基于小波变换的涡街流量计信号处理方法

涡街流量计有许多优点,应用比较广泛。但是,涡街流量计易于受到由管道振动和流场扰动引起的噪声干扰。涡待流量计中的处理电路不能保证仪表在工业现场的测量精度。本文研究基于小波变换的涡街流量计信号处理方法。本文介绍小波变换的基本原理和快速算法,分析小波滤波器的幅频特性,研究调整滤波器中心频率的方法,给出涡街信号的处理过程,进行仿真和实验测试。仿真和实验结果表明,小波变换能有效地减小了噪声影响,使频率测量的精度高,处理实时。小波变换是涡街流量计信号处理的一种新方法。     

基于映射的图像多角度复小波变换

图像处理已经广泛应用于诸多领域。信号和图像处理领域中非常有用的工具——离散小波变换(DWT)只能从水平、垂直和对角3个方向分解图像,分解的相位信息也相对较少。针对这种情况,提出了基于映射的复小波变换,其展现出了良好的方向性和平移敏感性,相位信息也易于获取且清晰。试验分析结果表明,基于映射的复小波变换能够很好地实现图像的多角度分解和图像完全重构,并且设计容易,其应用前景广泛。     

基于改进同步挤压小波变换识别信号瞬时频率

提出了改进同步挤压小波变换。首先,采用解析模态分解定理将非平稳响应信号分解为多个单分量信号;其次,通过频率转换将分解后的单分量信号从低频区域转换到高频区域以提高时间分辨率;然后,对频率重点关注区域的时频代表值进行局部挤压,提高时频曲线的频率精度;最后,通过两个数值算例和一个拉索试验验证了改进同步挤压小波变换方法的有效性和准确性。研究结果表明,改进同步挤压小波变换能够提高信号在特定区域内的瞬时频率识别精度,是一种可行的时变结构参数识别方法。     

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。     

基于小波变换的侵彻加速度信号分析

为了分析弹体在侵彻过程中加速度信号的构成成分和频率分布范围,利用小波变换对侵彻加速性信号进行了分解,分解出侵彻加速度信号在不同频段内的分布情况。通过与理想情况下加速度信号曲线及加速度信号本身的信号特点进行对比,得出弹体在侵彻过程中,在轴线上加速度信号的频率范围和弹体振动频率范围分别为31.25-62.5 kHz和62.5-125 kHz,而后利用 Simulink获得侵彻加速度信号曲线。     

基于改进双树复小波变换的轴承多故障诊断

针对双树复小波变换产生频率混叠的缺陷,提出了改进双树复小波变换的轴承多故障诊断方法,该方法综合利用了双树复小波包变换和经验模态分解技术。首先,利用双树复小波变换将振动信号分解成不同频带的分量;然后,将各小波分量进行经验模态分解,获得各小波分量的主频率分量信号;最后,计算各小波分量的主频率分量信号的包络谱,根据包络谱识别齿轮箱轴承的故障部位和类型。通过仿真信号和齿轮箱轴承多故障振动实验信号的研究结果表明,该方法不仅消除了频率混叠现象,提高了信噪比和频带选择的正确性,而且提高了从强噪声环境中提取瞬态冲击特征的能力,能有效识别轴承的故障类型。     

采用小波变换的LDA信号频率测量

本文提出了一种基于小波变换的LDA信号频率测量的分析方法。该方法具有突出时域、频域局部特征的能力,适用于短暂瞬时信号、LDA信号的检测与分析。     

提高双树复小波的齿轮箱复合故障特征提取

针对双树复小波变换分解层数需要先验确定和重构后各子带出现的频率混叠现象,提出了一种改进双树复小波变换的齿轮箱复合故障特征提取方法。首先,确定双树复小波变换的分解层数和有效的子带;对得到的各子带进行去频率混叠,确保消除频率混叠现象,使每个子带仅含有唯一的特征频率;然后,用所提方法和现有VMD(Variational Mode Decomposition)进行对比,验证了所提方法的可行性;最后将所提方法应用于齿轮箱复合故障振动信号中,成功提取出齿轮剥落和轴承外圈故障。所提方法为齿轮箱复合故障特征提取提供了一种新的思路。     

基于双树复小波变换的轴承故障诊断研究

提出了一种基于双树复小波变换解调技术的轴承故障诊断新方法。该方法利用双树复小波变换具有近似平移不变性、避免频率混叠和有效降噪的优点,首先对轴承故障振动信号进行双树复小波分解和重构,将振动信号分解成实部和虚部,然后计算振动信号的双树复小波幅值包络和包络谱。齿轮箱轴承故障振动实验信号的分析表明,该方法能在强噪声环境下准确提取轴承故障产生的周期性瞬态冲击信号,能有效消除频率混叠现象和强噪声的影响,能有效识别轴承内圈和外圈故障。     

基于小波变换的基波提取和频率测量

为了提高小波变换提取信号基波和测量频率的精度 ,采用分频特性较好的小波对信号进行滤波 ,并研究最佳分解级数的问题。在频率测量中 ,针对低频噪声的影响 ,提出极大值误点的判别方法 ,采用最小二乘法估计基频 ;针对非整周期采样误差的影响 ,采用抛物线插值的方法加以解决     

自适应改进双树复小波变换的齿轮箱故障诊断

针对双树复小波变换存在频率混叠以及参数需自定义的缺陷,提出自适应改进双树复小波变换的齿轮箱故障诊断方法。首先,利用双树复小波变换将信号进行分解和单支重构,采用粒子群算法将分解后分量峭度值作为适应度函数,选择双树复小波的最优分解层数;其次,对重构出的低频信号进行频谱分析提取故障特征,将单支重构后的各高频分量进行变分模态分解,通过峭度值获得各高频分量经变分模态分解后的主频率分量信号;最后,分析各主频率分量信号的频谱,识别齿轮箱的故障特征。结果表明,该方法与双树复小波变换和变分模态分解相比,不仅消除了频率混叠现象,提高了信噪比和频带选择的正确性,而且还提高了从强噪声环境中提取瞬态冲击特征的能力。     

基于双树复小波变换的心电信号去噪研究

在心电信号处理过程中,为了避免产生Gibbs振荡现象和严重的频率混叠现象,提出一种基于双树复小波变换,并结合最大后验估计确定阈值的心电信号去噪方法.文中采用了信噪比和均方误差来评价双树复小波变换和离散小波变换两种方法对心电信号的去噪效果.实验结果表明:与传统离散小波变换相比,双树复小波变换去噪更彻底,边界、纹理等特征能较好地保留,可以作为一种生物医学信号降噪处理的新方法.     

改进双树复小波包变换及在故障诊断中的应用

针对双树复小波包分解存在频带错位和频带重叠的缺陷,提出了一种改进的双树复小波包分解算法。该算法通过交换高频子带节点小波包分解后的两节点频带顺序来消除频带错位缺陷,引入切比雪夫滤波器滤去除低频、高频子带理想通带范围之外的频率成分,以消除频带重叠缺陷。将改进双树复小波包谱峭度方法应用于齿轮箱故障诊断,首先将振动信号分解成不同频带的分量,然后利用谱峭度理论自动确定最优带通滤波器参数,获取最佳频带,再采用Hilbert包络解调,准确识别出故障齿轮的转动频率。实验结果表明,该方法能更有效地提取强噪声干扰下的齿轮箱微弱故障特征,验证了该方法的可行性和有效性。     

基于双树复小波变换与样本熵的自适应降噪法

为了实现工程机械结构监测信号降噪效果的评价,将样本熵的概念引入双树复小波分解中,提出基于双树复小波变换（dual?tree complex wavelet transform, 简称DT?CWT）与样本熵（sample entropy,简称SE）相结合的监测信号自适应降噪方法（DT?CWT?SE）。首先,采用双树复小波变换对含有噪声的监测信号进行多层分解;其次,分别计算双树复小波分解所得的各尺度细节分量样本熵与相邻尺度细节分量的样本熵的差值,通过比较相邻各尺度样本熵之差的大小确定双树复小波最优分解层数;最后,根据各尺度样本熵的变化规律确定各层小波系数的降噪阈值,对降噪后的小波系数进行重构以实现信号自适应降噪。仿真分析与实验对比结果表明：该方法对监测信号去噪较彻底,且降噪后的信号失真度小,降噪效果以及保留原信号信息完整性的能力明显优于传统小波阈值降噪法。     

用复小波提取变压器局放脉冲信号特征的研究

研究目的是分析局放信号与其干扰的相位信息特征 ,并以复小波作工具将局放信号特征从强干扰中提取出来。在已有文献研究结果的基础上 ,采用仿真与实验相结合的办法 ,先将时域正交紧支实小波生成正交紧支复小波 ,来研究复小波提取信号信息特征的特点 ,然后利用新生成的复小波的分析结果构造了十种新的、可供选择的综合信息 ,用于局部放电信号分析。研究结果表明 :在提取局部放电信号特征时 ,采用复小波的分析方法 ,能够更全面、更详细地获得原信号特征信息 ;选用所介绍的、合适的综合信息 ,既可对强干扰信号进行抑制 ,又可对局部放电信号进行特征提取 ,实测其效果比实小波分析好。     

基于改进小波包变换的机械设备故障信号捕捉研究

为了避免机械设备出现非常规运行状态,其表现出的故障信号特征能够被准确提取,提出了基于改进小波包变换的机械设备故障信号捕捉的方法。通过定义小波包性质的方式,对机械设备故障信号实施分解处理,完成基于改进小波包变换故障特征的提取。在此基础上,计算机械设备的故障特征熵值结果,根据单值特征参数的实时数值水平,定义特征值捕获区间的范围,完成基于改进小波包变换的机械设备故障信号捕捉方法的设计与应用。实验结果表明,在改进小波包变换原理的作用下,既定机械设备元件在运行过程中表现出的奇异值水平明显降低,对故障信号特征的准确捕获与提取起到较强的促进性作用。     

基于双树复小波变换的三维粗糙表面评定方法研究

针对目前用于提取三维粗糙表面基准面的第一和第二代小波存在的平移变动性与方向性差等缺点,以及最优小波基的选取和小波分解次数的确定等难点,提出将第三代小波变换--双树复小波变换（DT-CWT）用于三维粗糙表面的评定。通过比较三代小波实际重构图像以及仿真三维粗糙表面的误差和最大重构误差,得出了DT-CWT最优的结论;采用频带能量法确定DT-CWT的分解次数,并用仿真三维表面表征参数均方差S来验证得出的分解次数的正确性。最后用DT-CWT对具有分形特征的三维非平稳随机粗糙表面进行基准面的提取,结果验证了所提出方法的有效性。     

基于超声背散射信号递归分析的金属材料微缺陷识别

为了能有效识别金属材料超声检测信号中的微小缺陷回波,使用递归分析方法对检测信号进行分析。通过对超声波背散射信号进行建模,说明其组成要素。在超声检测信号中,缺陷回波信号会对系统的递归特性产生影响。使用递归分析对含0.8mm平底孔人工模拟缺陷的直径为120mm低碳钢棒材试块实验采集的背散射信号和无缺陷背散射信号进行了研究。截取试块检测信号中的背散射信号部分,通过合理的参数选择对其进行递归分析并绘制递归图。通过与实验采集的无缺陷信号的递归图进行对比,发现缺陷信号会在递归图中产生明显的白色交叉条纹带。使用递归定量分析进一步研究了含缺陷背散射信号的递归特征量,结果表明捕获时间(TT)、确定率(DET)与递归熵(ENTR)这三项特征量对缺陷信号比较敏感,在缺陷位置处均会出现明显的峰值。     

基于多重小波变换的信号去噪及其在软测量中的应用

化工生产过程中采集到的数据信号通常具有随机性和非平稳性，附加了各种噪声，以至于影响数据建模的拟合效果和泛化性能。本文基于小波分析的特点，提出了一种对信号数据进行多重小波变换阈值去噪的方法。该方法可去除大部分高频随机噪声，提取真实信号，进而提高数据的置信度。将该方法与小波神经网络相结合并应用于丙烯腈聚合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，提高数据建模的拟合精度与泛化性能。