基于小波变换的奇异信号检测

奇异信号的奇异点经常携带比较重要的信息,它是信号的重要特征之一。证明了小波变换能用来检测信号的奇异性,利用小波变换模的极大值和信号奇异点的关系,可以分析信号局部奇异性。信号局部奇异性用李氏指数来描述。研究了奇异性检测小波基的选择条件。给出了实例分析,结果表明,小波变换在信号奇异性检测和局部化分析方面具有优异特性。     

基于小波减噪的滚动轴承故障频率的识别

研究了振动信号局部奇异性在小波变换下的特性,定量分析了小波变换方法的减噪特性。根据滚动轴承故障振动信号和噪声的局部奇异性在小波变换下模极大值在不同尺度上的传播特性不同的特点,利用小波分解和重构算法,对轴承振动信号进行了分解、减噪、重构和谱分析。实验表明,小波减噪方法非常适于低信噪比情况下滚动轴承微弱振动信号的故障频率检测。     

小波理论及其在电力系统故障检测中的应用

小波变换理论在时域和频域的局部化性质，使之能有效地检测出信号的奇异性。文章着重介绍了小波分析在信号奇异性检测中的基础理论，同时简介了小波分析的基础理论，最后将其应用到电力系统故障检测中，取得了满意结果。     

基于小波分析的超声波检测信号处理

利用小波变换分析超声波检测信号,判断岩石内部结构,物理力学性质。应用小波变换的多分辨率分析,对岩石超声检测信号进行了时频分析和处理。结果表明,小波变换可以去除信号中的噪声,并能聚焦到信号的任意细节,检测出信号的奇异性,判断岩石的完整、裂隙、节理和断层等结构特性。     

小波变换在故障诊断中的应用

对小波变换与傅立叶变换进行了比较。由于小波分析能对信号高、低频部分局部细化并保留原信号的时域特征,因而具有良好的时频特性,能对非平稳信号进行有效识别,达到故障诊断的目的。     

永磁直线同步电机垂直运输系统弱信号的检测

在分析小波包变换具有良好的时频特性基础上,根据信号和噪声具有不同的小波特性,采用浮动阈值去噪的方法,解决了低信噪比情况下弱信号的检测。仿真结果表明,采用小波包去噪可改善系统对信号的检测能力。     

小波奇异性检测理论在齿轮故障诊断中的应用

在故障诊断中,故障通常表现为输出信号发生突变,因而对信号突变点的检测有非常重要的意义。小波分析是近年发展起来的一门新的数学理论和方法,它以其具备的时域和频域的局部特性,成为信号奇异性检测的重要工具。阐述了基于小波变换模极大值的信号奇异性检测原理,分析了信号奇异点的定位方法及奇异性程度的计算方法。仿真实验结果表明该方法是行之有效的。     

电力拖动系统谐波分析的数学变换

根据带有晶闸管变流装置的电力拖动系统谐波分析的特点 ,较为详尽地分析了各种数学变换。由于小波变换克服了Fourier变换不能对信号进行局部分析这一严重缺点 ,同时有很强的特征提取功能 ,尤其对突变信号的处理 ,表现出非常明显的优点 ,特别是小波包具有将频率空间进一步细分的特性 ,使小波分析成为电力系统谐波分析有效的数学工具     

小波变换在电能质量中电压微小波动检测的应用

电压微小的波动会对要求高稳定电压的精密仪器易造成影响,根据小波变换的多分辨率分析理论和Mallat算法,利用小波变换具有突出信号时域、频域局部特征的能力,提出了基于小波变换在电能质量中的电压微小波动检测的方法。仿真结果表明,该方法在电压微小波动检测方面,具有其他方法无法比拟的优越性。     

小波变换在滚珠轴承故障特征提取中应用

分析了小波变换的时频特性,给出了二进离散小波变换的快速算法。利用小波变换,成功地提取了混入在转速信号中的微弱滚珠轴承故障信号,实现了傅立叶变换难以实现的功能。     

矿用钢丝绳断丝信号处理技术

针对目前国内各种钢丝绳断丝检测仪的缺陷 ,提出了应用小波变换和神经网络技术对检测信号进行分析处理 ,以提高仪器的精度和灵敏度 ,并详述了用小波分析法提取信号的特征量以及用BP网络建立断丝识别模型的方法。     

钢丝绳断丝检测技术的研究

介绍漏磁法检测钢丝绳断丝技术 ,应用小波变换对钢丝绳断丝检测信号进行了时频分析     

小波变换在齿轮故障诊断中的应用

在分析小波变换理论和齿轮振动信号特点的基础上,提出用小波分析法提取齿轮故障特征。齿轮振动信号具有非平稳性,并且受各种噪声干扰,小波分析法具有处理非平稳信号的突出优点。在MATLAB环境中,建立了齿轮振动仿真信号,采用小波函数对受噪声污染的信号进行软阖值消噪处理,通过功率谱分析提取特征频率。仿真表明,该方法可有效抑制噪声,提取特征频率,从而为齿轮故障诊断提供依据。     

小波神经网络在炼铜转炉炉渣重量和成分预报中的应用

小波分析是一种新的信号处理技术,具有良好的时频局部化特征。为了克服BP网络自身算法的缺陷,得到更高的学习精度和更快的收敛速率,使用小波包分析的特征提取及神经网络的非线性映射特性,构造了小波神经网络,以此为基础开发出的软件系统具有使用的特征量少,建造预报系统较为简单等优点。将之应用于炼铜转炉炉渣重量及成分预报,该模型完全能够较准确地预报出渣量和成分。其平均拟合误差为1．5％,平均预报误差为3．1％。     

基于声发射信号分析的螺栓松动识别

利用小波包分析技术对随机激励下法兰螺栓联接结构2次声发射信号进行研究,提取声发射信号随螺栓松动变化的特征量。首先,对螺栓联接结构声发射信号进行小波包分析,得到了声发射信号在不同频带上的能量分布图。然后,总结了随机激励螺栓联接结构声发射信号频带能量的分布规律。分析结果发现螺栓松动变化影响声发射信号频带能量的分布规律,预紧力越大,各频带能量越小;优势频带的能量特性随着预紧力的变化越明显。     

钢丝绳断丝检测信号的小波分析

介绍了小波变换的基本概念 ,应用小波变换对钢丝绳断丝检测信号进行了奇异性分析     

矿用钢丝绳断丝信号检测与处理技术

针对目前国内各种钢丝绳断丝检测仪的缺陷 ,提出了应用小波变换和神经网络技术对检测信号世行分析处理的方法 ,以提高仪器的精度和灵敏度     

钢丝绳漏磁检测信号的处理

漏磁检测是无损检测中的一种重要方式,采用漏磁法对钢丝绳进行检测时,关键问题是对漏磁信号的处理,应用小波变换和小波网络技术对漏磁检测信号进行分析处理,形成良好的网络,然后对钢丝绳进行检测,结果达到了一定的准确度,表明漏磁检测信号处理技术在实际应用中具有可行性。     

基于小波频谱分析的滚动轴承故障诊断研究

提出了一种基于小波频谱分析的滚动轴承故障诊断方法。利用小波默认阈值方法进行数据消噪处理,并对消噪后振动数据进行了5层小波分解。根据轴承故障特征频率,对故障特征频率所在层进行小波重构,计算功率谱密度。对滚动轴承故障的振动信号的仿真结果表明,该方法能有效识别滚动轴承的内圈、外圈和滚动体故障。