基于小波神经网络的刀具切削状态特征识别

利用小波分析技术提取刀具状态信号特征量，用神经网络技术对信号的特征量进行训练仿真。结果表明，该方法实现了对刀具切削状态的特征识别。     

基于小波神经网络的简支梁桥损伤识别

针对小波神经网络对一维信号逼近能力强的特点,利用灰色理论中的关联分析法,对结构损伤特征参数和损伤指标进行灰关联分析,将所获得的参数间关联度作为把结构动态特征参数整合为一维输入量的权值,进而提出了基于灰色关联分析的小波神经网络模型。为提高网络的收敛能力和逼近效果,应用局部学习策略改进了小波神经网络的学习算法。仿真结果表明,利用上述方法进行结构损伤识别,识别结果明显优于传统的神经网络模型。     

基于深度神经网络的切削刀具剩余寿命预测

为了更好的解决切削刀具剩余寿命难以准确预测这一问题,从监控指标选取、数据特征提取以及预测模型建立等方面进行了深入的研究。首先,选取切削力和切削振动两项信号作为初始数据,两者可有效反映刀具的工作状态,为分析刀具磨损过程提供数据支持。其次,使用小波包分析方法进行数据降噪,实现特征提取,得到监控数据的熵值化结果。然后,将该结果作为预测模型的输入,训练和测试深度神经网络,建立刀具剩余寿命预测模型。最后,使用实际加工数据对该预测方法进行验证实验,验证结果表明该模型能有效的预测剩余寿命。     

基于最小二乘支持向量机对刀具切削状态的识别

基于小波包优良的时频特性和最小二乘支持向量机(least squares support vector machine,LS-SVM)对于小样本出色的学习泛化能力,提出了一种研究刀具切削状态的方法.采用最小熵准则对声发射信号进行最佳小波包分解,以各频段的信号能量占总能量的百分比来构造特征向量,输入LS-SVM多类分类器,实现对刀具切削状态的分类识别.实验结果表明,在采用高斯核函数的LS-SVM多分类算法中,选取惩罚因子γ=10,径向基核参数σ²=1时,该分类器能对测试样本进行准确的刀具切削状态识别.     

基于模糊神经网络的目标识别

提出了一种用于常规雷达目标识别的模糊神经网络．先将目标回波用树状小波变换进行特征抽取，然后用该网络进行识别．最后，给出了５类空中目标的识别实验结果     

基于小波神经网络的掌纹识别

提出了一种基于小波神经网络的掌纹识别方法。首先对掌纹图像经过预处理得到掌纹的感兴趣区域（ROI）,然后利用小波包分解的方法对该区域进行掌纹特征的提取,再利用RBF网络的容错能力和较快的收敛性对掌纹图像加以识别。针对香港理工大学掌纹数据库进行了实验,实验结果证明,本算法可以达到很好的识别效果,为掌握识别提供了一种新途径。     

基于遗传算法BP神经网络的零件图特征识别

研究用多层BP神经网络识别二维零件图的形状特征信息.利用遗传算法加快BP神经网络的收敛速度.提出零件图扩展属性矩阵的概念及求法,对AutoCAD R2000进行二次开发,完善了我们开发的二维回转类零件图特征识别和提取系统,具有一定的理论和实用价值.     

基于小波分析的刀具磨损状态监测方法

为了实现车削过程刀具磨损状态的实时在线监测 ,使用离散二阶小波变换对切削过程声发射信号进行分解 ,以不同尺度下信号分量的均方根值组成的特征向量为样本 ,利用模糊模式识别技术实现对刀具磨损状态的在线识别 .实验表明 ,在选择适当的标准样本基础上 ,所提出的基于声发射信号小波分解的模糊模式识别方法能准确实现刀具磨损状态的正确识别 ,具有较高的可靠性和准确性 .     

基于小波包分析特征的直升机识别新方法

旋转部件的多普勒调制信息具有良好的姿态角稳定性，是雷达识别直升机的主要信息来源．为了从直升机主旋翼（含叶毂）回波中提取与直升机主旋翼结构和运动参数有关的分类特征，提出了一种基于小波包分析的主旋翼回波特征提取新算法，并进行了计算机仿真．仿真结果表明，该算法具有较好的目标识别性能．     

基于小波包分析的空间杆系结构损伤诊断

针对结构损伤诊断的需要,采用小波包分析方法提取了结构损伤的特征信号。首先通过小波包分析将振动信号分解到各个频带,然后以各频带能量作为识别故障的特征向量进行损伤识别。数值算例表明,小波包分析具有较强的抗噪声干扰能力,能够有效地识别结构的损伤。     

基于小波分析的图像融合方法的研究

图像融合是多传感器信息融合在图像处理领域的一个重要应用,小波分析具有多分辨等特点,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。论述了基于小波分析的图像融合的基本原理、方法和优点,介绍了基于小波分析图像融合、小波框架图像融合和多小波图像融合等方法,分析比较几种图像融合效果的评价方法及其适用范围等。     

基于双谱估计的小波包调制信号识别研究

小波包调制是一种全新的多载波调制方式。根据小波包调制信号的非线性和二次相位耦合性特点,该文利用双谱分析方法,对小波包调制信号进行参数化双谱估计,并提取特征参量,实现对小波包调制信号的识别。仿真结果表明,该方法具有良好的识别性能。     

小波分析在织物起毛起球客观评级中的应用

本文将小波分析方法应用于织物起毛起球图像分析,建立了基于二维离散小波变换的织物起球图像分析模型,提出了优化分析小波及相应的分析尺度的步骤,并利用Haar小波的方波形状与机织物的织纹结构具有相似性的原理,采用Haar小波对机织物起毛起球进行了分析,给出了织物起毛起球客观评定方法。     

基于小波分析和BP神经网络的图像特征提取

提出一种基于小波分析与神经网络复合模型的图像特征提取方法.利用二维离散小波变换对图像信号进行滤波和边缘提取,作为图像的输入量供BP网络识别分析.构建了3层BP神经网络模型对图像特征进行识别,采用模糊加权算子的模糊化分层,特征提取模板提取图像中的不同特征,输出层采用均方差权值输出.通过对由50幅图像组成的训练集合进行训练和实验验证,结果表明,本方法的分辩误差率在4%以内.     

基于小波分析的汉语语音识别

将小波分析这一崭新的理论工具应用于汉语语音识别中，并提出了一些应用于语音处理的方法。     

基于小波包分析的数控机床主轴滚动轴承故障诊断

滚动轴承损伤类故障的分析诊断基础是提取故障信息。利用小波包分析对机床主轴滚动轴承振动信号进行分解,求出各频段的能量,提取了轴承故障的特征频率并对故障进行定位,表明了小波包分析方法在滚动轴承故障诊断的有效性和优良性。     

基于小波分析的带通数字滤波器设计

介绍了基于小波分析的数字滤波器设计,对小波基函数的选取、滤波尺度的确定进行了叙述,通过小波带通滤波器的仿真分析．采用Symlets5小波,分析了基于DSP的电容式湿度传感器测试系统中的小电容实测数据．结果表明,小波分析是一种有效的数字信号处理方法．     

机电设备故障特征的小波识别

在分析FFT及小波变换的基本性质和特点的基础上,探讨利用小波变换识别信号的奇异性以提取故障特征信息的方法。实例证明,小波变换能有效地实现信噪分离,且能反映出现故障特征的时间。