基于小波包能量熵的鱼类识别研究

提出了一种基于小波包能量熵作为鱼体回波声信号的识别特征量,用以实现不同种类鱼体的分类识别。通过在消声水池中完成鲫鱼、草鱼和鲳鱼三种不同种鱼体的回波声数据提取采集实验,进行了数据预处理,并利用小波包能量熵算法计算鱼体回波声信号的识别特征量,再分别通过BP神经网络和支持向量机两种分类器进行了分类,分类识别效果较好,识别率分别达到了76.1%和82.2%。验证了小波包能量熵对于鱼体回波声信号识别的有效性。     

基于小波包和支持向量机的故障诊断方法研究

基于支持向量机（SVM,support vector machine）对小样本决策具有较好的学习推广性,本文提出一种基于小波包和支持向量机的故障诊断方法,通过小波包分解系数求取频带能量,并根据各个频带的能量的变化提取故障特征,应用LSSVM（least squares support vector machines）进行故障分类。实验结果表明,支持向量机分类器优于传统的BP神经网络和RBF神经网络分类器,识别率较高,具有更强的泛化推广能力。     

小波包分析在滚动轴承故障诊断中应用

根据小波包多分辨原理,对齿轮减速器JZQ250内的轴承振动信号进行处理,在分析滚动轴承振动机理的基础上,利用小波包进行多尺度分解,根据信号与噪声随尺度增加的不同传播特性,低频部分代表信号的发展趋势,正常状态信号趋势单调递增,故障状态信号趋势则单调递减,初步判定轴承的运行状态是否正常。当判定为故障时,选择小波包分解重构后特殊层的信息进行频谱分析,提取其故障特征频率。经对大量实测数据的处理和分析,能够比较准确地识别和诊断出减速器的正常运行状态,内圈、外圈和保持架故障运行状态,具有一定的工程实用价值。     

基于小波包能量熵的混沌序列复杂度分析

混沌密码学是密码学的一个新方向,混沌序列的复杂度是衡量混沌密码学安全性的重要指标.本文将小波包能量熵应用到混沌序列的复杂度分析中,首先将混沌序列进行小波包分解,然后通过小波包能量熵计算方法确定各频段能量大小,从而确定混沌序列的复杂度.通过对Logistic、TD-ERCS和Henon产生的混沌序列进行比较分析,结果表明,小波包能量熵具有全局统计特性,无需引入新参数进行相空间重构.另外,计算方法简单,且不依赖于混沌序列的采样长度与初始值,能有效衡量混沌序列的复杂度.     

基于小波和能量特征提取的旋转机械故障诊断方法分析

轴承和转子系统在旋转机械中是非常关键的部件,小波包对振动故障信号的特征提取是对于旋转机械故障诊断的关键.针对传统的软、硬阈值量化方法在阈值常数偏差和不连续的问题,设计一个可调参数改进的连续函数以用来量化阈值.对于旋转机械转子常出现故障采用振动信号的小波包分解、去噪然后进行小波包能量特征提取.     

基于改进小波包分析的导航设备故障诊断的特征提取

针对故障诊断信号特征提取问题,提出了小波包分析的改进算法,该算法通过对小波包分解系数的重新排序,解决了小波包分析的频带混叠问题,给出了应用改进小波包分析进行故障诊断特征提取的算法,并在此基础上提出了基于改进小波包分析预处理的神经网络故障字典法．通过仿真比较,该方法剔除了样本信号的冗余成分,大幅度地减少了神经网络的规模,加快了网络的收敛速度,为导航设备故障诊断的特征提取提供了行之有效的手段。     

基于小波包分析的高速牵引电机轴承故障诊断研究

简析高速牵引电机轴承故障类型,介绍了LabVIEW和Matlab小波包相结合所开发的高速牵引电机轴承故障诊断测试软件平台。基于此平台,利用高速牵引电机轴承试验站对已知损伤轴承运转产生振动信号的拾取与采集,通过对信号进行小波包分解画出频谱能量图,再经过yulewalk多通带滤波器滤波,然后提取特征故障频率进行故障识别。试验结果验证了其可行性。     

基于小波包和Hilbert包络分析的滚动轴承故障诊断方法

滚动轴承故障诊断是机械故障检测中的一个重要方面。本文提出了一种小波包分析和Hilbert包络分析相结合的方法对轴承进行故障诊断。首先利用小波包分析将滚动轴承的振动信号分解到不同的节点上。然后求出各频段的能量,根据频带能量的变化情况,找出滚动轴承的故障所在的频带,对故障频带的重构信号做包络谱分析,将谱峰处的频率与滚动轴承的故障特征频率进行对比。诊断出滚动轴承的故障。通过对实验中采集到的滚动轴承振动信号进行分析,证明了该方法在滚动轴承故障诊断中的有效性。     

基于小波包分析和Elman神经网的故障诊断方法研究

由非线性电力电子装置组成的电路发生故障时,故障特征信息不易提取和识别。对此提出一种基于小波包分析和Elman神经网的电力电子装置故障诊断的方法,先运用小波包分析法提取电路在不同故障状态下电压及电流信号的特征信息,然后对数据进行归一化处理并作为Elman神经网的输入,由具有智能学习功能的神经元故障分类器完成故障识别和定位。以12脉冲整流电路为例,在Matlab软件下建立电路模型进行仿真实验,结果表明该方法能快速、准确的完成故障诊断。     

基于小波包融合微分熵的运动想象脑电信号处理

针对脑电信号特征提取导致有效信息丢失的问题,提出了一种基于小波包融合微分熵提取脑电信号特征的方法,可以充分提取脑电信号的有效信息。首先对脑电信号进行小波包分解,选取与运动想象相关的频率进行重构,得到脑电信号的时频信息;考虑到脑电信号的非线性特征,提取脑电信号微分熵特征。实验在脑电大赛数据集上进行验证,在不同分类器上分类准确率分别达到了88%和91%,结果表明小波包融合微分熵的脑电信号处理方法准确率明显提高。     

基于小波包分解的船舶发电机轴承故障检测

为了实现对船舶发电机轴承进行故障检测,通过对三相定子电流的Park失量模信号进行小波包分解,求相应子频带小波包分解的均方根值(RMS)作为表征电机轴承的故障特征,以此作为发电机轴承故障诊断的依据。在实验室条件下,选择一款发电机并人为设置轴承故障进行试验验证,实验结果表明,提出的方法能够有效的识别发电机的轴承故障。     

Mobile robot SLAM method based on multi-agent particle swarm optimized particle filter

To overcome particle impoverishment, a simultaneous localization and mapping (SLAM) method based on multi-agent particle swarm optimized particle filter (MAPSOPF) was presented by introducing the idea of multi-agent to the particle swarm optimized particle filter (PSOPF) which is an algorithm for SLAM. In MAPSOPF, agents can communicate and compete with each other and learn from each other. The MAPSOPF algorithm can update the prediction of particle, adjust the proposal distribution of particles, improve localization precision and fault tolerance, and propel the particles to concentrate on the robot's true pose. Compared with standard particle filter (PF), the proposed method can achieve better SLAM precision by fewer particles. Simulations verify its effectiveness and feasibility.     

基于小波变异本质粒子群和模糊熵的图像分割

针对本质粒子群(BBPSO)算法存在易陷入局部最优以及过早收敛的缺点,提出了一种基于小波变异(WM)BBPSO(WMBBPSO)和模糊熵的图像分割算法,利用WMBBPSO搜索使图像模糊熵最大的参数值,得到模糊参数的最优组合,进而确定图像的分割阈值。通过与其它两种BBPSO算法的分割结果比较表明,该算法取得了令人满意的分割结果,算法运算时间较小,能够满足对煤尘浓度实时精确测量的要求。     

基于局部均值分解和K近邻算法的滚动轴承故障诊断方法

将局部均值分解(LMD)和K近邻(KNN)算法结合起来对滚动轴承进行了故障诊断。首先,将LMD应用在轴承振动信号的分解,故障信息被包含在不同的PF分量中,对每个PF分量从时域和频域两个方面进行特征值提取。针对获得的高维特征向量进行PCA降维,最后在低维空间里,基于KNN算法,实现样本状态分类。实验结果表明,不同故障类型的滚动轴承样本均能被正确诊断。     

基于小波变换和粒子群改进的FCM图像分割方法

模糊C均值聚类(FCM)算法是常用的图像分割算法之一,具有无监督、计算简便、软分割等优点。但是,对于含噪声的图像,会受到较为明显的干扰,且对初始值敏感,易陷入局部极小值。针对以上问题,提出一种新的FCM算法。首先,应用小波变换将图像三重分解得到不同尺度的高频和低频系数,应用各向异性滤波对分解后的高频系数进行去噪;然后,将处理好的系数利用小波重构得到处理完成的图像;最后,利用粒子群算法更新FCM的聚类中心,以得到全局最优值。实验结果表明该算法较好地抑制了噪声的影响,具有较好的鲁棒性。     

基于混沌粒子群优化的倒数熵阈值选取方法

基于信息熵的方法是一类重要的阈值选取方法,但现有的最大熵方法存在无定义值问题。为此,提出了基于倒数熵的阈值选取方法。首先给出了倒数熵的定义及一维阈值选取方法,导出了基于二维直方图区域直分及区域斜分的倒数熵阈值选取算法公式;然后考虑到二维倒数熵分割运算量较大,提出利用混沌小生境粒子群算法来寻找最优阈值,避免了算法早熟,提高了搜索精度和算法效率。实验结果表明:二维倒数熵阈值选取的斜分方法在抗噪性和运算时间上优于直分方法;而与基于粒子群优化的二维最大熵方法相比,本文提出的基于混沌小生境粒子群优化的二维倒数熵斜分法在运行时间上降低了约40%,分割效果更佳。      

基于小波粒子群混合算法的图像压缩技术

在小波包变换的图像压缩技术中,小波包基以及阈值的选择对图像的压缩效果有很大的影响,且软硬阈值各有其缺陷。文中提出了一种基于PSO(Particle Swarm Optimization)和小波包变换的图像压缩算法,算法中的适应度函数根据原图像和重建图像间的均方根误差与小波包分解的节点熵值之和设计,该函数被用来选择最佳小波包基并为小波包分解中的细节分量选择单独的阈值,解决了小波包变换设计的结构优化以及自适应阈值问题。实验结果表明,该算法加快了压缩速度,提高了自适应阈值图像压缩算法的适应能力,有较好的压缩性能。