正交车铣铝合金薄壁回转体振动信号的试验分析

在MAZAK机床上正交车铣薄壁铝合金试件,压电加速度传感器安装在内壁上,通过PCI-1712高速数据采集卡采集薄壁的振动信号。利用MATLAB强大的信号处理功能对采集的加速度信号进行分析,振动信号的时域标识了振动幅值大小,功率谱显示了薄壁振动信号的频率构成和能量分布。分析了自激振动的频率随刀具转速和壁厚变化的趋势,给出了工艺系统发生颤振时的主频率。然后利用小波包处理信号的优势将剧烈颤振加速度信号进行小波包分解,根据能量和频段分布进行节点信号重构,得到小波包滤波后的颤振信号。为了了解车铣切削力在剧烈颤振前后变化情况,应用小波包分解并重构出颤振前后3种不同刀具转速时强迫振动信号,对比发现剧烈颤振时强迫振动的当量电压幅值增大,振动加强,这从侧面反映了正交车钪切削力的大小和变化。此振动分析对正交车铣薄壁零件有一定的指导意义。     

小波包神经网络在雷达导引头信号处理中的应用

为从背景杂波中有效地提取出目标的特征信号,文中提出了一种将小波包分解和神经网络相结合的去噪方案。利用小波包对信号的低频和高频部分进行精细分解,得到信号在多尺度空间上的分解系数。根据信号和噪声在不同尺度小波包分解下的小波包特性,利用神经网络对分解系数进行处理,再用新的小波包分解系数对信号进行重构,以达到滤除噪声的目的。     

小波包在异步电机转子断条故障检测中的应用

在异步电机转子断条故障检测中,将原信号最优小波包分解,经自适应滤波后再信号重构.先计算出每个子频带代价,选择相应频率空间构成最优小波包.再定义最优小波包选择的代价函数,并保留自相关函数和最大频率空间.对得到的频率空间上原信号分量进行自适应滤波,最后将滤波后原信号所保留的频率空间经同样的小波包重构,由此完成对频率分量的剔除.     

小波分析在信号消噪中的应用

用小波分析进行信号消噪常用多尺度小波变换和小波包变换.多尺度小波变换是将信号分解成高频和低频成分,低频包含信号的主要性能,高频含较多噪声,将高频平滑后再重建即可消噪.其消噪处理有强制、默认阈值和给定软/硬阈值3种方法.小波包变换消噪是将信号的小波包分解、计算最佳小波包基、分解系数的阈值化处理及重构原来信号实现消噪.并给出了几个Matlab消噪函数:多尺度一维小波分解和重构wavedec及waverec、消噪默认阈值ddencmp和消噪函数wdencmp;小波包变换的ddencmp 和wdencmp函数.试验表明,此方法具有较高的有效性和实用性.     

基于小波系数的粘连信号穿层特征提取方法

针对侵彻多层硬目标过程引信信号处理中层与层之间的过载相互粘连的问题,提出基于小波系数的粘连信号穿层特征提取方法。该方法以小波基函数重构信号能力和提取穿层特征能力作为处理粘连信号时最优小波基的选择依据,使用选取的最优小波基db10对粘连信号进行小波分解,提取含穿层信息的刚体减加速度信号分量对应的小波系数。Matlab仿真表明,通过db10小波分解重构得到侵彻过程中弹体的刚体减加速度信号(即A6信号),提取A6信号对应的小波系数ca6,清晰地表述了穿层特征。     

小波包在火炮系统故障特征提取中的研究分析

故障的特征提取是故障诊断尤其是动态信号分析中经常面临的首要问题．文中通过对小波包正交变换理论的分析．给出了基于小波包的特征提取方法．并采用相对熵标准对其分类能力进行优化。通过对火炮系统的仿真试验．显示了这种方法的有效性，具有一定的工程应用价值。     

基于小波包能量谱与主成分分析的轴承故障特征增强诊断方法

滚动轴承出现损伤时,采集的振动信号呈非平稳性,采用一般的时域和频域分析方法不能准确提取出振动信号的故障特征。根据小波包多分辨、精细化的分解特性,提出一种基于小波包能量谱与主成分分析（PCA）方法的滚动轴承故障诊断算法。将振动信号进行小波包分解,得到重点频率段信息的能量谱,提取能量谱作为特征向量;利用PCA方法对特征向量降维并减小噪声信号的干扰,获得增强的故障特征;利用层次聚类方法和改进的模糊c均值聚类算法对不同类型的滚动轴承故障进行识别,两种聚类方法都准确地识别出了不同的故障类型。实例验证结果表明,所提方法能够有效地提取振动信号中的有用故障特征,实现轴承故障类型的精确诊断。     

小波包分析在飞控系统测试信号处理中的应用研究

介绍了小波包分析的分解和重构算法；利用小波包分析对飞控系统的原始数据进行消噪预处理；基于“能量-信息”的数据信息辨识思想，应用小波包分析技术提取数据特征。给出一种飞控系统故障诊断方法。     

基于小波包和HMM的战场声信号识别

针对战场声信号复杂多变的特点,提出了一种基于小波包特征参数(WPFC)和隐马尔科夫模型(HMM)相结合的战场声目标识别方法。该方法利用小波包对信号高、低频段能进行精细划分,从而得到更能反映战场声信号特征的小波包特征参数;并利用HMM具有很强的表征时变信号能力的优点,将HMM作为训练识别模型。仿真结果表明了此方法的准确性和可行性。     

FAE武器爆炸地震信号的时频特征分析

运用小波包分析方法对等药量、同距离处的FAE武器与TNT爆炸地震信号进行了分解重构，对各自在不同频段的能量分布进行了对比分析。结果表明，FAE武器爆炸地震信号的能量主要集中在低频，而TNT爆炸地震信号的能量相对分散，越往高频部分两者的能量幅值渐次降低。     

基于WPD与BPNN的超声信号处理技术

为有效提取超声检测信号,制作了模拟分层的复合材料实验试样,并运用自主研发的信号处理模块对其超声检测信号进行处理,同时阐述了信号处理的原理和方法;简述了小波包和BP神经网络信号处理的原理和在本实验中的应用,探索并得到缺陷和信号之间的对应规律,缺陷面积越大,回波能量越小;缺陷越靠近检测面,回波的能量越小,最终结果表明:小波包分解和BP神经网络结合使用对超声信号特征提取效果显著,能够很好的识别缺陷的位置和大小.     

局域波降噪及样本熵在齿轮箱故障诊断中的应用

针对齿轮箱振动信号中存在大量背景噪声及以往故障诊断中在时域、频域寻找与故障相关信息过程相对复杂的问题,提出了一种将局域波降噪与小波包分解提取频带能量最大信号的样本熵作为特征量相结合的齿轮箱故障诊断方法.首先,以峭度值作为依据对局域波分解后的各IMF(本征模式分量)分量进行重构,完成对原始信号的降噪.接着对降噪后的信号进行小波包分解并计算各子带的能量,选取子带能量最大的频段信号计算其样本熵作为特征量完成对故障的识别.以齿轮箱试验台实测信号为对象进行对比分析,证明了该方法的有效性.     

自动机机箱振动分析与诊断研究

自动机射击动作时因激振力的作用会产生一定方向和频率的冲击振动,构件的裂纹或松动等故障会影响到其响应成分的频率能量特性;针对自动机实射动作冲击响应振动信号,利用小波分析快速进行信噪分离,频域范围内采用功率谱分析结合小波包分解对各频段能量谱分析。根据振动信号时域峰值和时刻,频域能量的变化和分布,给出故障诊断层使用的状态特征向量,并用比例梯度动量共轭算法训练的神经网络模型进行自动机状态定位与故障识别。     

Fault Diagnosis Method Based on Fractal Theory and Its Application in Wind Power Systems

The non-linear dynamic theory brought a new method for recognizing and predicting complex non-linear dynamic behaviors. The non-linear behavior of vibration signals can be described by using fractal dimension quantitatively. In this paper, a fractal dimension calculation method for discrete signals in the fractal theory was applied to extract the fractal dimension feature vectors and classified various fault types. Based on the wavelet packet transform, the energy feature vectors were extracted after the vibration signal was decomposed and reconstructed. Then, a wavelet neural network was used to recognize the mechanical faults. Finally, the fault diagnosis for a wind power system was taken as an example to show the method’s feasibility.     

小波消噪及其在传感信号处理中的应用

由于影响导弹安全分离因素的存在，所测得的导弹分离参数往往被外界噪声所淹没，利用噪声分离的非线性小波分析，重建信号几乎完好保留了信号中的突变、尖峰成分，有效地提取导发架行程末端的准确分离点；利用浮动阈值去噪算法，有效区分导弹俯仰角的有用信号和随机噪声，识别含噪传感信号中有用信号的发展趋势，结果证明小波分析方法在导弹安全分离中得以应用的有效性。     

小波变换在多层复合材料的超声波检测中的应用

针对多层复合材料深层界面脱粘检测中回波信号信噪比低和难以分辨的难题,将小波变换引入到回波信号的超声波检测中来;分析了小波变换及多分辨率分析的理论依据,针对回波信号首先进行小波去噪,然后提取小波变换后各频段的信号能量作为特征,为缺陷分析及识别提供依据;实验结果表明:小波阈值去噪算法的改进方案明显要比单纯的硬阈值和软阈值方法降噪效果好,信号分析方法并可有效提取信号的特征,并将缺陷识别、定位。