动载荷识别的小波级数分解法阶次确定

在基于正交小波级数分解法的分布动载荷识别过程中,由于小波级数阶次的不适当选择,造成载荷识别的不准确或计算量庞大。通过矩阵的谱分解,根据Parseval定理,信号在时域中的总能量和频域中的总能量是相等的,给出了随着阶次的增加而趋于收敛的小波级数系数幅值的包络线,将没有确定解析规律的小波级数系数解析化,得到确定的小波级数阶次与载荷识别相对误差的函数关系。根据实际工程需求的识别误差等级来选取小波级数的阶次,给出了待识别动载荷级数分解时选择阶次的理论依据。计算机仿真分别采用单频、多频、实际载荷信号,试验系统采用冲击载荷加载,验证了该定阶方法的正确性和有效性,结果表明定阶理论适用于不同载荷类型。     

基于奇异值分解的ERA改进算法及模态定阶

研究了一种基于奇异值分解的ERA改进算法和模态定阶方法。在奇异值分解基础上,根据选定阶次在动态系统中所占比重,提出一种模态定阶指标——奇异值百分比,将该指标应用在改进后的特征系统算法中。首先,利用脉冲响应信号构造初始Hankel矩阵,对此矩阵进行奇异值分解生成去噪后的信号矩阵;其次,根据Cadzow算法重构Hankel矩阵;最后,利用奇异值指标确定模态阶次。通过仿真算例验证了改进后的特征系统实现算法具有良好的抗噪能力,利用定阶指标能有效确定模态阶次、剔除虚假模态,对于阻尼识别精度更高。应用该方法对某三厢车排气系统进行了模态参数识别,通过与LMS系统识别结果比较验证了方法的准确性。     

平稳小波自适应去噪用于曲轴瞬时角加速度测量

针对曲轴角加速度测量中的噪声放大问题,构造了基于平稳小波变换的自适应去噪方案。该方案以小波系数能量熵最小为原则选择小波函数,根据各层小波方差的变化速率确定所需的分解层数,并由小波系数幅值分布状态决定阈值的生成准则。对比了平稳小波自适应去噪与常用的6阶Butterworth滤波器对曲轴角加速度噪声的抑制能力。结果表明,当柴油机状态正常时,两种方法去噪得到的结果相当;当柴油机高速轻载运行且有连续失火故障时,只有平稳小波自适应去噪能保留由失火引起的局部高频振荡信号。     

静电放电能量耦合建模数据的小波去噪

为提高静电放电能量耦合模型的精度,使用小波阈值去噪法对采集到的信号进行处理。选用db系列小波作为小波基函数,根据信号的频谱宽度确定小波阶次,使用启发式阈值原则和软阈值处理方式,通过不同分解层数下去噪效果的对比,最终确定分解层数。结果表明小波去噪法能够有效地去除静电放电信号的噪声,且信号失真小、保留了信号的高频细节。     

基于小波包分解与主流形识别的非线性降噪

为解决工程实际中强噪声、非线性且频率成分复杂的振动信号降噪问题,提出了基于小波包分解和主流形识别的非线性降噪方法。采用小波包分解将原始振动信号正交无遗漏地分解到各频带范围内,根据各子频带中信噪空间分布,分别采用相应参数对小波包分解系数进行相空间重构;采用局部切空间排列(local tangent space alignment,LTSA)主流形识别方法在高维相空间中实现信号与噪音的分离,并重构出降噪后的一维小波包分解系数,最后进行小波包分解重构得到降噪后的振动信号。通过仿真实验和实例应用对本文所提方法的有效性进行了验证,试验结果表明本文方法具有良好的非线性降噪能力。     

基于连续小波变换的滚动轴承外圈故障检测

提出了用连续小波变换与傅里叶变换相结合进行轴承外圈故障识别的新方法。先通过Morlet连续小波变换对故障轴承信号进行不同尺度的分解．再对其获得的小波系数进行快速傅里叶变换来识别故障特征频率。然后对不同信号做小波系数能量谱进行对比。优点在于能够在强噪声背景下较为精确的识别外圈故障。实际测试验证了新方法的正确性。     

小波分析在柴油机监测信号处理中的应用

研究了小波分析在柴油机监测信号处理中的应用，提出了基于小波变换的特征提取方法。在简要讨论了小波变换及基本性质之后，探讨了利用小波分解序列的特征信息量确定信号特征频带的方法，并给出了分析实例。     

一种自适应小波消噪方法

为了消除噪声对被测信号的干扰,有效提取信号中的有用成分,根据信号和噪声小波变换系数的不同特性,在分析了传统阈值方法局限性的基础上,提出了一种自适应小波消噪方法.该方法首先对被测信号进行小波分解,并改进了阈值量化公式,使其具有能量分布自适应的降噪能力;然后,利用类别方差作为判别依据,选取使得类别方差最大和类内方差最小的阈值作为最佳的阈值.并根据每层分解后的小波系数进行自适应的阈值确定;最后,对信号进行重构,通过分解、阈值处理和重构等过程实现小波消噪.仿真信号和轴承故障诊断的实例结果表明该方法可在强噪声背景下消除噪声干扰,有效提取出滚动轴承的早期故障频率.     

基于小波空间适应的核磁共振碳谱信号消噪研究

本文讨论了小波空间适应的核磁共振谱信号消噪方法，选取具有7阶消失矩的Symmlet小波将受非白噪声污染的碳谱信号进行多层分解，利用每层小波变换的细节系数估计逐层细节系数中噪声均方差σj，选取各层阈值σj√2lnn（n为细节系数长度），对小波分解的各层细节系数进行分别阈值处理，然后进行信号重建，以达到对信号消噪和提纯，实验结果表明，这种去噪方法是非常有效的，它在消除噪声的同时保留了信号的奇异特征。     

基于瞬时故障特征频率曲线提取的变转速滚动轴承故障诊断

提出了一种基于瞬时故障特征频率曲线提取的阶比分析诊断方法，首先，采用希尔伯特变换获得滚动轴承振动信号的包络信号；然后，采用同步挤压小波变换对包络信号进行时频分析，根据所得时频图确定滚动轴承瞬时故障特征频率曲线的频率范围，经过阈值处理、频率校准、曲线拟合估计瞬时故障特征频率；最后，根据瞬时故障特征频率进行等角度重采样及频谱分析获得阶比谱，根据故障特征系数和阶比谱图判定轴承故障。     

角加速度信号自适应小波的去噪方法

针对多扰动、大负载环境下角加速度计输出信号中含有脉冲噪声和高斯白噪声的情况,提出一种改进的离散小波阈值法与中值滤波算法相结合的角加速度计信号自适应去噪算法。首先,使用中值滤波对原始信号进行去除脉冲噪声的预处理;其次,使用分解层数的自适应确定方法与改进的阈值选取准则,通过离散小波阈值去噪法去除高斯白噪声。仿真结果表明,该算法能够有效地提高信噪比,降低最小均方误差。实验结果表明,该算法既能去除分子型液环式角加速度计信号中噪声,又能很好地保留真实信号中的高动态部分。     

基于DCT变换的图像融合方法研究

提出了一种基于离散余弦变换(DCT)以及一种结合小波变换与DCT变换的图像融合新方法。前者将源图像进行分块DCT变换,依据DCT系数的高频能量,对源图像的对应区域进行融合。后者利用DCT系数的高频能量对小波分解后得到的低频子图进行融合,同时以此为依据对小波最高分解层的小波高频系数进行选择,其他分解层的小波高频系数依据最大局部方差准则进行融合。依照平均误差、峰值信噪比以及均方根误差等客观评价标准,将新方法与其他常用的基于小波变换或DCT变换的融合方法进行了比较。实验结果表明,结合小波变换与DCT变换的图像融合新方法获得的融合效果优于其他方法。该方法与常用的基于小波变换的融合方法相比,其平均误差减少了40.8%~69.5%,峰值信噪比提高了9.9%~15.6%,均方根误差减少了34.8%~47.5%,评价结果与目视效果相吻合,表明该方法能有效地提高图像融合的质量。基于DCT变换的图像融合新方法的融合效果仅次于结合小波变换与DCT变换的图像融合新方法且其计算量相对较少,适用于实时处理。     

基于LCD的自适应小波脊线解调及齿轮故障诊断

针对最佳小波参数的设定和齿轮裂纹故障振动信号频率成分复杂、信噪比低等问题,将遗传优化算法、小波脊线解调与局部特征尺度分解(local characteristic-scale decomposition,简称LCD)相结合,提出了基于LCD的自适应小波脊线解调方法。首先,采用LCD方法将原始信号分解为若干个内禀尺度分量(intrinsic scale component,简称ISC),并通过选择蕴含特征信息的ISC来实现信号降噪;然后,以小波能量熵为目标函数,采用遗传算法优化小波参数,得到自适应小波;最后,通过自适应小波分析提取ISC的小波脊线,从而实现对原始信号的解调分析。通过齿轮裂纹故障诊断实例验证了该方法的有效性和优越性。     

基于小波包-包络分析的故障特征提取方法

针对齿轮、滚动轴承等的早期损伤类故障，提出将小波包分解作为包络分析的前置处理手段以提取振动信号的故障信息特征。在简述小波包基本原理的基础上．通过仿真信号．对振动信号的具体处理过程进行分析，并对可能遇到的问题．提出处理办法．然后应用于诊断实例。结果表明，该方法能够自由确定振动信号的频带划分并全面获得各频带内隐含的故障特征，且易于实现，有一定的工程应用价值。     

光纤光栅传感网络的冲击定位方法

针对航空航天层合板结构冲击与振动监测的需求,提出一种基于小波包分解方法和分布式光纤光栅传感网络的板状结构低速冲击辨识方法。根据四边固支板结构的承载形式与光纤光栅传感器的感知特性,设计合理的传感器网络布局,再利用快速傅里叶变换(fast Fourier transformation,简称FFT)与小波包分解对光纤光栅传感网络监测到的冲击响应信号进行时频域分析,获取能表征冲击特性的时域特征分解信号。在此基础上,分别计算出每一个特征分解信号与其对应的时域原始信号之间的互相关系数,并将其做为相似度分配权值,分解出所有样本冲击点对应冲击响应信号的特征分解信号,构建样本信息库。利用Haudorff距离计算测试信号与样本信息库各个信号之间的相似度,并根据相似度来确定冲击点的位置坐标。研究表明,该方法能够实现对航空航天层合板结构低速冲击位置的辨识。     

超声波测距系统中的小波去噪方法研究

针对远距离超声波测距系统中回波信号信噪比低的问题,采用小波变换对超声波的回波信号进行去噪处理.为取得较好的去噪效果,对小波变换的参数选取进行了研究.根据小波基的特性,通过能量与能量熵选取最优小波基;基于回波信号噪声的白噪声特征,采用白噪声检验自适应确定分解层数;引入参考噪声信号,确定小波系数处理阈值,并选用一种结合软、...     

结合复小波包变换及频谱校正的机械转子碰摩故障诊断方法研究

针对机械转子系统中碰摩故障发生时故障特征微弱及识别困难的问题,提出一种结合双树复小波包变换及频谱校正的故障诊断方法。首先对于振动位移信号中工频基波成分,采用频谱加矩形窗的频谱校正方法识别其谐波信息,通过构造补偿信号进行对消,以减少其对后续特征提取的影响。其次通过双树复小波包对补偿过的信号进行多尺度分解;最后对小波包子空间信号进行希尔伯特包络解调分析,通过瞬时幅值及瞬时频率信息诊断转子的动静碰摩故障。在转子实验台上进行了实验验证,结果表明提出的方法能有效提取转子碰摩产生的微弱故障特征。     

Induction motors airgap-eccentricity detection through the discrete wavelet transform of the apparent power signal under non-stationary operating conditions

Fast Fourier transform (FFT) analysis has been successfully used for fault diagnosis in induction machines. However, this method does not always provide good results for the cases of load torque, speed and voltages variation, leading to a variation of the motor-slip and the consequent FFT problems that appear due to the non-stationary nature of the involved signals. In this paper, the discrete wavelet transform (DWT) of the apparent-power signal for the airgap-eccentricity fault detection in three-phase induction motors is presented in order to overcome the above FFT problems. The proposed method is based on the decomposition of the apparent-power signal from which wavelet approximation and detail coefficients are extracted. The energy evaluation of a known bandwidth permits to define a fault severity factor (FSF). Simulation as well as experimental results are provided to illustrate the effectiveness and accuracy of the proposed method presented even for the case of load torque variations.     

一种改进的谐波小波及其在转子故障诊断中的应用

在Newland谐波小波的基础上,提出一种改进的谐波小波,该改进的谐波小波具有对称的盒形频谱,其伸缩和平移生成的小波族构成L2(R)空间的正交基,在保持Newland谐波小波的优良性质基础上,信号分解与重构更为简单。利用仿真算例研究改进的谐波小波对微弱局部信号及强噪声背景下的有用信号提取能力,并与DB8小波分析进行比较,结果表明,改进的谐波小波具有更好的信号提取效果。针对转子故障信号特征频率通常为转速频率的分数及整数倍特点,采用该改进的谐波小波提取转子故障信号中的倍频分量,利用实测的不平衡、不对中、碰摩及油膜涡动四种转子故障试验数据,提取了故障信号中的0.5、1.0、1.5、2.0、2.5、3.0、3.5、4.0、4.5及5.0等倍频分量,结果验证了方法的有效性。     

基于小波神经网络的电路故障诊断方法

本文根据小波神经网络故障诊断的基本思想,提出了一种基于“小波系数特征故障”的小波预处理神经网络模拟电路故障诊断方法。实验仿真结果表明,使用该方法提取故障特征加快了BP神经网络的训练速度.能迅速有效地进行故障检测和定位。