用独立分量分析（ICA）方法进行振动信号降噪存在欠定问题,为了避免小波降噪以及ICA方法单独使用的缺点,提出了将小波降噪分析和基于负熵的FastICA独立分量分析相结合来处理滚动轴承含噪振动信号的方法。首先对原始信号进行小波降噪处理,然后将处理后的信号与原始信号组成FastICA的输入矩阵,进行FastICA降噪处理,最后利用滚动轴承振动信号对该方法进行有效性验证。实验分析表明：该方法增大了振动信号的峭度值,达到了滚动轴承振动信号降噪的目的。     

基于高密度小波变换的航空发动机滚动轴承故障诊断方法

基于高密度小波变换对原始信号尺度划分更加精细的优势,将高密度小波变换、软阈值降噪和频谱分析相结合,提出了基于高密度小波变换的航空发动机滚动轴承故障诊断方法。该方法通过设定分解层数对信号进行高密度小波变换,得到每一尺度上的低频、中频、高频分量;对各分量软阈值降噪处理后进行频谱分析,进而实现故障特征频率的识别。利用仿真信号验证了高密度小波变换的有效性,通过航空发动机滚动轴承内圈故障和滚子故障工况下的试验信号进一步验证了该方法提取故障特征的能力,与传统小波变换方法的对比证明了该方法在抑制噪声干扰和故障特征频率识别方面的优势。     

基于提升算法的自适应小波变换及应用

为了克服传统小波变换的不足，提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法。该方法以第二代小波变换为基础，用变换样本与相邻样本之间的相关性，来检测信号的局部特征。并根据相关系数的大小，来确定每一尺度上的每个样本的最佳预测器和更新器，使小波能够较好地适应信号的局部特征。在信号相关性强的情况下，采用了最优插值估计的改进算法。模拟实验和工程应用的结果表明，该方法克服了传统小波变换降噪方法丢失原始信号局部信息的缺陷，不仅可以有效地去除原始信号中的噪声，而且能够保留原始信号的局部特征。     

静态小波相关滤波法在振动信号处理中的应用

为了有效提取振动信号中的故障特征,本文提出将静态小波变换和尺度相关滤波相结合的方法.先对信号进行静态小波分解,再利用尺度相关法分离信号与噪声,提出了一种针对振动信号的噪声能量阈值估计算法.利用连续小波变换和尺度相关对振动信号降噪.实例分析表明,该方法具有良好的去噪性能,并能更好的提取振动信号中的故障特征.     

基于ICA和小波变换的房颤F波提取算法

应用独立成分分析(independent component analysis,ICA)提取的房颤F波在QRST数据段有明显“扰动”失真,为减少这种失真,提出了一种ICA与小波变换相结合的F波提取算法.首先对原始信号进行ICA分解,获得初始F波及其分离向量;然后对初始F波进行多层小波分解,在小波域内构造反映F波失真的目标函数;最后利用最速下降法优化目标函数,获得准确的F波分离向量,从而实现对F波的准确提取.对仿真信号和真实信号的F波提取实验表明,该算法明显减少了F波的“扰动”失真.     

基于支持矢量机的小波域超声信号消噪技术

为了提高超声无损检测与无损评价基础数据的信噪比,提出一种基于支持矢量机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,并通过采用以高斯函数为核函数的支持矢量机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.试验结果表明,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种散射体散射中的缺陷回波信号能力.     

基于最优小波基的电机故障信号特征提取研究

小波变换去噪中最关键的问题是最优小波基的选取,使其能够将噪声从原始信号中分离出来。针对电机故障的特点,提出了一种基于信号的最优小波基选取方法。将信号小波变换的能量阈值曲线作为小波基函数的适用性评价指标。通过训练神经网络,选取适合该信号的最优小波基,最后采用平移不变量(TI)小波阈值法实现信号去噪。在此基础上对750W化纤电机进行了测试,实验结果表明,该方法能准确找出适合特定信号的最优小波基。训练后的神经网络可直接用于其它类型电机的信号去噪处理,具有实用价值。     

结合小波变换和独立分量分析的脑电特征提取

在多道脑电信号的独立分量分析 ICA (Independent Com ponent Analysis)过程中 ,脑电独立源在数量上的不确定性往往是造成分离结果不理想的主要原因。目前还没有找到解决此问题的有效方法。根据脑电信号自身的特点 ,提出了一种结合小波变换 WT(Wavelet Transform)和独立分量分析的脑电特征提取新方法— WICA。新方法的主要思路是先对每一道脑电数据进行小波分解 ,然后根据需要选择不同尺度的小波子带信号进行脑电独立分量提取。实验结果表明 ,WICA方法在一定程度上能够克服因脑电独立源的不确定性所带来的影响 ,并能获得较好的脑电特征提取效果。     

基于离散平稳小波和独立分量分析的事件相关电位单次提取方法

如何在极低的信噪比下快速提取特征信号是事件相关电位（ERP）快速提取的关键技术。提出了将离散平稳小波和独立分量分析（ICA）相结合的方法以去除噪声,并提取事件相关电位。采用离散平稳小波变换分解ERP,选取多个尺度的子带信号,滤除高频噪声对应的小波系数;将串接小波系数作为独立分量分析的输入,利用FastICA算法实现事件相关电位的快速提取。仿真实验结果表明,与传统的相关平均法相比,该方法获得的结果较为满意;与单独采用独立分量分析方法相比,该方法的收敛速度更快。     

基于小波变换的车轮力传感器信号的去噪研究

在汽车道路试验中，通过多维车轮力传感器（WFT）可以测量每个轮所受的各维力和力矩。在测量过程中，信号会不可避免地受到各种噪声的干扰，而且，在将测量数据从车轮坐标系转换到车辆坐标系时，车轮转角的误差使测量结果产生了更严重的噪声。这些宽带随机噪声严重影响了车辆性能的分析。小波分析是一种信号的时间-尺度分析方法，特别适合于非平稳信号的分析，具有多分辨率分析特性，而且在时频两域都具有表征信号局部特征的能力。针对车轮力信号的特点，在MATLAB环境下编程进行车轮力信号小波变换去噪研究，试验结果表明，在选择了适当的小波基本函数和阈值的情况下，采用小波变换的闻值去噪方法对多维车轮力信号进行去噪处理，可以取得良好的效果。     

基于小波变换和自适应中值滤波的图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。该文尝试把小波变换与自适应中值滤波这两种去噪方法相结合,对同时含有高斯噪声和椒盐噪声的图像进行了去噪研究。实验结果表明,此方法在去除噪声的同时也较好地保留了原始图像的边缘信息,效果不仅优于单一的小波变换或普通中值滤波的方法,更优于将小波变换与普通中值滤波相结合的方法。     

基于MSD-ICA-EA的轴承故障诊断方法

轴承故障诊断时,传感器采集的故障声音信号一般含有多个故障源,且源信号之间统计相关,应用传统的独立分量分析受到限制,本文应用多分辨率子带分解的独立分量分析方法(MSD-ICA),针对小波变换快速独立分量分析分离出的高频子带信号常呈现调制特性,提出进一步结合包络分析(EA)方法分析该子带信号,来判定故障的类型与部位.试验表明,多分辨率子带分解的独立分量分析结合包络分析的分析方法能有效地解决该类问题.     

基于ICA和小波变换的滚动轴承故障诊断方法研究

提出了结合独立分量分析(ICA)和小波变换进行滚动轴承故障诊断的方法。在设计的系统平台上,首先对冲击脉冲信号进行预处理,使信号较好地满足独立分量分析的前提条件。然后,应用独立分量快速算法分离故障轴承的冲击脉冲信号,通过小波快速算法完成信号重构,实现滚动轴承故障的识别。实验结果表明,利用独立分量分析方法提取的故障状态特征向量与小波快速算法相结合可以有效、准确地识别滚动轴承的故障信号。     

基于LabVIEW的虚拟小波消噪仪的设计与实现

摘要:运用虚拟仪器的设计思想,利用LabVIEW编程环境和MATLAB软件,根据小波分析对信号进行消噪处理的原理,设计、实现了一个多功能的虚拟小波消噪仪。该虚拟仪器可实现对信号的采集、保存、利用小波变换对信号进行消噪处理,并可动态显示消噪过程、消噪结果、打印信号及消噪处理结果波形,还可对信号进行频谱分析。实验结果表明,利用小波分析可以很好地保存信号中的尖峰和突变部分。     

基于独立成分分析(ICA)处理两相流信号

为了提高固体速度测量精度，提供一种基于独立成分分析（ICA）处理两相流信号的基本方法。首先介绍独立成分分析（ICA）的基本原理，然后介绍使用空间滤波和小波变换获得固体速度的方法。最后给出仿真实验结果证明该方法可行。     

三坐标测量机测量数据的降噪

小波变换是一种新的信号时频分析方法,在时频两域均有良好的局部性。根据小波变换多分辨率的特点,提出应用小波技术进行点云数据的降噪。该方法首先对点云数据进行小波分解,然后对细节系数作用软阈值,最后进行小波重构。试验表明,该方法在保留原数据相似性的基础上,有效地抑制了噪声。