排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
针对传统提升小波进行信号分解时会导致信号失真的问题,设计了自适应冗余提升混合小波,用于往复泵泵阀振动信号的降噪。该混合小波计算预测差值平方和时可对所有样本进行预测;通过计算目标函数,从预设的1组预测器和更新器中选取1个最佳预测器和1个最佳更新器作为该层次的初始预测器和初始更新器,以满足尺度函数和小波函数支撑区间的特殊要求;用冗余提升方案算出每层逼近信号,并用于下层初始预测器和初始更新器的设计。用自适应冗余提升混合小波降噪可获得较高的信噪比和较小的均方差,且能完整保留往复泵泵阀应有的冲击信号。 相似文献
4.
基于改进Mallat算法及包络线的气阀故障诊断 总被引:1,自引:1,他引:0
气阀故障微弱信号特征不明显,常规方法难以通过计算结果来判断气阀状态,且传统Mallat算法存在频率混叠及边界震荡现象,难以提取出气阀故障特征。为此,提出一种结合改进Mallat分解算法及包络线的故障特征提取方法。改进传统的边界处理方式,对信号右边界进行数据延拓,用二阶Volterra模型对延拓信号进行预测,用递推最小二乘法求取预测系数,用非抽样算法对信号进行小波包分解。对分解得到的各频带信号进行奇异值降噪处理,通过奇异熵增量曲线选择降噪阶次,画出信号的上、下包络线,用于提取气阀故障特征。对仿真信号及工程信号的处理表明,用改进的Mallat算法对信号进行分解,消除了边界震荡及频率混叠现象,成功提取了阀片破损的微弱故障特征,取得了良好的效果。 相似文献
5.
针对现有的提升小波变换容易产生边界振荡和频率混叠的不足,提出了一种将Volterra级数模型和抗混叠提升小波包相结合的信号处理方法.首先对信号两端进行数据延拓,用二阶Volterra级数预测模型对延拓信号进行预测;然后用抗混叠提升算法对信号进行小波包分解.对仿真信号进行边界处理后,信号在边界不会出现振荡现象;用抗混叠提升小波包对信号进行分解不会引起频率混叠现象.工程应用中,从强大的背景噪声中提取出了往复泵柱塞与缸套碰磨产生的微弱振动冲击信号,诊断出了密封盘根过度磨损的故障. 相似文献
6.
1