基于虚拟仪器技术和小波变换的钢丝绳断丝检测

将虚拟仪器技术应用于钢丝绳的断丝检测，利用虚拟仪器强大的数据分析功能，通过小波变换实现钢丝绳断丝信号的突变特征的提取。提高准确判别断丝位置与大小的能力。本系统以灵活的软件功能代替固化硬件，提高了系统的可靠性和测量精度。     

基于在线检测系统的矿用钢丝绳损伤信号抑噪的研究

在对钢丝绳结构和LF型缺陷分析的基础上,通过漏磁检测技术对钢丝绳断丝损伤数据进行检测。针对输出的损伤检测数据易受到环境和机器信号干扰的现状,采用了小波滤波的数值分析技术,以Matlab仿真软件对损伤输出信号开展抑噪研究。Matlab仿真软件结果显示小波滤波技术能有效地分离出有用的钢丝绳损伤信号波形图,能帮助工作人员及时找到钢丝绳断丝损伤部位,提高了处理安全隐患的实效性,保障了煤矿企业安全生产,研究结果可为矿井钢丝绳缺陷检测数据处理分析提供思路。     

小波分析在钢丝绳无损检测中的应用

本文论述了采用漏磁通法检测钢丝绳局部损伤的原理和方法，并将小波理论有效地用于检测信号的处理中，用来确定局部损伤的位置，识别内外部断丝。     

基于双树复小波包变换的钢丝绳断丝损伤信号特征信息提取研究北大核心CSCD

针对钢丝绳断丝损伤信号特征信息难以有效提取的问题,提出一种基于双树复小波包变换与奇异值分解相结合的时频域特征信息提取方法。首先将钢丝绳断丝损伤信号采用双树复小波包变换为等长的频带子信号,构造时频域空间状态矩阵,然后采用奇异值方法提取各频带子信号的奇异值,组成表征各类损伤状态的特征向量,得到钢丝绳断丝损伤信号的特征信息矩阵。采用距离可分离性判据与传统时域特征信息提取方法相比较,结果表明双数复小波包变换与奇异值分解相结合的特征信息提取方法具有更强的分类能力。     

液压泵故障的小波变换诊断方法

分析了小波变换的时 -频局部化特性及基于多分辨分析的信号小波分解重构算法 ,研究了信号局部奇异性在小波变换下的特性。根据故障信号和噪声的局部奇异性在小波变换下的模极大值在不同尺度上的传播特性不同的特点 ,并利用小波分解重构算法 ,对泵壳振动加速度信号进行了分解、去噪和重构。大大改善了监测信号的信噪比 ,对故障特征信号进行了时域定位 ,提取了故障特征频率。     

钢丝绳断丝损伤定量检测技术

针对目前国内各种钢丝绳检测仪器的不足之处,选定了钢丝绳断丝损伤信号识剐的特征量,并介绍了信号处理和特征提取算法.提出了利用BP神经网络技术对检测信号进行分析处理的方法,提高了检测的精度和灵敏度.通过模拟和实际检测,断丝损伤识别的准确率达到了90%,验证了网络的可靠性和实用性.     

基于BP神经网络的钢丝绳损伤定量识别

利用BP神经网络对钢丝绳信号的特征量和断丝数进行训练,选择标准的3层网络将实验数据进行归一化后变换隐层节点数反复多次训练,确定隐层节点数,将效果比较好的网络作为实际断丝检测时调用的网络,通过VC++语言编程,实现钢丝绳检测的智能化。     

基于自适应小波包的钢丝绳局部损伤相平面定量检测方法研究

本文提出了一种基于自适应小波包分析的钢丝绳局部损伤相平面定量检测方法,实现了局部损伤的分类和定量检测。该方法采用基于熵的小波包最佳基选取准则,对局部损伤信号进行自适应小波包分解,将分解结果显示于时－频空间即相平面上。根据不同损伤的特点,在时频空间内寻找特征并进行分类,通过能力或能量的位置对损失进行度量,从而实现局部损伤的定量检测。文中对断丝、缺丝等典型损伤给出了具体应用实例和分析结果。     

钢丝绳损伤信号识别系统的研究

当前由于钢丝绳损伤检测系统的可靠性差,所引起的安全事故屡见不鲜.论文根据断丝、截面积损伤信号的不同特点,选用小波分析算法、BP神经网络和电压幅值比较法对损伤信号进行分类分析,并通过Matlab仿真软件检测,系统可靠性高,能有效预警.     

滚动轴承故障的小波诊断法

对小波变换原理和信号局部奇异性在小波变换下的特性进行了分析，通过选用多尺度小波变换成功地对滚动轴承故障信号进行了检测。