基于DOFVS的新型压力输水管道泄漏在线监测方法

压力输水管道因内部压力及外部使用环境腐蚀等因素经常造成爆管泄漏等问题,根据管道泄漏时会引起泄漏点周围管壁振动这一特点,利用基于相位敏感光时域反射仪技术的分布式光纤振动传感技术(DOFVS)提出了一种新型压力输水管道光纤在线泄漏监测方法,此方法利用普通单模通信光纤拾取泄漏点引起的管道振动信号并进行实时检测和定位。在室内测试环境下,该系统能够检测出DN90 cm×EN2 cm普通钢制压力输水管道在0.4 Mpa压力下,泄漏孔径为4 mm的泄漏;在室外测试环境下,该系统能够检测出DN200 cm×EN2 cm普通钢制压力输水管道在0.27 Mpa压力下,泄漏量大于11 L/s泄漏孔的泄漏。此外,采用多尺度小波分解去噪方法,对监测信号中的环境噪声信号进行滤除,并取得了良好的去噪效果。     

漏磁检测自动化系统的研究与开发

利用DSP技术对铁磁性材料漏磁检测系统进行开发。以TMS320F2812芯片为主处理器,利用其事件管理器实现了被测件的柔性磁化。采用小波技术对漏磁信号进行去噪处理,利用Matlab验证去噪效果,并研究在TMS320F2812芯片上的算法实现。为减小CPU的负担,提高检测系统的通信能力,采用小波技术对漏磁信号进行压缩。最后,设计开发了漏磁检测系统的外设通信模块以及缺陷标记模块。     

CEEMDAN-小波阈值联合的球磨机筒体振动信号去噪方法研究

针对球磨机振动信号非线性、非平稳性特点及总体平均经验模态分解方法(CEEMDAN),舍弃高频分量降噪方法和小波阈值降噪方法存在的不足,提出了一种基于CEEMDAN-小波阈值联合的球磨机筒体振动信号去噪方法。首先运用CEEMDAN算法将信号分解成一系列IMF分量;其次采用连续均方误差准则确定含噪声较多的高频IMF分量;然后采用小波阈值去噪方法对含噪声较多的高频IMF分量进行去噪处理;最后将去噪后的IMF分量和去噪的IMF分量进行重构,从而得到去噪后的信号。通过对实测球磨机筒体振动信号进行去噪分析,结果表明本研究提出的联合去噪方法去噪后信号的信噪比更高、均方根误差更低,证明该方法具有更高的去噪精度。     

变压器故障信号去噪方法的研究

变压器故障信号由于受各种噪声影响,不能完全反映变压器的实际运行情况,将小波变换的信号处理技术应用于变压器故障诊断中,能消除噪声的影响,Matlab仿真结果表明了小波变换消噪的优越性。     

基于小波变换的磁共振图像去噪方法研究

小波变换用于图像去噪的思想20世纪90年代就已经提出,然而前人所提出的这种方法对于磁共振图像去噪的效果并不理想.磁共振图像经这种小波变换去噪后,纹理特征被弱化,图像的边缘变得模糊.针对以上问题,提出了基于小波变换的图像去噪新方法.此去噪方法与经典的小波去噪方法不同,该方法不依赖图像大小来判断门限,不需方差信息.采用本方法处理的噪声图像与经典方法相比,图像的边缘信息更清晰,纹理特征增强,去噪能力也得到增强.     

基于小波变换的三轴漏磁信号去噪研究

简单介绍了管道的无损检测技术,研究了三轴漏磁传感器的特征和原理,提出了采用三轴漏磁传感器进行在役管道无损检测的可行性以及它所具有的优越性,主要对三轴漏磁信号的去噪方法进行了研究.介绍了小波变换的基本原理和阈值函数去噪的方法,并采用MATLAB软件进行了小波变换下各种阈值函数的去噪仿真和三轴漏磁信号的去噪仿真,得到了比较理想的去噪结果,证明采用小波变换进行三轴漏磁信号的去噪是可行的.     

基于LabVIEW的织物疵点检测的小波去噪方法研究

本文以LabVIEW (Laboratory Virtual Instrument Engineering Workbench)为软件开发平台,运用小波变换理论,对织物疵点检测的去噪方法进行研究。同时结合LabVIEW编程语言详细分析小波去噪的原理及小波去噪的具体设计。实验结果表明,小波变换能有效去除织物图像中的噪声,突出并增强织物的疵点部分,为后续图像的进一步处理提供有力的帮助。     

基于Morlet小波变换的信号去噪及在轴承状态监测中的应用

为在强噪声背景下利用振动信号中隐含的冲击特征成分来反映轴承性能退化趋势,提出一种基于Morlet小波变换和时域特征参数提取相结合的轴承状态监测方法。通过引入谱峭度评估Morlet小波滤波的去噪效果,再从信号滤波结果构建的组合信息中提取时域特征参数。对轴承全寿命数据的应用结果表明,特征参数的变化趋势能够监测轴承状态的劣化过程,伴随的早期故障检测可以提高轴承使用的安全性。     

基于深度门控循环单元神经网络的刀具磨损状态实时监测方法

为监测生产加工过程中的刀具磨损状态,提出一种基于深度门控循环单元神经网络的轻量化状态监测模型。首先,预处理阶段对加速度传感器采集的时序信号进行小波阈值去噪,并将每次刀具进给产生的冗长信号划分为多个训练样本,以滤除噪声、改善算法的鲁棒性;然后,利用卷积神经网络(CNN)从时序信号输入中自适应地提取特征,构建深度双向门控循环单元(BiGRU)神经网络学习特征向量间的时序信息,并将Attention机制的思想引入其中,自适应地感知对磨损状态分类结果有关联的网络权重,并对其进行合理分配,避免因人工提取特征带来的复杂性和局限性。实验结果表明,所提方法能够对传感器采集的原始数据实时准确地预测刀具磨损状态,在识别精度和泛化能力上均达到了较好的效果,为实际工业场景下的刀具磨损状态监测提供了新的思路。     

基于小波分解的信号去噪方法

本文对热电偶动态校准中红外探测器输出信号的去噪方法进行了研究。首先分析了经典滤波器方法的不足,介绍了小波分析方法在动态测试信号降噪中的应用。接着讨论了小波分析的理论基础以及小波基的选择、分解级数和阈值的确定。最后在Matlab平台下对红外探测器信号进行了去噪实验。实验结果表明,该方法有效去除了固定频率噪声和高频噪声,去噪后信号与原始信号中有用信号成分是同步的,这对于热电偶的建模分析具有重要意义。     

基于二代小波的光纤陀螺实时降噪方法研究

在以光纤陀螺为主要惯性敏感元件的捷联惯导系统中,陀螺输出信号中的非确定性随机漂移的实时滤除,对提高实际系统的初始对准精度及导航精度均具有重要的意义。考虑到传统小波阈值法的去噪性能及实时性问题,提出了一种基于第二代小波变换,并结合硬阈值、强制降噪和带滑动数据窗的光纤陀螺信号实时降噪改进方案。利用MATLAB进行了正弦信号和光纤陀螺输出信号的模拟实时降噪实验,并与一代小波实时降噪方案进行了比较,验证了改进方案在理论计算速度大幅提升的前提下,降噪性能得到提高,进而减小了系统输出的姿态误差。     

一种自适应小波消噪方法

为了消除噪声对被测信号的干扰,有效提取信号中的有用成分,根据信号和噪声小波变换系数的不同特性,在分析了传统阈值方法局限性的基础上,提出了一种自适应小波消噪方法.该方法首先对被测信号进行小波分解,并改进了阈值量化公式,使其具有能量分布自适应的降噪能力;然后,利用类别方差作为判别依据,选取使得类别方差最大和类内方差最小的阈值作为最佳的阈值.并根据每层分解后的小波系数进行自适应的阈值确定;最后,对信号进行重构,通过分解、阈值处理和重构等过程实现小波消噪.仿真信号和轴承故障诊断的实例结果表明该方法可在强噪声背景下消除噪声干扰,有效提取出滚动轴承的早期故障频率.     

基于Lab VIEW的声发射信号小波阈值去噪研究

虚拟仪器代表着目前测试仪器领域的发展方向,LabVIEW语言是一种功能强大的仪器开发平台。对淹没在噪声中声发射信号的有效提取（去噪）是声发射信号处理技术的第一步,也是声发射信号处理的关键所在。本文介绍了基于小波变换的阈值去噪方法。在LabVIEW平台上,通过仿真试验,对声发射信号的几种阈值法的去噪结果进行比较,选出一种适合声发射信号去噪的阈值准则。     

设备状态监测系统与DCS系统信息交换技术研究

详细介绍了设备状态监测系统与DCS控制系统之间通过Modbus通讯协议实现了信息交换的基本方法，并通过多线程技术和MSComm控件开发了相应的网络化数据服务软件，解决了状态监测系统与DCS系统间的信息孤岛问题，实现了设备状态监测系统与DCS控制系统的有机集成和信息共享。为构建一个准闭环的设备状态监控网络提供了一个可行的方案。应用实例表明，本文所介绍的方法是有效的。     

高速公路交通气象监测系统的研究与应用

本文对高速公路交通气象监测系统的历史和现状以及应用需求和设计原则进行了研究分析,介绍了一款国内高速公路交通气象监测系统,详细阐述了其设计特点与工作原理及其在交通管理和气象监测服务中应用的重要意义。     

斜拉桥健康监测信号改进小波相关降噪

为提高斜拉桥健康监测动态信号的降噪效果,针对传统小波相关降噪算法的缺陷,提出一种改进小波相关降噪算法。该算法将各层小波系数的主要能量周期作为相关检测邻域范围,并根据斜拉桥动态响应信号特征设置降噪阈值,最后采用一种全新的信号重构算法,得到降噪后的信号。将该算法与传统小波相关降噪和小波默认阈值降噪算法进行仿真试验比较,结果表明,改进小波相关降噪算法具有较好的降噪效果,能够应用于斜拉桥健康监测动态响应信号的降噪处理。     

Near real-time tracking of dynamic properties for standalone structural health monitoring systems

Automated modal parameter identification of civil engineering structures has been analyzed in a previous paper. An original algorithm, named LEONIDA, working in frequency domain, has been presented and a number of test cases have been discussed in order to point out advantages and drawbacks. It has been demonstrated that LEONIDA represents a promising and reliable tool, in particular for modal testing. Conversely, integration of such a procedure into a fully automated structural health monitoring (SHM) system has shown that it can be used as modal information engine, but length of record durations, amount of computational burden and response time lead to recognize that serious drawbacks and limitations exist for a class of applications, such as continuous monitoring of structures in seismically prone areas.In fact, a fast assessment of relevant structure health conditions in the early post-earthquake phase is becoming of interest in different European areas. In such a context, the statistical treatment of measured dynamic properties could be certainly useful, but it requires the collection of an extensive amount of local and global data in a short time.As a consequence, availability of reliable, robust and fairly fast data processing procedures for modal tracking is fundamental whenever really effective and useful SHM systems are adopted to support civil protection activities during seismic sequences. This applies mainly to strategic structures, whose health conditions must be rapidly assessed after any seismic event, in order to securely manage rescue operations.In the present paper, the main issues related to a fast, robust and reliable modal tracking for emergency management are outlined. Then, an automated modal tracking strategy for SHM applications in earthquake prone regions is described. It is based on the knowledge of the experimental mode shapes and a revised concept of spatial filtering. Results of sample applications of the proposed procedure refer to simulated data and to real measurements collected by a SHM system. The latter are representative of operational conditions and of the transient response due to the ground motion induced by the recent L'Aquila earthquake mainshock. Discussion of results will point out advantages and limitations of the data processing strategy.     

基于多重小波变换的信号去噪及其在软测量中的应用

化工生产过程中采集到的数据信号通常具有随机性和非平稳性，附加了各种噪声，以至于影响数据建模的拟合效果和泛化性能。本文基于小波分析的特点，提出了一种对信号数据进行多重小波变换阈值去噪的方法。该方法可去除大部分高频随机噪声，提取真实信号，进而提高数据的置信度。将该方法与小波神经网络相结合并应用于丙烯腈聚合反应过程质量指标软测量模型中。仿真结果表明，该方法能有效恢复数据的真实性，提高数据建模的拟合精度与泛化性能。     

大厦污水处理及净化监控系统

介绍了基于IPC-PLC结构的大厦污水处理及净化监控系统,详细叙述了系统的硬件配置(下位机选用SIMATIC S7315-DP可编程控制器、上位机配用研华工控机)及其功能的软件实现。运行结果表明,该系统不仅保证了污水处理及净化过程的工艺质量,也满足了整个大厦信息管理的需要,且运行稳定可靠。     

基于小波边缘检测的图像去噪方法

为得到轮廓清晰的小波去噪图像，提出了一种保护图像边缘信息的小波去噪方法。通过选取二维可分离小波对噪声图像进行导数平滑处理，测出小波系数的局部极大值点，即边缘点，在采用统一阈值对图像去噪的同时，对图像的边缘点做保留处理。实验证明，在加大阈值的情况下，此种方法仍保持了清晰的图像边缘，去噪后的图像峰值信噪比提高了1～2dB。