基于小波神经网络的气液两相流流型识别方法

为了克服传统流型识别方法的特点,采用小波分解和RBF神经网络技术来实现气液两相流流型的智能识别。首先测量了水平管内气液两相流的差压波动信号,其次应用小波分解对流型的动态差压波动信号进行了分析并提取流型特征,最后将小波能量特征作为RBF神经网络的输入,从而实现对流型的智能识别。仿真结果表明:该方法能够较好地识别出4种流型,从而为流型的在线识别提供了一种定量的流型识别方法。     

基于IMF能量特征的输油管道内流型识别新方法

应用经验模态分解(EMD)对输油管道内流型的压差波动信号进行分析、提取特征,然后将IMF能量特征作为概率神经网络(PNN)的输入,提出一种新的流型识别方法.实验结果表明:该方法能很好地识别水平管内的4种流型,为流型识别开辟了一条新的途径;另外,该方法优于BP网络且稳定、识别率高,具有可行性.     

应用电导探针技术识别气液两相流流型方法及电导波动信号噪声的辨识

针对垂直上升管的气液两相流流型的识别,提出了一种多电导探针测量系统,该测量系统由3个电导探头组成电导传感器,在此基础上利用INV306型数据采集卡实现了电导波动信号的数据采集。由于各种生产过程的参数进行测量时不可避免地信号中存在噪声信息,通过对信号的小波分解和自相关函数的分析发现电导波动信号为低频信号,且其频率一般不会超过128Hz。又通过对信号进行了小波去噪和傅立叶变换去噪之后发现利用小波分析进行信号的消噪可以很好的保存原信号中的有用部分,其有着傅立叶分析不可比拟的优点。     

水声信号高频小波包能量识别系统模型

对水声信号的识别,提出了高频小波能量法,并构造了一个自动识别系统模型。系统对信号进行小波分解后,取高频子空间能量作为特征向量值进行信号的识别。高频小波能量法可采取小波包与小波两种变换,通过对两种方法的比较显示：高频小波包能量法构造的识别系统能够更好地识别低信噪比水声信号。     

基于小波包能量熵的电能质量扰动识别

提出了一种基于小波包能量熵的电能质量扰动识别方法。该方法对仿真的扰动电压信号进行4层小波包分解,提取小波包能量熵特征向量,利用主分量分析法提取电压信号的小波包特征向量并输入到概率神经网络(PNN)进行扰动识别,实现了扰动样本的最优压缩,简化了扰动分类中神经网络分类器的结构,提高了神经网络扰动识别的速度和精度。仿真结果表明,该方法具有良好的扰动识别能力。     

气液两相流电导传感器测量波动信号的Wigner-Ville分析

流型是两相流中非常重要的流动参量,不同流型下的两相流流动特性及传热传质性能有很大不同。流型也严重影响着两相流参数测量的准确性。利用新近研制的两相流电导传感器,在垂直上升气液两相流管中采集了不同流型下的电导波动信号,采用W igner-V ille分布(WVD)在时频域内处理了电导波动信号,观察到了WVD特征与流型之间的关系,取得了较好的气液两相流流型辨识效果。     

基于小波包和组合分类器的脑电信号分类

为了提高脑思维任务分类精度,提出了一种基于小波包分解和多分类器投票组合的运动想象任务分类方法。该方法利用小波包分解对经过预处理的脑电信号进行分解,提取所有频带上的相对小波包能量特征;根据不同脑思维任务下左右半脑各通道间的差异性对C3、C4两通道求取特定频带上的小波包系数的L-2范数作为特征;采用基于投票策略的组合分类器对两种联合特征进行分类,得到了92.85%的识别精度。实验结果表明,联合特征向量较好地反映了左右手运动想象脑电信号的事件相关去同步（ERD）和事件相关同步（ERS）的本质特性;组合分类器识别效果优于单一分类器。     

基于小波包能量谱的钢轨扣件松脱检测研究

提出了基于小波包能量谱的钢轨扣件松脱识别方法,对获得的振动信号进行小波包分解,结合扣件松脱前后振动信号频域内能量变化,构造损伤指标(DI).在此基础上,开展了5种工况下的轨道结构动力响应测试,进行了轨道结构状态识别分析.实验结果表明:DI能够有效地识别轨道结构状态,且随着松脱程度的增加而增加;同一工况下得到的损伤指标DI变化波动均在±0.5以内,验证了该方法具有很好的鲁棒性和抗干扰能力.     

基于小波包和EMD的断路器机械故障诊断研究

以ZN63A-12型高压真空断路器为研究对象,针对处理高压断路器振动信号时单独使用小波包特征熵或经验模态分解(EMD)特征熵作为特征向量进行诊断正确率低的缺点,将高压断路器振动信号的小波包能量熵、经验模态分解能量熵、经验模态分解能量相结合作为特征向量,采用马氏距离判别法进行模式识别,实现对断路器两种机械故障模式的判别.实验结果表明,该方法准确率达97.40％,具有较高的实用价值.     

小波包分析在刀具声发射信号特征提取中的应用

分析了刀具的切削状态,介绍了刀具的声发射信号检测系统和小波、小波包分析技术,以及小波包频带能量分解方法,提出了小波包分解功率监测特征量提取技术.通过在刀具声发射的一个实例信号中的应用,有效地区分了刀具的两种切削状态,验证了小波包分解功率监测特征量提取方法的可行性.