行驶车辆振动信号的小波分析

本文介绍了小波分析的理论方法，并上小波分析方法应用到了行驶车辆振动的分析中，即：通过二进离散小波变换，把实际振动信号进行多层小波分解，使异常信号和非平稳高频信号得到良好的时间定位和图形显示，并把信号的路面激励与本体振动分离开来。     

基于小波变换的法国TVM430调制信号频谱分析

基于小波变换可提取信号所需频率成分的特性，利用多个小波组合，设计较理想的带通滤波器，采用频谱细化法对法国TVM430调制信号进行频谱分析。仿真结果表明，使用该方法细化得到的频谱分辨率高，谱线清晰，是处理TVM430调制信号的一种有效方法。     

基于小波变换的交通车流密度分析

车流密度是研究交通流理的重要参数之一。小波变换是近年来兴起的一种信号分析工具，它可以将信号进行多分辨分析。本文将小波变换应用于车流信号的分析，从而更好地分析它的概貌与局部细节。     

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。     

小波分析在变速器齿轮故障诊断中的应用

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。针对变速器齿轮振动信号的非平稳性特点,通过对变速器齿轮振动信号用db4小波进行了多分辨分析,说明这种方法可以有效地对变速器齿轮故障进行诊断。     

一种适用于发动机振动信号的时频分析方法

本文中对一种新的时频分析方法——同步压缩小波变换进行研究。首先,为检验其对发动机信号的适用性,建立了多分量、调幅-调频仿真信号,采用同步压缩小波变换对其进行分析。接着将其与其它时频分析方法在时频分辨率、信号分解和重构能力方面进行比较;最后以某一发动机为例,分析其瞬变工况下的振动信号,揭示连杆轴承磨损信号变化规律并提取故障特征。结果表明:同步压缩小波变换是一种适用于发动机状态监测与故障诊断的时频分析方法。     

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。     

基于小波分析和神经网络的交通事件自动检测

提出了利用小波分析和神经网络进行交通事件自动检测的方法，其基本思想是通过小波变换对原始采样信号进行奇异点检测，然后通过神经网络对小波变换的结果进行分类，最后给出交通事件的信息。通过MATLAB仿真实验，证明该方法相对于传统的事件检测算法能更准确、快速地实现分类。     

峭度分析法在发动机噪声信号故障特征提取中的应用

将峭度分析法引入发动机噪声信号故障特征提取中。基于连续小波变换对信号时间-尺度特征的细致刻画功能,提出了噪声信号中瞬时特性的峭度敏感特征参数计算方法,对不同转速不同工况下的发动机噪声信号进行了基于尺度-峭度的特征提取。研究结果表明,峭度结合连续小波变换能够很好地提取发动机噪声信号的故障特征。利用连续小波变换的尺度-峭度分析,能够有效提取噪声信号不同转速不同工况下的故障特征,为发动机的状态监测与故障诊断提供了重要的理论和现实依据。     

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。     

小波变换在桥梁结构损伤识别中的应用

通过小波变换极大值点同信号突变点及其李氏指数之间的关系,采用小波变换极大值在多尺度上的变化规律来表征信号突变点的性质,从而确定信号有无奇异点并确定其位置,进而对桥梁进行损伤识别。将该理论应用到带裂缝悬臂梁有限元模型,通过模态、瞬态和静力试验采集信号,精确确定裂缝个数及位置。较之传统方法,该方法不仅可以达到经济方便的目的,而且检测结果更为精确可靠。     

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.     

小波变换与SVD方法在结构损伤监测中的应用

将小波变换与奇异值分解(SVD)相结合,利用基于小波变换的能量分布函数,进行小波系数矩阵的奇异值分解,使结构损伤突变信号的奇异点放大,提高信号的分辨率和信噪比.根据信号突变时刻小波系数出现模极大值及其在不同尺度上的传播特性,可有效地检测出信号的奇异性特征,从而对结构损伤特征信号进行时域定位.通过对一试验简支梁损伤前后加速度信号的奇异性进行对比分析,验证了该方法的有效性和可行性.     

Haar小波变换在变速器齿轮故障诊断中的应用

推导和证明了Haar小波连续小波变换时间和尺度的周期性，指出这种周期性可以提取出信号中的周期成分，并且使谐波和冲击信号在时间-尺度域中有不同的图形特征。因此根据这些特性可以识别齿轮裂纹产生的冲击和刚度变化，仿真和汽车变速器齿轮故障分析验证了Haar小波变换的有效性和实用性。     

向量函数空间上的连续小波变换

讨论了向量函数空间上的连续小波变换，分别得到了由变换向量函数产生的重构公式和由不同变换向量的向量函数生成的重构公式，获得了两种重构公式在强拓下成立的条件，并得到了一种选变换函数使得重构公式的最简单形式的方法。     

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。     

基于小波变换理论的车辆实测载荷谱优化处理方法研究

鉴于工程中采集到的车辆道路载荷谱易受外部环境干扰而存在噪声和异常的尖峰信号,而传统的傅里叶变换滤波方法容易将真实信号随噪声信号同时滤除,本文中研究了基于小波变换理论的车辆实测道路载荷谱降噪方法。选用Daubechies小波函数,结合多种小波阈值降噪准则对某试验车辆实测道路载荷谱进行降噪处理,系统性地研究了不同小波阈值降噪准则和小波消失矩对实测含噪随机载荷信号的降噪性能。结果表明,基于小波变换的降噪方法能有效剔除干扰噪声信号,其中Heuristic SURE准则对原载荷谱各项载荷特征的保留效果最好。此外,研究了基于小波变换理论的实测载荷谱中异常尖峰信号自动检测方法,为车辆实测道路载荷谱的优化处理提供了一定的参考。     

基于小波变换和ARIMA模型的桥梁健康监测数据分析

为了对桥梁健康监测系统采集的海量数据进行深入挖掘,使其在结构评估中效用最大化,将监测数据视为一维信号,以小波变换、时间序列分析为工具,对某四跨连续刚构桥挠度监测数据进行了分析,研究探讨了该方法对于监测数据分析的适用性。对于监测数据进行离散小波变换,根据小波变换系数分析得出了结构监测数据的发展趋势,同时可过滤掉数据信号中已缺失细节信息的系数,重构信号,对该重构信号进行时间序列分析,采用最小二乘法进行参数估计,建立了重构信号的ARIMA预测模型,成功对某大桥某时刻后未来一定时间的挠度进行了预测。研究结果可以预测桥梁结构在未来某周期内的运营状态信息,对于结构运营状态监测预警有积极的意义。     

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。     

基于小波变换和神经网络的汽车安全部件故障识别

汽车安全部件的工作状态直接影响汽车的安全行驶，运用小波变换理论对汽车在不同部件参数作用下的运动参量进行小波分解。提取相关低频信号和车辆动态评价指标作为汽车运动的特征值，结合神经网络技术进行了部分安全部件的故障状态识别。