基于Mexican Hat小波变换和区域生长的光学轮廓术的研究

提出了一种新的基于结构光投影的光学轮廓术的测量算法.该算法利用Hilbert变换和Mexican Hat小波变换进行相位提取,利用小波变换的平滑功能实现初步滤噪和消除高次谐波.然后利用基于截断相位差统计分布和区域生长算法进行解包,并通过对无效点的判断和解包后的邻域平滑实现了准确的相位解包.文中通过仿真计算证明了该方法较...     

小波变换轮廓术测量精度影响因素的研究

对影响小波变换轮廓术测量精度的部分因素进行了研究。首先,为了考察光栅频率和入射角对测量精度的影响,获得合适的光栅频率和入射角,对不同光栅频率和入射角下的半圆形轮廓进行了研究;然后,为了研究不同的小波母函数对相位提取精度的影响,使用不同的小波母函数对半圆形轮廓进行小波变换,分析不同的小波母函数对半圆形轮廓测量精度的影响;最后,通过对钢板进行重建验证,研究发现了决定小波变换轮廓术测量精度的一些因素,重建钢板的厚度误差不超过 0.05 mm 。     

小波变换轮廓术中快速相位展开方法研究

针对小波变换轮廓术中相位展开的精确性和快速性问题,提出了一种新的适用于小波变换轮廓术的相位展开方法.在使用小波变换得到条纹图像的相对相位分布的基础上,详细分析了利用小波变换脊处的尺度因子建立质量图指导相位展开的理论依据和实现方法,这种质量图建立方法有效反映了条纹图像各点的可靠性.在相位展开方面,针对全局洪水相位展开算法计算时间较长的问题,提出了根据质量图将相对相位分布图分层,然后逐层采用不同算法展开的方法.与全场洪水相位展开算法相比,该方法在保持较高测量精度的同时极大减少了相位展开所需的运算时间.计算机仿真和实物测量实验说明使用该方法可以得到准确的绝对相位值,处理速度较快.     

基于二维连续小波变换的三维轮廓测量技术比较研究

为解决在物体高度梯度变化较大的情况下三维轮廓测量技术的测量精度问题,将连续小波变换应用到三维轮廓测量技术中.开展了基于2d-paul和2d-morlet连续小波变换轮廓术研究,进行了三维轮廓测量术比较分析,建立了小波“脊”相位与高度之间的关系,提出了在物体高度梯度变化较大的情况下基于2d-paul算法优于2d-morlet算法.在对比分析的基础上对两种连续小波变换轮廓测量技术的测量精度进行了评价,进行了Matlab和实测试验.研究结果表明：物体高度梯度变化较大的情况下适合采用2d-paul算法,其能更有效地提高三维轮廓测量技术的测量精度.     

基于小波变换处理圆度误差的测量方法

由于圆度误差是机械零件及其互换性的重要指标,是产品质量的关键,所以对圆度误差进行测量是十分必要的.本文提出一种利用小波变换的多分辨率分析来评价圆度误差的方法,该方法主要利用小波变换尺度函数的低通特性来对圆度测量数据进行处理,以此来提取圆周轮廓,并在此基础上求出它的半径和圆心坐标,进析求出圆度误差.文中也详细地给出了利用小波变换解决圆度误差测量问题的基本原理及其实现步骤,最后给出实验结果.仿真实验结果表明:该方法可以满足圆度误差的测量要求.     

基于改进双树复小波变换的轴承多故障诊断

针对双树复小波变换产生频率混叠的缺陷,提出了改进双树复小波变换的轴承多故障诊断方法,该方法综合利用了双树复小波包变换和经验模态分解技术。首先,利用双树复小波变换将振动信号分解成不同频带的分量;然后,将各小波分量进行经验模态分解,获得各小波分量的主频率分量信号;最后,计算各小波分量的主频率分量信号的包络谱,根据包络谱识别齿轮箱轴承的故障部位和类型。通过仿真信号和齿轮箱轴承多故障振动实验信号的研究结果表明,该方法不仅消除了频率混叠现象,提高了信噪比和频带选择的正确性,而且提高了从强噪声环境中提取瞬态冲击特征的能力,能有效识别轴承的故障类型。     

基于多尺度Hermitian小波包络谱的轴承故障诊断

提出了一种基于多尺度Hermitian小波包络谱的轴承故障诊断方法。该方法综合利用了Hermitian小波和包络谱分析技术的优点,首先对轴承故障振动信号进行Hermitian连续小波变换,得到小波分解的实部和虚部,然后计算振动信号的多尺度包络谱。对齿轮箱轴承故障振动信号的分析表明,该方法在强噪声环境下能有效识别轴承内圈故障和外圈故障。     

基于双树复小波变换的轴承故障诊断研究

提出了一种基于双树复小波变换解调技术的轴承故障诊断新方法。该方法利用双树复小波变换具有近似平移不变性、避免频率混叠和有效降噪的优点,首先对轴承故障振动信号进行双树复小波分解和重构,将振动信号分解成实部和虚部,然后计算振动信号的双树复小波幅值包络和包络谱。齿轮箱轴承故障振动实验信号的分析表明,该方法能在强噪声环境下准确提取轴承故障产生的周期性瞬态冲击信号,能有效消除频率混叠现象和强噪声的影响,能有效识别轴承内圈和外圈故障。     

提升小波变换在轴承故障诊断中的应用

提升小波变换可以通过设计预测系数和提升系数获得具有某种特性的小波基函数,因而对信号的适应能力更强.介绍了提升小波变换的原理,提出了一种自适应阈值小波去噪方法,并将其应用于轴承故障诊断中.     

基于谐波小波奇异熵的轴承故障实时诊断

将谐波小波变换、奇异值分解理论和信息熵相结合,从揭示故障信号能量分布的复杂程度入手,提出一种轴承故障实时诊断的新方法。对轴承振动信号进行谐波小波分解,将分解得到的小波系数分别以尺度为行、时间为列构建谐波小波时频分布矩阵,并对该矩阵进行奇异值分解,以分解得到的奇异值为划分标准进行信息熵计算,通过信息的熵值来诊断轴承故障,给出了基于谐波小波奇异熵的轴承故障实时诊断的具体方法和模型。通过对轴承内圈故障、外圈故障大量的试验研究表明:该方法能有效地对轴承故障进行诊断,具有很高的实时性,能对采样频率低于68kHz的诊断系统进行实时诊断,适用性很好。     

基于LDA模型的滚动轴承故障类型检测

将小波包变换与LDA算法相结合,提出了一种基于LDA模型的滚动轴承故障类型检测新方法。首先通过小波包变换提取轴承振动信号的能量特征及其所包含的故障信息特征,并用"词袋"模型将故障信息特征表示成视觉词向量,然后利用LDA模型对轴承故障类型进行判别。试验表明,该方法能精确提取轴承的故障信息特征,快速检测出轴承的故障类型,与SVM等方法相比检测精度更高,鲁棒性更强,具有很好的故障检测效果。     

一种轴承故障诊断的时频综合分析法

针对旋转机械中最常见的滚动轴承问题,提出了一种基于小波包分析和Hilbert包络分析的时频综合分析法对轴承进行故障诊断。首先利用小波包分析将轴承故障信号分解到不同的节点,然后求出各个频带的能量谱,确定故障频带范围并对其进行信号重构,最后采用Hilbert变换对故障频带的重构信号进行包络谱分析,从而诊断出轴承故障。通过对轴承外圈故障信号的分析验证了该方法在轴承故障诊断中的有效性。     

最优共振频带提取的高速列车轴承故障诊断

在非高斯噪声与周期振动信号的干扰下,高速列车轴承的故障特征提取较为困难,针对这一问题,提出了一种新的最优故障频带的判别方法,并通过经验小波变换（Empirical Wavelet Transform,EWT）对故障频带进行提取,从而实现高速列车轴承故障的有效诊断。该方法首先提供了完整的频域分割框架,得到不同中心频率、不同带宽的频带分布;为了得到各频带所包含的故障信息含量,提出了新的故障特征指标HSIB,根据HSIB的变化趋势识别最优频带;最后进行经验小波变换,将选取的故障频带通过正交滤波器组,对得到的分量信号进行Hilbert变换,得到轴承的故障特征频率。通过仿真和实验数据验证,选取的最优频带包含了丰富的故障信息,可以准确地提取出轴承故障特征频率的基频和倍频成分,有效确定轴承故障。     

基于EWT和多尺度熵的轴承特征提取及分类

轴承的故障信息提取直接决定了诊断的正确与否,为了能准确地识别轴承状态,提出了一种基于经验小波变换和多尺度熵的轴承特征信息提取及分类方法。该方法通过提取信号频域相邻最大值间的极小值,对Fourier谱进行自适应划分,并构造合适的小波滤波器组提取不同的模态;再引入多尺度熵,对最优模态建立的粗粒向量进行状态分类。试验分析表明:与EEMD相比,该方法具有更优的自适应特征提取和故障分类特性。     

经验模态分解滤波器组特性及轴承异音识别

利用经验模态分解滤波器组特性可调整性,结合短时傅里叶变换(STFT)技术识别轴承异音。在研究高斯随机噪声经验模态分解(EMD)的基础上,运用数值方法证实EMD滤波器组特性随判别参数SD改变,指出类似于二进制小波滤波器组特性只是一种特殊条件下的分解现象。根据轴承振动加速度的广谱性质,利用参数SD对EMD滤波器组特性可调性,对滚动轴承振动加速度信号按异音测量要求进行EMD自动频段分解。对前3阶本征模态进行STFT变换,用三维图刻画轴承振动的幅值大小、频率大小、周期和随机分布冲击特性,设定阈值,在时频域上刻画轴承的异音。该方法揭示了轴承异音分布模式,能通过异音识别控制轴承加工质量。     

基于完全抗混叠DTCWPT和包络谱熵的轴承故障诊断

针对经典小波包和双树复小波包(dual tree complex wavelet package transform,DTCWPT)能量泄漏和频率混叠的缺陷,提出完全抗混叠的DTCWPT改进算法,该算法解决了经典小波包存在负频率以及经典小波包和DTCWPT滤波器频率不完全截止问题。根据高斯白噪声频率充满整个频带的特性,通过小波包变换对高斯白噪声进行分解,利用频带能量泄漏的定量分析方法,验证了改进DTCWPT具有完全的抗频带能量泄漏特性。将改进DTCWPT方法和包络谱熵引入到轴承故障诊断中,该方法的核心是:对轴承振动信号进行改进DTCWPT变换得到不同尺度的分解信号,分别计算各分解信号的包络谱熵,合并熵值较小的几个分量信号的包络谱,最后根据合并的包络谱来检测轴承故障。该方法在消除经典小波包变换和DTCWPT频率混叠和能量泄漏的同时还解决了小波包分量选择盲目的问题。最后应用轴承故障试验数据对该方法进行试验验证,结果表明:改进DTCWPT结合包络谱熵选择的方法能够很好提取出轴承故障特征频率的基频、倍频,提高了轴承故障的诊断效果。     

基于小波变换和傅立叶变换的电参量测量

提出一种基于小波变换和傅立叶变换综合测量电参量的新方法.首先利用小波变换对谐波信号作预处理.消除谐波信号中的噪声以及分离信号中的暂态分量,然后通过小波变换重构信号并对其进行快速傅立叶变换,最后根据Budeanu定义的电参量计算公式就可以很方便的计算出各电参量.仿真结果表明,该方法能够更精确的测量出各电参量.     

基于模极大值小波域的包络去噪算法研究

针对包络轮廓信息提取粗糙的难题,结合小波变换和希尔伯特变换原理,提出了一种基于模极大值小波域的包络去噪算法.仿真表明该算法提高了包络提取的精度,全面获得信号所隐含的故障特征.     

基于自适应小波神经网络的故障分类

结合小波变换和社会网络理论,提出了一种自适应小波神经网络,网络在学习过程中对小波的尺度参数和平移参数进行自适应调整,最大限度地对信号进行特征提取,并研究基于自应小波神经网络的机械故障分类方法,对轴承的分类实例结果表明该网络分类准确、可靠性高。     

基于模极大值小波域的包络去噪算法研究

针对包络轮廓信息提取粗糙的难题,结合小波变换和希尔伯特变换原理,提出了一种基于模极大值小波域的包络去噪算法.仿真表明该算法提高了包络提取的精度,全面获得信号所隐含的故障特征.