刀具磨损声发射信号小波分析中小波基的选取

针对在用小波理论分析刀具磨损声发射（AE）信号时选取不同的小波基对分析结果有重要影响的问题,通过对小波基性质和刀具磨损AE信号特点的研究,从理论上分析了小波分析中刀具磨损AE信号处理中小波基选取的方法。在试验验证过程中,根据信号在小波包分解前后遵循能量守恒的原理,用四种小波基对刀具磨损AE信号进行三层小波包分解。以经小波包分解后AE信号各频带上的频带能量为特征参数,比较四种情况下特征参数的变化,验证了理论分析的正确性。     

基于小波包分析的拉索损伤声发射信号特征提取

结合显式有限元和小波包分析技术开展了拉索损伤声发射信号特征提取的仿真分析。采用ANSYS/LS-DYNA模拟得到拉索损伤声发射信号的仿真信号,基于小波包能量谱对拉索声发射的有限元仿真信号进行了特征提取,从小波包分解层次、特征频带数量的选择及特征参数的噪声鲁棒性三个方面开展了讨论分析。结果表明:(1)通过选择适当的小波包分解层次,小波包能量谱可以精细地反映信号的特征;(2)选取少数特征频带就能使得小波包能量谱反映声发射信号的特征信息;(3)基于小波包能量谱的特征参数具有良好的损伤敏感性及噪声鲁棒性,能在强噪声影响下实现对拉索不同损伤类型的判别。     

基于小波包和LMS自适应降噪的柴油机振动诊断

由于柴油机振动信号的特征频带和噪声频带存在重叠现象,利用小波阈值消噪时难以选取合适的小波阈值,针对该问题提出一种基于小波包的LMS自适应滤波降噪方法。该方法将小波包与LMS自适应滤波相结合,首先利用小波包变换对信号进行多层分解,然后以噪声干扰对应尺度上的第一层“细节”分量及最大分解尺度上的逼近分量重构信号,将重构后的信号作为LMS自适应滤波器原始输入信号,再以小波包最大分解尺度上的高频细节信号作为自适应抵消器的参考输入信号,进行LMS自适应滤波降噪处理。仿真计算和工程应用表明,该方法参数设置较少,易于控制,不涉及小波阈值降噪中阈值的选取问题,对比试验信号的分析验证了方法的有效性,将该法应用在柴油机振动诊断中提高了故障识别率。     

小波能量法在车辆变速箱故障诊断中的应用

本文利用小波包分解与小波能量谱分析了车辆变速箱的振动信号,确定了变速箱故障特征频带范围,并对该特征频带范围的小波系数进行了重构,分析了重构信号的频谱,确定了变速箱故障的位置,验证了小波能量法对变速箱进行故障诊断的有效性.     

听觉小波包在舰船噪声分解与重构中的应用

舰船噪声的分解和重构对于舰船噪声特征提取与听音分析都具有重要作用。采用多分辨分析理论对噪声进行分解和重构只能对低频进行精细化处理,但对高频却难以达到理想效果。正交小波包分析可以在任何欲处理的频带内进行可允许的任意层次分解,但分解的小波包树的结构难以确定,没有明确的构造导引方法。将Bark频率群的理论引入小波包树结构的选择,提出构造听觉小波包树结构的方法,构建了基于db6小波的采样率为44.1 kHz的听觉小波包。采用该听觉小波包结构对四型舰船噪声信号进行分解、子带加权和重构,频谱分析和听音分析都表明重构噪声特征更加清晰。     

提升小波包最优基分解算法在爆破振动信号分析中的应用研究

针对工程爆破网络监测与预报系统对精度、效率的要求,本文提出将提升小波包最优基分解算法应用于爆破振动信号的降噪处理及能量特征提取。在提升小波包多尺度变换的基础上,通过对最优基搜索算法的改进满足了复杂信号在线处理对算法的需求,结合应用实例验证了该算法能够有效滤除实测信号中的干扰噪声,并准确获取信号在各频带的能量分布特征。提升小波包最优基分解算法在爆破振动信号分析中的应用为爆破振动危害的研究和控制提供了分析基础和技术支持,具有良好的应用前景。     

爆破条件对爆破震动信号分析中小波包时频特征的影响

非平稳信号的小波包分析是在小波变换基础上发展起来的 ,它对小波分析中没有细分的高频部分进一步分解 ,从而能够对信号局部信息进行更为精细的掌握。爆破条件是影响爆破震动时频特征分布的主要因素之一。本研究中 ,针对在不同段药量、不同微差间隔时间及近似相同的其它条件下产生的爆破震动信号 ,运用小波包分析方法对其进行了时频分析 ,主要探讨了段药量、段微差间隔时间对爆破震动时频分布的影响规律。段药量对爆破震动波形时频特征的影响主要体现在各层小波包主振频带内的细节信号峰值质点振速方面 ,各细节信号的峰值质点振速随段药量增加而增大 ,但主振频带分布保持基本的一致性 ,同一主振频带下小波包细节信号的阻尼比也趋于一致 ;段微差时间间隔对爆破震动时频特征的影响主要表现在 :延长各主振频带小波包细节信号的振动持时 ,不同微差单段波形的叠加增加了主振频带个数 (优势频率个数 )并使各频带内的优势频率值有微弱增大的趋势     

小波包与分形组合技术在爆破振动信号分析中的应用研究

基于小波包、分形技术的相似性,提出采用小波包、分形组合技术对爆破振动信号进行组合分析。采用小波包对爆破振动信号进行分解,通过各主分析小波包的重构系数验证了爆破振动信号的分形特性,通过对各主分析小波包的盒维数值进行分析及对比,更加细致地分析出爆破振动信号不同频带分量分形维数的变化。组合分析表明,盒维数值随着爆破振动信号小波分量频率高低而变化,提出将盒维数作为反映爆破振动信号频率成分的一个重要参量。小波包与分形组合分析技术的提出为研究爆破振动信号分形特征提供了新的研究思路。     

心音信号特征提取小波包算法研究

为了准确地提取心音信号的病理特征信息,在研究小波包分析的基础上,提出一种心音信号分频带能量特征提取的算法.基于心音信号频谱分析,采用能量集中度高、局部特性好的db6小波函数作为小波包母函数并选取适合心音信号分析的最优基,对不同的心音信号进行4层小波包分解,得到最优基的小波包系数.根据小波包系数与信号能量在时域上的等价关系,提取最优基频带的归一化能量作为心音信号的特征向量.采用类别可分离性判据,计算出该算法对正常和心脏疾病患者的心音特征的可分性测度均值为3.934 9,表明该算法能有效地识别不同的心音信号.     

基于小波-BP神经网络的发动机轴承故障诊断

本文针对发动机滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包变换与神经网络的滚动轴承故障诊断方法。由于滚动轴承发生故障时,加速度振动信号各频带的能量会发生变化,以振动信号小波分解后的能量信息作为特征,以神经网络作为分类器对滚动轴承故障进行识别、诊断。通过对滚动轴承的正常状态、滚珠故障、内圈故障和外圈故障信号的分析,表明以小波包分解为预处理器的神经网络故障诊断方法可以准确、有效地识别滚动轴承的工作状态和故障类型。     

基于小波包技术的复合材料损伤检测

小波包分解能够精细地把信号划分到不同的频带范围内,实现了不同频带范围内特征信息的分离和提取.据此并借助于小波神经网络实现了复合材料无损检测中的特征信号的模式识别.实验表明该方法稳定可靠.     

a尺度多重双正交小波包

小波包的引入使频域带的划分更加精细,更利于观察高频现象.本文在a(a2,a∈Z)尺度多重双正交小波基的基础上构造了a尺度双正交小波包.它在应用上灵活性很强.按此法可构造多种不同的双正交小波包.如同讨论2尺度双正交小波包一样,着重研究了a尺度双正交小波包的双正交性质并给出了相应的分解关系.     

飞行状态下短翼菊头蝠与鲁氏菊头蝠回声定位声波小波包识别方法

为了对蝙蝠回声定位声波进行种类识别,论文基于离散小波包分解的特征提取方法,对飞行状态下短翼菊头蝠与鲁氏菊头蝠的回声定位声波进行三层小波包分解,提取两种菊头蝠在不同频率带内声波信号的能量作为特征参数,并根据U检验结果选取参数作为识别特征向量,进行BP神经网络识别。其中短翼菊头蝠和鲁氏菊头蝠回声定位声波训练样本分别为95个和102个,测试样本分别为44个和68个。对现有测试样本识别率达到100％。结果表明．基于小波包分析和神经网络的分类方法对蝙蝠回声定位声波进行识别是可行的。     

基于小波包分析的声强计算方法

传统的基于FFT的声强计算方法是分析平稳噪声信号的有效工具，但是它却无法对机电设备发生故障时所辐射出的非平稳噪声信号进行有效的分析。由于小波包分析可以实现非平稳噪声信号在不同频带和不同时刻的合理分离，因此可以利用小波包分析对声强进行计算。文中应用自行研制的噪声自动分析系统对声强的计算方法进行了研究，提出了一种基于小波包信号分析技术的声强计算方法：并通过实验验证了该方法的正确性。该方法不同于传统的基于FFT分析的声强计算方法，可以实现对非平稳故障噪声信号的分析，为机电设备的噪声监测和故障诊断提供了一条研究途径。     

一种无频带错位的小波包算法

研究了数字信号处理中的小波分析方法。基于多尺度分析的思想,提出了信号的小波分解及重构新算法和小波包算法。由于算法中采用了频移技术,在小波分解中避免了频率的折叠现象,同时在小波包算法中也解决了频带的错位问题。算法在工程中更具实用价值     

Gabor小波时频分析在声发射信号处理中的应用

介绍Gabor小波时频分析的基本理论,用数值仿真举例验证Gabor小波时频分析可同时在时域和频域上来表征信号分布的特点。利用该方法可得到声发射源定位中传感器接收到的声发射信号在时域和频域上的分布,并用于区分声发射信号的传播模式和不同的信号组成,得到声发射波群的准确到达时间,从而提高时差定位的精度。     

机械故障诊断中的小波基及算法研究

针对小波分析在机械故障诊断应用中的小波基选择和快速算法存在的问题,对常用的正交、半正交、双正交小波提取信号特征的能力进行了分析比较,表明半正交Ｂ样条小波因具有线性相位和采用较长的分解序列而具有较好的频率局部化特性和较小的变换误差,具有比较好的综合性能。推导了正交小波包的图形显示算法。利用该算法解决了小波变换快速算法中存在的数据长度随分解层数倍减小的问题。研究结果为故障诊断中小波基的选择和信号的深层     

基于提升小波的发动机振动信号相关分析

发动机的振动信号一般呈非平稳时变特征.傅立叶变换只能确定一个函数奇异性的整体性质,而难以确定奇异点在空间的位置及分布情况.经典的小波变换具有空间局部化性质,但多数性质都是通过傅立叶变换性质来实现的.提升算法摆脱了这种局限,它从一个简单的多分辨分析开始,然后向具有某一特性的MRA逐渐逼近.根据信号与噪声在各尺度下的不同传播特性,通过各层之间相关性分析滤除噪声,有效的提取出信号特征.     

基于小波变换的时—能密度分析

能量是信号分析的一个重要物理量，它随时间和频率的分布反映了信号的特征，本文在小波变换的基础上提出了时－能密度分析的新方法，该方法能够分析信号在不同频带内的能量随时间的分布情况，从而能提取信号特征，滚动轴承故障信号的仿真和实际运用都能表明时－能密度分析方法能有效地提取信号故障特征。