小波变换在轴承故障声发射信号降噪中的应用

噪声消除是小波变换最成功的应用之一，其基本思想是将信号的小波变换系数通过阈值处理，然后进行小波重构得到降躁的信号。根据故障轴承声发射信号的脉冲特性选取Morlet小波．以“小波熵最小”原则确定Morlet小波的波形参数，然后进行连续小波变换。采用软阈值方法处理小波东数，通过小波重构得到降噪后的故障声发射信号，噪声得到了很好的抑制，故障脉冲特征明显增强。采用实验数据，通过与离散小波变换的比较，得到了用连续小波变换可以有效降低噪声、提取故障声发射信号特征的结论。     

基于多阈值处理的信号多尺度估计算法

给出了一种基于多阈值处理的信号多尺度估计算法。首先对原始测量进行了多尺度小波分解,得出各尺度上的平滑信号和细节信号。对各尺度上的细节信号再作进一步的小波分解,对分解出的次平滑信号和次细节信号进行不同的阈值处理,然后重构,作为相应尺度上的细节信号。最后对最粗尺度上的平滑信号作卡尔曼滤波,再依次与各尺度上的细节信号进行重构,最后得到原始尺度上的信号估计值。     

基于多小波分析的暂态信号去噪方法研究

由于多小波分析方法的特殊性,需要对原始信号进行预处理.不同的预处理方法对多小波去噪效果有着非常明显的影响.文中介绍了多小波理论,选用GHM多小波,采用了4种预处理方法对信号进行预处理,分析了基于这4种方法进行信号去噪的结果,并与单小波处理结果进行了比较.将比较结果应用于检测系统输出电压信号进行分析,结果表明,利用多小波变换方法对暂态信号去噪比用单小波方法具有明显的优越性.     

基于样条小波的多传感器图像融合

与正交小波相比，样条小波构造简单，对信号的重构具有更好的稳定性．将样条小波用于多传感器图像融合，并对同一目标的不同聚焦含噪图像进行了仿真实验．实验结果表明，对于图像融合，样条小波对噪声具有鲁棒性，优于正交小波．     

基于多传感器数据融合的齿轮箱故障诊断方法

为了解决单通道单维度振动信号输入不能全面表达齿轮箱故障特征的问题,提出一种基于多传感器多通道数据融合的诊断模型,结合卷积神经网络应用于齿轮箱振动信号的特征学习和故障分类中.利用连续小波变换对多通道数据进行二维时频变换,得到二维时频图像;构建神经网络诊断模型,以多通道的时频图作为输入,实现多通道信号特征的故障分类.通过动...     

基于小波分析的大型回转支承故障特征信号的提取

现场的测试及分析发现，门座式起重机回转支承的局部损伤及由缺陷类故障所引起的低频振动信号由于受到系统高频固有振动及其他背景噪声的干扰而难以分离，小波分析以其良好的时频局部化分析特性，弥补了传统信号分析方法如傅立叶变换、短时傅立叶变换等的不足，较好地实现了对信号全貌及其局部特性的双重分析．文中提出利用小波分析方法的特性有效地提取回转支承装置在强噪声等复杂背景下的局部损伤及缺陷类等故障信息．     

对称-反对称正交多小波滤波器序列的参数化设计

多小波由于它具有良好的性质已成为小波研究者们研究的热点．在多小波的研究中多小波基的构造是它的一个重要研究课题．由于单小波经过十几年的发展理论非常完善，并且已经构造出具有不同特点的单小波基．因此，从单小波基出发来构造多小波是一种简便而有效的方法．给出了利用单小波基将一类对称-反对称正交多小波滤波器序列参数化的设计方法，可使得多小波的应用更广泛，使用更灵活．     

一种多类多水印方案

通过分析多类多水印的特点，讨论了多类多水印的技术难点，提出一种基于小波系数分块嵌入水印的解决方案，将各类型水印归一化处理，但对每种水印单独制定自适应嵌入技术，实现3种类型7个水印的同时隐藏．仿真实验证明了该方案的有效性．     

车辆传动系统变参小波流形融合故障诊断方法

应用流形学习方法非线性融合信号在不同小波参数下中央尺度对应的小波包络,研究了强背景噪声下车辆传动系统振动信号故障瞬态脉冲包络的有效提取问题,并与传统信号时频分解方法进行了对比研究;采用不同小波参数对振动信号进行连续小波变换,提取了每组参数下中央尺度上的小波包络;采用基尼指数选择若干包含故障瞬态脉冲信息的小波包络,构造了高维小波包络矩阵;采用局部切空间排列算法对高维小波包络进行流形融合,获得了反映故障瞬态脉冲包络本质结构的小波包络流形;为了验证所提方法的有效性和优越性,采用不同方法对轨道车辆轮对轴承和汽车变速齿轮箱的故障振动信号进行了对比分析。研究结果表明:在分析轴承外圈故障信号时,所提方法基尼指数比传统信号时频分解方法提高27.32%以上;在分析齿轮磨损故障信号时,所提方法基尼指数比传统信号时频分解方法提高26.74%以上。可见,所提方法通过综合具有不同形态的变参小波包络,可以在无需优化小波参数情况下,对车辆传动系统中的不同关键部件故障振动信号具有较好的自适应性,提取的故障脉冲包络中的带内噪声少,故障脉冲特性明显,容易识别其频谱中的故障特征频率,是检测车辆传动系统故障的一种有效方法。      

基于小波变换的多尺度多阈值语音增强方法

语音信号与随机噪声在不同尺度上进行小波变换时,其小波变换系数和尺度大小的特性关系存在着不同的特征表现。而且,浊音和清音也各有其特性．鉴于此特点,给出了一种基于小波变换的多尺度多阈值语音增强方法．该方法采用软限幅函数对浊音和清音信号的小波变换系数作不同的阈值处理,既抑制了噪声,又减少了语音段的信息的损失,提高了信噪比．仿真结果说明,这是一种有效的语音增强方法．     

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明:在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。      

基于优化小波基的电力故障暂态数据压缩研究

在论述基于 辨分析的小波基构造方法和小波分解理论的基础上,针对电力故障信号富含瞬时性强、衰减快暂态成分的特点,研究了基于信号离用小波逼近品质,即离散逼近时域二范数最大的小波基优化方法。分析表明,基于优化小波基的离散小波变换对电力故障暂态数据具有较主的压缩比和较小的重构误差。     

航空发动机转子碰摩故障瞬时频率诊断方法

分析了航空发动机转子碰摩故障振动信号的基本特征,提出了故障信号瞬时频率诊断方法。运用解析小波将故障信号变换到小波域,利用小波系数的振幅和相位信息综合确定瞬时频率,根据瞬时频率的特征诊断故障,并对比了故障信号瞬时频率诊断方法与窗口Fourier变换方法故障诊断结果。数值分析结果表明:利用瞬时频率诊断方法提取碰摩信号的瞬时频率比利用窗口Fourier变换得到的结果更精细,并可获得用短时Fourier变换无法得到的一些瞬时频率曲线。     

基于小波网络的船舶柴油机燃油系统故障诊断

采用小波变换和BP神经网络的辅助式结合,通过小波变换提取故障特征向量作为BP神经网络的输入值,设计并组建了小波神经网络;利用小波变换模极大值分析高压油管燃油压力信号的奇异性,提取故障特征向量;根据故障采集数据并建立学习样本,通过网络训练建立BP神经网络输入和输出间良好的非线性映射,进而通过特征向量输入BP神经网络来诊断故障。实验数据分析表明:该方法具有良好的诊断效果。     

A novel de-noising method based on discrete cosine transform and its application in the fault feature extraction of hydraulic pump

Aiming at the existing problems of discrete cosine transform (DCT) de-noising method, we introduce the idea of wavelet neighboring coefficients (WNC) de-noising method, and propose the cosine neighboring coefficients (CNC) de-noising method. Based on DCT, a novel method for the fault feature extraction of hydraulic pump is analyzed. The vibration signal of pump is de-noised with CNC de-noising method, and the fault feature is extracted by performing Hilbert-Huang transform (HHT) to the output signal. The analysis results of the simulation signal and the actual one demonstrate that the proposed CNC de-noising method and the fault feature extraction method have more superior ability than the traditional ones.     

Feature Extraction of Bearing Vibration Signals Using Second Generation Wavelet and Spline-Based Local Mean Decomposition

In order to extract the fault feature frequency of weak bearing signals,we put forward a local mean decomposition(LMD)method combining with the second generation wavelet transform.After performing the second generation wavelet denoising,the spline-based LMD is used to decompose the high-frequency detail signals of the second generation wavelet signals into a number of production functions(PFs).Power spectrum analysis is applied to the PFs to detect bearing fault information and identify the fault patterns.Application in inner and outer race fault diagnosis of rolling bearing shows that the method can extract the vibration features of rolling bearing fault.This method is suitable for extracting the fault characteristics of the weak fault signals in strong noise.     

基于小波和自适应模糊神经的旋转设备故障诊断

针对传统的故障诊断方法和单独使用某一种智能诊断方法的局限性,将小波分析的故障特征提取方法和自适应模糊神经网络结合起来,对旋转设备的故障诊断进行了研究;通过对电机设备进行的故障诊断仿真实验,结果表明,与单独使用神经网路方法相比,该方法可以获得更高的故障诊断精度和诊断速度。     

小波分析在GPS动态监测数据粗差探测中的应用

文章分析了GPS监测数据序列中粗差的不确定性,提出了采用小波分析检测成片粗差,并通过实例进行应用分析,在此基础上进而对原变形数据序列中包含大量粗差的情况进行探测。实例分析表明,合理选择小波函数进行分析可以准确探测出粗差所在位置．解决了传统方法每次只能探测单个粗差的不足。