基于小波包特征熵的高速列车监测数据的特征分析

将高速列车在不同工况和速度下的监测数据进行傅里叶分析用来确定各种不同工况信号的频率范围,再对不同工况和速度下的信号进行小波包分解,并重构通频范围内前几个低频带信号,进而建立信号的小波包特征熵向量,不同频带信号的小波包特征熵变化反映了列车运行状态的改变,最后将得到的小波包特征熵向量输入支持向量机进行故障识别。仿真分析结果表明该方法对高速列车故障状态识别是有效、可行的。     

小波包分析在混凝土缺陷检测中的应用

小波包分析具有优越的时-频局部化性能,可以在时-频域以任意精度进行信号分析.针对混凝土内部缺陷诊断,本文采用小波包分析方法将超声接收信号分解到各个频带,然后以各频带能量作为识别混凝土内部质量的特征向量进行缺陷识别.通过试验验证本法可判别出混凝土的内部质量.     

基于LabVIEW的行星齿轮箱故障分析系统设计

针对行星齿轮箱在低速重载的工作环境易导致关键部件发生故障的问题,本文提出了"小波包-峭度-包络"分析方法,基于LabVIEW开发一套行星齿轮箱故障分析系统,系统可读取多种格式的信号数据进行时域显示和频谱分析。通过小波包分解将信号分解到不同频带上,以小波包系数的峭度值作为频带选取准则,对小波包系数峭度值最大的频带进行包络谱分析,搭建行星齿轮箱故障模拟实验台,对采集的太阳轮、行星轮和齿圈故障信号进行分析,成功识别出故障。实验分析结果验证了方法的有效性和系统的可行性。该研究对行星齿轮箱运行过程中实时监测和早期故障识别具有重要意义。     

基于小波包分解的数据融合损伤识别方法

目的为了充分利用来自多传感器的冗余、带噪声数据，提高结构损伤识别的精度．方法利用小波包良好的时一频特性，首先用小波包分解对结构响应进行处理．提取信号的不同特征参数，然后利用不同的特征向量对结构分别进行损伤识别，最后应用融合技术对不同的识别结果进行融合处理．并用一个七层钢结构框架的多损伤识别验证了该方法的有效性．结果结果表明，该方法能够极大地提高了结构损伤识别精度．结论运用小波包分析提取信号的特征参数与数据融合技术进行损伤识别．并使二者有机的结合是结构健康监测与检测的有效途径与发展趋势．     

电厂锅炉燃烧工况特征研究

分析了电厂燃烧锅炉工况诊断技术,提出了基于小波包频带能量分析方法的小波包分解能量特征提取方法．利用小波包分解技术,对稳定与非平稳的电厂锅炉燃烧压力波信号进行能量特征提取,为工况识别提供了有用信息．     

基于小波分析和支持向量机的结构损伤识别

提出了基于小波分析和支持向量机的结构损伤识别两步法.首先利用小波变换分析信号的奇异性来判别损伤发生的时刻;然后提取损伤信号的小波包分量能量,利用支持向量机算法建立SVM模型估计结构的损伤位置.网架结构的数值算例结果表明该方法可以有效地识别结构损伤.     

小波包消噪提高小波网络故障识别性能

针对强噪声背景的高频振动信号,给出一种利用小波包消噪和频带分割技术,根据信号能量在小波包空间的分布特性,提取故障信号特征信息的方法．在小波包空间自适应软阈值去噪,消除白噪声;运用频带分割消除有色噪声,计算各子空间的能量,抽取低维特征矢量,作为小波网络的输入．该方法既提高了小波包神经网络的故障识别性能,又简化了决策网络结构,提高了收敛速度．     

基于小波分析的信号滤波方法研究

论述了小波分析的基本原理,研究了应用小波变换进行信号滤波的方法,通过正交小波包对信号的分解,把频率成分复杂的信号分解到互不重叠的频带,根据需要删除某些频带的信号（噪声）,然后用小波包生包重构算法对信号进行重构,可实现对信号的滤波。给出了应用小波包变换对振动信号进行滤波的实全坷有效地滤除信号中的确定必噪声和随机噪声,可进取出淹没在信号中的非常微弱的特征信息,与传统的信号滤波方法相比具有明显优点。     

基于小波包能量变化率的钢桁架损伤识别研究

提出了一种基于小波包能量变化率的钢桁架结构损伤识别方法.运用Ansys软件对钢桁架结构进行数值模拟,得到结构各节点的加速度响应数据;利用Matlab对加速度响应数据进行小波包分析,然后通过小波包能量变化率指标识别损伤.主要研究了不同损伤位置、不同损伤程度、以及噪声对损伤识别的影响.数值模拟结果表明,小波包能量变化率指标能准确有效地识别损伤,该方法具有较好的鲁棒性.     

基于谐波小波包变换的信号检测

利用二进离散小波变换检测周期性信号时,由于频带间的干扰,微弱成分易被强信号所淹没,为解决此问题,提出一种基于谐波小波包变换的周期性信号检测算法。利用谐波小波函数的盒形频谱结构,根据目标声信号的特点,选择合适的分解层数和分析带宽,由此避免分析频带之间的相互干扰。对实测数据的分析结果表明,谐波小波包变换对于低信噪比下的微弱线谱信号成分有一定的增强效果。     

小波包降噪在风机振动检测中的应用

该文针对小波包变换理论及小波包降噪基本原理,对风机的异常振动加速度信号进行了处理,提取有效的信号特征,滤除干扰.实验结果表明,小波包降噪能够根据实际信号的特征,自适应地选择频带,滤出各种噪声干扰.在此基础上对信号进行频谱分析,可以实现对风机故障的高效诊断.     

基于小波能量的钢丝绳断丝损伤信号处理

提出了利用小波能量作为钢丝绳断丝损伤信号处理的1个特征量．根据Parseval能量积分等式从理论上推导了小波变换系数具有能量的量纲,将小波能量引入钢丝绳断丝信号处理中是可行的．通过对信号进行多层离散小波分解建立了小波能量求解的方程式,计算不同频带内钢丝绳断丝损伤信号的能量值,这些频带内的能量统计是在时域波形上进行的,体现了小波分析具有时频分析能力．最后针对不同的断丝损伤情况,分别求解各个频带内的小波能量值,修正了应用于钢丝绳断丝损伤信号处理的小波能量计算公式．试验结果表明小波能量表征断丝信号的1个特征量是有意义的．     

基于小波包分析的道路信号加速度特征谱提取

道路信号是一个复杂的含有多种成分的时域波形, 具有非平稳性, 同时信号中还存在各种干扰和噪声. 应用小波包的分解与重构算法, 将由加速度传感器测得的离散时域信号的频带进行多层次划分, 并根据被分析信号的特征, 选择相应的频带, 使之与信号频谱相匹配, 从而提高了时-频分辨率, 最后提取出加速度信号的特征谱. 实验结果表明, 小波包分析可以有效地用于分析处理道路信号.     

一种滚动轴承故障的诊断方法

针对滚动轴承的故障特点,提出了一种小波包分析、粗糙集理论和神经网络相结合的轴承诊断方法.利用小波包变换对信号进行适当层次的小波包分解,对信号的频带进行精细的分割,以各个频带信号能量的分布情况作为故障特征量,形成故障诊断决策表;接着根据粗糙集理论进行处理得到更为简明的最优诊断规则;然后根据约简结果,建立了神经网络故障诊断系统;最后以诊断实例验证了该方法的有效性和可行性.     

提升小波包在滚动轴承故障特征提取中的应用

为从滚动轴承振动信号中提取出故障状态信息的特征,针对信号的特点和提升小波包变换性质,采用提升小渡包最优分解法获得故障敏感特征频带,对各频带进行标准化向量特征构造,提取出各个频带的故障特征。结果表明,滚动轴承故障信号的敏感特征频带能量集中明显,故障特征得以有效的提取出来。     

小波包算法在异步电机故障检测中的应用

对电机故障信号利用小波包算法进行分解，应用小波包频率分辨率高的特性，提取出包含电机故障特征频率分量的局部频段进行分析，通过对小波包分解系数与正常无故障时的分解系数相比较，判断有无故障的发生，并在Maflab环境下进行了仿真实验．     

基于小波包分析的数控机床主轴滚动轴承故障诊断

滚动轴承损伤类故障的分析诊断基础是提取故障信息。利用小波包分析对机床主轴滚动轴承振动信号进行分解,求出各频段的能量,提取了轴承故障的特征频率并对故障进行定位,表明了小波包分析方法在滚动轴承故障诊断的有效性和优良性。     

小波包算法在异步电机故障检测中的应用

对电机故障信号利用小波包算法进行分解,应用小波包频率分辨率高的特性,提取出包含电机故障特征频率分量的局部频段进行分析,通过对小波包分解系数与正常无故障时的分解系数相比较,判断有无故障的发生,并在Matlab环境下进行了仿真实验.