基于小波分析的车轮六分力信号的去噪研究

介绍了利用小波分析去噪的原理,分析了小波变换模极大值法、小波系数尺度相关法和阈值法3种信号处理方法的特点,详述了利用阈值法处理信号时选择小波基、确定分解层、阈值处理和信号重构的方法。利用Matlab的小波分析工具箱对车轮纵向力信号进行去噪分析应用,结果表明:小波分析能很好的区分信号里的突变信号与多余的噪声,通过小波重构得到去噪后的车轮分向力突变的信号。本设计具有一定的应用价值。     

基于声发射技术的滚动轴承故障诊断方法研究

利用声发射信号的高频特性采集滚动轴承故障信息,运用小波分析把信号分解在不同频带,对信号进行重构,从而消除背景噪声,再应用Hilbert变换进行解调和细化频谱分析。实验结果证明,基于声发射信号的小波包络谱分析可有效地检测滚动轴承故障。     

小波变换在轨道静态功率谱密度获取中的应用

利用小波变换将轨道不平顺信号和所得谱图信号分解到互不重叠的频带上，结合小波阈值处理技术，对小波高频系数进行阈值量化处理，滤掉其中某些频段内的干扰与噪声信号，然后对信号进行重构，从而实现了对信号的去噪和对谱图信号的平滑处理。结果表明，该方法成功地获取了轨道静态功率谱密度，有效提高了轨道静态参数信噪比和轨道静态功率谱密度图的可视性。     

基于小波的声发射信号特征分析

根据声发射信号的特点及实际应用中对声发射信号分析的需要,提出了一套声发射信号小波分析的小波基选取规则方法,根据提出的选择方法从常用的小波基中选出较适合声发射信号分析的几种,再通过对仿真的声发射信号进行分析得到结论:Daubechies小波、Symlets小波和Coiflets小波是适合于声发射信号分析的小波基.最后通过对能反映源特征的频带信号进行重构,这样能更好更有效的提取声发射信号的本质特征.     

一种小波包去噪自适应阈值算法

小波包变换可以将不同频段的信号分离,信号和噪声经小波包分解后,其小波包系数将表现出不同的特性,通过对小波包系数进行阈值处理 ,可以有效地抑制噪声,很好地重构信号.运用统计信号处理的理论,提出了一种确定小波包分解系数自适应阈值的方法.结果证明,这种方法具有良好的去噪效果.     

GPS动态实测数据的小波降噪

介绍了小波变换理论,阐述了小波降噪原理、算法及3种噪声处理方法,概括描述了4种阈值规则的选取方法,以及在选用不同的小波基函数和分解层数对降噪效果的影响。在假设噪声为高斯白噪声的前提下,根据小波分解和重构法,对含噪信号进行降噪处理,并对GPS接收机得到的实测信号进行分析和效果比对。     

混凝土结构声-超声检测信号处理

对混凝土结构声-超声检测中超声脉冲反射法和冲击-回声法进行说明，描述了超声回波中的信号构成，然后对平稳随机噪声、结构噪声、缺陷特征提取的处理方法进行分析，认为时频分析和小波变换能有效地提高信噪比、高阶谱中双谱技术是目标回波特征提取的有效方法。     

基于小波能谱系数的声发射源特征提取方法研究

研究了基于小波能谱系数的声发射源特征提取方法,利用小波变换对典型声发射源的波形信号进行了分析,获取其频域特征.采用小波能谱系数描述信号能量在每个频率范围的分布情况,以区别各种不同的声发射源.利用该方法对港口链斗卸船机现场测试获取的裂纹声发射信号进行了小波分析和特征提取,结果表明,该方法能合理地描述缺陷的声发射特征.     

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．     

Chaff cloud jamming suppression based on wavelet transform

Radar target signals and chaff cloud jamming signals have different characters by the wavelet transform. The wavelet coefficients of radar target signals are highly correlated with its near-and-near-scale wavelet coefficients, however the correlativity between the wavelet coefficients of chaff cloud jamming signals and its near-and-near scale wavelet coefficients is less significant. Based on the binary-base discrete wavelet transform and the correlation algorithm, the method of target entropy to estimate standard variance of the jamming signals and each scale is proposed to ensure reasonable threshold, to suppress chaff cloud signals and finally to reconstruct mixed signals by the improved spatially selective noise filtration (ISSNF) method. The extensive simulation results show that the proposed method can availably suppress chaff cloud jamming and decontaminate target echo.     

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.     

基于信号预处理和Hilbert变换的滚动轴承故障诊断

针对滚动轴承振动信号复杂和非平稳的特点,及故障信号常常淹没于各种噪声的情况,先利用消除趋势项和小波降噪对包含故障信息的信号进行预处理,再应用Hilbert变换对信号进行包络解调和频谱分析,提取滚动轴承故障特征频率,并判断其故障模式.对滚动轴承内圈、外圈和滚动体故障的诊断试验,证明了信号预处理和希尔伯特(Hilbert)变换相结合的方法对滚动轴承内圈和外圈局部损伤故障的诊断是有效的和可行的,但不能很好地检验出轴承滚动体的故障特征     

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。      

基于小波变换分析箱梁振动噪声的时频特性

为探讨列车激励引起箱梁振动噪声的时频特性，以32 m混凝土简支箱梁为例，现场实测箱梁各板件的振动和近场噪声，并采用小波变换结合MLP （modified Littlewood-Paley）小波基的方法进行信号处理. 引入小波脊线和小波能量比两个指标对信号的时频特性进行定量分析，在此基础上，探讨了行车速度和行车方向的影响规律. 研究结果表明:相比Morlet小波和Mexihat小波，MLP小波更清晰地刻画箱梁振动噪声在时-频两域的局部集中特性；箱梁噪声比振动的频变程度要小，且前者的小波能量在频域上更为集中；翼板振动和腹板振动的频变特性分别对行车速度和行车方向敏感；45～60 Hz范围是箱梁噪声控制的关键频率范围.      

基于复Morlet小波变换的车体模态参数识别

详细推导了基于复Morlet小波变换的车体模态参数识别过程.对国内某高速动车组纯车体进行多点激励正弦扫频,利用随机减量法对车体振动响应信号进行随机减量处理,获取自由振动信号,首次运用小波理论对高速动车进行模态参数识别.同时也运用最小二乘法识别各阶振型.识别结果与商用软件Test.Lab对比,频率误差小于2％,说明小波分析适合用于高速车体这样复杂系统的参数识别.     

Research on Morlet Wavelet Based Lamb Wave Spatial Sampling Signal Optimization Method

In recent years, Lamb wave and piezoelectric transducers (PZTs) array based wavenumber filtering technique for damage estimation has been gradually studied. Compared with the time domain and frequency domain analysis of the Lamb wave signals, the wavenumber domain analysis is an effective approach to distinguish wave propagating direction and wave modes. However, the spatial resolution sampled by the PZTs is lower than that sampled by scanning laser Doppler vibrometer. As for the diameter of the PZT, it cannot be very small. In this paper, a new Lamb wave spatial sampling signal optimization method based on Morlet wavelet is proposed. Firstly, the frequency band parameter of the Morlet mother wavelet function is calculated by the Lamb wave excitation signal. Then, the sum of squared errors between the Lamb wave spatial sampling signal and the Morlet wavelet function fitting waveform at each scale factor and time factor is calculated. Finally, the scale factor and time factor corresponding to the least sum of squared errors can be judged to be the best match scale factor and time factor respectively, and the Morlet wavelet function fitting waveform in that scale factor and time factor can be seen as the optimized Lamb wave spatial sampling signal. The validation experiment performed on a glass fiber epoxy composite plate shows that the proposed method can improve the spatial resolution and length of the Lamb wave spatial sampling signal, and the sum of squared errors of this method is no more than 0.2.