土体障碍物超声探测信号小波包特征分析方法

利用小波包分解方法,对土体中障碍物的超声探测信号进行分析。选用sym8小波基函数进行6层小波包分解,并截取信号能量集中的前16个频带进行细致分析,从小波包频带能量、小波包频带能量熵、小波包频带能量矩三个角度对信号进行对比。结果显示,存在障碍物位置处信号和不存在障碍物位置处信号的小波包频带能量熵大致相等,不能作为信号识别及障碍物判断的方法,而小波包频带能量和小波包频带能量矩在部分频带上差异明显,可以作为信号识别及判断的方法。     

小波包分解在氢发动机异常燃烧诊断中的应用

氢发动机燃烧压力信号包含了丰富的燃烧信息,基于压力信号可以应用小波变换法提取异常燃烧信息。鉴于小波包分解继承了小波变换所有的时频局部化优点,并且可以有效地提取微弱燃烧信息,从而能够为信号提供更精细的分析方法。对氢发动机正常燃烧和异常燃烧压力信号进行了小波包分解,提取出小波包能量。通过构造小波包能量特征向量,对氢发动机异常燃烧进行了有效诊断,为消除氢发动机的异常燃烧提供了技术基础。     

利用小波包变换实现电力系统谐波分析

小波包变换(WPT)建立在小波变换的基础上,可以实现信号频带的均匀划分,能够更好地提取信号的时频特性,具有更好的谐波分析特性。但是现有的小波包变换算法实现的频带划分不是按频率大小顺序排列的,给系统和谐波分析带来混乱。根据采样定理和滤波器组实现电路分析了小波包变换实现频带划分的特点,并利用改进的小波包变换实现算法进行系统分析,实例验证这种新的小波包分解结构对谐波分析具有更好的特性。     

基于小波变换的汽车振动信号去噪分析

从小波变换的理论背景出发,介绍了利用小波变换对信号进行分解的原理。并针对汽车振动信号的非平稳性特点,对驾驶员座椅振动信号用dB4小波进行了多分辨分析和小波包分析,并运用Matlab中的WaveletToolbox对其进行去噪处理,取得了明显的效果。通过与Fourier去噪的比较,可以看出小波变换在汽车振动信号去噪中有着Fourier分析无可比拟的优点。     

基于小波包分析的结构损伤识别研究进展

小波包分析是对小波分析中没有细分的高频部分进行进一步分解,是一种更为精细的时频分解方法,可实现对非稳定信号的时频分析.首先阐述了结构损伤的小波分析和小波包分析的基本理论,然后主要围绕小波包能量谱损伤指标,分别对其在结构损伤的定位、微小损伤识别、在线健康监测和预警、材料缺陷检测、数值积分计算误差消除等方面的试验研究和应用情况进行了全面介绍,最后指出了结构损伤识别的小波包分析方法需要进一步研究的问题.     

山岭隧道爆破振动信号小波包及能量分析

采用MATLAB傅里叶变化和小波包变换对实测爆破振动信号进行时频分析,画出对应的变换频谱图、小波重构波形图,通过对比爆破信号的重构波形图结果,分析2种不同方法的优缺点,探讨爆破振动信号的多主频带和能量分布特征以及小波包分析法的优势,找出相关优势频率段。研究表明,小波包分析能更好地体现爆破振动信号的多主频分布特征,其能量分布较为集中,优势频带包含了振动信号70%以上的能量。     

小波能量商在汽车发动机故障诊断中的应用

考虑发动机断火之后对振动信号的影响,基于4层小波包分解重构信号能量,构造了小波包能量商无量纲指标.通过该指标提取发动机断火前后信号的能量特征作比商,充分考虑了断火之后振动信号能量的阶跃特性,定量分析断火后信号能量变化的程度.采集东风EQ6100汽油发动机缸体正常、活塞敲缸异响、活塞销异响以及曲轴轴承异响等4种工况的振动信号,并应用小波能量商指标对试验信号进行分析,取得很好的效果.试验结果表明,小波能量商可以对发动机不同故障准确地识别分类.     

基于小波包变换的信号降噪方法及转向控制故障诊断

简要介绍了汽车转向系统的工作原理,转向信号的好坏直接影响汽车行驶的安全性;同时介绍了小波包变换的基本思想,将新型小波包变换滤波器与信号重采样结合,提出了一种新的小波包降噪方法.文章研究了该方法的降噪效果,同时比较了小波包直接降噪和小波包重构滤波器的降噪效果.将该方法用于转向控制的故障诊断,结果表明,该方法能够有效识别转向控制的典型故障.     

瞬态成分提取在变速器齿轮故障诊断中的应用

基于小波包的信号瞬态成分检测与提取方法及其应用，提出基于小波包分解特征表示和瞬态特征重建方法并应用于汽车变速器齿轮的故障诊断，结果表明基于小波包分解的信号特征表示方法能有效检测信号中瞬态成分的存在，瞬态成分的重建结果有效地表示了齿轮的故障状态。     

基于振动信号的发动机故障诊断方法分析

介绍了小波分析和小波包分析故障振动信号特征提取方法,对基于神经网络、专家系统、故障树、模糊理论的振动信号智能故障诊断方法进行了阐述,并阐明了多种智能诊断方法相结合是今后发动机故障诊断研究的主要方向。     

基于时频分析的客车加速通过噪声声源识别

应用小波包分析理论发展了基于时频分析的客车加速通过噪声声源识别技术。根据选择运行及部分覆盖方法,分别去除各声源影响,同时测得客车通过测试区域的车外加速噪声。对于噪声信号进行多层小波包分解并重构,计算每个小波包的能量及该层小波包的总能量,通过不同信号的小波包能量比较达到声源识别的目的。研究表明,该方法不仅可以清晰地分辨各噪声源能量在时-频域的分布情况,而且通过能量计算可以识别主要噪声源,为采取相适应的降噪措施提供了理论基础。     

基于区间的小波包振动信号特征提取方法研究

基于小波分析与神经网络的振动信号故障诊断方法,提出采用基于区间小波包分解方法来提取振动信号的特征向量来取代传统的小波包分解方法,并以295柴油机进排气系统故障诊断为例验证采用该方法的有效性,结果表明,基于区间的小波包特征提取方法较传统方法能大大提高进排气系统的故障识别率。     

小波包能量特征法在汽车变速器轴承故障诊断中的应用

归纳和总结了小波神经网络轴承故障诊断法的实施步骤,阐述了小波包的原理,并以变速器轴承故障诊断为例,提取了小波包节点能量作为反映变速器轴承故障类型的振动信号特征参数,并用这些特征参数训练BP神经网络进行故障模式识别。结果表明,如果神经网络设计合理,训练适当,则具有很强的故障识别能力。说明了利用小波包能量法和BP神经网络进行变速器轴承故障诊断是可行而且有效的。     

基于支持向量机的钢筋混凝土桥梁损伤识别

为了克服现有方法存在的一些不足,提出基于小波包和支持向量机的混凝土桥梁损伤识别方法。采用小波包对环境振动下的信号进行分解,获得各个频带上的能量,该向量对损伤敏感,可以作为模型识别的输入向量。利用支持向量机强大的分类功能,提出根据频带能量建立支持向量机并进行损伤模式识别的方法。应用该方法对一座三跨连续梁桥进行了损伤识别分析。结果表明经过训练的支持向量机可以较准确地识别出损伤位置和程度。对小波频带能量进行主成分分析后建立的支持向量机会获得更好的识别效果。获得更精确的实际信号特征将进一步提高有限元模型精度和实际应用效果。     

小波分析降低激光多普勒静态信号噪声研究

本文针对激光多普勒静态信号噪声呈双正态分布叠加的特点,在LabVIEW平台上通过Matlab Script节点的方式实现了小波技术的消噪;通过小波分析和小波包分析来降低激光多普勒静态信号噪声,比较这些去噪方法的优缺点,确定用小波包去噪效果更好。     

基于小波包和频响函数随机——模糊统计的斜拉桥损伤识别

针对单一方法损伤识别的缺点,提出了基于频响函数和小波包能量谱的斜拉桥损伤识别指标,结构损伤前后的频响函数作为信号,进行小波包能量谱分析.由于试验中的频响函数存在一定的随机模糊性,对完好状态下的10次频响函数值进行了随机模糊均值处理,得到的频响函数作为基准.独塔斜拉桥模型实验表明,斜拉桥的一处和两处的损伤都可以识别,损伤...     

汽车发动机非稳态振动信号分析方法比较研究

采用短时Fourier变换、小波包AR谱和二阶循环谱方法分别对发动机加速信号进行了时频分析,提取了分析对象的故障特征,并对3种方法进行了比较研究.研究表明:短时Fourier变换的频率分辨特性相对较差;小波包对单个故障有良好的分辨特性,但对多个故障的分辨能力较差;而循环谱方法有更好的频率分辨特性,且在特征频率处有更显著的谱峰.     

基于支持向量机的发动机缸壁间隙识别

通过采集发动机缸壁表面的振动信号并对信号进行区间小波包分解,与最小二乘支持向量机相结合,以部分测试信号作为训练样本建立分类器,部分样本作为测试样本输入分类器中进行判断识别,通过设置不同的参数寻找到最优分类结果,最终判别出发动机的缸壁间隙。     

车用发动机前端辐射声源的小波分析与识别

根据连续小波变换具有较二进离散小波变换和小波包变换更精细的尺度分辨率的特点，研究了适用于工程应用的发动机表面辐射声信号小波变换结果的表述方法，并以一台车用增压柴油机前端表面辐射噪声的测量和识别分析为例，提出了一种车用发动机主要噪声源诊断和识别的测试分析方法。文中还将声信号测量识别的结果与表面振动信号识别的结果做了比较，两者是吻合的。     

节理刚度对地震勘探激发效果的影响研究

采用离散元程序UDEC模拟了地震波在含节理岩体中的传播规律,并采用小波包分析技术对地震信号的频带能量分布特征进行分析,结果表明节理刚度对反射波和透射波的振动能量和频率均有较大影响,节理刚度越低,反射波振动能量和有效信号能量所占频带总能百分比越高,信噪比越高,则激发效果越好。