提升小波包最优基分解算法在爆破振动信号分析中的应用研究

针对工程爆破网络监测与预报系统对精度、效率的要求,本文提出将提升小波包最优基分解算法应用于爆破振动信号的降噪处理及能量特征提取。在提升小波包多尺度变换的基础上,通过对最优基搜索算法的改进满足了复杂信号在线处理对算法的需求,结合应用实例验证了该算法能够有效滤除实测信号中的干扰噪声,并准确获取信号在各频带的能量分布特征。提升小波包最优基分解算法在爆破振动信号分析中的应用为爆破振动危害的研究和控制提供了分析基础和技术支持,具有良好的应用前景。     

基于奇异谱分析的心音信号小波包去噪算法研究

针对传统心音去噪算法对强噪声下心音信号去噪时,易将部分心音信号视为噪声成分去除,导致有用心音信号能量损失。利用奇异谱分析方法的主成分分析特性,提出多级奇异值分解(Multi-stage Singular Value Decomposition,MS-SVD)算法用于提取心音信号的主分量(Principal Components,PC)信息;采用小波包(Wavelet Packet,WP)分析算法对提取的心音信号进行分解,并对分解所得低频系数进行自适应阈值处理,去除低频噪声;利用小波包多分辨率特性提取高频心音。实验结果表明,该算法能明显改善心音去噪性能指标信噪比(SNR)、信噪比增益(SNRG)及根均方误差(RMSE),且在不同噪声水平下的去噪性能优于传统心音去噪算法。此改进算法既能有效去除心音中噪声成分,亦能保留心音信号细节特征。     

基于小波包分析和LDB的目标识别

水下目标识别是声纳和鱼雷重要任务之一.小波包分析较多分辨分析具有更高精度的时频定位特性,但它也带来了子空间频带严重重叠的问题.为解决这个问题,利用局域判别基(LDB)算法提取了一组完备且频带互不重叠的小波基函数(子空间),分别以各子空间的能量强度和代价函数为特征对四类不同湖底沉积物的反射回波进行识别,得到了较好的识别效果.     

小波能量法在车辆变速箱故障诊断中的应用

本文利用小波包分解与小波能量谱分析了车辆变速箱的振动信号,确定了变速箱故障特征频带范围,并对该特征频带范围的小波系数进行了重构,分析了重构信号的频谱,确定了变速箱故障的位置,验证了小波能量法对变速箱进行故障诊断的有效性.     

小波包分析在电动机转子断条故障诊断中的应用

采用改进型小波包算法从电气和机械方面提取信号的故障特征,提出一种基于小波包分析频带能量的故障诊断方法。经实验可知,该方法能够更全面的快速检测到转子断条故障的存在而且准确率高,在许多工程实践中可以应用。     

基于提升小波包变换的发动机缸盖振动信号特征提取

为了从发动机缸盖振动信号中快速提取反应故障状态的特征参数,给出了提升小波包变换算法及其移频算法,依据信号时频特性,定义了标准化相对能量,并给出了特征向量提取方案.方案同时选取多个完整工作循环数据进行提升小波包分解,将各频带内系数进行阈值量化,利用各频带系数直接求取标准化特征向量,同时做到了消除波动影响、降噪、使故障特征更加敏感.通过实例验证了方法的有效性与优越性.     

基于小波基稀疏信号特征提取的轴承故障诊断

轴承弱故障振动信号中的瞬态成分极易被强背景噪声湮没而无法及时检测,结合稀疏表示原理提出一种基于小波基的稀疏信号特征提取方法,从而实现信号中瞬态特征成分的提取。通过构建原始信号瞬态成分稀疏表示模型,对原始信号采用相关滤波法获取最优小波原子,并构建最优冗余小波基底,实现小波基与信号故障特征的最优匹配;设计二次严格凸函数并运用MM(Majorization Minimization)算法求解模型中的目标函数,将信号中的瞬态冲击成分转化为稀疏表示系数,实现强背景噪声下弱特征的有效提取。仿真信号及轴承微弱故障试验验证了该方法能有效地检测和提取强背景噪声下的微弱瞬态成分。     

复合材料粘接缺陷的超声检测识别研究

超声检测无人机复合材料试件时,针对复合材料较薄、超声检测回波信号易发生混叠的问题,该文提出一种基于经验模式分解和小波包能量谱特征的脱粘缺陷识别方法。该方法首先对不同大小脱粘缺陷回波信号进行经验模式分解和小波包分解,分别提取其能量谱特征;然后,对提取的能量谱特征采用改进隶属度函数的径向基神经网络进行脱粘缺陷分类识别。实验结果表明:提取的能量特征能够有效提高不同脱粘面积缺陷的识别率。     

SGWP算法在爆破振动信号分析中的应用研究

基于提升模式研究了二代小波包(SGWP)算法,成功用于爆破振动测试数据的噪声去除,为准确提取爆破振动信号特征奠定了基础。采用SGWP改进算法快速、精确地实现了爆破振动信号各频带相对能量分布分析,同时选取主振频带内能量占优的主分析二代小波包表征爆破振动信号的时频特征。将SGWP算法引入到爆破振动效应分析领域,为构建大型网络化爆破振动测试系统与控制平台提供了技术支持和数据分析基础,具有较好的应用前景。     

基于双树复小波包的发动机振动信号特征提取研究

针对柴油机缸盖振动信号的特征提取问题,提出了一种基于双树复小波包变换和自适应块阈值降噪的标准化相对能量提取方法,双树复小波包利用并行双树实小波变换分解系数达到信息互补,从而获得近似平移不变性和减少了信息的丢失.自适应分块阈值能够随所分析的信号自适应估计最优阈值,达到更好的降噪效果,同时引入消除频率混叠的算法,抑制了双树复小波包分解过程中虚假频率的产生.仿真信号和试验分析该方法能够更有效地消除噪声影响,所提取的相对能量特征具有更好的可区分度.