基于FPGA的信号奇异性检测

针对传统信号奇异性检测方法的局限性,提出了利用小波变换来检测信号奇异点的准确位置的设计方案.在Altera公司的FPGA芯片EP2C8Q208平台上,采用小波db8实现信号奇异性的检测.实验结果表明,此系统在信号奇异性检测方面相对于傅里叶分析提高了奇异点检测的准确度和效率.     

一种基于小波的奇异信号检测方法

介绍了小波二进制变换的基本原理，简述了小波变换奇异性和信号突变的关系。基于小波变换，给出一种结合3δ准则、软硬阚值折衷法的奇异信号小波检测方法。仿真结果表明此法既能有效地消除噪声，又能较好保留奇异信号,从而改善信号中奇异性信息的提取效果；在对信号奇异程度和奇异点位置的确定上，较以往的处理方法有明显的改善。     

基于解析小波变换的奇异性检测和特征提取

为提高信号奇异性检测的精度和故障特征提取的有效性，利用信号和噪声的小波变换模极大值沿尺度方向的不同传播特性，提出了一种通过解析小波极大模重构进行信号奇异性检测和滤噪的方法，并将解析小波分析引入机械故障诊断中.分别采用实小波极大模和解析小波极大模分析汽车主减速器性能试验机上采集的几种故障振动信号，并进行主减速器故障诊断.试验结果表明，解析小波极大模相比实小波极大模具有更好的奇异性检测效果，能够突出故障特征，从而有效提高故障诊断的准确性.     

小波变换在水下目标回波奇异性检测中的应用

研究了信号的奇异性检测问题.给出小波变换和信号奇异性的关系及小波基的选取方法,实现小波分析对信号各类奇异间断点的有效检测,最后进行实例分析,分析结果表明此理论与方法适用于对边缘信号与突变信号的处理和提取.     

小波变换在水下目标回波奇异性检测中的应用

研究了信号的奇异性检测问题．给出小波变换和信号奇异性的关系及小波基的选取方法，实现小波分析对信号各类奇异间断点的有效检测，最后进行实例分析，分析结果表明此理论与方法适用于对边缘信号与突变信号的处理和提取．     

基于多尺度小波变换的边缘检测算法

提出一种用多尺度小波变换进行边缘检测的算法,并将该算法与经典的Sobel算子进行比较,结果表明用该算法进行边缘检测是可行的.在多尺度信号边缘检测中,考虑到信号的边缘不仅仅定义为信号奇异性的表现,而且也是视觉的一种反映,它与人的视觉特点,先验知识紧密相关.而信号的孤立奇异指数可以由小波变换在该点随尺度参数变小时的衰减速度确定.由于小波变换的上述特征,采用小波变换对图像进行边缘检测非常有效.实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等优点.     

小波变换在电力系统故障暂态信号中的应用解析

小波变换理论在时域和频域的局部化性质,使之能有效地检测信号的奇异性。文章分析了电力系统故障暂态信号的奇异性,得出其奇异的特殊性,即具有不确定的奇异度,从而提出用小波变换进行奇异检测时对所用小波函数的要求,确保奇异性的准确检出,并给出了故障时刻检测的仿真。     

应用小波分析研究信号消噪

噪声的去除一直是信号处理中较为关键的技术之一。小波变换在时、频两域都具有表征信号局部特征的能力 ,突破了传统 Fourier分析的局限性 ,很适合检测信号的奇异现象。用 Daubechies小波分别对信号本身的奇异性、噪声的奇异性进行分析 ,结果表明 ,二者具有较大的不同。因而 ,将小波用于信号消噪具有重要的参考价值。     

基于小波变换的奇异性检测在发动机连杆轴承故障诊断中的应用

在研究了基于小波理论的奇异检测技术的原理、方法的基础上,结合发动机连杆轴承故障的特点,应用样条小波变换对故障信号进行多尺度分解,分别计算出表征故障严重程度的奇异性指数,即Ｌｉｐ指数结果证明了小波基理论对于往复机械故障诊断的有效性及工程实用性．     

基于小波奇异性的电主轴振动信号处理

将小波奇异性理论运用到高速电主轴振动信号处理中,分析了如何进行小波奇异性信号重构的方法,提出了电主轴振动信号奇异性检测算法。构建了电主轴信号测试与处理系统。根据小波变换后信号与噪声在各尺度空间呈现的不同特性,对小波逆变换信号重构,提取了高速电主轴振动信号特征。仿真实验表明,利用小波奇异性对电主轴振动信号进行处理,能够去除噪声对加工过程监控系统的影响,同时还可以对机械故障信号进行预测,达到了提高电主轴使用寿命的目的。     

基于Hermitian小波的时间-小波能量谱滚动轴承故障诊断方法

针对滚动轴承早期故障微弱特征难以提取的问题,提出了一种基于Hermitian小波时间-能量谱的滚动轴承故障诊断方法.该方法针对轴承故障振动信号具有奇异性的特点,首先利用Hermitian小波对原始信号进行连续小波变换;再根据小波变换的结果求取信号能量在时间轴上的分布情况,利用谱峭度指标作为选择最佳累积尺度的标准,得到时间-小波能量分布;最后对时间-小波能量分布进行谱分析得到时间-小波能量谱以提取故障特征.利用时间-小波能量谱对仿真信号和轴承外圈及内圈点蚀故障信号进行分析.结果表明:该方法可有效地提取出强噪声环境下微弱故障的特征成分,并与普通的时间-小波能量谱作对比,特征提取效果更为明显,非常适用于滚动轴承早期故障诊断.     

小波包分析在滚动轴承信号消噪处理中的应用

对滚动轴承的故障特点进行了分析.根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,提出了小波包分解和重构用于滚动轴承信号消噪处理的概念及其算法,建立了滚动轴承加速度信号实时测试系统.通过实验研究得出,用小波包分解并通过重构可使分解后的数据长度不变,使分解层数不受限制,证明小波包分析方法应用于滚动轴承信号消噪的有效性,并取得了较好的效果.     

一种滚动轴承故障的诊断方法

针对滚动轴承的故障特点,提出了一种小波包分析、粗糙集理论和神经网络相结合的轴承诊断方法.利用小波包变换对信号进行适当层次的小波包分解,对信号的频带进行精细的分割,以各个频带信号能量的分布情况作为故障特征量,形成故障诊断决策表;接着根据粗糙集理论进行处理得到更为简明的最优诊断规则;然后根据约简结果,建立了神经网络故障诊断系统;最后以诊断实例验证了该方法的有效性和可行性.     

基于Morlet小波变换模拟实现的机械振动故障诊断

为了对机械振动故障进行实时诊断,提出了基于开关电流技术的Morlet小波变换的模拟实现方法。利用开关电流电路构造高斯函数发生器,解决了Morlet小波变换模拟实现的关键问题,其良好性能得到了仿真结果的证实。将Morlet小波变换应用到机械振动故障诊断中,根据对振动信号小波变换的模极值点来定位奇异信号,提取出故障信息。仿真结果表明了该方法对机械振动故障实时诊断的有效性。     

小波分析与Hilbert分析在滚动轴承故障诊断中的应用

针对滚动轴承故障信号的非平稳和调制特点,使用小波分析技术,对检测的信号进行分解,并对含有故障特征的信号进行重构,实现故障信号的提取.应用Hilbert变换进行解调和细化频谱分析,得出故障信号所对应的频谱,从而判断轴承故障模式.通过Matlab仿真证明了小波分析结合Hilbert分析法在滚动轴承故障诊断中提取特征频率的应用价值.     

小波奇异性检测理论在电力系统继电保护装置故障诊断中的应用

首先阐述了基于小波分析的奇异信号检测理论及计算Lip指数 ,定性说明了信号奇异点的奇异程度 .然后以实测的电压、电流信号为例说明了小波变换在奇异信号检测中的实现过程 .最后将其应用于电力系统继电保护故障诊断中 ,简化了Lip指数及奇异点算法步骤 ,取得了较为满意的效果 .     

小波奇异性检测理论在电力系统继电保护装置故障诊断中的应用

首先阐述了基于小波分析的奇异信号检测理论及计算Lip指数,定性说明了信号奇异点的奇异程度．然后以实测的电压、电流信号为例说明了小波变换在奇异信号检测中的实现过程．最后将其应用于电力系统继电保护故障诊断中,简化了Lip指数及奇异点算法步骤,取得了较为满意的效果．     

包络-小波技术在轴承故障诊断中的应用

分析了滚动轴承典型故障的故障机理及其振动特征，详细介绍了滚动轴承振动信号分析与故障诊断的方法。提出了将包络分析作为小波分解的前置处理手段以提取信号故障特征的思想，并在此基础上开发研制了“CZZD-01型轴承故障诊断仪”。现场调试结果表明，该方法准确有效，适用于滚动轴承的监测和诊断。     

基于EMD和模糊C均值聚类的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于经验模态分解和奇异值分解的特征提取与模糊C均值（FCM）聚类的滚动轴承故障诊断方法。该方法首先对滚动轴承振动信号进行EMD分解,组成初始特征向量矩阵;并对该矩阵进行奇异值分解,将矩阵的奇异值作为故障特征向量;最后以FCM聚类为故障分类器,实现滚动轴承不同故障类型的识别。实验结果分析表明,该方法能有效地进行滚动轴承故障诊断。