Multicomponent decomposition of a time-varying acoustic Doppler signal generated by a passing railway vehicle using Complex Shifted Morlet Wavelets

Complex Shifted Morlet Wavelets (CSMW) present a number of advantages, since the concept of shifting the Morlet wavelet in the frequency domain allow the simultaneous optimal selection of both the wavelet center frequency and the wavelet bandwidth. According to the proposed method, a cluster of CSMW wavelets is used, covering appropriate ranges in the frequency domain. Then, instead of directly processing the instantaneous frequency of each CSMW, an invariance approach is used to indirectly recover the individual harmonic components of the signal. This invariance approach is based actually on the same rotational approach, using the same matrix properties, which consists the core of the well known ESPRIT algorithm. Moreover, the DESFRI (DEtection of Source Frequencies via Rotational Invariance) approach is introduced to support the proposed CSMW method to semi-automated selection of the center frequency of the applied Morlet window. This approach is based on the singular values that are extracted as an intermediate product of the proposed decomposition process. By the application of the method in a multi-component synthetic signal a way to select the critical parameters of the Morlet wavelet, is investigated. The method is further tested on a time-varying acoustic Doppler signal generated by a passing railway vehicle, indicating promising results for the estimation of the variable instantaneous frequency and the multi-component decomposition of it.     

基于小波网络的斜拉桥施工预测方法

阐述小波神经网络模型法的基本原理与程序实施步骤,探讨了斜拉桥施工监测数据与小波网络间的联系,建立了基于小波网络的斜拉桥施工控制预测模型.以工程实例为背景,对武汉天兴洲长江大桥实际监控数据进行预测分析.研究表明:小波网络预测值与实测值基本一致,其精度满足工程及其控制的要求.     

特征量对某交通流混沌实时判定系统的影响

为分析特征量对该系统判定结果的影响,以交通流微观仿真软件产生的交通流为对象进行了实验研究,讨论了在相同条件下,不同的特征量(功率谱、小波包系数、小波包能量)对此系统判定结果的影响.实验结果表明,特征量对该系统判定结果影响较大,选用基于小波包能量的特征提取判定效果更好.     

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。     

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。     

基于健康监测系统的大跨度连续刚构桥移动荷载识别

为了得到桥梁实际运营的车辆荷载,通过建立由健康监测系统测得的应变响应与移动荷载的线性回归方程,提出了一种能有效应用于大跨度连续刚构桥的移动荷载识别方法。首先利用小波变换的方法进行应变信号消噪处理;然后利用应变响应特征估算移动车辆过桥的时间和速度;最后建立移动荷载车重力与应变响应的二次线性回归方程。计算结果表明：该方法得到的计算车重力与实测车重力相比,误差率基本小于17%;结合标准车辆模型,可以得到车辆的轴重分布。     

基于小波包分析的混沌信号消噪研究

由于混沌是一种貌似随机的确定性信号,具有宽频谱的特征,传统的方法不能有效滤除混沌信号中的噪声,文章应用小波包分析方法实现了这一目标。同时,根据混沌信号在各个频段上的能量分布具有"涨落"的特征,提出了一种确定阈值的新标准。研究结果表明,新的阈值标准既能够保证原信号中的有用信息不会出现严重泄露,又能够实现有效去噪。     

基于小波变换和概率神经网络的水下目标识别

由于水下环境的复杂性,水下目标的检测和识别是水声信号处理领域中的一个难题.本文研究了基于小波变换和概率神经网络的水下目标识别方法.利用小波变换得到水下目标辐射噪声信号在不同尺度下的能量分布作为特征矢量,并输入到概率神经网络中以实现目标分类.利用小波变换能量特征值可有效区分不同的目标辐射噪声.概率神经网络无网络训练过程,适合于信号分类.实验结果表明该方法的有效性和可行性.     

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。