基于小波变换与BP神经网络的声发射信号识别

针对现有声发射信号识别参数分析法的不足,提出利用小波变换特征提取与BP神经网络结合的声发射信号识别方法。利用db2小波对声发射信号进行6层分解,将细节特征空间的能量作为声发射信号特征向量;结合声发射信号特点设计和训练BP神经网络,通过实验确定隐层神经元数;用BP和RBF神经网络分别对腐蚀、裂纹和冷凝声发射信号进行分类测试。实验结果表明,提取的声发射信号特征具有较好的区分性能,BP网络在识别声发射信号方面优于RBF网络,这对储油罐安全状况的定量分析具有一定意义。     

损伤声发射信号小波包神经网络特征识别方法

在材料损伤的检测和评价时,为了在大量接收信号中识别有效声发射信号,提出了一种基于小波包特征提取的损伤声信号神经网络识别方法,首先利用小波包全局分解的优势,准确提取非平稳信号的特征信息,建立相应特征向量,对有效声发射信号和干扰噪声信号进行表征;然后根据特征向量和识别输出要求,建立了3层结构的反向传播神经网络对信号进行分析和识别,滤除噪声信号,保留有效声发射信号;最后,在玻璃钢复合材料的声发射实验中,采集了400组信号对该方法进行验证,准确性达到97.5%,能够满足工程需要.     

基于小波神经网络的调制信号识别方法

为了克服神经网络识别类别较多时构建网络复杂、训练速度低的缺点,提出了一种小波变换和阵列式RBF网络结合的方法实现无线通信信号调制类别检测.利用小波变换对常用3种模拟信号和6种数字信号进行多层分解和特征提取,然后利用特征参数通过阵列式RBF网络进行信号调制类别检测.仿真结果表明,小波分析和阵列式神经网络相结合的设计,使无线通信信号调制类型的检测系统在信噪比为-10 dB达到平均辨识率90％以上的性能,同时提高了多类别情况下的检测率.     

海洋平台油气管道疲劳裂纹识别方法

为了将声发射技术实际应用到监测油气平台管道裂纹中,需要解决管道振动干扰以及疲劳裂纹声发射信号有效特征提取的问题,本文提出了概率神经网络结合基于小波包为特征提取的疲劳裂纹识别方法。通过小波时频分析确定钢结构疲劳裂纹声发射信号特征频率范围,并只对包含特征频率的重构声发射信号进行特征提取,再通过概率神经网络进行疲劳裂纹识别。试验结果表明：上述方法能够识别出油气平台管道裂纹,并且具有一定的抗干扰能力,为后续海上油气平台管道测试与实际应用提供了试验依据。     

基于RBF神经网络的光纤陀螺漂移误差辨识

漂移是存在于光纤陀螺系统中使得输出信号产生较大偏置误差的一种不可忽略因素.漂移信号具有非线性、随机性和易受干扰的特点,准确地辨识漂移并有效地对其进行补偿直接关系到惯性导航系统的测量精度.提出采用多尺度小波分析和RBF神经网络两个模型对漂移误差进行辨识,可以有效提高辨识精度.应用多尺度小波分析方法消除高频噪声,改善信噪比,把消噪信号作为神经网络期望输出,然后利用离线事先学习的RBF网络辨识漂移误差,并且采用带有遗忘因子的梯度下降算法来确定RBF神经网络隐含层基函数的中心位置、宽度和输出层权值的大小.仿真结果表明,该方法可以快速、有效、高精度地辨识并补偿漂移误差.     

局域波神经网络海洋平台AE信号识别研究

为了研究海洋平台结构声发射信号的特征,将近期发展的局域波法和神经网络相结合应用于提取识别中.首先,将海洋平台结构声发射信号进行局域波分解,得到自适应的基本模式分量,然后从各基本模式分量中提取能量特征参数作为神经网络的输入参数来识别海洋平台结构的声发射信号.通过对海洋平台结构模型声发射信号的实验数据分析表明,以局域波法提取各频带能量作为特征参数的神经网络方法可以准确、有效地识别海洋平台结构声发射信号,从而为海洋平台结构声发射信号特征提取识别提供了一种新的方法.     

基于LPMCC特征和小波RBF网络的语音识别

小波神经网络是结合小波变换理论与人工神经网络思想而构造出来的一种"新型的神经网络模型",融合了小波变换良好的时频局域化性质及神经网络的自学习功能。它通常可看作RBF网络的推广。本文构建了一个以Morlet母小波作为小波基,代替RBF网络中的激活函数的小波神经网络结构,并采用线性预测美尔倒谱(LPMCC)作为特征参数,进行了孤立词语音识别。实验结果表明此种方法抗噪性能好,识别效率高。     

基于声发射技术的减速顶故障诊断

针对实际的铁路编组站中主要采用原始人工脚踩踏方法检测减速顶效率低、受主观因素影响较大等问题,应用声发射检测技术对减速顶进行故障诊断分析.采用傅里叶变换、小波变换和小波能量法对采集到的声发射信号进行特征提取,建立三层BP神经网络对减速顶的工作状态进行判断.实验结果显示:所建立的BP神经网络对正常与故障减速顶的输出错误率为12.5%与16.1%.由此可判断声发射技术基本满足实际生产过程中故障判断的要求.     

基于小波分析-最小二乘支持向量机的转子碰摩故障诊断

针对不同材料碰摩声发射信号分类识别的问题,利用小波分析良好的时频特性和最小二乘支持向量机解决小样本、非线性、高维模式识别问题的优势,提出一种小波分析与最小二乘支持向量机结合的分类方法.声发射信号进行小波多尺度分解,将分解获得的各尺度能量百分比作为最小二乘支持向量机的输入,用于声发射信号分类识别.实验结果表明:该方法可以明显识别出转子碰摩故障信号以及分类不同材料的碰摩信号.     

岩石声发射测量地应力信号处理技术研究

针对目前岩石声发射信号处理存在的问题,在对岩石声发射技术和信号处理技术归纳的基础上,对比了目前各种信号处理的方法,指出了小波分析理论满足岩石声发射信号处理的要求;接着,利用频谱分析等找出岩石声发射信号的频率范围;进而,通过分析研究得到合适的小波基、阂值形式;最后,对信号进行分解、去噪、重构和压缩．经理论分析和实例结果说明,借助Matlab软件,应用小波分析和小波包分析理论,可有效进行岩石声发射信号分析和处理．