基于改进小波阈值算法的矿用钢丝绳损伤检测信号去噪方法

在矿用钢丝绳损伤检测中,信号去噪对损伤检测信号特征提取与定量识别的准确性有着直接的影响。针对小波阈值算法在钢丝绳损伤检测信号去噪中的应用,在Donoho的软、硬阈值去噪方法的基础上,提出一种改进的小波阈值算法,该算法解决了硬阈值去噪效果不佳与软阈值过度光滑导致信号失真的难题,完整地保留了钢丝绳检测信号中的小奇异信号,去噪效果明显优于传统的阈值去噪方法。     

矿用钢丝绳断丝特征的识别

金属磁记忆检测技术能够检测矿用钢丝绳的断丝也能评估其应力集中部位,但是钢丝绳检测一般需要实时在线检测,检测的磁记忆信号混有许多噪声,为了能够提高钢丝绳断丝识别率,需要对检测信号进行降噪处理。采用集合经验模态分解(EEMD)对检测信号降噪结果看出,此方法明显比小波降噪方法好很多,提出了一种筛选本征模态函数(IMF)的方法。     

基于Shannon熵的钢丝绳断丝损伤信号小波包去噪研究

以钢丝绳断丝损伤信号去噪方法为研究背景,采用基于Shannon的小波包分解进行信号的降噪处理。Shannon熵作为信息代价函数,进行最优基的选取。建立差值信号Shannon熵与阈值之间的关系曲线,发现差值信号Shannon熵越大则表明该阈值去噪效果越好。采用均方根误差对去噪结果进行评价,验证了该去噪方法在钢丝绳断丝损伤信号降噪处理时的实用性。     

基于小波分析的钢丝绳断丝检测技术研究

分析了钢丝绳的断丝检测原理,结合目前钢丝绳断丝检测存在的主要问题,提出了基于小波分析的钢丝绳断丝检测方法。在实际检测时,利用正交小波变换与多分辨分析对信号进行分解,剔除断丝信号中的噪声信号后,对信号进行重构。应用这种方法可以准确检测出钢丝绳是否断丝及断丝位置和程度,从而对钢丝绳的性能做出准确的判断,以避免断丝的误判断造成严重的事故和损失。     

钢丝绳断丝检测技术的研究

介绍漏磁法检测钢丝绳断丝技术 ,应用小波变换对钢丝绳断丝检测信号进行了时频分析     

基于局部放电法的矿用高压电缆信号去噪算法研究

干扰噪声直接影响局部放电法有效检测矿用高压电缆故障。基于局部放电法,综合采用理论计算、仿真实验、现场试验的方法,对比分析了短时傅里叶变换和傅里叶分析去噪法的原理和优缺点,提出了一种矿用高压电缆的局部放电去噪算法——小波阈值去噪法,同时,选择了合理的阈值函数和去噪流程。基于此,采用白噪声和连续周期信号作为高压电缆的干扰噪声,进行了模拟仿真实验。结果表明,小波阈值去噪法可有效抑制白噪声,其中,Db2小波性能和去噪效果最好;同时,现场试验结果显示,去噪后信噪比得到了显著增加,验证了小波阈值去噪法的合理性和可靠性。     

基于多分辨分析的钢丝绳LF检测

小波多分辨率分解能够将信号在不同的尺度上展开 ,因而具有对信号按频带进行处理的能力 ,这对于建立表征识别故障信号的特征以及清除信号的干扰与噪声等方面具有十分重要的意义。目前在钢丝绳LF检测中对断丝信号的处理仍比较困难 ,将它应用于断丝信号的消噪平滑和奇异性检测 ,使得信号更加光滑 ,避免断丝误判 ,同时使奇异点更加明显 ,有效地提高内外部断丝识别和定量检测的准确率 ,实验证明该方法效果明显     

基于BP神经网络的钢丝绳断丝模式识别

钢丝绳断丝检测仪采集到的信号有高频低通等噪声信号的干扰,经过小波分解、重构后滤出干扰信号,采用BP神经网络算法设计钢丝绳检测信号网络系统。实验结果表明,采用BP神经网络算法可以较好地解决钢丝绳断丝信号的定量分析,最后给出了监测信号频谱上断丝信号的定量识别方法。经反复实验,检测结果与实际情况基本一致,证明该检测方法能较准确地对钢丝绳断丝做出定量识别。     

矿用钢丝绳缺陷检测系统的设计与实现

针对国内各种钢丝绳断丝检测仪的检测精度低、检测结果稳定性差等缺陷,研究了一种矿用钢丝绳断丝漏磁信号检测和处理新仪器。仪器采用强磁检测原理,可以实时、在线、定量、多通道地检测钢丝绳的损伤,并提供网络化的服务,对损伤的判定较目前的手段更为科学、准确、合理。     

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