基于WNN的环形球栅扭矩传感器的信号解调

针对常用方法对环形球栅扭矩传感器信号的解调效果不明显的状况,提出基于小波神经网络的解调方法.利用非抽样小波变换的时频局部化特性和平移不变性,对预处理后的传感器信号进行多分辨率分解,并在神经网络的干预下进行小波重构.构建了小波神经网络模型,并在LabVIEW中编程实现了该算法.在测试平台中分别对同向转动机械轴、来回换向转动机械轴以及对机械轴敲击时所对应的传感器信号进行解调实验,其结果表明解调的效果好,可靠性高.     

基于小波分析的受扰涡街流量信号处理

正弦信号和噪声信号在多尺度小波变换下其小波谱高频部分具有明显不同表现.本文对含噪声的涡街信号进行多尺度小波分解,去除噪声小波谱,再利用Matlab软件平台编辑重构出有效正弦信号.仿真实验表明,该方法是有效的.     

基于小波包和Hilbert包络分析的隧道掘进机主轴承故障诊断方法研究

隧道掘进机施工中,主轴承故障对掘进施工影响严重。该文提取主轴承振动信号,采用小波包和Hilbert包络分析相结合的方法,对信号进行分析,获得轴承故障信息。利用小波包变换滤波方法提取轴承高频固有共振频带信号,对所提取的信号进行重构,滤除其中的干扰成分;对重构信号进行Hilbert包络谱解调,去除高频固有共振成分,获得轴承故障信息。通过对振动传感器采集的轴承径向振动信号分析,有效地获得了轴承故障特征,验证了理论方法的正确性。     

基于小波包能量谱齿轮振动信号的分析与故障诊断

小波包是继小波分析之后提出的一种新型的多尺度分析方法,解决了小波分析在高频部分分辨率差的缺点,体现了比小波分析更好的处理效果.测试了齿轮传动系统在几种不同故障类型下的振动信号,利用小波包变换的分解和重构算法,有效地提取出齿轮故障特征信号,得到试验结果.通过比较时域分析、频域分析和小波包分析对齿轮振动信号进行的特征提取,...     

小波分析在柴油机气缸动力性能检测与故障诊断中的应用

提出了一种基于小波变换的飞轮瞬时转速检测柴油机气缸动力性能的新方法。对电涡流位移传感器拾取的飞轮轮齿通过信号直接进行时域采样,结合小波变换通过软件处理,获得精度很高的发动机工作瞬时转速波动信号,从而有效地检测柴油机气缸动力性能。     

小波分析在信号处理中的应用

在信号奇异点检测中,首先对信号进行多尺度小波分解。然后对高频部分进行重构,确定模极大值点位置,从而确定出奇异点位置。在例子中检测含有故障信息的电压信号,结果表明信号分解的细节部分均能清晰地显示出奇异点的准确位置。在信号消噪中,首先将信号进行多尺度小波分析。然后通过设置阈值的方法对高频子带进行处理,接着进行重构。在例子中对染噪的电压信号进行消噪处理,结果表明阈值的选取直接关系到消噪的质量。     

基于改进小波阈值的激光陀螺漂移信号降噪

针对固定阈值法对激光陀螺漂移信号去除噪声会出现"过扼杀"小波系数的现象,提出一种称为E-median的小波阈值.信号进行平稳小波变换,计算各尺度高频小波系数的E-median阈值,采用软阈值法修正高频小波系数,通过平稳小波逆变换重构信号.对激光陀螺漂移仿真信号和实测信号去除噪声,该阈值均能保留原信号的特征并有效去除噪声...     

小波变换在微型光谱仪光谱信号处理中的应用

针对所研制的微型光谱仪的光谱信号与噪声的特点进行了分析,研究了小波变换处理方法对不同半宽高斯谱峰的影响,并对不同的小波基处理结果进行了分析和比较.结果表明:利用Mallat分解算法,采用小波基db6或coif3,对获取的微型光谱仪光谱信号进行8次分解,直接将分解系数中的低频成分a8以及高频成分d1和d2置为零,在重构信号中能较好地去除高频噪声和低频背景.     

基于小波变换的图像降噪技术研究

根据小波变换和噪声信号的能量分布特性,提出了一种先用小波变换对含噪图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法;实验结果说明该方法既可以有效地降低噪声,又可以较好地保持图像细节。     

汽车发动机瞬时转速信号的小波分析

采用小波变换这一工具对瞬时转速信号进行处理。在介绍小波变换基本原理的基础上,对曲轴瞬时转速信号进行了多分辨率分析,即把转速信号分解为多个层次的细节部分和平滑部分。曲轴瞬时转速信号中的噪声被分解到了各层的细节部分,由剩余的平滑部分呆判断发动机的失火和检测各缸工作均匀性,从而为实现失火检测和各缸工作均匀性检测提供了一个新的信号处理方法。