基于小波变换的奇异信号检测

奇异信号的奇异点经常携带比较重要的信息,它是信号的重要特征之一。证明了小波变换能用来检测信号的奇异性,利用小波变换模的极大值和信号奇异点的关系,可以分析信号局部奇异性。信号局部奇异性用李氏指数来描述。研究了奇异性检测小波基的选择条件。给出了实例分析,结果表明,小波变换在信号奇异性检测和局部化分析方面具有优异特性。     

小波奇异性检测理论在齿轮故障诊断中的应用

在故障诊断中,故障通常表现为输出信号发生突变,因而对信号突变点的检测有非常重要的意义。小波分析是近年发展起来的一门新的数学理论和方法,它以其具备的时域和频域的局部特性,成为信号奇异性检测的重要工具。阐述了基于小波变换模极大值的信号奇异性检测原理,分析了信号奇异点的定位方法及奇异性程度的计算方法。仿真实验结果表明该方法是行之有效的。     

小波包去噪分析在煤层厚度探测中的应用

将小波包去噪的理论应用在煤厚探测信号的奇异性检测中。对实测信号奇异点进行定位,计算出煤层的厚度,为奇异性信号的分析提供了一种新颖的方法。     

基于小波模极大值钢绳芯输送带磁记忆信号的奇异性检测

金属磁记忆技术是检测钢绳芯输送带故障的一种重要方式,小波变换的多尺度瞬态分析为检测磁记忆信号突变点提供了最合适的方法。阐述了基于小波变换模极大值的信号奇异性检测理论,通过应用小波模极大值对钢绳芯磁记忆信号进行奇异性检测,可以准确得到故障点的位置。仿真结果表明,该方法对判断钢绳芯接头发生抽动和断丝位置非常有效。     

基于小波模极大值的煤厚信号奇异性检测

信号的突变性或奇异性通常携带有最重要的信息,小波变换为信号的多尺度瞬态分析提供了最合适的方法。阐述了基于小波变换模极大值的奇异信号检测理论,并将其应用在煤厚探测信号的奇异性检测中,通过计算机语言编程,对实测信号奇异点进行定位,从而判断出煤层的厚度,为煤层厚度探测提供了一种新颖的方法。     

基于小波的矿井主要通风机振动信号噪声消除算法

介绍了小波变换与信号奇异性的关系、判断信号奇异性的“模极大值检测”法则;利用信号和噪声在小波变换尺度上的不同表现,结合矿井主要通风机振动信号的特点,给出了矿井主要通风机振动信号的噪声消除算法,并进行了实例分析。     

钢丝绳断丝检测信号的小波分析

介绍了小波变换的基本概念 ,应用小波变换对钢丝绳断丝检测信号进行了奇异性分析     

基于小波分析的超声波检测信号处理

利用小波变换分析超声波检测信号,判断岩石内部结构,物理力学性质。应用小波变换的多分辨率分析,对岩石超声检测信号进行了时频分析和处理。结果表明,小波变换可以去除信号中的噪声,并能聚焦到信号的任意细节,检测出信号的奇异性,判断岩石的完整、裂隙、节理和断层等结构特性。     

基于小波减噪的滚动轴承故障频率的识别

研究了振动信号局部奇异性在小波变换下的特性,定量分析了小波变换方法的减噪特性。根据滚动轴承故障振动信号和噪声的局部奇异性在小波变换下模极大值在不同尺度上的传播特性不同的特点,利用小波分解和重构算法,对轴承振动信号进行了分解、减噪、重构和谱分析。实验表明,小波减噪方法非常适于低信噪比情况下滚动轴承微弱振动信号的故障频率检测。     

提升罐道故障诊断方法的研究

在分析提升罐道典型故障的基础上， 探讨了采用振动诊断方法对典型故障的检测和诊断的方法． 通过对振动信号采用频域和小波的信号奇异性的分析， 建立了典型故障和信号特征的关系， 为提升容器的安全平稳运行提供了依据．     

小波变换在提升机制动信号识别中的应用

提出用具有多分辨分析的小波阈值法对油压、位移信号去噪，去噪结果显示，小波阈值去噪可以明显地抑制噪声，提高信噪比；利用小波变换具有奇异性检测性能好的特点自动识别开、贴闸油压，效果较好．     

基于小波变换的钢绳芯胶带磁记忆信号处理

 针对钢绳芯胶带工作环境复杂的特点,提出了一种用小波变换对钢绳芯胶带磁记忆检测信号进行预处理的方法。用小波变换模极大值方法对信号进行奇异性检测以及去噪处理,在去除了信号中噪声的同时,有效地保留了信号的奇异性信息。用交替投影法重构信号,极大地减少了重构误差。实验结果表明,实时检测的钢绳芯磁记忆信号含有大量噪声,经小波变换处理后信号平滑了许多,信号的奇异信息也有效地得到了保留。为钢绳芯胶带的故障检测提供了理论依据。     

基于小波奇异性的滚动轴承故障检测研究

基于小波变换的信号奇异性检测原理,提出了信号奇异点的定位及奇异性程度的检测方法,并利用Matlab仿真平台,对故障信号实例进行了仿真和分析。仿真结果表明,与传统的Fourier分析方法相比,该方法是一种简单、有效的检测方法,特别在非平稳信号的监测和机械故障诊断领域。利用此方法可以比较精确地判断出信号发生的奇异点时刻以及奇异程度的大小,并且边缘效应要小得多。     

小波奇异性分析在齿轮早期故障检测中的应用

齿轮早期故障，如齿顶擦伤、点蚀、裂纹等由于故障信号往往淹没在各种噪声成分中，因此很难利用功率谱等传统信号分析方法进行检测。利用小波奇异性分析方法，提取由这些故障所导致的齿轮正常振动信号中的奇异点，可以较好实现齿轮早期故障的识别。     

基于小波的煤炭企业网络流量异常分析与仿真

根据网络流量的信号特性和自相似性,利用小波变换局部放大能力及Hurst和李氏指数的变化与网络流量异常的对应关系,提出了一种基于小波分析的网络流量异常检测与定位方法。根据自相似指数的值在大时间尺度上来判定异常发生,并进一步在小时间尺度下基于李氏指数与信号奇异性的对应关系来分析并定位异常点。此方法通过DipSIF平台所采集的数据进行仿真验证,可有效的检测网络流量异常并定位异常发生点。     

爆破振动信号的小波包分解及各频段的能量分布特征

在结合爆破振动信号具有非平稳、持时短、时域与频域局部化等特性的基础上，通过对爆破振动信号分析技术的简介，得出了小波包分析技术的特点，并在确定小波包分解层数、优选小波包基的同时，运用能量计算公式在MATLAB7.0的语言环境下进行编程，得出了爆破振动信号能量分布的初步规律，为爆破振动信号的进一步研究奠定了理论基础。     

钢绳芯输送带磁记忆检测信号小波分析方法研究

运用金属磁记忆检测技术对在役钢绳芯输送带中钢绳芯进行早期故障检测,利用小波分析对钢绳芯的异常应力集中区信号进行消噪处理和奇异性检测,消除了干扰信号,提高了信噪比,使故障点更加明显,经实验证明,该方法能够准确地检测出输送带内部钢绳芯发生抽动和断丝的位置。     

小波包理论在康明斯汽车发动机故障诊断中的应用

本文概要地叙述了小波变换、小波包理论；利用小波包对KTA50型汽车发动机的振动信号进行分析，证实了小波理论能够对康明斯汽车的发动机信号进行有效的分析和处理，利用小波理论分析汽车发动机的振动信号能够对汽车发动机准确实施故障诊断，为小被包理论在汽车发动机故障诊断领域中的应用提供了例证。     

基于双树FB结构复小波和改进RBF网络的配电网单相接地故障选线方法

在引用双树FB结构复小波的奇异性检测理论和模极大值理论的基础上,提出了改进传统RBF神经网络的优化方法。即将Chaari复小波变换理论与RBF神经网络技术结合,进而实现了基于两者结合的综合选线方法。利用复小波变换提取发生故障后各支路零序电流的暂态信号特征,将其作为改进RBF神经网络的输入向量,再利用RBF神经网络强大的自适应、自学习能力,对特征量进行训练,确保其快速的收敛性以及选线的准确性。仿真实验结果,表明该方法能准确进行单相故障选线。     

钢绳芯胶带故障监测信号小波分析

对在役钢绳芯胶带中钢绳芯进行早期故障监测,利用小波分析对钢绳芯的磁记忆信号异常集中区信号进行消噪处理和奇异性监测,消除了干扰信号,提高了信噪比,使奇异点更加明显,能够准确检测出胶带内部钢绳芯发生抽动和断头的位置.实验表明此种方法的可行性和有效性.