基于小波网络的某放大电路故障检测

为了提高某放大电路故障诊断与故障定位的快速性和准确性,引入了小波网络对电路板进行故障诊断。神经网络具有良好的非线性映射及函数逼近能力,小波分析具有良好的时频局部化性质。将两者结合构成小波网络用于故障诊断,具有自适应分辨性和良好的容错性。实例证明该方法能够实现故障检测及定位,具有准确率高的特点。     

小波分析技术在复合材料损伤检测中的应用

小波分析是一种时变信号时-频两维分析方法,具有多分辨分析的特点,而且在时频两域都具有表征信号局部特征的能力.介绍了小波技术基本理论,回顾了小波技术在复合材料损伤检测中应用及其发展,提出了存在的问题,并对小波技术在复合材料损伤检测的应用进行了展望.     

基于小波神经网络的模拟电路故障诊断

本文对模拟电路提出了一种基于小波神经网络的故障诊断方法。该法利用小波空间中函数的多分辨率分解思想，构造了一种激励函数为具有紧支撑集的尺度函数和小波函数的小波神经网络。这种小波神经网络隐层节点数的选取有理论根据，解决了传统神经网络隐层节点数难以确定的问题。分别用本文提出的小波神经网络和传统BP网络对实例电路进行故障诊断，结果发现，小波网络比传统BP网络方法不仅学习收敛速度快，而且有效地避免了局部最小值问题。     

航空发电机定子绕组局部放电特征及检测方法研究

通过对航空发电机局部放电信号的检测方法和干扰进行分析 ,并通过计算机模拟了局部放电信号和各种干扰 ,利用小波变换的多分辨分析方法 ,从信噪比较低的信号中检测出局部放电信号。仿真结果表明该方法是有效的 ,为航空发电机定子绝缘状态监测提供了理论基础     

遗传小波网络在齿轮箱故障诊断中的应用

针对小波神经网络常用的反向传播算法普遍存在收敛速度慢,容易陷入局部极小点,网络参数的选取只能凭实验和经验来确定等缺点,提出了一种基于遗传算法优化的小波神经网络并应用于齿轮的故障诊断。仿真结果表明,该方法充分的发挥了遗传算法的全局寻优能力,小波分析的非线性逼近能力和神经网络的自学习特性,优化了系统的收敛速度和故障诊断的精度。     

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。     

小波分析在汽轮机故障检测和诊断中的应用研究

具有多尺度（分辨）分析和时—频局部化特性的小波分析技术,特别适用于边缘信号和峰值突变信号的处理和特征提取,因此在故障检测和故障诊断中将会有很大的发展前途。本文用小波变换的方法对汽轮机进行初步故障检测和故障诊断,结果表明小波分析在电力设备故障检测和诊断中有很好的应用前景。     

基于小波理论的电液伺服转台动态模型识别的研究

针对电液伺服转台数学模型辨识精度不高问题，提出一种基于小波理论的电液伺服转台动态模型识别方法。该方法利用小波的多分辨分析理论，通过对输入输出数据分别进行小波分解．通过加权处理使重构信号能够突出控制系统工作频段的信息，是一种与控制相关的辨识方法。仿真结果表明，这种方法要远远忧于传统的最小二乘辨识方法，为电液伺服转台控制器的设计提供了有力的保障。     

基于遗传优化的BP神经网络

人工神经网络的优化学习是其研究中的一个重要课题。将遗传算法用于BP神经网络的学习，将遗传算法的全局搜索和BP神经网的局部搜索相结合，并设计一网络实例加以训练，达到了比较满意的效果。     

二维小波变换及其在机械碰摩故障诊断中的应用

以机械碰摩信号为例，采用具有“时频局部化”性能和“方向极化”性能的二维小波变换，成功地分辨出故障信号与正常信号，避免了由于多信号转化成单信号带来的信息冗余以及能量的转化，同时能方便地分辨出故障信号的相位角，为解决机械故障诊断领域多信号、多特征的分析问题提出新的思路。     

改进的小波神经网络在异步电机故障诊断中的应用

根据异步电机的复杂故障特点,结合小波变换技术,提出了一种改进的小波神经网络用于异步电机的故障诊断。利用小波变换技术提取异步电机特征信号作为小波神经网络的输入向量,并对小波神经网络算法进行优化,提出了动量系数和学习率自适应调整的小波神经网络算法,给出了动量系数和学习率的调整方法。通过实际测试数据的诊断结果说明该方法的有效性和可行性,具有诊断准确率高、收敛速度快、泛化能力强等优点。     

基于最优小波基的电机故障信号特征提取研究

小波变换去噪中最关键的问题是最优小波基的选取,使其能够将噪声从原始信号中分离出来。针对电机故障的特点,提出了一种基于信号的最优小波基选取方法。将信号小波变换的能量阈值曲线作为小波基函数的适用性评价指标。通过训练神经网络,选取适合该信号的最优小波基,最后采用平移不变量(TI)小波阈值法实现信号去噪。在此基础上对750W化纤电机进行了测试,实验结果表明,该方法能准确找出适合特定信号的最优小波基。训练后的神经网络可直接用于其它类型电机的信号去噪处理,具有实用价值。     

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。     

小波神经网络在铝合金焊接缺陷诊断中的研究

总结了铝合金焊接气孔缺陷及原因，应用小波神经网络技术对铝合金焊接气孔缺陷进行智能诊断。描述了小波神经网络的建模过程，编制了智能诊断的实现软件。具体实例的诊断结果表明，小波神经网络缺陷诊断专家系统稳定性好，诊断速度快，能以较高的置信度诊断出多故障，提高了诊断精度及置信度，这对提高小波神经网络缺陷诊断专家系统的实际应用效果具有现实意义。     

基于并行结构的Gabor小波神经网络算法及应用

给出了一种基于并行结构的Gabor小波神经网络算法。根据多CPU系统的并行结构和神经网络本身并行性的特点,设计了用于图象目标识别的Gabor小波神经网络算法,算法的输入层包括Gabor小波尺度、平移和频率调制参数的运算;隐层是在并行CPU中实现神经网络算法及优化;输出层是Gabor小波神经网络的分类结果。对4类飞机图像目标进行了仿真实验,识别率达到98％以上,识别时间为40 ms。     

基于小波神经网络的控制方法及其应用研究

提出一种基于小波神经网络的控制方法,该方法利用两个小波神经网络作为控制系统的辨识器和控制器来构成控制系统。小波神经网络辨识器能更准确逼近非线性对象,小波神经网络控制器能产生复杂的最佳控制规律。仿真结果表明系统具有逼近精度高、控制效果好、抗干扰能力强等优点。     

小波——人工神经网络信息融合故障诊断方法

基于小波变换的时频域局部化特性及人工神经网络的非线性映射特性，将小波变换和人工神经网络的优点结合起来，用加权法实现信息的初级融合，用小波变换实现特征提取，再用人工神经网络实现信息的二级融合，介绍物构造方法和信息处理的步骤。     

煤矿井下涌水量混合预测模型综合分析

针对煤矿井下涌水量预测的问题,以某煤矿实际数据为例,通过小波对数据选样的分析,分别采用灰色、BP、灰色BP、小波BP预测,进行Matlab仿真实验分析.结果表明,灰色所需数据最少,但精确度相对差些;灰色BP与小波BP预测精度优于BP、灰色BP预测的所有结果,尤其在数据规律不明显时相对小波BP稳定,但对迭代次数要求高;小波BP精确度较高,迭代次数越高,精确度越好;GA优化在预测结果不唯一且误差较大时效果较好,但很耗时.     

基于改进小波神经网络的旋转机械故障诊断

根据旋转机械复杂的故障特点，提出了结合第2代小波分析、模糊理论和神经网络形成的改进小波神经网络。该诊断方法利用第2代小波分析对信号进行预处理-征向量的提取，然后用训练好的模糊神经网络进行故障识别，并对相应算法进行了优化。将改进小波神经网络运用于旋转机械的故障诊断，通过计算机仿真和试验的结果表明，该方法在处理多故障耦合的情况时优势明显，不仅可以正确识别故障的类型，还可以进一步对故障的严重程度及其发展趋势进行可靠的诊断。这表明改进的诊断方法是行之有效的，为旋转机械的故障诊断提供了理论支持。