基于全矢小波包能量熵的滚动轴承智能诊断

研究滚动轴承不同状态下的振动信号,使用小波包变换提取信号各频带的能量熵,作为轴承故障的特征,然后使用支持向量机智能诊断轴承不同故障。传统单通道信号诊断方法容易造成误诊,全矢小波包能量熵融合了振动信号双通道的信息,能更准确地反映故障的特征。实验结果表明,采用全矢小波包能量熵比传统单通道方法有更高的诊断精度。     

全信息小波能量熵及其在旋转机械状态监测中的应用研究

结合全信息技术、小波分析以及信息熵的基本理论,提出全信息小波能量熵的概念.用小波分析将两个垂直通道的信号分别分解至不同的频率带,综合所有分解系数计算得到小波熵,对融合信号能量分布的紊乱程度进行量化.仿真计算表明,全信息小波能量熵能反映融合振动信号能量分布的复杂性,且对能量分布的变化较为敏感,可作为衡量设备工作状态的指标,应用于旋转机械状态监测中.     

小波变换与FFT在电网谐波检测中的应用

电力系统中大量谐波的注入使得网络电能质量明显下降,而传统的检测方法由于自身技术的限制,已经不能满足目前谐波检测对实时性和精确性的要求。该文在分析了电网谐波变化特征的基础上,结合谐波检测新理论的发展及应用实践,提出将小波变换与传统检测方法相结合的检测方案,并用仿真试验验证了该联合算法的有效性。数据结果表明:小波变换在分析复杂信号中各谐波成分时表现出了其时频局部化特性的优势,而传统的FFT可准确提取信号各成分的频谱信息,该联合检测方法有效地提高了谐波检测的精度。     

基于小波熵指标的结构损伤检测

对小波熵在土木工程结构损伤检测中的适用性进行分析,利用小波变换时一频局部化性能,将小波分析和信息熵结合起来,建立小波能谱熵、小波时间熵和相对小波熵等结构损伤指标.通过数值模拟和工字梁的试验数据对各指标和损伤识别方法进行了分析检验,识别出模拟梁和试验梁的损伤位置.识别结果表明,基于小波熵的指标是一个对结构局部损伤敏感的、比较好的损伤指标.     

基于小波熵的微弱信号检测方法研究

在科学技术研究领域中,经常会遇到非平稳、低能量、瞬时变化的微弱信号检测问题,然而,微弱的有用信号往往被环境噪声所湮没,最大程度地提取有用信息一直是弱信号检测中的一个难题。尤其对短时低能量的瞬变信号,采用传统信号处理方法提取其位置信息难以奏效。小波分析的方法为弱信号检测技术开辟了一条新途径,但小波变换对弱信号进行特征提取的关键在于确定小波系数的阈值。为此,在软阈值基础上引入反映信号能量分布特性的小波熵概念,利用信号在不同分解尺度上具有不同的小波熵,能够自适应地确定高频系数分量的阈值。仿真分析表明,基于小波熵分析的方法能够在强噪声环境中对微弱信号准确定位,实现低能量的瞬变信号有效提取。     

小波理论在电力谐波检测中的应用

电力系统的谐波是影响供电质量的重要因素。由于谐波的存在，许多电力设备的正常工作会受到影响，所以谐波的检测就具有重要的意义。本文分析了电力系统谐波检测的现有常用方法。然后介绍了小波理论及其在电力谐波检测中的应用。最后提出了小波变换在电力谐波检测中的发展趋势。     

基于VMD小波包能量熵的风电机组变流器故障诊断方法

变流器是实现风电机组并网运行的关键电力装备,在外界环境因素、内部电压电流应力作用下,其功率器件易发生机械或电气故障。该文提出一种基于变分模态分解(VMD)小波包能量熵与支持向量机(SVM)的永磁同步风电机组变流器故障诊断方法。首先,对风电机组网侧变流器的输出电流进行变分模态分解,得到多个固有模态分量;然后,利用小波包分解提取出各模态分量的小波包能量熵作为故障特征向量,以减少故障特征的维数。最后,将约简的故障特征向量输入SVM中进行训练和故障识别。研究结果表明,所提方法可对网侧变流器的典型单一和双开路故障进行诊断,对提升永磁同步风电变流器的可靠性和安全性具有现实指导意义。     

基于小波变换和时域能量熵的 P300特征提取算法

针对P300信号特征提取和分类过程中训练及测试速度相对较慢的不足,提出了一种基于P300带内带外特征的脑电信号特征提取方法,将时域能量熵和离散小波变换相结合,克服了P300信号识别中对电极数量和脑电信号叠加次数的苛刻要求.试验采用支持向量机作为分类器,在BCI Competition 2003和BCI Competition 2005的P300试验数据集上进行验证,结果表明,提出的方法只需对一导数据进行处理,只有2次叠加平均,就能得到很好的分类效果及较短的分类系统运算时间.     

基于小波包能谱熵的铣削颤振监测方法

针对切削加工过程中容易出现颤振,导致零件表面加工质量降低,本文以铣削加工为研究对象,提出了基于小波包能谱熵的铣削颤振监测方法。信号的采集是一个连续的过程,为避免刀具不参与切削对这种方法的影响,本文提出基于铣削力幅值平方和的方法以识别刀具是否参与切削。试验结果表明,无论对于刀具是否参与切削的识别或者是否出现铣削颤振的监测都能有效的监测。     

基于小波包熵与EMD的能量算子解调机械故障诊断

针对在强噪声背景下轴承振动信号的非线性,非平稳性以及调制源微弱难以提取故障特征的问题,提出了一种基于小波包熵值与EMD(经验模态分解)结合的能量算子解调故障诊断方法。该方法首先对信号进行小波包熵值降噪,进而选取相关度最大的IMF(本征模态分量)进行能量算子解调,从而实现了提取该分量下的故障信号的幅值和频率信息。对机械故障振动信号进行实验分析表明,相对于普通Hilbert解调法的运算精度与运算速度满足不了诊断需求的情况下,该方法能够有效解调出故障频率信息,实现对故障类别的推断。     

小波变换在电网谐波分析中的应用

随着电力电子技术的广泛应用,谐波对电力系统的污染越来越严重,检测、分析和抑制谐波已经成为电力系统环境治理的重要课题.利用小波变换及传统的傅立叶变换对电网中的谐波进行了检测、分析,并通过MATLAB进行了仿真.仿真结果表明,利用小波变换可以将信号中不同频率的谐波有效地提取出来,并进行有针对性的分析,具有更高的分析精度.     

基于FFT和小波变换的谐波分析策略

有源电力滤波器是一种用于动态抑制谐波、补偿无功的新型电力电子装置,它能够对大小和频率都变化的谐波以及变化的无功进行补偿。该文提出了FFT变换与小波变换相结合的检测电路,小波变换分析将信号分成了稳态部分及非稳态部分,稳态部分采用傅里叶变换,非稳态部分采取模极大值分析。利用Matlab对其仿真很好的验证了该方法是可行的,可有效滤除谐波。     

基于小波熵的组合定位系统数据融合

本文提出了一种基于小波熵的组合定位系统数据融合方案.对于两个子系统北斗/罗兰C的实测定位数据,先用小波多尺度变换将信号在多个频率段展开,再根据小波熵判别法进行消噪和融合.结果用平均误差证明了这种方法的优越性,确保了组合系统所用样本的可信度及其数据融合中权值的合理性.     

基于信息熵和Haar小波变换的开关电流电路故障诊断新方法

针对开关电流(SI)电路的故障诊断和定位问题,为进一步提高故障准确率,提出了基于信息熵和Haar小波变换的开关电流电路故障诊断新方法。该方法采用伪随机信号激励经蒙特卡罗分析、Haar小波正交滤波器分解和信息熵及模糊集的计算来实现故障特征的提取,以减少信号的冗余。最后构建故障字典,完成各故障模式的故障分类。对六阶切比雪夫低通滤波器进行了仿真实验验证,获得了100%的故障诊断准确率,与其它方法进行比较,实验结果显示了本文方法的优越性。     

基于小波能量谱的炮口脉冲噪声特性分析(英文)

火炮发射时产生的脉冲噪声对操作人员会造成不同程度的损伤或影响,必须进行人员防护,因此分析炮口脉冲噪声特性对噪声的治理和人员防护具有重要意义。针对傅立叶分析方法在脉冲噪声分析中的不足,提出了小波能量谱分析方法。通过对试验数据进行分析,得到了脉冲噪声的局域信号特征和频谱能量分布。实验结果表明,小波能量谱方法适用于炮口脉冲噪声特性分析。     

基于小波熵的微弱磁异常信号降噪处理

针对地下磁性掩埋物检测时,磁异常信号信噪比低的问题,提出基于小波熵的微弱磁异常信号降噪方法。小波变换对弱磁异常信号进行提取的关键在于确定小波系数的阈值。为此,引入反映信号能量分布特性的小波熵概念和一个调节因子,最终确定阈值,利用软阈值方法处理高频系数。通过计算机仿真对算法进行了检验。结果表明:该算法可以有效地提高信噪比,还原原始信号。