基于小波变换的粗大误差去除算法

将粗大误差作为突变信号,利用小波变换可以准确地对误差点进行定位,给出了利用小波变换去除粗大误差数据点算法,并对小波基的选取进行了讨论。     

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。     

小波变换在电缆故障精确定位中的应用

将小波变换模极大值对检测信号奇异点的理论应用于检测脉冲反射信号,实现电缆故障的定性定位.重点分析了小波变换在强噪声中提取信号,再现信号突变点方面的优越性.仿真表明它能有效去噪、准确定位脉冲反射信号,有利于提高信道故障定位精度.     

基于小波变换和FFT的电能质量扰动分类

根据电能质量扰动的特点,提出了小波变换（WT）和FFT相结合的电能质量扰动分类方法。该方法的主要思想是：利用小波变换对突变点敏感的特性,用其进行突变点检测和定位,以有无模极大值来区分暂态和稳态扰动;利用FFT频域分析的优势,对其进行频谱分析,以扰动信号频谱的不同特点,对暂态和稳态扰动信号分别进行进一步分类;采取检测突变点间电压有效值的方法,对短时电压扰动信号进行进一步的分类。仿真分析表明该方法对于简单和复杂电能质量扰动信号均具有准确的分类能力。     

基于小波变换的电气设备故障诊断技术

小波变换具有良好的时-频特性，因此可以有效地用于电气设备故障诊断。在对电气设备进行故障分析、诊断过程中，利用小波变换进行故障信号的故障时刻检测具有重要意义。小波变换用于电气设备故障诊断就是对电气设备各种电磁、机械等信号进行实时监测控制，判断其状态，以便在故障初期或故障时刻发出警报，并随时进行处理，排除故障。对信号进行特征提取，是故障诊断的关键。突变信号往往表明电气设备发生了某类故障，如果能对突变信号进行有效识别，就可以进行故障诊断、故障分析，从而排除故障。分析了电气设备故障的奇异性，通过仿真得出小波变换用于电气设备故障诊断的方法，以准确检测奇异点，确定故障时刻。     

基于小波分析的钢丝绳断丝信号检测

利用漏磁法检测钢丝绳断丝,利用小波变换的变焦特性和局部化性质对检测信号进行了多分辨率分析.结果表明,该方法在奇异信号检测和局部化分析方面具有优异的特性,可以聚焦到信号的细节,适合突变信号的时频分析处理.应用小波变换对钢丝绳断丝检测信号进行了奇异性分析,可以准确判断断丝位置和根数.     

基于小波变换的埋地钢质管道外覆盖层缺陷定位技术研究

对小波变换检测信号奇异性理论进行阐述.以DCVG/CIPS组合仪器检测数据为对象,利用小波变换对阴极保护埋地管道通电电位、断电电位和电压梯度检测信号进行处理,根据小波变换模极大值对应着信号奇异点理论,实现了覆盖层缺陷点位置的准确定位.实验表明,该方法定位准确,具有一定的实用性.     

基于小波变换圆度误差的检测方法

针对圆度误差在非接触检测过程中噪声对原始信号产生干扰的问题,提出采用小波变换进行采样信号的降噪处理,小波变换具有多分辨率分析的特点,在信号分析处理中能有效区分信号中的噪声,具有良好的去噪能力;讨论了快速小波变换算法及小波阈值降噪法的基本原理和处理实测信号的具体步骤;分析了基于小波变换的最小二乘圆法评定圆度误差的算法,并推导了最小二乘圆的理论模型;运用Matlab小波工具箱并通过试验说明了小波分析处理圆度误差的方法和效果。     

基于小波变换的心电信号R波及ST段的提取

本文主要研究基于小波变换的心电信号R波及ST段等特征点的提取.首先利用二次样条小波对心电信号按多孔算法进行分解,分析信号奇异点与其小波变换模极大值的对应关系;然后利用小波变换多分辨率特性,提出了在不同尺度下分别进行R峰值点以及ST段特征点提取的策略;最后采用MIT/BIH标准心电数据库和Holter采集的动态心电数据进行检验.实验结果说明所提出的提取方法具有特征点的正确提取率高、适用面广等优点.     

点火线圈初级电流奇异点检测算法

点火线圈在使用之前或使用过程中,由于绝缘故障其初级电流偶尔出现幅值不等且形状不定的高频振荡.针对这种情况,研究提出一种基于小波变换模极大值的初级电流奇异点快速检测算法,首先计算信号的多尺度小波变换及模极大值;其次,利用模极大图提供的有效信息,由最大尺度到最小尺度追踪模极大值点并刻画模极大值线;最后以每条模极大值线中的最小尺度点确定奇异点位置,识别绝缘故障发生时刻并获取故障波形.该算法相比于时间复杂度高于本文算法近二百倍的复杂算法和时间复杂度接近的传统算法,应用于点火线圈绝缘故障信号时的检测误差小.     

小波变换对瞬态信号特征信息的精确提取

研究了瞬态信号小波变换的相位特性和小波特征。采用了小波脊线的分析方法,详细分析了瞬态信号的小波脊线与瞬态信号的瞬时特征和特征信息的对应关系,建立了瞬态信号特征信息的精确识别模型和特征参数的精确提取方法。通过工程应用实例的验证,该方法对瞬态信号(特别是信噪比较低的弱信号)特征信息具有相当高的定位精度(误差不大于1个采样点)和识别精度(不存在累积误差),其算法简单、准确,且有较快的收敛性,可实现实测瞬态信号特征信息的实时分析。     

基于奇异值分解和小波分析的飞行数据野值综合处理方法

通过分析无人机数据记录仪记录参数的特点及野值产生的原因,提出了一种在噪声条件下采用奇异值分解和小波分析相结合的综合检测野值方法,即先用信号的奇异值阀值降噪算法来对飞行数据进行降噪处理;处理完后再用小波分析方法对降噪后的信号进行野值的检测,这样所得到的信号序列能准确提取出无人机记录仪所接收到的信号。仿真实验表明,该方法不仅降噪效果明显,而且能准确地检测并剔除接收信号中存在的野值。     

机械振动信号中突变信息检测的新方法研究

提出利用时间序列重构的吸引子轨迹矩阵奇异值分解的方法检测信号中的突变信息。针对２组数值信号,利用该方法进行检测,并将检测结果与小波变换结果进行比较。结果表明,该方法是可行的,从而为信号奇异性检测撮一种有效工具。     

电能质量小波检测与定位及基于多尺度能量曲线分类

从小波变换模极大值与信号突变点之间的关系出发，分析了信号幅值扰动的小波检测和定位，进行了相应的算例实测。利用不同扰动信号的小波变换在不同尺度上能量分布存在差异的特性，提出了基于小波变换多尺度能量曲线电能质量扰动类型的分类方法，并通过算例实测验证了其有效性。     

复小波分解联合SVD提取振动信号非平稳特征

针对齿轮箱故障信号的多分量多频调制特点,提出了一种基于奇异值分解的最优小波解调技术。首先,采用小波变换的最小Shannon熵作为时间尺度分辨率的度量指标,将其应用到Morlet分析小波的参数优化选择中;其次,对常规小波参数选择方法进行了改进,利用奇异值分解技术对最优小波变化尺度进行了迭代搜索。该方法可以很好地降低噪声信号,有效提取信号中的周期成分,具有较好的瞬态信息提取能力。试验结果也表明了该方法在齿轮箱故障特征提取中的重要性以及降噪方法的有效性。     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法。利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号。通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能。模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计。     

基于双正交小波变换QRS波检测方法研究与改进

心电图中QRS波是特征最明显的波形,是医学上诊断症状的重要依据,因此QRS波的正确识别成为心电检测的首要问题。由于心电信号是mV级的微弱信号,易受各种干扰影响;同时,目前常用的小波变换识别QRS波方法,计算量大,对系统要求高。针对这些问题,首先,提出使用双正交B样条小波基对心电信号进行处理,并通过在各尺度波形上检测极大值取代模极大值对的方式,搜索R波;然后,使用MIT-BIH心律失常数据库验证算法效果,并针对验证结果对原始算法进行检测策略的优化,改用自适应阈值的检测方式;同时,引进对部分可疑点搜索模极大值对的检查方法,减少假阳性的情况。算法经MIT-BIH验证,得到98.9%的准确率。     

基于小波变换的刀具磨损检测方法

提出采用切削力信号的奇异性指数作为衡量刀具磨损的参量。利用小波变换对切削力信号进行分析 ,变换结果的模极大值点反映了刀具发生磨损或破损的时刻 ,而其奇异性指数的大小则反映了刀具的磨损状况。试验结果表明了该方法的有效性。     

小波域局部Laplace模型降噪算法及其在机械故障诊断中应用

提出一种基于小波域局部拉普拉斯模型的降噪算法。并将其成功应用于机械故障诊断中。降噪算法利用复小波变换幅值和相位的组合信息对信号奇异点具有更好的敏感特性,对各尺度上信号奇异点予以精确定位;根据各尺度上奇异点位置和一定宽度的邻域窗,将实小波分解的各尺度上小波系数分为两类：有效系数和无效系数。将奇异点邻域窗之外的无效系数直接置零;而对邻域窗内有效系数的统计分布进行拉普拉斯建模。在先验分布的基础上,运用最大后验概率估计从含噪小波系数中估计出真实信号的小波系数。利用信号小波系数的估计值来重构信号,便得到降噪信号。通过仿真试验和汽车驱动桥主减速器故障诊断实例分别对此算法进行分析和验证,结果表明,该算法均具有良好的降噪效果,可以有效地对主减速器中齿轮故障信号进行降噪。