基于小波变换方法的非接触圆度误差检测

针对圆度误差非接触检测过程中噪声对原始信号产生干扰的问题,提出采用小波变换进行信号降噪处理;讨论了小波理论中的快速变换算法及阈值降噪法的基本原理和处理实测信号的具体步骤;分析了基于小波变换的最小二乘圆法评定圆度误差的算法,并推导了其理论模型;运用Matlab小波工具箱通过实验说明了小波分析处理圆度误差的方法和效果。     

基于小波变换圆度误差的检测方法

针对圆度误差在非接触检测过程中噪声对原始信号产生干扰的问题,提出采用小波变换进行采样信号的降噪处理,小波变换具有多分辨率分析的特点,在信号分析处理中能有效区分信号中的噪声,具有良好的去噪能力;讨论了快速小波变换算法及小波阈值降噪法的基本原理和处理实测信号的具体步骤;分析了基于小波变换的最小二乘圆法评定圆度误差的算法,并推导了最小二乘圆的理论模型;运用Matlab小波工具箱并通过试验说明了小波分析处理圆度误差的方法和效果。     

基于小波变换处理圆度误差的测量方法

由于圆度误差是机械零件及其互换性的重要指标,是产品质量的关键,所以对圆度误差进行测量是十分必要的.本文提出一种利用小波变换的多分辨率分析来评价圆度误差的方法,该方法主要利用小波变换尺度函数的低通特性来对圆度测量数据进行处理,以此来提取圆周轮廓,并在此基础上求出它的半径和圆心坐标,进析求出圆度误差.文中也详细地给出了利用小波变换解决圆度误差测量问题的基本原理及其实现步骤,最后给出实验结果.仿真实验结果表明:该方法可以满足圆度误差的测量要求.     

基于小波变换软测量技术在大型回转体中的圆度误差方法研究

针对大型回转体圆度误差难以检测的问题,采用非接触式软测量技术以相对测量方法采集大型回转体零件回转面的实测信号,基于小波变换消噪滤波的方法,快速分解提取实测信号中的圆度误差信号,通过圆度误差的评定计算大型回转体的圆度误差。结果表明:该方法能够有效提取大型回转体实测信号中的圆度误差信号,通过实例计算,某2000 mm直径回转体的圆度误差为0.32 mm,该方法为大型回转体圆度误差计算提供一定的理论依据,具有一定的实际应用性。     

柔软棒材端面几何形状精密图像检测技术研究

研究了柔软棒材几何形状的测量原理,提出一种基于亚像素图像测量技术的香烟滤棒圆周长和圆度误差精密检测方法。该方法采用小波变换进行图像去噪处理,用Sobel算子提取图像边缘,用改进的随机Hough变换提取单像素圆边界,用Zernike矩进行边缘亚像素校正。最后给出了圆周长和圆度误差的评定方法与检测结果。     

基于经验模态分解方法的圆度误差评定方法研究

针对圆度误差测量过程中因干扰信号影响估计精度的问题,提出基于经验模态分解的圆度误差评定方法。圆度误差测量数据包含多种信号成分,其中圆度误差信息只包含于表面形状误差信号,表面粗糙度误差信号、表面波纹度信号及噪声信号为干扰成分。利用具有数据自适应性的经验模态分解对圆度测量信号进行分解,实现各类信号成分分离;采用信号波数作为各信号成分的分离指标,实现形状误差信号提取,并利用其估计结构圆度误差。通过数值仿真和实例分析验证方法的有效性。     

超精密车削加工中的圆度补偿

本文展示了这样一种可能性，即综合计算机、动态检测、信号处理、控制理论、微位移技术等，开发一种主轴回转运动误差补偿技术，来提高超精密车削工件的圆度。在国产Ｓ１—２３５超精密车床上进行切削试验表明：工件圆度可改善５０％以上，圆度值优于０．０５μｍ．     

超精密车削加工中的圆度补偿

本文展示了这样一种可能性，即综合计算机，动态检测、信号处理、控制理论、微位移技术等，开发一种主轴回转运动误差补偿技术，来提高超精密车削工件的圆度在国产S1－235超精密车床上进行切削试验表明：工件圆度可改善50％以上，圆度值优于0．05μm。     

多测头圆度估计的PCA误差分离方法

针对多测头圆度估计过程中因干扰信号影响估计精度的问题,提出基于主成分分析的圆度误差分离方法。圆度误差测量数据包含多种信号成分,其中圆度误差信息只包含于表面形状误差信号中,主轴回转误差及噪声信号为干扰成分。利用主成分分析方法对圆度测量信号进行分解,实现多测头数据融合并实现各类信号成分分离;采用信号波数作为各信号成分的分离指标,实现形状误差信号提取,并利用其估计结构圆度误差。通过数值仿真分析验证方法的有效性。     

单一缺陷航天轴承的摩擦力矩判据

轴承套圈的圆度、表面粗糙度以及沟道形状误差都是影响灵敏轴承摩擦力矩的重要因素,以陀螺仪框架灵敏轴承为研究对象,对轴承外圈沟道形状误差、内圈沟道形状误差、内圈沟道圆度和内圈沟道表面粗糙度超差时的动态摩擦力矩进行了试验,运用Matlab,Fourier变换和小波分析等数学工具,通过对一些参数指标的计算和分析得出了辨别该轴承缺陷的初步判据。     

基于小波变换的盲信号分离的神经网络方法

提出一种新的盲信号分离的神经网络方法,该方法将小波变换和独立分量分析(ICA,Independent Component Analysis)相结合。利用小波变换的滤噪作用,将混合在原始信号中的部分高频噪声滤除后,再重构原始信号作为ICA的输入信号,有效地克服了现有ICA算法不能将噪声从源信号中分离的缺陷。实验结果表明,将该方法用于多通道脑电信号的盲分离是很有效的。     

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。     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法。利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号。通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能。模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计。     

基于小波变换的基波提取和频率测量

为了提高小波变换提取信号基波和测量频率的精度 ,采用分频特性较好的小波对信号进行滤波 ,并研究最佳分解级数的问题。在频率测量中 ,针对低频噪声的影响 ,提出极大值误点的判别方法 ,采用最小二乘法估计基频 ;针对非整周期采样误差的影响 ,采用抛物线插值的方法加以解决     

采样信号时频特性的复合材料损伤检测

一种时频数据处理方法被应用于复合材料损伤检测。根据小波变换的框架重构理论和小波变换时频相空间理论,提取了信号的时频域特征,通过比较原信号的时频空间和小波变换相空间的相同部分,得到了能反映原信号同样时频特征的小波级数展开项和,应用Ｇｒａｍ－ｄｓｃｈｍｉｄｔ正交化方法,按照一定准则,对所得到的小波级数展开项的线性组合进行正交处理,用代数数值方法,从已知采样数据分布集合得到了对应于曲线本身时频特征,经过     

小波变换的流体压力信号自适应滤波方法研究

为了有效地消除流体压力信号中的噪声,提出了一种基于小波变换的自适应滤波算法,该算法针对信号和噪声经小波变换后在不同尺度上的特征不同,先对信号进行小波多尺度分解,然后对各尺度分解的信号分别选用不同的滤波参数,进行自适应滤波处理,并用该方法对液压系统运行中采集的压力信号进行降噪处理.试验结果表明,该方法比普通的自适应滤波方法能更有效地消除流体压力信号中的噪声.