基于频率补偿小波的屏蔽主泵裂纹转子识别

针对转子裂纹振动信号不易被发现的问题,利用小波包分析方法,在无动不平衡频率的频带内进行分析,从中找出裂纹振动的特征频率。在分析中,针对小波算法存在的频率混淆、幅值失真、主频偏移的缺陷,在前人研究基础上,提出了一种频率补偿小波算法,利用该方法分析了核用屏蔽主泵转子裂纹振动信号,并得出了其振动的特征频率。结果表明,相比一般小波包,频率补偿小波包能识别出振动的特征频率,具有良好的实用价值。     

基于小波的突变信号识别方法及应用研究

小波的空间局部性使它能聚焦于信号的局部结构,用来确定信号的突变性位置。但进一步研究发现,小波变换改进的单子带算法虽能有效识别第1类突变点,但对于第2类突变点却无法有效识别,且二进离散小波变换的快速算法还存在频率混淆等问题。通过深入研究提出了引入过渡函数的单子带重构的改进算法,解决了第2类突变信号的准确识别问题,通过相关实验验证了该方法能较好地解决主泵转子刚度突变等信号的有效识别问题。     

高速旋转机械用消除频率混叠现象的小波变换算法研究

高速旋转机械由于其工作转速高、控制精度高,其故障信号又属于微弱突变信号,造成常规监测方法准确率偏低,成为制约高速旋转机械故障监测进一步发展的最大障碍。本文设计了一种消除小波分解和重构过程中产生的频率混叠的算法。该算法利用傅里叶变换和傅里叶逆变换构成Mallat小波变换在分解和重构过程中所需的严格正交镜像滤波器,从而达到Mallat小波变换过程中必须具有的理想截止特性,最终去除掉多余的频率成分。利用改进前后的小波算法对实际信号进行分析,结果表明,本文设计的Mallat小波变换改进算法可消除信号分析中出现的频率混叠现象。     

小波变换在突变信号识别中的应用

小波变换具有识别转动机械振动突变信号的特性。小波变换改进的单子带算法能有效识别第一类突变点,但对于第二类突变点却无法有效识别。进一步的研究发现,单子带改进算法对一些不需要的点作置零运算时,由于没有合理的过渡,使得对置零后的信号再进行傅里叶反变换时带入了许多噪音,造成对第二类突变信号无法有效识别。针对该问题,通过引入过渡函数,提出了进一步完善的单子带重构改进算法,解决了第二类突变信号的识别问题,并应用相关实例——泵刚度突变仿真数据进行分析,验证了方法的有效性。     

基于数字化测量的频域n-γ甄别算法研究

针对基于核辐射数字化测量n-γ甄别中的对抗干扰能力弱、甄别稳定性差的问题,研究了次声信号、机械故障检测信号、雷达信号等领域的频域特征提取算法,考察了以上算法在核脉冲信号中n-γ甄别的适用性,并根据核脉冲信号频域特性,提出了0频率幅值算法。为比较各算法在频域甄别的优劣,对利用BC501A液体闪烁体探测器测量的Am-Li源、252Cf源以及239Pu源脉冲数据开展实验分析,结果表明提出的0频率幅值算法在频域n-γ甄别方面能够取得较好的甄别性能。     

基于小波包能量分析的吊篮故障DSmT融合方法研究

针对反应堆堆芯吊篮破裂和吊篮紧固件部分脱落故障信号难以获取问题,提出一种小波包能量特征提取和不确定理论DSm T故障决策的融合方法。测试3种吊篮故障工况的振动信号,利用小波包变换对信号进行分解-重构,提取频段能量构建子带能量特征向量,归一化处理后赋值给DSm T信度函数,使用DSm T信息融合方法在决策层对故障模式进行识别及验证。实验结果表明该方法能够有效辨识吊篮故障模式,具有较高的准确性及泛化能力。     

基于平稳小波变换的毛刺检测算法

核爆炸地震监测技术研究中,数据质量检测是地震数据自动处理的基本内容,毛刺是影响数据质量的主要问题数据。基于平稳小波变换和非线性能量检测算法,给出一种毛刺自动检测算法。平稳小波变换弥补了正交小波变换存在的不足,可以使尺度分解结果的长度和原始数据保持一致,具备时移不变性。非线性能量检测算法可以增强记录中的高频信号,对平稳小波变换的结果应用非线性能量检测算法,提高了记录中毛刺检测的准确性,非常适合连续地震监测数据自动处理的需要。实验结果表明,给出的这种算法特别有利于记录中小毛刺的检测,从而能够减小信号检测的误检率。     

基于SWT和Hilbert的密封磁阻马达式CRDM振动信号去噪

针对控制棒驱动机构滚轮振动信号采集过程受到噪声干扰的问题,提出了小波半软阈值（SWT）和Hilbert变换法相结合的去噪方法。该方法首先利用小波半软阈值算法在时频域对滚轮振动信号进行降噪处理,然后进行Hilbert变换求出其包络谱,分析寿命试验与缺陷验证试验中不同的滚轮振动信号。试验结果表明,该方法可有效消除噪声对振动信号的干扰,证明了小波半软阈值与Hilbert变换相结合的方法在驱动机构滚轮状态识别和故障诊断中的有效性,为驱动机构的状态判别提供了理论支持。     

基于核磁共振的癌症非侵入式诊断理论与技术研究

分析了核磁共振技术在癌症临床诊断领域的应用现状、相关理论与技术的发展趋势,概述了对核磁共振设备产生的FID信号、MRI和MRS的数据分析技术,并以MRS为重点,研究了FID信号和波谱数据的特点,提出了利用小波变换和模式识别技术对FID信号和波谱数据进行分析的技术方案,并对信号的小波阈值去噪、小波基函数的选择、MRS特征识别与提取等问题进行了探索性研究,对核磁共振为基础的相关技术在癌症临床诊断领域内应用的进一步发展提示了方向。     

基于图像小波包信息熵和遗传神经网络的气-液两相流流型识别

根据小波包变换能够将图像信号按不同尺度进行分解的特性,提出了基于图像小波包信息熵特征和遗传神经网络相结合的气-液两相流流型识别的新方法.该方法采用高速摄影系统获取水平管道内气-液两相流的流动图像,经过处理,对图像进行多分辨率分析,提取小波包变换系数的信息熵特征,用主成分分析法降低特征维数构成特征矢量,作为流型样本对遗传神经网络进行训练,实现了对流动图像的流型智能化识别.结果表明:图像小波包信息熵特征可以很好地反映各流型之间的差异;遗传神经网络结合遗传算法和BP算法各自优点,具有收敛速度快、不易陷入局部极小的特性,网络识别率为100%.