基于剪切波和小波特征融合的金属表面缺陷识别方法

金属表面缺陷具有复杂性和多样性。小波变换能很好地捕捉点奇异性信号,对点缺陷识别效果好;剪切波变换作为一种新的多尺度几何分析方法,对奇异曲线具有最优逼近性能和方向敏感性,因此对方向性的缺陷识别效果好。提出一种基于剪切波和小波特征融合的金属表面缺陷识别方法。对金属表面图像分别进行离散剪切波变换和小波变换,计算各尺度方向子带的平均值和方差值,并组成一高维特征矢量。用核保局投影算法对高维特征矢量进行降维,以去除特征间的冗余,得到低维特征矢量,并输入到支持向量机进行缺陷分类。以高温铸坯、中厚板、精密铝带三种典型金属为例,对从现场采集到的三种典型金属的样本库进行试验,结果表明:高温铸坯、中厚板、精密铝带缺陷样本的识别率分别达到93.95%、98.27%、92.5%。试验结果证明了该方法可有效应用于不同类型金属的表面缺陷识别,具有通用性。     

用散射光测量光滑金属表面的粗糙度

光滑表面散射光的角度分布包含了表面的粗糙度信息，即散射光的分布与粗糙度的均方根值Ｒｑ和自相关长度１值有关。本文用半导体激光器测量了金属表面散射光在入射平面的角度分布。用最佳曲线拟合法计算出表面粗糙度的均方根值Ｒｑ和自相关长度１。     

基于小波变换的三维粗糙表面分形维数计算方法

基于小波变换提出一种三维粗糙表面分形维数的计算方法。该方法采用小波变换对三维表面形貌数据进行多尺度分解,通过对不同分解尺度下小波系数平方的均值进行函数拟合,继而得到粗糙表面的三维分形维数。为验证提出的方法的正确性与准确性,采用已知参数构建三维分形表面,对不同方法下分形维数的计算结果进行对比分析。对比结果显示,相比原始盒维数法与差分盒维数法,采用提出的小波变换法计算得到的分形维数误差更小。特别是在小波变换过程中选用sym4小波基函数时,分形维数的计算误差最小,误差能够控制在2%以内。将提出的方法应用于磨削表面分形维数的计算,得到了不同粗糙度下磨削表面的分形维数,进而验证了该方法的实用性。提出的方法能够更加精确地计算三维粗糙表面的分形维数,为粗糙表面分形接触模型的构建提供了参数基础。     

粗糙金属表面接触性能研究

计算粗糙金属表面接触性能时，通常忽略凸体之间的相互影响和应力场、特别是热应力场的影响，这给高副接触性能的计算带来误差。本文在考虑微凸体之间相互影响的基础上，计算了线接触金属摩擦副接触表层中的压力场、温度场及应力场（包括等温应力和热应力场）。结果表明：表面粗糙度对压力分布、温度分布及应力分布均有重要影响；热应力使最大总Ｍｉｓｅｓ应力移向表面，且随βｔ值的增大，总Ｍｉｓｅｓ应力迅速上升。这对研究胶合失效机理和边界膜成膜机理具有重要意义。     

气门故障特征提取及诊断方法的分析与研究

分析比较了工程实践中用于分析气门信号的两种方法(短时傅立叶变换和小波变换)的各自特点,指出用短时傅立叶变换分析气门信号存在的缺点,通过理论分析,得出用小波变换作为提取气门故障特征这一方法的优点.     

小波变换在粗糙表面几何形貌表征中的应用

粗糙表面几何形貌对于表面特性如摩擦、磨损、润滑、腐蚀疲劳等具有重大的影响,表面几何形貌能否及时准确地被表征具有重要的工程意义．简要叙述小波变换的特点,重点介绍目前小波变换在表面粗糙度评定、表面形貌分离与重构以及表面形貌分形维数提取等方面的应用,提出了目前小波变换在表面几何形貌表征中存在的不足,以及今后小波技术在表面形貌中发展的新趋势．     

基于Contourlet变换在图像去噪中的应用

Contourlet变换是小波变换的新发展,能更有效地捕捉图像中的几何结构。本文提出一种基于Contourlet变换的图像去噪方法。该方法通过对阈值去噪中的统一阈值和阈值函数进行分析,构造出一个新的阈值函数,新阈值函数在一定程度上改进了统一阈值"过扼杀"Con-tourlet系数的缺点,同时也使硬阈值去噪中出现的伪吉布斯现象得到解决。实验结果表明,本文采用的方法提高了去噪后图像的PSNR值,同时有效地保留了图像纹理信息,使视觉效果更好。     

Walter推出Quick-Step金属表面处理系统

金属加工磨料及化学原料供应商——德国Walter最近推出Quick-Step金属表面处理产品．无论任何金属，只需3个步骤便能把粗糙表面磨为平滑镜面。     

基于双树复小波变换的三维粗糙表面评定方法研究

针对目前用于提取三维粗糙表面基准面的第一和第二代小波存在的平移变动性与方向性差等缺点,以及最优小波基的选取和小波分解次数的确定等难点,提出将第三代小波变换--双树复小波变换（DT-CWT）用于三维粗糙表面的评定。通过比较三代小波实际重构图像以及仿真三维粗糙表面的误差和最大重构误差,得出了DT-CWT最优的结论;采用频带能量法确定DT-CWT的分解次数,并用仿真三维表面表征参数均方差S来验证得出的分解次数的正确性。最后用DT-CWT对具有分形特征的三维非平稳随机粗糙表面进行基准面的提取,结果验证了所提出方法的有效性。     

涡流阵列检测裂纹特征提取方法的研究

涡流阵列检测是一种可以对大面积平板和复杂形状关键件实施快速、有效检测的电磁无损检测技术.在简要阐述涡流阵列检测技术原理的基础上,设计制作了涡流阵列检测平台和涡流阵列传感器.基于涡流阵列6种激励检测模式,提出了裂纹长度和深度定量检测的方法.研究结果表明:裂纹长度可通过小波变换提取锁定放大输出幅值波形的特征点如波峰、波谷、拐点等的位置准确计算,裂纹深度可通过弹性BP神经网络对输出幅值波形波峰峰值的训练来较为准确地估计.     

旋转构件中内摩擦轨迹特征提取

旋转机构内摩擦的轨迹包含着反映其运行状态的丰富信息 ,但由于各种信号干扰严重 ,使机构内摩擦轨迹非常杂乱 ,难以从中得到有用信息。本文将小波变换的理论用于提纯机构内摩擦轨迹 ,剔除干扰 ,提取故障特征 ,取得了良好的效果。     

基于SWT-MCKD的滚动轴承故障特征提取方法

针对在强噪声背景下轴承早期微弱故障特征难以提取问题.提出了一种基于同步压缩小波变换(Synchrosqueezing Wavelet Transform,SWT)和最大相关峭度反卷积(Maximum correlation kurtosis deconvolution,MCKD)相结合的滚动轴承故障诊断方法.首先采用S...     

应用小波包和Hilbert分析的轴承故障特征提取方法

利用小波包理论的基本原理,对滚动轴承的故障信号进行了处理,实测信号经小波包分解和重构后,应用Hilbert变换进行包络解调和细化频谱分析,得出故障信号所对应的频谱。试验结果证明,对滚动轴承的非平稳信号进行小波包的Hilbert变换和细化频谱分析,并进行故障诊断是行之有效的,这为旋转机械的故障诊断提供了新的参考,具有重要的实际工程应用价值。     

改进拉普拉斯能量和的尖锐频率局部化Contourlet域多聚焦图像融合方法

为了克服Contourlet融合在远离支撑区间上出现的混叠成分,抑制融合图像在奇异处产生伪吉布斯现象,提出了改进拉普拉斯能量和的尖锐频率局部化Contourlet（SFLCT）域多聚焦图像融合方法。采用SFLCT而不是原始的Cont-ourlet对多聚焦图像进行分解,并将多聚焦图像空域融合方法中评价图像清晰度的指标引入到SFLCT变换域,用拉普拉斯能量来选择变换域系数。然后,逆SFLCT重构得到融合结果。最后,采用循环平移来提高SFLCT的平移不变性,有效抑制融合图像在奇异处产生伪吉布斯现象。实验结果表明：对于多聚焦图像,所提方法比循环平移小波变换法的互信息提高了5.87%,QAB/F提高了2.70%,比循环平移Contourlet方法的互信息提高了1.77%,QAB/F提高了1.29%;视觉效果优于典型的空域分块拉普拉斯能量方法和平移不变小波变换方法。     

基于互信息的小波特征提取方法及其在机械故障诊断中的应用

通过将小波方法与互信息——一个基于信号所有各阶统计量构建的统计测度相结合，形成了一种基于互信息分析的小波特征提取新方法。该方法克服了传统小波方法的不足，可由时域信号直接获取小波分解的低维量化特征，用于后续故障模式分类器的训练与设计，从而为构建自动化的智能机器故障诊断系统奠定了基础。实验结果表明，该方法简单有效，在机械故障诊断中具有较大的应用潜力。     

基于最优小波基的轴承故障状态特征提取方法研究

针对轴承故障诊断中最优小波基的选取问题,通过计算SUMVAR值选取最优小波基。用不同小波基对轴承故障仿真信号和故障实验信号进行降噪处理,分析降噪后信号与原信号的能量比值,降噪后信号与原信号标准差,峭度等指标,验证所选小波基的优越性。并对使用最优小波基降噪后信号做希尔伯特包络解调分析,结果表明,该方法能准确提取轴承故障特征频率。     

非平稳信号瞬时特征提取的谐波小波方法

分析了非平稳信号的瞬时特征(瞬时频率和瞬时相位),对非平稳信号进行谐波小波变换,建立非平稳信号的谐波小波系数与该信号的瞬时特征之间的关系,提出非平稳信号瞬时特征提取的谐波小波模型和提取方法.通过算例中的线性调频信号和应用实例中的轴承座振动信号的验证表明,该模型与方法具有较好的抗噪能力,对非平稳信号的瞬时特征具有更高的分析精度,能实现非平稳信号中特殊成分的瞬时特征提取.该方法能通过傅里叶变换实现其快速算法,具有算法简单、快速的特点,实现非平稳信号瞬时特征的实时分析.     

小波分析在模拟电路故障特征提取中的应用

针对模拟电路故障特征提取,提出了在小波变换Mallat算法的基础上,结合快速傅里叶变换的方法.该方法选用dbN小波,利用Mallat算法将信号分解,得到一系列高频和低频子带,分别对各子带进行快速傅里叶变换,从而得到各子带上信号的频谱.文章给出了采用该方法的基本步骤和应用实例,应用表明该方法可以有效辨别模拟电路参数型故障,准确得到故障特征.     

基于小波变换的轴心轨迹特征提取

回转机械的轴心轨迹包含着反映其运行状态的丰富信息，但由于各种噪声干扰严重，使轴心轨迹非常杂乱，难以从中得到有用信息。本文将小波变换用于提纯轴心轨迹，剔除干扰，提取故障特征，取得了良好的效果