微波干燥设备火情监控中的EMD和自功率谱分析

针对大型微波干燥设备火情监控的需要以及火情照度信号的非平稳随机性的特点,提出了一种应用EMD(经验模态分解)方法将照度信号分解出IMF(本征模式分量)并作自功率谱分析,以此得到信号能量沿频率轴线的动态分布,从而实现微波腔体内的火情监控。经过试验,仅需通过EMD方法分解得到少数IMF分量即可通过自功率谱中信号能量分布实现火花事件判定,充分验证了上述方法在火情监控中的可行性和有效性。     

基于EMD平均能量法的滚动轴承故障诊断

文中提出了一种用于滚动轴承故障诊断的系统一基于EMD和BP神经网络相结合的诊断系统。该方法首先对原始振动信号进行小波包预处理,提高信噪比,从而得到更适合研究的故障振动信号。然后再对信号进行EMD,分解得到IMF分量,对几个感兴趣的IMF进行分析,获得每个IMF分量的平均能量,作为BP神经网络的输入向量,由此训练神经网络,实现了对滚动轴承故障的智能诊断,并用实际的滚动轴承故障数据进行了验证。图6表2参12     

基于谱峭度Morlet小波变换法和经验模态分解的滚动轴承故障诊断研究

本研究针对轴承早期故障信号微弱不易检测的缺陷,提出了一种基于谱峭度Morlet小波变换法和经验模态分解的轴承早期故障信号检测与增强的方法.该方法把谱峭度引入到Morlet小波中,根据谱峭度变化寻找Morlet小波的最佳匹配参数,最大限度地增强故障弱信号;然后对信号进行经验模态分解,以信号相关系数大小确定重构信号的基本模态分量,对重构信号进行包络分析完成故障诊断.实验结果验证了此方法在滚动轴承早期故障诊断中的良好应用效果.     

纱线束横向动态振动特性仿真与实验

纱线束振动噪声是簇绒地毯织机噪声源之一,为了识别纱线束振动噪声信号,实现地毯生产空间的噪声控制,研究了簇绒地毯织机纱线束横向动态振动特性。应用Burger四元件本构模型建立粘弹性纱线束轴向运动的横向振动方程。采用Galerkin方法离散横向振动偏微分方程,然后使用Runge-Kutta法对该方程数值求解。设置不同的提花轮转速,分别求解振动方程得到不同的纱线束横向振动频率。设置与仿真求解相同的条件下,采用激光测振仪测试纱线束横向振动特性。测试结果显示仿真结果和实验结果存在倍频关系且频率较低。结果表明：该振动方程适用于研究纱线束横向动态振动特性,且仿真信号为纱线束振动的基频信号;同时,纱线束横向动态振动特性属于低频振动。     

基于EMD和小波变换的信号去噪

本文针对振动信号易被噪声污染的特点,采用了EMD＋小波的方法对振动信号进行去噪处理。即在EMD分解的基础上,利用评估系数辨析出被噪声污染严重的分量,并通过小波变换对噪声Imf分量进行去噪。然后建立仿真信号,验证出EMD＋小波的方法对信号去噪是可行的,最后利用信噪比,与常用的去噪方法进行比较,得出了EMD＋小波方法方便、灵活,不受傅里叶变换的限值等。     

基于统计能量分析的簇绒地毯织机高频噪声抑制

为有效抑制簇绒地毯织机高频噪声,提出了基于统计能量分析(SEA)的簇绒地毯织机高频噪声降噪方法,并运用三聚氰胺多孔吸声材料实现了高频噪声的抑制。首先建立了包含13个结构子系统和10个声腔的簇绒地毯织机高频噪声SEA模型,随后采用理论计算方法确定了各子系统的模态密度、内损耗因子以及耦合损耗因子。实验测量了簇绒地毯织机工作时振动加速度信号从而获取SEA模型高频噪声声压级,并通过与簇绒地毯织机工作时实际声压级情况对比验证了SEA模型的有效性。最后在簇绒地毯织机表面粘附了不同厚度的三聚氰胺多孔吸声泡沫板实现降噪。结果表明:该方法能够满足工程上对簇绒地毯织机高频噪声抑制的要求,且噪声频率和三聚氰胺多孔吸声材料的厚度均对结果有影响。     

基于CEEMD和3点对称差分能量算子的滚动轴承故障诊断方法

为解决传统信号处理方法提取滚动轴承故障特征不精确和Teager能量算子解调信号的解调频率和幅值误差较大的问题,课题组提出一种基于互补集合经验模态分解和3点对称差分能量算子结合的轴承故障特征提取方法CEEMD-DEO3S。课题组首先对滚动轴承进行CEEMD分解前进行去噪处理来增强信号的故障脉冲;然后利用CEEMD将去噪后信号分解为一系列固有模态函数,并依据相关系数原则选择最能表征故障的敏感分量,重构后进行DEO3S解调,依据解调后得到的幅值和频率计算信号的包络谱。实验分析表明:所提方法解调信号的误差更小,提取轴承故障频率更精确。     

CEEMDAN辅助快速谱峭度的滚动轴承故障诊断方法

为解决集合经验模态(EEMD)存在分量重构误差大和提取的故障特征不明显问题,课题组提出一种自适应噪声完备集合经验模态分解(CEEMDAN)辅助快速谱峭度的故障诊断方法。首先采用CEEMDAN将故障信号分解为多个IMF分量,计算分量的谱峭度值,选择峭度和相关度最大的分量进行重构;然后通过快速谱峭度图确定最大共振频带,进行带通滤波分析,获得故障信息;最后采用某滚动轴承实验数据分别对内圈故障和外圈故障进行实验分析。结果表明：与原始故障信号相比,该方法获得的包络谱更清晰,故障频率更明显,内圈故障频率为162 Hz,外圈故障频率为107 Hz。该方法提取故障特征突出,可以得到有效的故障频带。     

基于小波能量的簇绒地毯跳纱疵点的检测方法

针对簇绒地毯中存在的跳纱类疵点提出了一种基于小波能量的疵点检测方法。该方法首先使用CCD相机对地毯图像进行采集,然后将采集到的地毯图像进行滤波处理,并用三层小波对其进行分解,通过提取分解得到的细节子图的能量值和正常地毯图像细节子图的能量值的比较来判断正在测试的图像中是否含有疵点;对于有疵点的地毯图像使用Otsu法进行阈值分割二值化,并进一步使用闭运算消除二值化图像中存在的噪点,突出疵点部分。最后通过实验验证了此方法的可行性,所提出的方法可以有效地将地毯图像中的跳纱类疵点检测出来。     

基于单频域段重构小波变换的电力系统谐波检测

提出一种基于单频域段重构小波变换的电力系统谐波检测方法。首先分析了Mallat快速离散小波变换算法,并且指出其注重总体抗混叠和信号重建,却忽略了对分解分量中的频率混叠进行抑制,在电力系统谐波检测中产生严重的频率混叠现象,然后给出了单频域段重构小波变换算法。仿真计算结果表明该方法可以有效地抑制频率混叠,能够较精确地提取谐波频率,为电力系统谐波检测提供了一种有效手段。     

基于快速自适应经验模态分解的高速经编机振动分析

针对某型高速经编机在高转速下结构振动过大以及机构运动信号与结构振动信号相混叠,故障特征难以分离的问题,提出基于快速自适应经验模态分解(FAEMD)算法的经编机振动故障诊断方法。首先运用FAEMD算法将原始振动信号分解成有限个本征模态函数(IMF),然后计算各IMF分量与原信号的相关性,结合经编机运动特点,判断其中相关性最大的本征模态函数为机构运动分量并去除,最后将剩余分量重组实现结构振动信号的提取。将该方法应用于经编机振动故障诊断中,对动态振动数据进行处理,结合静态固有频率测试,成功提取出与实际故障现象相同的信号频率特征,判断出经编机在高转速下振动过大的原因,为后续经编机振动优化提供了参考。     

基于经验模态分解的纸机横向定量测量数据去噪

针对传统去噪算法不能满足更高质量横向定量控制要求,提出一种基于经验模态分解(Empirical Mode Decomposition,EMD)的去噪方法。该方法利用EMD分解时间尺度的特性和自适应性,通过去除高频分量并进行滑动平均滤波达到去噪效果。仿真结果表明,这种算法能有效地滤除噪声,同时又保留定量主要细节,有利于进行后续控制。     

基于小波特征和SVM的织物疵点识别

针对常见织物疵点具有方向性,利用传统空间域特征识别方法不能有效定位局部疵点区域且当样本较少时分类率低的问题,为有效定位疵点且提高分类率,提出了水平和垂直方向上小波域特征,利用能有效解决小样本分类问题的支持向量机进行分类识别;并对利用图像灰度共生矩阵特征及小波域特征的分类结果进行了比较。仿真实验结果表明,所选特征不仅能对织物疵点区域进行水平和垂直方向上的定位,而且得到了较高的正确分类率。     

基于主成分分析的纤维拉伸断裂声发射信号识别

针对纤维拉伸断裂声发射信号的非平稳性、信号特征间高度重叠等问题,提出一种声发射信号特征提取及纤维种类诊断的模型。该模型可用于识别拉伸断裂的纤维种类。首先,通过小波变换、增强经验模态分解方法（EEMD）对不同种纤维的拉伸断裂声发射信号进行预处理、分解;然后,结合主成分分析方法（PCA）提取频率特征;最后,运用最小二乘支持向量机（LSSVM）对纤维拉伸断裂的特征频率进行分类识别。结果表明,主成分分析方法能将信号特征降维,并降低不同纤维频率特征之间相关性,提高了对纤维拉伸断裂声发射信号的准确识别。针对芳纶1313、高性能维纶纤维拉伸断裂的声发射信号,EEMD-PCA-LSSVM模型总识别率达96%。     

基于SVD和SVM的复杂背景噪声图像的纸病辨识

针对纸病图像的复杂背景噪声造成的纸病辨识结果不理想的问题,提出一种基于奇异值分解(SVD)和支持向量机(SVM)的纸病辨识方法：首先利用多层二维小波对纸病图像背景噪声去噪,然后用SVD对纸病进行特征提取,最后采用SVM对纸病进行辨识。实验结果表明,该方法可以有效辨识纸病,且不受实际生产过程中图像复杂背景噪声的影响。     

Adaptive detection of weft‐knitted fabric defects based on machine vision system

This paper describes a machine vision system for the detection of weft‐knitted fabric defects based on an adaptive pulse‐coupled neural network (PCNN) and Ridgelet transform. In order to classify defects according to their different texture features, two methods are implemented: an improved PCNN method to segment the defects such as hole and dropped stitch from background image and a Ridgelet transform method based on wavelet analysis to identify the defect such as course mark. In implementing the PCNN model, necessary parameters of PCNN model such as linking coefficient, connection weight, and iteration number are automatically calculated in accordance with the spatial distance of neurons, mean, and variance value of whole image, and the cross‐entropy criterion. The function of Ridgelet transform is to identify the straight line marks and fit the regression equation for simulating the course mark in the image. The Ridgelet transform model can be simplified as the combination of Radon and wavelet transforms. The parameters of detected line are acquired by wavelet analysis in Fourier semicircle region. The experiment materials were several plain and interlocked weft‐knitted fabrics with hole, dropped stitch, and course mark defects. The fabric images were captured by an area‐scan camera with a resolution of 600 × 800 pixels, and signal processing was controlled by a digital signal processing multiprocessor on the inspection machine. The validation tests proved that the system performed well.     

Image Detection of Rice Fissures Using Biorthogonal B-Spline Wavelets in Multi-resolution Spaces

An image analysis method was developed with higher detection accuracy for rice fissures compared with using the classical Canny and Sobel methods. The rice images are obtained using a common scanning machine with resolution of 600 dpi. The scanning images are enhanced by the gamma correction and smoothed using the anisotropic nonlinear diffusion PDEs. The diffusion process is stopped when the peak signal to noise ratio is lower than 30 dB or changes slowly. After that the wavelet coefficients of the smoothed images are calculated using continuous wavelet transform with the biorthogonal B-spline wavelets bior1.5 in multi-resolution spaces. The wavelet coefficients in y forward direction are used as the magnitudes. Finally, the magnitudes are standardized and used for the judgment of the fissures as the local maxima. Two different kinds of rice kernels are used for the test of the effectiveness of the proposed algorithm, including 30 long- and 20 medium-cracked grains with 1, 2, 3, or 4 fissures. The results demonstrate a satisfying performance of the fissure detecting systems, and even the faint lines of the fissures can also be detected.     

小波包分析在电脑刺绣机振动测试中的应用

Mechanical Automation College;Beijing Technology and Business University;Beijing 100037;China; North Phoenix Intelligence Technology Co.;Ltd;Beijing 100072;China     

微波辐射淀粉热重实验及其数据的小波去噪处理

用频率为2 455 MHz的微波辐射0.5 g/mL的木薯淀粉乙醇悬浮液,使用热重-微分热重(TGA-DTG)测试手段对微波改性后的木薯淀粉的热特性进行表征,并采取小波变换去噪法与5点平均去噪法对TGA-DTG信号进行去噪处理研究。结果表明,小波变换去噪法在滤除淀粉TGA-DTG 信号噪声时优于5点平均去噪法;经小波去噪处理的TGA-DTG信号表明,随着微波辐射时间的增加,木薯淀粉热稳定性呈增加趋势。