基于小波包能量谱的磁记忆检测方法

提出磁记忆信号的小波包能量谱分析方法,以小波包变换理论为基础,通过对有中心小孔缺陷的45号钢和18CrNi4A试样进行拉伸试验,采集不同载荷下试样表面的磁记忆信号。用sym6小波对所得信号进行小波包能量谱特征分析。该方法可有效判断试样的应力集中部位及应力集中程度。     

基于小波包变换的磁记忆信号特征值的提取

利用自行研制的信号检测系统采集航空铁磁材料试件的磁记忆信号。对信号进行小波包降噪处理,提高磁记忆信号的信噪比;利用Hilbert变换得到磁记忆信号的包络线,再对包络求取梯度特征值。实验结果证明,小波包降噪效果明显,对包络求梯度特征值比直接对信号求取梯度更准确清楚,可望应用于实际检测。     

基于小波包-Haar小波变换的漏磁检测信号降噪数据压缩方法

漏磁检测是对输油管道、油罐等设备缺陷进行无损检测的一种重要方法,但在检测过程中产生的信号数据量庞大,同时会产生多种干扰噪声,出现信号失真、漂移和信号被湮没等问题,对信号进行降噪滤波是缺陷漏磁检测的关键环节。探讨了信号降噪压缩方法,研究了基于小波包-Haar小波算法的漏磁检测信号降噪压缩算法,通过该算法,在对信号数据进行降噪压缩处理同时,保留了高频部分信号特征,从而在降噪后数据解压缩过程中避免了信号失真畸变的现象。     

基于小波包变换与自适应阈值的SMT焊点图像去噪

为提高表面组装技术焊点图像去噪效果,提出一种基于小波包变换和自适应阈值的焊点图像噪声去除新方法.利用小波包变换对图像进行多层分解,通过对图像小波包树系数的分析,对小波包树系数高频部分和低频部分进行Wiener滤波;为提高去噪性能,通过计算小波包系数对应的中值绝对方差估计,提出一种改进的自适应小波包阀值算法,并对图像进行...     

基于小波包变换的金属基复合材料深层界面脱粘缺陷特征提取

针对金属板下多层非金属粘接结构试件中的超声检测回波信号,提出了一种基于小波包变换的提取特征参数的方法,以评估试件的粘接特性.在利用超声信号进行层状粘接结构的无损评价时,各层的超声检测回波会严重混迭,难以分辨甚至会丢失某一层的缺陷信息.利用信号处理技术,以小波包变换后的能量来进行深层界面的特征提取.结果显示,提取出的特征可有效地进行各层粘接情况的分析和识别.试验检测结果表明特征提取方法可用在金属基多层材料结构的无损检测中.     

基于小波包分解与K L变换的齿轮泵振动信号故障特征提取方法

针对齿轮泵故障成因复杂、模糊性强的特点,结合小波包分解与K-L变换,提出一种适用于支持向量机故障诊断的特征提取方法。通过小波包对样本故障振动信号进行分解得到特征向量,而后利用K-L变换处理得到新的特征向量集,达到降维去噪的目的。将处理后的特征向量集用于支持向量机的模型训练,分析结果表明:该方法能够有效提高故障模式识别准确率和识别效率。     

小波包-AR谱在钛合金材料声发射监测技术中的应用

鉴于钛合金材料的声各向异性和高声波衰减系数使疲劳试验过程中的声发射监测十分困难。提出了小波包与AR谱相结合对钛合金材料声发射信号进行分析的方法。即对输出信号进行小波包分解,然后分频段对信号进行重构得到包含不同频率成分的时域信号,再进行AR谱分析,从而提取出频谱特征。分析表明,该方法对利用声发射信号分析钛合金材料部件的损伤和裂纹扩展是有效的。可为钛合金部件损伤和裂纹扩展的识别提供可靠的依据。     

基于小波包能量谱的工业机器人智能故障诊断

实际工业机器人在恶劣工作环境中易出现故障,传统的故障诊断大多都是通过振动信号进行,但是振动数据在实际工厂难以采集,给工业机器人的故障诊断造成了极大困扰。针对这一问题,提出一种基于小波包能量谱(WPES)与卷积神经网络(CNN)的工业机器人电流数据的智能故障诊断模型。该模型通过小波包将原始电流信号分解为多个子频带,计算每个子频带对应的能量特征,当工业机器人出现故障时,能量特征会发生变化,并将能量谱特征转化为二维矩阵用于设计、训练和测试所提出的模型。实验结果表明:采用WPES-CNN模型进行故障诊断,故障识别率达到了99.9%以上。     

基于小波包变换预处理的铝电解槽针振信息元分析与诊断

简述了小波包变换的基本原理及利用小波包对电压信号进行分解的方法。针对铝电解槽电压波动信号的频谱特点。采用小波包分析方法提取了电压信号的特征向量。将信号分解到8个频段内。进行预处理得到频段能量特征向量。应用BP神经网络建立了特征向量到振针信息元之间的映射。仿真结果表明，小波包分析能够有效地将隐藏在正常电压信号之中的早期弱故障信号提取出来，从而发现槽子的早期不良症状。     

小波包变换和能量分析在声发射信号降噪中的应用

材料或结构受外力或内力作用下产生的声发射信号,其频率成分复杂,包括一些能量相对微弱的高频信号和低频干扰信号,而研究中往往只针对某些频率段信号进行分析。小波包变化可以将复杂频率成分的信号分解到不同的频率段,通过频率和能量筛选,可以将感兴趣的相对高能量的频率段信号提取分离出来。以Q235试件拉伸试验中采集到的声发射为例进行小波分析,证实了小波分析方法在声发射信号降噪中的实用价值。     

基于离散小波变换和感兴趣区域的图像盲水印方案

为了有效提高图像水印技术的不可感知性、鲁棒性和安全性,提出了一种基于感兴趣区域和离散小波变换的鲁棒盲水印方案。该方案使用宿主图像的感兴趣区域用作水印图像。通过从宿主图像生成的水印,结合嵌入策略以及Arnold置乱来满足要求。首先,将第一级离散小波变换应用于水印,并选择近似系数作为要嵌入的信息。将各个近似系数嵌入到小波域内的宿主图像所选块的低频子带中;随后,在嵌入之前,对水印的近似系数以及宿主图像的块进行Arnold置乱。这使得该方案更加鲁棒和安全。测试数据表明:与当前水印方法相比,所提技术具有更高的鲁棒性和安全性,其水印图像的相关系数NC均稳定在0.98左右。仿真结果表明:该方案可抵抗各种攻击,实现高度的安全性、不可感知性和鲁棒性。