基于DWT的路面不平度模拟的研究

为了更好地模拟实测路面不平度,提出了基于DWT的FD过程路面不平度模型.与传统的AR模型相比,该模型模拟的等级路面不平度精度高且时间开销小.利用离散小波变换对FD过程去相关,并采用平稳或非平稳FD过程最大可能性估计,对实测路面不平度进行了模拟,结果表明:所模拟的路面不平度与实测路面不平度比较相近.     

路面不平度测量——进展与现状评述

本文综述了与地面车辆振动有关的路面不平度研究现状,指出了目前软路面不平度沿用硬路面不平度测量方法存在的问题,提出了软路面不平度的定义,并指出有必要研究各种条件下原始地面不平度、车辙不平度以及有效不平度三者之间的关系,为研究车辆振动和评价车辆振动性能提供科学的依据。     

分形模型在路面不平度再现中的应用

在分析路面不平度具有自相似性、标度不变性等分形特性的基础上提出利用理想分形曲线建立路面不平度的再现模型。利用功率谱法对实测路面不平度进行分形维数的计算。分析了理想分形曲线的平均功率谱性质,并建立其与路面不平度功率谱的关系。在此基础上提出用分形维数和路面不平度系数2个参数描述路面不平度统计特性的方法,并再现A、C等级标准路面和实测路面不平度。通过功率谱对比可知,根据本文方法建立的路面不平度分形模型精度较高。     

基于多传感器综合的路面不平度测量

提出了基于惯性基准多传感器综合的路面不平度检测方法,对测量平台的多路加速度信号进行去均值、数字积分和去趋势项处理,计算获得测量平台的精确垂直位移,然后利用提出的路面不平度测量方法完成了路面不平度的测量.针对多数据段拼接问题提出了信号局部基准调整的自适应方法,利用此方法实现了路面不平度的精确测量.通过对比试验证明此方法检测精度较高,完全可以满足工程实践应用.     

基于小波系数稀疏性的数字调制样式识别

采用小波变换提取信号突变点信息,根据归一化前后数字调制信号小波系数稀疏性的不同特点,提出两个稀疏度参数和一种利用信号稀疏特性的类间调制样式识别算法。仿真结果表明,在低信噪比时方法比传统小波变换方法具有更高的正确识别率,算法复杂度低,且不需要码元同步。     

基于实测路面高程数据的路面不平度研究

为研究自铺设实验路面不平度等级,本文采用水准仪测量路面不同位置的高程数据进行路面不平度研究。经统计处理高程数据得到整个路面的三维高程曲面,并利用经验模态分解(empirical mode decomposition,EMD)方法处理路面不平度趋势项,获取符合路面相对等级的路面不平度数据序列,重构路面不平度,建立自回归(auto regressive,AR)模型,求解实验路面功率谱密度并分析。分析结果表明,在低频段,实验道路位移功率谱密度值较大,在高频段,实验道路位移功率谱密度值较小,实验路面的特性参数与B级路面的数值相近,整个路面属B级路面。该研究为车辆的动态响应提供了较为准确的路面不平度信息,具有一定的实际应用价值。     

考虑路面不平的牵引力控制系统

分析了路面不平对牵引力控制系统的影响,提出了基于车轮加速度的路面识别方法,在此基础上提出了考虑路面不平度的牵引力控制算法。应用MATLAB建立了仿真模型,通过对不平路面的牵引力控制算法进行的仿真结果表明,考虑路面不平的牵引力控制系统能够识别路面不平,并能有效控制驱动轮的过度滑转。     

基于小波变换的路面破损图像降噪增强算法

针对传统的边缘提取算法对提取路面裂缝的不适应问题,提出了一种基于二维离散小波变换的路面裂纹图像降噪增强算法。该算法利用小波变换分解公路裂纹图像,自适应地处理不同层次的细节系数,增强裂纹信息。实验结果证明,面对复杂的图像背景纹理信息和大量噪声,算法能够成功锐化裂纹边缘信息,去除公路纹理噪声,有着较强的鲁棒性。     

一种实时基音检测算法

针对目前基音周期检测实时性的要求,提出了一种基于小波变换的语音基音周期实时检测算法.该算法在提取小波系数极大值过程中利用了小波变换极值与信号突变点之间的关系,将小波域波形与时域波形相结合,采取每次搜索以前一个小波系数极值点作为新的基准的自适应基准方式,并利用了平均能量、过零率、历史峰值幅度、当前峰值估计等多特征参数.实验结果表明,该算法在2.5 ms时间内可以准确捕捉并检测到新的基音脉冲位置,而且对语音和残差信号均取得了较好的结果.     

一种实时基音检测算法

针对目前基音周期检测实时性的要求,提出了一种基于小波变换的语音基音周期实时检测算法,该算法在提取小波系数极大值过程中利用了小波变换极值与信号突变点之间的关系,将小波域波形与时域波形相结合,采取每次搜索以前一个小波系数极值点作为新的基准的自适应基准方式,并利用了平均能量、过零率、历史峰值幅度、当前峰值估计等多特征参数．实验结果表明,该算法在2.5ms时间内可以准确捕捉并检测到新的基音脉冲位置,而且对语音和残差信号均取得了较好的结果。     

基于最大相关性的小波谐波检测方法

谐波的存在严重影响电网中电能的质量,保证电力系统的安全运行,首先要对谐波进行准确的检测和分析,剖析电网中的谐波成分。傅里叶变换能够分析谐波中稳态成分,却无法分析电力谐波中广泛存在的暂态及突变信号。小波变换的时频分析方法应用于谐波分析当中,弥补了傅里叶变换的这一缺陷。本文通过Matlab仿真,采用最大相关性的方法选取小波基,并用小波变换实现对电力系统中暂态信号的分析,将小波变换与傅里叶变换的分析方法进行比较,验证了基于小波变换的谐波检测方法的有效性。     

基于小波和神经网络的传感器故障诊断

提出了一种新的基于小波包变换和BP神经网络的传感器突变故障诊断方法。根据小波变换在时域和频域都具有良好的局部化特性对信号特征进行精确定位,根据传感器输出信号的小波包分析提取能量变化率的特征向量,利用BP神经网络进行传感器故障分类。这种方法无需预先建立传感器模型和测量传感器输入信号,通过对小波包系数的削减,减少了冗余数据,提高了故障检测的实时性。仿真实验结果表明了该方法的有效性。     

DDoS攻击快速在线检测器设计与实现

基于网络自相识似模型的DDoS攻击检测是一种新型的攻击检测手段。本文在研究数据包捕获机制和小波分析的基础上，设计并实现了一种基于小波变换的快速在线检测器，并通过实验证明该方法的有效性。     

双密度小波中线的表面粗糙度分离技术

微纳米检测技术的发展对机械加工表面评定技术提出了更高的要求,准确地分离出表面粗糙度信号显得尤为重要.现有的小波滤波中线存在着滤波结果与采样点起始位置有关的问题.针对于此,提出了一种基于双密度小波中线的粗糙度分离方法,用于工程表面信号的分析,克服了采样点位置对分离结果的影响,提高了分离粗糙度、波度等频率成分的准确性.仿真及实验结果表明,新的双密度小波中线基准能够平移不变的提取表面粗糙度,准确性相比于其他方法提高4%.     

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.     

基于连续小波变换极值点进行故障检测的研究

介绍了连续小波变换的基本原理 ,以及利用连续小波变换的极值点进行系统故障检测的方法 ,并给出了基于MATLAB的仿真实例 .     

基于小波理论的电力系统谐波检测方法

提出了对电力系统中稳态谐波和暂态谐波的不同检测方法.阐明了小波理论的基本原理,对复合信号进行了小波变换和小波包变换的仿真分析和比较.仿真结果表明,对稳态谐波检测时适合采用小波变换,对暂态谐波检测时适合采用小波包变换.     

Change detection in multi-temporal remote sensing images based on the wavelet-domain immune clonal optimazition

In order to reduce the impact of noises on detection accuracy in change detection for remote sensing images, a novel change detection method is proposed based on the immune clone algorithm and wavelet transform. Firstly, the multi-scale and low-pass smoothing characteristics of wavelet transform are utilized to construct multi-layered difference images. Secondly the time domain deviations caused by operation of zero insertion and image convolution in wavelet transform are corrected by the immune clonal algorithm that the initial segmentation results obtained using the Rayleigh-Gauss model are matched by the secondary linear interpolation operation. Finally, the change detection is accomplished by image fusion. Simulation results show that the algorithm can not only reduce the image noises, but also suppress the image deviations caused by wavelet transform effectively. The accuracy of change detection is improved significantly.     

基于小波奇异性的滚动轴承故障检测方法研究

在滚轴故障诊断中,故障通常表现为振动信号的突变,因此检测信号奇异点意义重大。文章介绍了小波变换理论和小波变换奇异性检测原理,研究了奇异性检测方法在滚动轴承故障诊断问题中的应用。采用小波门限消噪法处理繁杂的滚轴振动信号,对消噪后的振动信号采用小波变换模极大值奇异性检测方法进行多尺度小波分析,得到故障点的位置。仿真结果表明,该方法下振动信号奇异程度以及奇异点的位置明显。     

Gauss小波变换像空间的再生核函数

针对经常用于边界检测并且使用效果非常好的Gauss小波,给出了其小波变换像空间的再生核具体表达式.并且当固定尺度因子时,利用再生核空间理论,对Gauss小波变换像空间做了具体描述,为进一步研究一般的小波变换像空间提供了理论基础.