基于小波神经网络的航空刀具磨损状态识别

针对航空零件的加工特点,采集刀具在不同磨损状态下的声发射(AE,Acoustic Emission)信号,对AE信号进行时频分析和小波变换,运用快速傅里叶变换(FFT, Fast Fourier Transform)以及db8小波5层分解,提取AE信号幅值的均方根和主能量频段的能量作为特征向量,对特征向量进行归一化处理后作为输入向量对小波神经网络进行训练.小波神经网络运用参数调整算法,在权值和阈值的修正中加入动量项.测试结果表明:AE信号对刀具磨损敏感的频率范围在10~150kHz,网络实际输出与期望结果的误差小于0.03,该方法能够对刀具不同磨损状态进行正确的识别.      

飞机电源系统整流装置故障诊断方法

某型号飞机电源系统现有的机上自检测装置由传统的硬件逻辑电路构成,存在功能扩展性差、可靠性低等缺点.为符合新一代机上自检测装置微机化、智能化的特点,在对其进行故障模式分析的基础上,采用基于小波神经网络的故障诊断方法,通过对整流装置输出电压的实测信号样本的频谱分析,获得对故障敏感的特征频率点,根据小波变换的多分辨率分析理论,确定了与特征频率点相对应的小波母函数和变换尺度.在此基础上,通过定义频带能量特征向量,将小波变换得到的小波系数转换为一组特征向量.将特征向量作为BP神经网络的前端输入,由神经网络完成故障的识别与分类.经验证,故障特征得到了有效地提取,使神经网络可在各种工况下对故障进行故障诊断,符合灵敏性、鲁棒性的要求.      

基于小波包和Elman神经网络的液压泵故障诊断

针对液压泵出口故障检测信号信噪比低、难以进行故障特征提取的特点,及 传统的BP网络进行故障诊断时网络学习具有收敛速度慢和学习、记忆不稳定的缺陷,提出了 一种将小波包变换和改进Elman神经网络相结合,进行液压泵故障诊断的新方法.利用具有 紧支结构的小波函数对信号进行分解,削减小波系数以滤除信号中的噪声;单支重构以有效 提取各频带的故障特征,并以频带能量作为识别故障的特征向量;应用改进的Elman神经网 络建立从特征向量到故障模式之间的映射,实现液压泵故障分类.试验结果表明,采用小波 包和改进Elman神经网络相结合的方法可有效的实现液压泵故障的诊断.      

小波分析理论及其在雷达信号处理中的应用

依据所处理信号类型的不同,对小波变换与短时傅立叶变换进行了比较,说明小波变换适用于非平稳信号和奇异信号的处理.简要介绍了连续小波变换、离散小波变换和小波包理论的基本内容,讨论了小波变换实际应用中的采样和快速算法等几个关键问题.结合矢量量化技术,给出了一种用小波变换对星载SAR(Synthetic Aperture Radar)原始数据进行压缩的方法,结果表明,与传统的方法相比,由该方法压缩后的原始数据生成的SAR图像具有更大的信噪比.同时对小波变换用于雷达目标识别和SAR图像分类的性能进行了初步分析.      

一种地震动信号特征提取与分类方法

为了实时检测、识别和预警对地下基础设施的挖掘破坏活动，本文提出一种地震动信号特征提取与分类方法。通过提取小波包变换域和集合经验模态变换域的多域能量联合分布特征向量，构建改进的径向基神经网络分类模型，利用机器学习的方法提取稳定的信号多域融合特征，并实现准确的信号特征分类预测。由多类别挖掘信号的仿真实验结果可以看出，本文的算法和模型能有效提升地震动信号分类的准确率，对地震动干扰信号具有较强的鲁棒性。     

基于主元分析和BP神经网络对刀具VB值预测

对声发射信号进行5层小波分解提取6个频段的能量值,把它与切削速度、切削深度、进给量和切削时间一起作为刀具状态的特征向量.通过主元分析进行降维、消除特征向量间的相关性后,把得到的主元作为BP(Back Propagation)神经网络的输入向量.BP神经网络应用改进的LM(Levenberg-Marquart)算法进行学习,利用输入向量对网络进行训练后,实现对刀具后刀面磨损量VB的预测.实验结果显示:基于主元分析和LM算法改进的BP神经网络建立的预测系统,网络输出与实测VB值的误差0.03以内;根据预测VB值的范围可判别出刀具的不同状态.      

基于小波变换和神经网络的脑电信号分类方法

结合小波变换和神经网络对酒精中毒者和正常清醒者的脑电信号进行分类.通过分析脑电数据找出分类特征;采用一维离散小波变换提取含有分类特征的脑电信号频段,并以小波变换分解系数作为信号特征,实现数据序列长度压缩;对应3种刺激方式建立3个相同结构的学习向量量化(LVQ)神经网络,用于对脑电信号的预分类;根据判决规则得到最终分类结果.对真实脑电数据的分类正确率达到89%.     

直升机声疲劳源的诊断技术研究

首次开展直升机声疲劳源的诊断工作,基于小波变换原理,建立了直升机声疲劳源的诊断方法与技术,它包含小波分解与重构阶数的确定、噪声信号分解、分解信号重构以及分离信号的1/3倍频程计算等方面内容.该方法具有低频信号分辨率高和易于重构等特征,特别适合直升机的主、尾桨噪声信号进行分离.通过对模拟的主、尾桨信号进行分离,并将分离后的信号与原始信号相比,发现误差不超过2.3%,因此,验证了该法的有效性.另外,应用该法还对小松鼠直升机所记录的噪声信号进行主、尾桨噪声分离,所得结果表明:建立的直升机声疲劳源的诊断技术,能够处理直升机非平稳噪声信号,可以完成直升机主、尾桨噪声的分离.     

基于小波变换熵值及高阶累积量联合的卫星信号调制识别算法

调制识别是信号检测与解调的关键环节,针对卫星调制中采用的MAPSK,MQAM,MFSK,MPSK方式,提出了一种计算小波变换熵值并结合高阶累积量的联合调制识别算法.根据小波变换对时频信息敏感的特点,不同调制方式高阶累积量计算结果的区分性以及不同复杂度的调制信号熵值结果不同,分析了以上4类调制信号的计算结果,提出了基于小波变换熵值及高阶累积量联合的卫星信号调制识别算法.计算调制信号小波系数,据此计算熵值,实现对调制信号的类别划分,使用高阶累积量实现类别内的信号分类.经过仿真分析,可实现在8dB以上达到0.9识别率的效果,该方法对高阶（64阶调制）信号识别具有一定借鉴意义.      

基于DWT的汽油机爆震信号分析

为提高爆震检测精度,研究了离散小波变换在爆震信号分析中的应用.利用离散小波变换从汽油机的振动信号中提取出了轻微爆震特征,提出了一种根据离散小波变换特征域子带信号能量大小来评价爆震强度的指标,根据爆震发生时特征域子带信号能量阶跃变化的特性,提出了确定爆震阈值的方法,该方法经检验能准确判断发生爆震的临界值.研究成果为将小波变换应用于汽油机爆震的实时精确控制打下基础,可进一步通过点火提前控制使汽油机在轻微爆震区工作,汽油机的动力性、经济性都能够得到提高.     

小波变换在大地回波噪声处理中的应用

基于小波变换的多尺度分辨特性,作者对连续信号、脉冲信号和宽平稳白噪声在小波域中不同分解尺度上的模极大值变化规律进行分析,根据它们的变化规律用Mallat快速算法设计出一套用于抑制低信噪比雷达回波中的干扰噪声、最大限度提纯真实回波信号的算法.仿真实验证明,该算法对抑制噪声作用明显,能较好地提纯雷达回波信号,这为低信噪比下雷达回波信号检测提供了一条有效途径.     

小波网络在直接转矩控制系统低速运行中的应用

针对传统的异步电动机直接转矩控制系统低速运行时存在较大转矩脉动的问题,详细分析了定子电阻变化对系统控制性能的影响,提出了基于小波网络的定子电阻辨识方法.将定子电流的误差和定子电流误差的变化量作为小波网络的输入,网络输出为定子电阻误差的动态估计值;综合应用递推正交最小二乘法与改进的Givens变换训练小波网络参数,利用小波网络良好的时频局部特性可以准确的观测出定子磁链和转矩,优化了逆变器的控制策略.仿真结果对比表明该方法可以有效得改善电动机的低速运行性能,优于采用BP(Backward Propagation)神经网络的方法.      

一种基于支持向量机的小波图像压缩方法

提出了一种结合支持向量机(SVM,Support Vector Machines)回归与小波变换的新的静态图像压缩方法.SVM回归方法可以学习原始数据之间的相关性,并采用小部分训练样本,即支持向量来稀疏表示原始数据集,利用这一特性来逼近和约减小波系数,可以达到数据压缩的效果.首先采用小波变换把原始图像分解成不同尺度的多个子带,由于最低频子带系数非常重要,采用DPCM直接编码,然后对其它频带系数采用SVM回归进行压缩.由于不同尺度和方向的小波系数特征不同,为尽可能去除小波系数间的各种相关性,给出了适合SVM回归的小波系数的有效组织方式.最后研究了支持向量及其相应权重的混合编码方法.实验结果表明:与同类压缩方法相比,本算法获得的恢复图像的主客观质量有明显提高.      

Walsh变换对冲击信号序列特征提取的研究

提出使用Walsh变换和小波包相结合的方法,对滚动轴承故障产生的冲击信号序列提取故障特征, 并给出了计算的有效算法. 对滚动轴承故障特征分析和计算表明,用改进小波包分解、重构公式能有效地剔除冲击信号序列中高频共振信号和噪声, 使用快速Walsh变换(FWT)求取其功率谱,优于Fourier变换,可很好地提取故障特征,仿真和实际数据计算的结果,证实了上述方法的有效性.      

改进PCA在热波图像处理中的应用

针对飞机结构隐藏腐蚀热波成像检测中出现的热像仪中有用数据较少、图像序列中腐蚀区域与非腐蚀区域对比不明显、信噪比较低等问题,提出了基于小波变换的改进PCA(Principal Component Analysis)算法.该算法对热图像序列中的每帧图像进行二进制离散小波变换,提取出低频部分的系数;对低频系数进行改进PCA分析,通过固定点算法并引入Gram-Schmidt正交化过程求解特征向量;令高频系数为零,抑制图像的噪声.实验结果表明:该算法充分利用了热像仪的有用数据,提高了图像的质量和信噪比,且计算时间较短.