基于多重小波变换的信号去噪及其在软测量中的应用

针对化工过程中数据的随机性、非平稳性及含有大量噪声的特点,提出了小波去噪的思想和步骤,并在此基础上采用多重小波变换阈值去噪的方法,以去除大部分高频随机噪声,提高数据的置信度。然后将该方法应用于醋酸正丙酯反应过程质量指标软测量模型中,仿真结果表明,该方法能有效恢复数据的真实性,能提高软测量建模的拟合精度与泛化性能。     

基于相移小波的信号包络提取方法研究

针对现有的包络解调方法对噪声宽容性差的不足，论文利用窄带调制类型信号相关函数的一个基本特性，建立了基于相移小波的信号包络提取方法。该方法采用Morlet小波为基小波，根据信号的中心频率和采样率等已知信息，能够有效地提取信号的包络，并且对低信噪比信号也具有良好的宽容性，仿真结果证明了该方法的有效性，并且证明了该方法的性能优于现有的其他解调方法。最后，采用该方法对一个实测的水声数据进行了分析处理，也取得了令人满意的结果。     

基于Morlet小波改善飞行颤振试验参数识别精度的方法

为了解决激励能量有限和现场测试数据量较少、噪声大，系统参数识别的准确度差的问题，采用Morlet小波时频滤波和频域参数识别相结合的方法进行参数识别来提高精度。基于Morlet小波函数建立特性滤波器组进行时频域滤波，讨论滤波参数的选取方法，采用有理正交多项式（RFOP）拟合算法进行频域参数识别，基于欧洲航空界广泛采用的GARTEUR飞机模型数据建立密频模态系统，进行飞行颤振的试验数据仿真。结果表明该方法在信号噪声较大时，可以有效地提高系统参数识别的精度。     

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。     

相关小波法在结构系统识别中的应用

对于一个线性结构系统，从输入输出数据中提取精确的脉冲响应函数和频响函数是对系统进行动力学建模和参数识别的关键步骤。在循环小波变换的基础上，研究了提取脉冲响应函数的相关小波法及其相应的平均算法。数值仿真结果表明，对于不同的激励信号，相关小波法都能够获得比FFT方法精度更高的脉冲响应函数和频响函数，具有更大的优越性。利用悬臂梁实验验证了相关小波法在实际结构中的正确性和有效性。     

基于小波分析和小波包的电动振动台故障检测方法

针对电动振动台产生随机振动情况下的故障特点,对某型电动振动台的振动信号进行分析,采用小波分解与重构的方法,提取了伴随噪声的振动信号中的故障信息,判断出电动振动台的故障点.该方法不需要进行数据建模,而且具有一定的鲁棒性,适用性强,对难以建立解析数学模型的诊断对象非常有效.通过小波包分析对重构振动信号再次进行分解,并有针对性地对包含有故障特征频率的频段信号进行重构,能有效地滤去各种干扰信号,显示故障特征信息,为电动振动台故障诊断提供了一种更加快速有效的新途径,从而证实了小波分析及小波包综合应用在检测故障信号方面的有效性.     

基于小波分解的信号去噪方法

本文对热电偶动态校准中红外探测器输出信号的去噪方法进行了研究。首先分析了经典滤波器方法的不足,介绍了小波分析方法在动态测试信号降噪中的应用。接着讨论了小波分析的理论基础以及小波基的选择、分解级数和阈值的确定。最后在Matlab平台下对红外探测器信号进行了去噪实验。实验结果表明,该方法有效去除了固定频率噪声和高频噪声,去噪后信号与原始信号中有用信号成分是同步的,这对于热电偶的建模分析具有重要意义。     

基于数据拟合的小波构造及轴承故障诊断

构造最优小波函数是实现提升小波降噪的关键。在确定最优分解层数和有效阈值基础上,在插值细分过程中引入数据拟合的方法,选取不同的基函数、样本点数和基函数的维数构造出具有不同光滑性、震荡性、消失矩的新小波,并引入相似系数对所构造的小波函数进行分析并选取最适小波函数,并将其与冗余提升小波变化相结合,改善其预测算子和更新算子。仿真及工程数据分析验证了该小波函数在振动信号降噪中的有优越性,为轴承故障诊断提供了帮助。     

小波变换在雷达目标识别中的应用

针对传统傅里叶变换对雷达回波信号分析方法所存在的不足,提出了利用小波变换的方法来改善雷达回波信号的质量.分析了小波变换的原理,并在此基础上着重论述了小波变换去除噪声的原理和方法.仿真试验和实际数据验证结果表明,该方法改善了雷达回波信号中波形的质量,提高了目标信号的识别率,切实可行,具有一定应用价值.     

基于复小波变换相位谱的齿轮故障诊断

提出了一种基于复小波变换诊断齿轮故障的新方法。利用Mexican-hat调制复小波基函数对齿轮振动信号进行连续小波变换，再作相位的频谱分析，可以突出边频带结构，识别不同故障模式。试验数据的分析结果表明，该方法适用于齿轮故障诊断，与传统的自功率谱方法以及基于实值小波的小波变换方法相比，这种方法效果更好。     

基于AWLS-SVM的污水处理过程软测量建模

针对污水处理过程建模中样本数据可能存在的测量误差对模型性能的影响,提出一种自适应加权最小二乘支持向量机(AWLS-SVM)回归的软测量建模方法。该方法基于最小二乘支持向量机模型,根据样本拟合误差,并结合改进的指数分布赋权规则,自适应地为每个建模样本分配不同的权值,以降低随机误差对模型性能的影响;同时采用一种全局优化算法——混沌粒子群模拟退火(CPSO-SA)算法对最小二乘支持向量机的模型参数进行优化选择,以提高模型的泛化能力。仿真实验表明,AWLS-SVM模型的预测精度及鲁棒性能优于LS-SVM和WLS-SVM。最后,应用AWLS-SVM方法建立污水处理过程出水水质关键参数的软测量模型,获得了较好的效果。     

Denoising ultrasonic pulse-echo signal using two-dimensional analytic wavelet thresholding

When an ultrasonic angle-beam pulse-echo setup is used, two kinds of noise are present in the received signal: (1) wedge noise, and (2) random noise. In this study, we propose a method for removing both random and wedge noises using a two-dimensional stationary wavelet transform (2D SWT). To improve the performance of the 2D SWT, we employ analytic wavelet thresholding. This requires calculating the analytic signal for a 2D signal and extracting the envelope of the signal, but no regular generalization of analytic signals to multi dimensions is available. We prove that under some certain conditions, the envelope of the ultrasonic B-scan can be extracted exactly by introducing a reference vector. The performance of the proposed denoising method is assessed using simulated and experimental data. The experimental results show that our proposed denoising method is able to reveal the echoes from a surface breaking crack as small as 0.1 mm.     

应用复Morlet小波变换分析条纹图相位

针对在使用干涉、Moiré偏折等方法进行流场高速动态测量时条纹图中大量无效数据对计算结果的影响,提出了一种基于连续小波变换的条纹图相位分析方法.利用小波变换的瞬时条纹频率分析能力,选用复Morlet小波及合适的小波参数,使得条纹图的小波变换模极大值与其调制度系数成正比,将其作为加权最小二乘法相位展开算法的权值,保证了相位有效展开.使用曲线拟合进行小波变换脊定位,缩短了定位时间并消除了噪声干扰.仿真实验显示,使用该方法得到的分析结果与实际相位值的相对误差小于0.01％;内波流场测量实验显示,使用该方法进行条纹图分析,密度梯度测量精度达到了5×10-6g/cm4.结果表明,用该方法进行条纹图相位分析可以有效消除无效数据对结果的不利影响,相位展开有效可靠,分析结果精度高.     

基于WSVM的软测量算法应用研究

为了克服污水处理过程中随机干扰严重影响软测量效果的不足,基于支持向量机(SVM)核方法和小波多分辨率理论,提出了一种多分辨率小波核支持向量机的机器学习方法,并应用于对污水处理过程水质参数的软测量中.利用支持向量回归机与参数特性混合建模,实现了对BOD浓度与COD浓度的在线软测量.仿真结果表明:应用该软测量技术能较好地克...     

改进MSPCA的研究与应用

针对PCA方法单尺度建模的局限性,将小波分析和主元分析综合起来,引入了主元子空间之间的差别的概念,提出了新的检测工具改进MSPCA.与MSPCA方法相比,改进MSPCA方法降低了随机误差对测量数据的影响,提高了过程性能监视和故障诊断的准确性.仿真实例验证了该方法的有效性.     

基于IQPSO优化ELM的熟料质量指标软测量研究

水泥熟料游离氧化钙(f Ca O)含量是水泥生产过程的重要质量指标。针对难以建立其精确的数学模型和难以实时在线测量的问题,首先采用序列二次规划方法增强量子粒子群算法的局部搜索能力,提出了一种局部区域可调的改进量子粒子群优化(IQPSO)算法,并采用提出的IQPSO算法优化超限学习机(ELM)的输入层权值和隐层阈值参数,在优化过程中同时兼顾均方根误差和隐层输出矩阵条件数最小的原则,建立了基于IQPSO优化ELM的水泥熟料f Ca O软测量模型,仿真验证结果表明,IQPSO算法具有较高的搜索精度以及较快的收敛速度,建立的软测量模型精度高、泛化能力强。最后基于该模型,通过软件编程的方法给出了水泥熟料质量指标软测量仪表,实现了f Ca O含量的在线软测量。     

基于自适应模糊聚类的多模型染纱能耗软测量

针对染纱生产的工艺能耗测量问题,提出一种基于自适应模糊聚类的多神经网络的染纱能耗软测量方法.该方法采用自适应模糊C均值聚类算法,基于实时采集的样本数据,将训练集划分成不同聚类中心的子集,并自适应修正.每个子集用径向基函数网络训练得到子模型,然后根据聚类后的隶属度,将各子模型的输出加权求和获得最后结果.通过对染缸能耗软测量建模,并对其进行仿真和典型实例研究,表明该方法具有良好的预测精度和鲁棒性,且与制造执行系统结合具有良好的在线测量能力.     

旋转机械振动信号压缩小波基优化选取方法

旋转机械在线状态监测和故障诊断系统中振动数据的实时存储和远程传输对数据压缩提出了较高的要求.小波分析做为数据处理的常用方法,已被广泛地应用于数据压缩并取得了良好的效果.给出了振动信号的小波通用压缩方法,通过分析旋转机械振动信号的特点和小波函数几种重要属性对小波压缩的影响,提出了旋转机械振动信号压缩过程中最优小波基的选择方法,并根据旋转机械实际故障信号比较了相应小波的压缩效果.结果表明,通过选择合适的小波基函数,可以有效提高重构信号的信噪比.对于旋转机械复杂突变类故障信号应选择低分解消失矩,高重构正则性的双正交小波进行压缩.本研究方法和结论对旋转机械振动信号小波压缩的进一步研究有一定的参考作用.     

基于支持向量机的动态测量误差非线性组合预测方法

针对目前动态测量误差序列预测方法的局限性,提出了动态测量误差序列的支持向量机非线性组合预测方法,以进行误差修正,提高动态测量精度.该方法首先利用支持向量机和小波神经网络对动态测量误差序列分别进行预测,然后再运用支持向量机对单项预测结果进行非线性组合.理论分析和预测实例表明:该方法的预测精度明显高于传统的单一预测方法,具有很强的学习与泛化能力,在处理动态测量误差序列的预报问题和提高动态测量精度方面具有很好的应用价值.     

A METHOD OF HUMAN BIODYNAMIC MEASUREMENT BASED ON VIRTUAL MARKER TECHNOLOGY AND WAVELET ALGORITHM

A new method is reported for human biodynamic measurement, which includes an improved motion measurement system via virtual marker technology and a wavelet algorithm to extract muscle activities from electromyography signals in vivo. Four channels of electromyography signals and twelve virtual markers motion data were collected when the subject did a standard gait experiment. Then, a wavelet algorithm was used to process raw electromyography signals and to extract muscle activity features. The results demonstrated that the proposed method could shorten the motion measurement experiment time and improve the measurement accuracy. The proposed wavelet algorithm could efficiently extract muscle activity features from electromyography signals. The reported method may be potentially used for the human biodynamic research and clinical biomechanics. Possible further improvements for this method are also discussed.