排序方式: 共有18条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
基于白化检验和3 准则的小波阈值去噪算法 总被引:8,自引:0,他引:8
基于小波变换的阈值去噪法是去除数字信号中自噪声的有效算法。其中,分解层数、门限阈值以及阈值函数的选取是关键。本文分析了白噪声和有用信号的小波变换系数的特点,在此基础上提出了一种分解层数的自适应确定方法以及一种基于3σ准则的各层小波空问阈值的选取方法,并结合硬阈值和软阈值方法各自的优缺点,提出了一种改进的小波系数阈值估计的模型。仿真结果表明,该方法具有较好的去噪效果,尤其适用于强噪声背景下弱信号的检测。 相似文献
5.
故障特征提取的精确性和分类识别的高效率是提高故障诊断准确率和速度的关键,针对此问题,提出一种基于经验模式分解(empirical mode decomposition,EMD)近似熵和最小二乘支持向量机(least square support vector machine,LS-SVM)的机械故障诊断新方法.利用EMD良好的局域化特性和近似熵表征信号复杂性规律来量化故障特征,再与LS-SVM相结合进行故障类型识别.首先,对故障振动信号进行EMD 分解,得到若干个反映故障信息的本征模函数(intrinsic mode function,IMF);其次,选取前4个IMF的近似熵值作为信号的特征向量;最后将构造的特征向量输入到LS-SVM分类器进行故障类型识别.仿真表明,该方法能有效地提取故障特征,与传统的BP(back propagation)络相比,具有训练样本少、训练时间短、识别率高等优点. 相似文献
6.
7.
基于EMD时频分析的轧机扭振瞬态冲击特征提取 总被引:1,自引:1,他引:0
戴桂平 《仪表技术与传感器》2009,(9)
为解决轧机扭振非平稳瞬态冲击信号瞬态特征量提取的难题,采用EMD(Empirical mode decomposition)方法提取信号的固有模态函数(IMF),再结合Hilbert变换建立单频振动瞬态信号瞬时频率提取模型,得到信号的Hilbert/Huang时频谱,进而得到Hilbert边际谱,从而提取扭振信号瞬态特征.该算法既避免了小波分解中的频率混叠,又具有时间尺度自适应调整的特点,克服了小波变换中小波基选取的难题.通过仿真实验验证了该方法的可行性,通过轧机在咬钢抛钢时实测瞬态信号的分析表明了该方法的可靠性. 相似文献
8.
为提高轧机主传动系统故障诊断的精度,提出了一种基于EMD-AR模型和关联维数的故障特征提取算法.该方法采用小波滤波和EMD对振动信号进行去噪和平稳化预处理,再对包含主要故障信息的本征模函数(IMF)分别建立AR模型进行降维,最后通过时延相图法重构AR模型参数的相空间,并计算其关联维数.实验分析表明:该算法不仅能够深刻、... 相似文献
9.
10.
故障特征提取的精确性和分类识别的高效率是提高故障诊断准确率和速度的关键.针对此问题,提出一种基于经验模式分解近似熵和决策导向循环图支持向量机的机械故障诊断新方法.首先,对故障振动信号进行经验模式分解, 得到若干个反映故障信息的本征模函数;其次,选取前4个本征模函数的近似熵值作为信号的特征向量;最后,将构造的特征向量输入到决策导向循环图支持向量机分类器进行故障类型识别.仿真表明,该方法能有效地提取故障特征,与"一对一"支持向量机及传统的BP网络相比,具有训练样本少、训练速度快、识别精度高等优点. 相似文献