一种基于线性系统随机共振的弱信号检测方法

从工程中经常碰到的噪声背景下弱信号检测的实际需求出发,提出一种基于线性系统随机共振的弱信号检测方法,与传统的非线性系统随机共振相比,此方法计算量小、检测速度快。采用MATLAB配用的SIMULINK软件,建立线性系统随机共振仿真模拟图,通过调节系统参数或噪声强度,使系统噪声及激励信号达到最佳匹配,从而实现弱信号的检测。仿真结果表明该方法具有可行性。     

基于随机共振的嵌入式检测系统

针对机械振动信号中低频小信号不易检测的问题,设计开发了一套基于随机共振理论的嵌入式检测系统.硬件采用"DSP+ARM"的双CPU结构,软件应用Linux操作系统,使系统性能更加稳定.文中给出了仿真结果,验证了系统可以有效地抑制噪声的影响和准确地提取低频微弱信号.     

基于随机共振和BBS/ICA的轴承故障诊断

针对不同状态滚动轴承振动信号之间的时域波形和幅值谱差别不大,难以判断轴承的运行状态,提出基于自适应噪声的完备经验模态分解（complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN）排列熵和最小二乘支持向量机（least square support vector machine,LS-SVM）的轴承状态分类方法.首先,该方法将采集的轴承振动信号分成一定数目的训练样本和测试样本.然后,对每个样本信号进行CEEMDAN分解,得到多个内禀模态分量（intrinsic mode functions,IMF）,并计算每个样本信号前几个IMF分量的排列熵,将其作为输入LS-SVM分类器中的特征向量.最后,利用LS-SVM分类器对轴承状态进行分类与识别.将该方法应用于4种不同状态轴承的分类中,并与基于原始振动信号排列熵的LS-SVM轴承状态分类进行对比.结果表明：该方法总的分类准确率从后者的62.5%提高到98.75%,有效地证明了本文方法的准确性和优越性.

     

基于小波重构的视频图像文本检测方法

提出一种基于小波重构的视频图像文本提取方法.原始图像经小波分解重构得到特征图像,在特征图像上使用固定尺寸的文本检测器提取图像区域的属性特征,利用神经网络分类器确定该图像区域的属性.实验表明,本方法与基于边缘特征的文本提取方法相比,具有更好的性能.     

基于SCKF方法的非线性随机动态系统故障诊断方法

基于平方根容积卡尔曼滤波方法(Square root cubature Kalman filter, SCKF),研究一类非线性随机动态系统的故障检测与估计问题。SCKF对解决复杂非线性系统的状态估计问题,具有精度高、稳定性优和计算复杂度低等优点。针对发生执行器故障的非线性随机动态系统,采用SCKF估计系统状态,并根据状态估计结果,利用滑动时间窗口技术设计残差信号,检测故障发生。在检测到故障之后,构造增广系统,实现对执行器故障幅值的估计。通过仿真试验验证了所提出方法的有效性。     

基于自适应随机共振高频微弱信号检测

为了实现对微弱大信号的检测,提出了一种基于参数归一化方法和人工鱼群算法自适应随机共振微弱大信号检测的方法。通过对大信号的归一化处理,使得大信号满足了产生随机共振条件,将随机共振输出信号的信噪比作为目标函数,利用人工鱼群算法的实现了对信号最优输出的自适应。仿真结果表明,归一化随机共振结合了人工鱼群算法,能够实现最优信噪比的自适应输出,且是一种适应于任意频率下信号检测方法。     

基于小波包和KPCA的时频域故障检测方法

针对故障检测技术中存在的非线性和信息遗漏问题,在深入分析核主元分析法的基础上,提出了一种新的基于小波包和核主元分析法（KPCA）的时频域故障检测方法.利用小波包对原始信号进行预处理,提取包含时域和频域特征参数构成的特征向量,应用KPCA进行故障检测,同时对液压泵也进行了故障检测.试验结果表明,时域和频域特征参数构成的特征向量很好地反映了故障的特征,与PCA相比,KPCA的主元数目可选择范围宽,该方法对液压泵故障检测有良好的效果.     

基于连续小波变换极值点进行故障检测的研究

介绍了连续小波变换的基本原理 ,以及利用连续小波变换的极值点进行系统故障检测的方法 ,并给出了基于MATLAB的仿真实例 .     

基于小波变换的信号重构

在信号分析中,奇异点和不规则性经常携带有重要的信息．文中利用小波变换模极大值对应的点来提取奇异点,并讨论了如何运用凸集上投影的方法来重构原始信号．     

基于自适应和小波模极大值重构的地面核磁共振信号噪声压制方法

针对核磁共振信号中的噪声,在二进小波变换基本原理的基础上,研究了小波模极大值重构方法,将该方法与自适应滤波方法相结合应用到含噪声信号的干扰滤除中,通过分析包络信号拟合后的初始振幅、平均衰减时间和相位等数据可知,含噪声信号经自适应和小波模极大值重构方法滤波处理后拟合得到的特征参数误差最小且信噪比得到最大的提高。同时,通过实测数据得知采用自适应和小波模极大值重构方法进行噪声滤波后的结果与钻孔结果的一致性较好,验证了本文所提方法的有效性。     

基于小波和神经网络的传感器故障诊断

提出了一种新的基于小波包变换和BP神经网络的传感器突变故障诊断方法。根据小波变换在时域和频域都具有良好的局部化特性对信号特征进行精确定位,根据传感器输出信号的小波包分析提取能量变化率的特征向量,利用BP神经网络进行传感器故障分类。这种方法无需预先建立传感器模型和测量传感器输入信号,通过对小波包系数的削减,减少了冗余数据,提高了故障检测的实时性。仿真实验结果表明了该方法的有效性。     

小波奇异性检测理论在电力系统继电保护装置故障诊断中的应用

首先阐述了基于小波分析的奇异信号检测理论及计算Lip指数 ,定性说明了信号奇异点的奇异程度 .然后以实测的电压、电流信号为例说明了小波变换在奇异信号检测中的实现过程 .最后将其应用于电力系统继电保护故障诊断中 ,简化了Lip指数及奇异点算法步骤 ,取得了较为满意的效果 .     

小波奇异性检测理论在电力系统继电保护装置故障诊断中的应用

首先阐述了基于小波分析的奇异信号检测理论及计算Lip指数,定性说明了信号奇异点的奇异程度．然后以实测的电压、电流信号为例说明了小波变换在奇异信号检测中的实现过程．最后将其应用于电力系统继电保护故障诊断中,简化了Lip指数及奇异点算法步骤,取得了较为满意的效果．     

基于小波包LVQ网络的传感器故障诊断

提出小波包分解提取各个节点特征能量与LVQ神经网络进行故障模式分类的传感器故障诊断方法.小波包三层分解得到各个节点的分解系数,通过一定的削减算法使得故障瞬态信号的特征得到加强,再根据重构的时域信号计算各个节点对应的能量,作为特征向量训练LVQ神经网络.通过正常状态及各种故障模式下的特征数据训练,LVQ网络具有了传感器故障诊断的功能.最后,通过火箭发动机试车台液氢管路流量传感器数据对训练之后的LVQ神经网络进行检验,验证了这种方法的实用性和有效性.     

改进小波包分频算法及在故障检测中的应用

小波包分析方法是一种能有效地进行时一频定位和微弱信号提取的工具．但是小波滤波器组的频域特性和隔点采样会造成频谱混叠,导致分频结果不正确．改进的小波包分频算法根据小波包混频的原因,结合FFT分析进行处理,较好地消除了混频现象．仿真研究表明,该算法在提取微弱故障信息并进行早期故障诊断方面是有效的．     

基于粗糙集的故障诊断方法

利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识，从信息熵的角度分析系统知识不确定性的变化，提出了一种基于粗糙集理论的故障诊断新方法，研究了粗糙集理论在故障诊断中的适用性，在前向推理和反向推理的基础上，给出了针对故障点建立决策表以及利用粗糙集约简所获得的诊断规则进行正、反向故障诊断的步骤，讨论了这种故障诊断方法的诊断性能及其在计算上的复杂度。通过这种方法能够进行故障的寻找和定位，实例分析的结果说明了利用粗糙集进行知识发现及建立智能故障诊断系统的可行件和有效件。     

基于接地故障类型的综合选线研究

根据大量的实际和模拟实验的故障录波数据,分析了影响小电流接地系统单相接地故障选线可靠性的原因。对接地故障的类型进行了分类,建立了基于接地故障类型判别的小电流接地选线方法,并经现场运行证明了选线的准确性和可靠性。     

基于小波的奇异信号检测

介绍了小波变换的基本理论、奇异信号的特性及小波变换用于奇异信号检测的基本原理．并在Matlab下进行奇异信号的仿真试验，取得了理想的效果．实验结果表明，小波变换在奇异信号的检测中是有效的。     

基于小波的奇异信号检测

介绍了小波变换的基本理论、奇异信号的特性及小波变换用于奇异信号检测的基本原理.并在Matlab下进行奇异信号的仿真试验,取得了理想的效果.实验结果表明,小波变换在奇异信号的检测中是有效的.