基于GST的谱峭度法及其在滚动轴承故障诊断中的应用

在分析基于短时傅里叶变换、基于Morlet小波变换和基于Wigner-Ville分布的谱峭度法的基础上,文章研究了一种基于广义S变换(GST)的谱峭度法,通过GST计算信号的谱峭度,选出最佳包络信号,并结合频谱分析来自动进行滚动轴承故障诊断。模拟故障信号和实车测试信号分析验证了基于GST的谱峭度法的有效性。     

小波变换的傅里叶变换算法

介绍信号小波变换的概念，讨论它与傅里叶变换的关系，并实现用傅里叶变换算法计算信号的连续小波变换，给出了算例。     

基于EMD和小波变换的信号去噪

本文针对振动信号易被噪声污染的特点,采用了EMD＋小波的方法对振动信号进行去噪处理。即在EMD分解的基础上,利用评估系数辨析出被噪声污染严重的分量,并通过小波变换对噪声Imf分量进行去噪。然后建立仿真信号,验证出EMD＋小波的方法对信号去噪是可行的,最后利用信噪比,与常用的去噪方法进行比较,得出了EMD＋小波方法方便、灵活,不受傅里叶变换的限值等。     

石材平面磨削温度信号的小波分析

采用热电偶夹丝法测量了平面磨削山西黑石材过程中接触弧区的温度。利用小波分析提取信号中各个频率段的成分信息,探讨了石材平面磨削温度信号的频率特征。比较了傅里叶变换低通滤波、小波强制消噪、默认阈值消噪和给定阈值消噪处理等手段对温度信号的消噪结果,结果表明,小波去噪比傅里叶变换滤波更有利于保存信号的高频有用成分,而确定合理的阈值进行给定软阈值消噪比默认阈值更具有可信度。     

小波变换及其在图像边缘特征提取中的应用

讨论了傅里叶变换的缺点及小波变换的定义,分析了小波变换和加窗傅里叶变换的特点。介绍用传统的4f光学处理系统实现小波变换,它在光学图像的边缘特征提取中能够很好地得到应用。     

基于时间序列与小波分离的畸变信号的分析

在所有的煤矿机电设备中,尤以"四大件"(矿井通风机、井下排水泵、提升机和压风机)为最。它们安全稳定的运行是保证煤矿安全的根本。而矿井通风机是煤矿开采过程中必需的辅助设备,它能否正常运行直接关系到煤矿的人财安全与经济效益,因此对风机进行故障诊断研究变得尤为重要。本课题选取矿井通风机的振动信号作为监测和故障诊断分析研究的对象,运用AIC9900设备故障分析诊断仪采集风机振动信号。当风机发生转子不平衡、转子不对中、转子系统磨损和轴承磨损等常见故障时,在采集到的振动信号中必然发生畸变信号,此时如何对应判别轴承故障形式与畸变信号形式便成为首要问题。文章采用的小波变换是一种信号的时间一尺度(时间一频率)分析方法,它可以克服短时傅里叶变换在分辨率上存在的缺陷,具有多分辨分析的特点,而且它能够同时在时域和频域表征畸变信号的局部化特征。时间序列预测就是用已有的数据预测下一个时间的数据,结合时间序列预测的特点,将Matlab神经网络工具箱中的时间序列预测方法应用到预测实例中,从而实现畸变信号的预测曲线。文章在时间序列分析方法基础上综合应用小波包特征提取技术对震动畸变信号的时频信号进行特征提取,并用MATLAB模拟出水泵的各故障状态下产生的畸变信号形式,最终提出一套完整的故障信号与故障类型相对应的诊断系统。     

纱线信号时频分析方法比较

阐述了一种新的时频分析方法——基于Hilbert-Huang变换的Hilbert时频谱分析,并将其应用到纱线信号分析中。以毛条信号为例,将短时Fourier变换、小波分析和Hilbert谱分析方法进行比较,指出Hilbert谱分析能对信号的时频分布做出比短时Fourier变换和小波分析更为精确的描述,从而能更准确地揭示纱线信号中能量在时域和频域同时变化的过程。通过对纱线信号进行时频分析,可以得到每个瞬间的频率变化,进而对其进行在线谱分析,可以实时监测工艺及设备状况的变化,及时发现生产过程中的异常。     

傅里叶变换在数字图像处理中的教学方法探讨

信号与系统中离散信号的傅里叶变换完成了离散信号的空间域和频率域之间的转换,本文将数字图像处理中的频率域图像低通滤波过程实施到信号与系统的教学中,加强了学生对离散傅里叶变换的理解。     

基于图像处理技术的纸张功能信息数字化研究

围绕纸张功能信息数字化的图像呈现问题展开研究,采用图像处理技术,分别从数字图像的获取、傅里叶变换、离散余弦变换、哈达玛变换、Radon变换、小波变换等方面进行分析探讨,研究不同的图像变换方式在纸张功能信息图像处理中的特点。研究表明,各种图像变换方式在图像处理中的应用各有不同,在纸张功能信息数字化的应用中发挥各自的转换优势。     

基于傅里叶变换的家纺图案自动生成技术研究

运用数学和信号学中的傅里叶变换,提出一种家纺图案的自动生成技术。应用MATLAB软件,通过编程将简单图样理解为图像信号,依次经过离散傅里叶变换和离散傅里叶反变换后,得到复杂图案的灰度图。在此基础上利用HSV色彩模型定义复杂图案的色彩特征,从而得到可用于生产的家纺图案。     

提高力学法测量纸浆浓度精度的研究

针对浓度传感器输入-输出关系的非线性、时变性以及纸浆浓度信号的随机性等因素造成的力学法测量纸浆浓度精度低的问题,从纸浆浓度的测量原理出发,采用多项式的最小二乘法估计传感器的非线性关系并自动辨识其时变性,使用短时傅里叶变换对浓度信号的趋势信号和随机成分进行分离并滤除其中噪声成分.将文中的方法应用于生产中,浓度传感器的测量精度和动态特性得到明显改善.     

基于小波分析的航空发动机气动失稳信号分析方法

文章旨在做好航空发动机气动失稳信号的有效分析,通过应用小波变换的方式分析了小波变换的原理,以航空发动机气动失稳信号检测为例分析了小波变换过程的信号失稳检测,信号分析结果表明借助于小波变换的时频分析能力逐渐增强,故障诊断率高,应用价值较好。     

直接染料上染聚氨酯弹性纤维的染色动力学和热力学分析

为更好地控制染料的应用性能和在染色中的性能,研究了直接染料上染聚氨酯弹性纤维及其长丝的染色性能。被染样品通过傅里叶变换红外光谱加以分析,获得的动力学和热力学研究结果与傅里叶变换红外分析结果一致。     

A-伸缩多小波集的一种刻划

基于对A-伸缩单小波集的研究,引入A-伸缩多小波集的概念,将A-伸缩单小波集是伸缩平移tiling的特征推广到A-伸缩多小波集.利用傅里叶变换及相关的集合知识,给出并证明了在L2(Rd)中可测集族{En}m-1n=1是A-伸缩多小波集的充要条件.     

蒸汽爆破对牛骨理化特性的影响

目的:为探究蒸汽爆破对牛骨理化特性的影响,并为牛骨加工提供新的处理方式。方法:以牛骨为原料,采用蒸汽爆破技术制备骨液,使用物质结构分析仪、傅里叶变换红外光谱仪、凯氏定氮仪等对样品进行分析,研究其粒度、硬度、蛋白质含量、钙和磷含量及成分结构的变化。将压强和时间作为蒸汽爆破处理的参数,分别选取5个水平,配对成25组实验。结果:蒸汽爆破后固态牛骨的占比随着压强的增大及时间的延长而减少;牛骨液中蛋白质及钙含量显著增大(P0.05)。特别是高压及长时间蒸汽爆破能够加速牛骨中无机物及蛋白质的流失、弱化骨骼强度、使骨碎片化、增强钙离子的释放率。通过对比傅里叶变换红外光谱图发现,牛骨经蒸汽爆破后,其图谱随着压强的增大和时间的延长逐渐接近羟基磷灰石的图谱,并且C—H键强度的减小证实蒸汽爆破可以有效地减少牛骨中的有机成分。结论:蒸汽爆破技术可作为制备牛骨深加工产品及羟基磷灰石的一种前期处理手段,实现牛骨的高效利用。     

电网谐波电流检测方法分析

对基于瞬时无功功率理论、有功分离、傅里叶变换、神经网络、小波分析等原理的几种谐波检测方法进行了介绍,讨论了各种检测方法的优缺点,指出:未来电力系统谐波检测会向智能化、多功能实用化以及高精度、高速度和实时性好等方向发展.     

电网谐波电流检测方法分析

对基于瞬时无功功率理论、有功分离、傅里叶变换、神经网络、小波分析等原理的几种谐波检测方法进行了介绍,讨论了各种检测方法的优缺点,指出：未来电力系统谐波检测会向智能化、多功能实用化以及高精度、高速度和实时性好等方向发展.     

基于Dropout-CNN的滚动轴承故障诊断研究

针对滚动轴承故障特征很难提取及传统故障诊断方法准确率偏低的问题,提出一种基于Dropout的改进卷积神经网络(Dropout-CNN)结构,可以无需预先提取滚动轴承振动信号的故障特征,直接端到端的实现滚动轴承故障诊断。该方法以振动信号为监测信号,使用傅里叶变换生成振动信号频谱图,以此作为整个系统的输入,利用卷积神经网络强大的特征提取能力可以自动完成故障特征提取以及故障识别。试验结果表明该方法平均诊断准确率高达99. 5%。该方法实现了大量样本下滚动轴承不同故障类型的故障特征自适应提取与故障状态的准确识别。     

基于谐波小波的梳状滤波器设计及应用

针对数字滤波器设计问题,利用谐波小波在频域具有良好的盒形特性,以及傅里叶变换的尺度、线性、频移特性,研究了一种通过叠加多个具有不同中心频率的谐波小波,在频域构建出平顶滤波器的方法;结果表明:基于谐波小波设计的梳状滤波器设计方法易于理解和编程实现,通过合理选择带宽参数即可设计出工程应用所需的高性能多通带滤波器。     

基于小波分析的信号去噪方法研究

介绍了小波变换的基本思想和优点及多分辨率分析的过程,并在MATLAB下利用小波变换工具箱,编写程序实现信号去噪处理,充分显示了小波变换在处理非平稳信号中的优势。