基于小波能量熵的水下目标磁场信号去噪

本文提出了基于小波能量熵的水下目标磁场信号去噪方法,通过对信号进行小波分解,计算各层目标信号和背景噪声的小波系数能量熵,利用信号在不同的分解尺度上具有不同的小波熵,自适应地确定高频系数的阈值,利用经过处理后的小波系数进行小波反变换,实现对水下目标磁场信号的去噪.仿真试验结果表明,该方法能有效去除背景噪声,检测出目标磁场...     

基于小波解调-1(1/2)维谱的舰船辐射噪声调制特征提取

舰船辐射噪声的调制谱中含有大量舰船固有特征量,可用于估算舰船的航速以及进行目标分类与识别。本文提出一种基于小波解调与1(1/2)维谱的联合分析方法,利用Morlet小波的带通滤波能力以及其实部与虚部正交特性提供的信号解调功能,得到信号的尺度包络谱图,选取其中含有调制信息的小波分量,通过1(1/2)谱分析可以得到舰船轴频的基频及谐波信息。实验数据结果表明,该联合方法可以有效的提取舰船辐射噪声中的调制特征信息,具有广阔的应用前景。     

船舶电力系统故障特征提取的小波变换方法

船舶电力系统故障时暂态号中包含丰富的特征息,对故障工况暂态号特征息的有效提取是船舶电力系统故障诊断的核内容之一。基于小波变换理论,利用小波分析和小波包能量熵方法,在Matlab仿真环境下,对船舶电力系统电故障暂态号进行了分析和特征息提取。结果表明两种方法都有效地提取了故障特征息,其中小波分析方法有特征向量与故障之间的映射关系简单明了的特点,小波包能量熵方法提取的特征向量与故障之间是一种非性的映射关系,适用于与其他智能故障诊断方法结合。说明特征提取可以为故障的识别与诊断提供基础。     

基于小波包分解的功率谱方法在人字门启闭机减速器故障诊断中的应用

针对船闸人字闸门机械式启闭机减速器中滚动轴承振动的不平稳性及其故障信号中存在噪声和干扰的问题,提出了一种基于小波阈值算法的小波包分解与功率谱分析的故障诊断方法。该方法通过对故障信号进行小波分解且对其系数作阈值处理,并利用处理后的分解系数进行小波逆变换得到降噪后的信号,然后对降噪后的信号进行小波包分解,找到能量集中的节点,对其进行Hilbert包络解调并求其Hilbert包络线的功率谱,从而提取故障特征信息。应用实例表明:仿真信号与某船闸人字闸门机械式启闭机减速器故障诊断方法能降低信号噪声以及干扰,并能提取故障特征信息。     

基于改进小波能熵的水下目标识别

文章研究了基于改进小波能熵和概率神经网络的水下目标识别方法。首先对水下目标辐射噪声信号进行小波变换多分辨率分解和重构,然后引入滑动时间窗,提取各分解子带在滑动时间窗内的改进小波能熵值作为目标识别的特征矢量,最后将特征矢量输入到概率神经网络中实现水下目标识别。对信号进行小波多分辨率分解可反映信号在不同频域上的特征,而引入滑动时间窗并在此基础上定义改进的小波能熵可反映信号的时域特征,因此改进小波能熵方法能同时反映信号的时频特征,更适合于水下目标特征提取。仿真结果表明了该方法的有效性。     

基于小波尺度谱和遗传算法的转子故障诊断

针对发动机的转子故障,提出了一种基于尺度谱图像纹理特征和遗传算法的故障诊断技术.根据不同转速下的3类转子故障数据样本,运用连续小波尺度谱图像纹理特征提取其图像纹理特征.采用遗传算法对这些特征进行选择优化,去除与分类不相关的冗余特征.最后,构建结构自适应集成神经网络对优化后的特征进行智能诊断.试验表明,该方法能准确地诊断出转子的故障,具有广泛的应用前景.     

基于多尺度模糊熵和主成分分析的 轴承故障特征提取

针对滚动轴承故障特征难以提取的问题,文章提出了基于多尺度模糊熵(MFE)和主成分分析(PCA)相结合的滚动轴承故障特征提取方法。首先利用经验模态分解(EMD)将原始振动信号分解成若干个本征模态函数(IMF),并根据相关系数和峭度值准则剔除虚假IMF分量;然后在不同尺度下求取真实IMF分量的模糊熵值,利用PCA对其进行降维处理,形成能表征不同轴承故障的特征向量,最后借用支持向量机对其进行诊断验证。实验表明,该方法可以有效地提取轴承故障信息,对4种轴承状态的识别率为95%,实现了对轴承故障的精确诊断。     

基于CEEMD-参数优化Morlet小波变换的柴油机振动信号冲击特征提取方法

针对船舶柴油机振动产生的非平稳信号，提出一种基于完备的总体平均经验模态分解（complementary ensemble empirical mode decomposition, CEEMD）与参数优化Morlet小波分析相结合的振动信号特征提取方法。利用CEEMD方法对振动信号进行分解，在分解出的各种分量中，去掉无用的周期成分分量，保留含有冲击特征的分量，然后结合参数优化Morlet小波分析方法，根据Morlet小波与冲击信号的相似性，将冲击成分提取出来。通过仿真信号以及柴油机振动信号的应用分析验证了该方法对柴油机振动信号冲击特征提取的有效性。     

基于小波包分解的船用柴油机燃油电磁阀故障诊断方法

为了精准识别电磁阀故障,确保船用柴油机安全、平稳运行,提出基于小波包分解的船用柴油机燃油电磁阀故障诊断方法。采用小波包分解法对船用柴油机燃油电磁阀电流信号作分解,获取其多频带特征。通过核主成分分析法对其作降维处理,完成敏感特征选择。将其作为最小支持向量机的输入,自适应蚁群优化算法通过自适应调整挥发因子、状态转移规则确定最优模型参数,实现燃油电磁阀故障的准确诊断。结果表明：故障、正常工况下的燃油电磁阀电流特性曲线存在较大差异;该方法可提取电流信号的8个频带特征、不同频带特征间差异度大;特征选择有利于提高燃油电磁阀故障辨识度。本文方法可实现燃油电磁阀故障诊断,诊断效果突出。     

小波变换在舰船图像尺寸测量方法中的应用

分析小波阈值降噪和基于小波图像分割技术在舰船图像尺寸测量中的应用,在小波阈值降噪阶段,利用高斯小波对图像进行4层分解,逐层去除噪声的小幅值小波系数,达到去噪目的;在图像分割阶段,首先利用灰度直方图以及本文提出的像素邻域差值直方图构建二维直方图,然后对其进行最优一维投影;最后利用Haar小波对最优一维投影进行分解,求取图像最佳分割阈值。本文用提出的算法对舰船的主轴长度、主轴垂直方向长度、舰船面积以及周长4个尺度量进行测量。实验结果表明,小波变换在图像降噪和分割方面有诸多优势,而降噪和分割又是舰船尺寸测量的必须步骤,因此小波变换将在舰船图像尺寸测量中发挥越来越重要的作用。     

一种新的滚动轴承故障诊断方法

滚动轴承发生故障时,其振动信号常呈现出强烈的非平稳特性。提出了一种基于小波变换和固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)的滚动轴承故障诊断方法。阐述小波分析基本理论和ITD分解基本原理。着重介绍基于小波和ITD分解滚动轴承故障诊断。仿真信号和实验结果表明,以小波与ITD分解相结合的信号特征提取方法,能够准确有效地提取滚动轴承的故障特征。     

基于小波理论的频带自适应故障选线法及其在船舶电网中的应用

针对船舶电网小电流故障接地时的选线难题,结合船舶电网中性点的接地方式以及拓扑结构特征,对故障接地的暂态过程进行深入分析,之后提出一种基于小波理论的暂态分量故障选线方法,检测零序电压信号的奇异性及突变点的时间信息,提取故障发生时刻前后各一周期的故障信号作为启动选线程序的引导条件,多尺度小波分解故障信号并自适应选择故障暂态特征信息最明显的频带分量进行小波重构,依照定义的能量因子计算各线路的暂态能量实现故障选线。最后通过仿真计算验证了该方法具有较强的抗干扰能力,选线准确可靠。     

基于Morlet小波的船舶机舱监控系统研究

当船舶机舱设备异常或故障时,传感器采集到的数据序列中往往存在着突变信号,通过分析这些突变信号可对设备的运行状况进行有效预警。本文将Morlet小波应用于机舱数据分析中,能够准确识别异常数据中的突变信号,并运用Mann-kendall检验法提取其突变点。建立了预警分析处理模型,结合实际机舱样本数据验证了预警实现的可行性,结果表明基于Morlet小波的船舶机舱监控系统提取的突变点精确、可靠,预警精度高。     

Application of an improved EEMD method in bearing fault diagnosis of induction motors北大核心CSCD

[Objective]In order to overcome the disadvantages of the traditional ensemble empirical mode decomposition (EEMD) method in selecting parameters (integration time and white noise amplitude coefficient) based on experience, and reduce the cost of calculation time, a fast ensemble empirical mode decomposition (FEEMD) method is used to extract the characteristic frequency. [Method]By changing the distribution density of the added white noise, different signal envelopes can be obtained. Furthermore, we can identify the optimal envelope by finding the optimal search window width of the moving mean filter, thereby avoiding the defect of EEMD selecting parameters by experience. At the same time, after the abnormal component in the signal is decomposed, the residual component can be decomposed by EMD to further save the calculation time cost. Finally, the method is combined with Hilbert envelope demodulation technology and applied to the fault characteristic frequency diagnosis of the bearing inner ring of an asynchronous motor. [Results]As the results show, compared with the traditional EEMD method, FEEMD can extract the fault frequency more efficiently. [Conclusion]FEEMD overcomes the disadvantages of the traditional EEMD method in selecting parameters based on experience and shortens the calculation time. As such, it can be effectively applied in bearing fault frequency extraction experiments. © The Author(s) 2022.     

基于改进小波算法的舰炮齿轮箱故障特征提取

小波变换具有优良的时频分析特性,适合于提取齿轮箱等机械设备的故障特征。但是由于小波滤波器的频响应特性不理想,因此直接对信号进行小波变换会产生一定的虚假频率,从而影响故障特征提取的准确性。针对小波分析的混频现象,在深入分析该现象产生原因的基础之上提出一种改进算法,并给出了利用该算法提取故障特征的具体步骤,为舰炮齿轮箱故障特征提取提供了一个新途径。仿真结果表明,该方法能有效地消除混频现象,提高了故障特征提取的准确性。     

基于双树复小波包和PNN的柴油机故障诊断研究

针对传统小波变换在故障特征提取中的不足,提出一种基于双树复小波包和概率神经网络(PNN)的故障诊断方法。首先通过双树复小波包变换将各个工况的柴油机声信号分解得到不同频带的分量,选取各频带分量的能量作为特征向量,再利用PNN对特征向量进行训练,最后通过测试样本得到柴油机典型故障诊断结果。实验表明,该方法可以对柴油机典型故障进行较为准确的诊断,相比传统小波包有着更高的故障诊断率。