基于小波变换的地震波时变功率谱估计

为进一步认识地震动的非平稳特性,基于小波变换提出一种估计时变功率谱的方法.利用小波变换的带通滤波特性,结合时变功率谱的物理意义,从能量的角度推导各频带上小波系数与时变功率谱密度函数的关系,从而通过地震动信号的小波系数估计时变功率谱.利用基于小波变换的估计时变功率谱方法,针对实测和模拟地震动信号进行时变功率谱估计,并与基于傅里叶变换估计的功率谱进行了比较验证.结果表明：该方法正确、可行,它将原有的频率-幅值的二维认识提高到频率-时间-幅值的三维认识,解决了傅里叶变换估计功率谱缺乏时间信息的问题.     

矿山微震信号干扰特征及去噪方法研究

为提高矿山微震信号的有效识别效率,降低干扰,分析了矿山典型微震干扰信号的频谱特征,并采用小波去噪的方法对含噪微震信号进行了去噪研究.结果表明:不同干扰信号的波形特征、幅频特性和功率谱密度不同,但主频均在14Hz左右,功率谱密度多低于4 000dB;基于小波变换分层阈值确定的去噪模型,进行微震信号去噪后能够较少的抑制信号中的有用成分,含有较多的真实微震信息,能够最大程度的反映有效微震信号的特性.     

双树复小波包和谱峭度在齿轮故障诊断中的应用

针对故障齿轮振动信号的非平稳和调制特性,提出了基于双树复小波包变换和谱峭度的齿轮故障诊断方法.首先,利用双树复小波包变换将原始振动信号分解为若干个不同频带的信号分量,选择与原始信号相关系数大的分量进行阈值降噪并重构;然后,对降噪后的信号利用谱峭度所得的峭度图选择最佳的带宽和频带中心进行相应的带通滤波处理;最后,将带通滤波后的信号作平方包络和傅里叶变换,即可得到信号的包络解调谱,从而提取故障特征信息.通过对试验和工程实际的齿轮故障信号分析表明:双树复小波包变换和谱峭度结合的方法可有效地提取齿轮故障特征信息,进而实现故障识别,验证了方法的可行性和有效性.     

基于小波神经网络的铝合金硬度定量无损检测研究

针对铝合金硬度与初始磁导率的非线性问题,应用小波神经网络理论,提出了一种基于小波神经网络的硬度定量无损检测方法.用WGF-Ⅰ电磁检测仪进行一次检测,提取特征信号,建立硬度特征信号与LY12铝合金硬度的非线性映射,可直接输出工件的硬度值.实验表明,小波神经网络可以定量检测LY12铝合金硬度,其HRB硬度检测最大误差为±0.8,将小波网络应用于电磁无损检测具有可靠性.     

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.     

风力机叶片裂纹特征的小波尺度谱识别

为了在强大噪声干扰下提取风力机叶片的早期裂纹特征,识别不同种类的裂纹,通过搭建声发射设备检测风力机叶片复合材料块实验平台,采集扩展裂纹与萌生裂纹的声发射信号,并借助小波尺度谱优越的时频分析性能来有效提取裂纹信号的特征,以区别扩展裂纹和萌生裂纹.实验结果表明,小波尺度谱能有效提取非线性、非平稳信号中的故障特征,优于小波分析方法.通过实验研究,得到了识别扩展裂纹和萌生裂纹的判据,建立了基于声发射和小波尺度谱的风力机叶片裂纹识别新方法.     

内燃机噪声源识别的小波相关系数方法研究

为了分析内燃机(ICE)噪声信号的时频特性和识别主要噪声源,研究了小波变换中尺度与频率之间的关系,重新定义了连续小波变换,并基于不同小波对同一信号分解时小波系数之间存在极大相关性,提出用规范化相关系数时频图分析噪声信号和识别内燃机噪声源的新方法.新方法能够准确地对信号进行时间和频率定位,且频域结果与信号功率谱相当吻合.对发动机声学信号进行了时频分析,同传统连续小波变换相比较,该方法能够更好地反映信号能量的时频域分布状况.结合声强结果,声学信号时频图能够直接地显示不同噪声源的时频特征.     

基于形态小波和S变换的滚动轴承故障特征提取

针对传统小波在强背景噪声中提取冲击故障特征的不足,提出基于极大提升形态小波(MLMW)分析和S变换的滚动轴承故障特征提取方法.先利用MLMW变换将信号分解到不同形态尺度上,各尺度信号上保留着信号局部极值形态特征,对细节信号进行软阈值降噪处理,再从重构信号的具有良好时频聚焦性的S变换谱上提取故障特征.试验结果表明,MLMW既抑制了噪声和谐波分量,又显著强化了故障特征;相比传统小波和包络分析,能清晰地提取非平稳非线性故障特征.由于MLMW采用简单的形态算子和高效的提升方法,计算简单高效,适于故障特征的在线分析.     

提取混沌中谐波信号的时频方法

首先采用谐波小波变换将观测信号分解成窄带信号,然后使用经验模态分解方法将每一个窄带信号分解为有限个内禀模态函数(IMFs),根据功率谱密度选取内禀模态函数,提取谐波信号。该方法的性能可由噪声缩减因子和相关系数两个指标度量。理论分析和仿真实验表明,在信噪比不太低的情况下,该方法对提取淹没在混沌和噪声背景下的谐波信号非常有效。     

一种多特征提取的脑电情感识别方法

针对如何有效地缩小不同受试者脑电信号之间的波动和差异,提高分类精度的问题,提出一种多特征提取算法用于脑电情感识别.首先,采用数据空间自适应算法对脑电信号数据进行空间线性变换,使目标空间与源空间之间的差异最小化.再采用共空间模式将数据空间自适应变换后的信号变换到一个最优子空间,使两类之间的方差差异最大,将共空间模式处理后的数据作为数据空间自适应算法的输入数据,反复迭代多次.然后提取功率谱能量特征和小波包能量特征,最后采用Bagging tree、SVM、线性判别分析和贝叶斯线性判别分析进行情感分类.实验结果表明,所提算法相比于主成分分析算法在分类精度上提高了0.151 4;相比于只进行DSA-CSP迭代和提取小波包能量,在分类精度上提高了0.103 4;相比于只进行DSA-CSP迭代和提取功率谱密度,在分类精度提高了0.095 8,所提算法有效缩小了不同受试者脑电信号的波动和差异,提高了分类精度.     

Gas film performance of double-row orifices of aerostatic guideways

In order to analyze the performance of aerostatic guidways,the stiffness calculation equation of the aerostatic guideway with two-row orifice has been derived by gas lubrication theory.For the complex ...     

基于GA-WPT-ELM的6061铝合金表面粗糙度预测

为了提高工件表面粗糙度预测的准确性,针对振动信号特征识别和表面粗糙度预测建模时多个参数难以同步优化和人工经验调优误差较大的问题,提出基于遗传算法（GA）的信号特征识别和表面粗糙度预测的优化算法. 对采集的6061铝合金铣削振动信号进行小波包变换（WPT）和多个特征提取,利用GA优化WPT母小波和特征向量;将信号特征向量和表面粗糙度分别作为极限学习机（ELM）的输入和输出,对预测模型训练的同时,利用GA优化ELM隐含层的神经元个数;对训练好的预测模型进行测试. 实验结果表明,通过GA对振动信号识别和表面粗糙度预测的3类参数同步优化,获得了最佳的信号特征和较高的表面粗糙度预测精度,节省了建模分析计算成本.     

万能工具铣床动态特性分析及结构动力修改

以X8140万能工具铣床平铣工况为研究对象，对其在典型工况下进行相对激振动态试验，获得反映其动态特性的试验数据，辨识出该铣床的模态模型，在动力分析的基础上，找出了影响该铣床铣削加工能力和加工精度的薄弱模态及主振部件，并结合主振部件的结构特征，制定了结构动力修改方案及措施，结构改进后，该铣床的切削加工能力和加工精度得到了较大幅度的提高。     

小波分解法在多自由度线性体系地震反应分析中的应用

介绍小波变换的分频机理,利用多分辨分析推导多自由度线性体系地震反应分析的基本公式,建立求解结构动力响应的小波分解法。算例表明：线性体系的地震响应可由各频带动力响应叠加而成．验证了线性系统动力响应唯一性的结论。利用小波多分辨率的特点可安全有效地滤去地震动高频成分．提高信噪比。高频抑制后的重构信号动力响应与原始地震动响应误差很小,说明地震动高频成分对结构振动影响甚微。     

航空复杂曲面加工精度预测及影响因素分析

在综合考虑机床动静态因素的基础上, 建立了各运动轴伺服运动模型和多体联动模型, 给出了刀具的实际运动位置和姿态, 基于包络理论求解了零件实际铣削成形点、线和层面, 采用曲面造型方法构建出零件型面的综合误差. 以复杂非可展曲面——"S"试件为例, 进行了加工误差的预测和分析, 给出了位置环、速度环等机床重要参数对工件铣削精度的影响, 并通过切削试验后的数据回归分析予以验证. 该平台的搭建为实现航空关键零件加工精度预测提供了技术支撑, 依据计算结果可实时调整机床的动态参数, 评估机床的加工状态.     

谐波小波在动平衡机不平衡量信号提取中的应用

谐波小波具有在频域良好的盒形谱特性、存在明确的函数表达式、时频定位准确和算法实现简单等优点。本文结合实例应用谐波小波提取动平衡机不平衡量信号,有效地滤掉了信号中混杂的低频和高频干扰。     

虚拟轴机床直线电机推力的新型补偿器研究

讨论滑块式6自由度虚拟轴机床直线电机的推力补偿问题．在对给定位置信号响应的过程中，机床的6轴之间存在机械强耦合．这种耦合力难以用精确的数学模型描述．如何解决耦合问题成为提高虚拟轴机床性能需要解决的重要问题之一．采用一种新型神经网络对每个单轴伺服系统电机的耦合扰动力进行实时在线的补偿，使伺服电机在任何位置对于被加工工件均能施以合适的加工力矩，从而提高了机床的加工精度．仿真试验结果表明，该方案有效地克服了虚拟轴机床各杆间的耦合扰动，系统不但具有强的鲁棒性，而且提高了其它性能指标．     

小波分析在数字图像处理中的应用

介绍了基于小波变换的图像分解与重构,小波变换具有时-频局部化的特点,因此不但能对图像提供较精确的时域定位,也能提供较精确的频域定位.经过小波变换的图像具有频谱划分、方向选择、多分辨率分析和天然塔式数据结构特点.基于小波变换这些特性,讨论了MATLAB语言环境下图像增强、图像融合、图像平滑和图像压缩的基本方法.通过实验可见,基于小波变换的图像处理具有理想的效果.     

动态变形信号二进小波提取模型研究

引入二进小波变换理论研究动态变形信号分析模型，提出动态变形信号二进小波提取与粗差识别修复的技术路线．实例选择B3-spline小波函数，采用à trous快速二进小波变换算法的软阈值降噪方法进行动态变形信号提取，三倍中误差作为各细节尺度的降噪阈值，并在分解的细节尺度上进行粗差识别，在此基础上进行粗差修复，获取真实的变形信号．结果表明：用此模型能有效提取动态变形信号，变形信号提取的效果优于中值滤波的方法；二进小波第二分解尺度细节部分能同时定位孤立态、离散态与区域态粗差的位置，并且精度远优于Mallat算法，在区域态粗差边界的定位中表现尤为显著，这是由二进小波的平移不变性决定的．     

五轴机床旋转轴几何误差分析与补偿

五轴机床旋转轴之间装配所导致的位置无关几何误差（PIGEs—Position independent geometric error）是决定机床精度的关键因素,如何量化PIGEs对位姿精度的影响程度以及误差项之间的耦合作用强弱,从而合理地确定补偿值的权重系数是目前机床误差补偿技术所关注的热点问题。为降低五轴机床装配导致的PIGEs对机床精度的影响,首先,基于多体系统理论及齐次坐标变换方法建立了混合式五轴机床几何误差综合模型,表征了空间误差向量与几何误差项之间的映射关系。其次,考虑几何误差的分布特性,引入Morris全局灵敏度分析方法量化几何误差的作用效果及误差参数间的耦合强弱,通过灰色关联度分析表征误差的敏感性系数与位置向量、姿态向量间的关联程度,基于分析结果确定位置无关几何误差补偿值的权重系数。最后,以摆头-转台为特征的混合式五轴机床为例,进行基于球杆仪(DBB-Double ball bar)的几何误差测量辨识实验,利用辨识值进行虚拟圆锥台轨迹测量、误差补偿和复杂曲面零件加工实验。结果显示：十项几何误差对姿态误差的直接作用效果最为明显,利用基于敏感性分析的修正补偿值进行误差补偿后,虚拟圆锥台测量轨迹的半径偏差减小了65.1%,圆度误差降低了58.8%。基于误差分析实施误差补偿后,“S”型工件的轮廓精度平均提升了49.9%,误差补偿结果验证了误差分析结果的准确性和有效性。