刀具破损信号小波分析

简述了小波的基本概念，对刀具破损电机电流信号进行了小波分析，结果表明，小波分析能为监控刀具破损提供了有效的手段。     

基于小波分析的航空发动机故障诊断方法研究

小波变换是一种多分辨率的时频分析方法,应用在振动信号处理、故障诊断方面较传统方法优越。在阐述小波分析理论基础上,对某型航空发动机的振动信号进行分析,采用小波分解和信号重构的方法,提取了噪声掩盖下振动信号中的故障信息,根据航空发动机整机振动的典型故障特征频率,判断该发动机是否发生故障。     

小波变换在航空发动机故障诊断中的应用

论述了小滤变换在航空发动机故障诊断－－检测特征信号和分离信号的高、低频成分中的应用，小波变换是采用可变窗口的积分变换，是一种多分辨率的时频分析方法，应用在振动信号处理较传统分析方法优越。     

小波分析在外测数据降噪处理中的应用

小波变换分析是一种同时在时间(或空间)域和频率域内进行局部化的新方法;利用小波变换及其自适应性,可在不同尺度上分析和处理数据,通过特定的方法达到消除随机噪声的目的。本文简单介绍了小波分析理论的基本原理和方法,详细介绍了该方法在信号处理中的分解与重建算法,以及基于小波分析方法的降噪原理。在此基础上,将小波变换应用到外测弹道数据的滤波降噪处理中,通过仿真和实测数据的运算结果表明,应用小波分析的降噪方法对喊噪声的数据具有很好的效果,在工程应用中有看十分广泛的应用前景。     

基于小波分析的飞控传感器故障诊断

小波分析具有局部时频分析能力，适宜于对突变信号的检测，针对飞控系统传感器故障的特点，提出了基于小波分析的飞控传感器故障诊断法。仿真结果表明，应用小波分析，可以非常精确定位传感器信号的故障点。     

小波分析在外测数据降噪处理中的应用

小波变换分析是一种同时在时间（或空间）域和频率域内进行局部化的新方法;利用小波变换及其自适应性,可在不同尺度上分析和处理数据,通过特定的方法在室消除随机噪声的目的,本文简单介绍了小波分析理论的基本原理和方法。详细介绍了该方法在信号处理中的分解与重建算法,以及基于不波分析方法的降噪原理,在此基础上,将小波变换应用到外测弹道数据的滤波降噪处理中,通过仿真和实测数据的运算结果表明,应用小波分析的降噪方法     

小波分析在航空发动机性能趋势监控中的应用

简要分析了小波变换的原理、应用和算法。利用MATLAB编程，初步探讨了小波分析在发动机性能监控方面的应用。最后，通过实际的发动机数据对这种方法进行了验证，并对结果和应用前景进行了讨论。     

基于小波熵的滚动轴承早期微弱故障信息提取

滚动轴承产生早期微弱故障时,故障信息会被淹没在强背景噪声和其他振动源信号中,还会受到低频效应影响,这使得传统的频谱分析很难找到这些被淹没的故障信息。针对这一问题,本文提出一种基于小波熵的故障信息提取技术,首先对测试到的振动信号进行连续小波变换(CWT),获得时间-尺度谱,再计算时频矩阵中每一个尺度下的信号的熵,最后选取熵最小的尺度进行频谱分析。运用该方法对设置了外环故障、内环故障、滚珠故障的三种滚动轴承的振动信号进行了分析,并与传统的傅里叶变换(FFT)和包络解调分析方法进行了对比。分析结果表明,基于小波熵的分析方法能更有效地提取出振动信号中的故障频率信息。最后把该方法应用到某型涡轴发动机的主轴承故障诊断中,成功提取出了故障频率信息,实现了对滚动轴承进行早期故障检测。     

基于小波包分析的转子振动信号故障特征提取研究

针对处理转子振动故障时,FFT等传统方法不能很好地分析同一频率下不同类型故障并发的复杂信号的情况,提出采用小波包分析的方法并分离故障特征向量。通过对比FFT与小波包分析方法,可以明显看出小波包分析的先进性和有效性。     

改进Hilbert-Huang变换及其在转静子碰摩仿真中的应用

针对Hilbert-Huang变换(HHT)的不足,应用时间序列重构矩阵奇异值分解的能量分析方法改进了HHT,并提出了用来识别伪固有模态函数(IMF)的方法.利用仿真信号检验了改进HHT的效果.将改进后的HHT应用到某双转子航空发动机轻碰摩故障仿真试验结果的检测中,并与改进前HHT和小波分析的结果进行了比较,得出了改进后的HHT具有有效分离出微弱信号分量等优势,且能比小波变换更好地确定碰摩的存在.      

应用独立分量分析提取液体火箭发动机的故障特征

以某型液体火箭发动机为研究对象，针对故障诊断中故障特征提取难的问题，提出了应用小波消噪技术和独立分量分析获取高品质源信号，并利用源信号进行故障诊断的思路，对发动机热试车压强信号进行了实例分析。研究结果表明，该方法提高了诊断信号的质量，有效地提取了故障特征。     

基于稀疏和冗余表示的图像融合方法

为了产生能提供更多信息的融合图像,提出了一种基于SRR(Sparse and Redundant Represent,稀疏和冗余表示)理论的图像融合方法。该方法首先采用训练所得的冗余字典对原始图像进行稀疏表示,然后对系数矩阵采用1-范数取大融合规则进行融合,最后对融合系数矩阵和冗余字典进行重建以得到融合图像。将该方法与拉普拉斯变换、PCA(Principal Component Analysis,主成分分析)、DWT(Discrete Wavelet Transform,离散小波变换)、CVT(Cur Velet Transform,曲波变换)和NSCT(Non-Subsampled Contourlet Transform,非下采样轮廓波变换)等方法在几组图像上进行比较,实验结果表明,该方法在一定程度上提高了融合图像的质量,在主观和客观上都具有较好的性能。     

用小波和神经网络相结合的方法识别人体表面肌电信号

以MALTAB语言作为系统设计工具，将小波分析与神经网络相结合分析人体表面肌电信号。对SEMG信号的识别分为3个步骤：数据预处理，特征的提取，设计分类器分类。首先利用小波分析进行消噪，提取特征；然后采用BP神经网路进行分类、识别；最后通过对分类结果的分析与比较，证明小波与神经网络相结合是一种有效的表面肌电信号的模式识别方法。     

A fast arc fault detection method for AC solid state power controllers in MEA

Arc fault detection is desperately required in Solid State Power Controllers (SSPC) in addition to their fundamental functions because arcs will provoke growing harm and threat to aircraft safety. Experimental study has been done to obtain the faulted current data. In order to improve the detection speed and accuracy, two fast arc fault detection methods have been proposed in this paper with the analysis of only half cycle data. Both Fast Fourier Transform (FFT) and Wavelet Packets Decomposition (WPD) have been adopted to distinguish arc fault currents from normal operation currents. Analysis results show that Alternating Current (AC) arcs can be effectively and accurately detected with the proposed half cycle data based methods. Moreover, experimental verification results have also been provided.     

发动机转子系统早期故障特征提取方法

对飞机发动机转子系统早期故障特点进行分析的基础上,提出了利用虚拟仪器和Matlab小波工具箱分析软件对其早期故障进行检测和特征提取的方法.文中对早期故障特征量的选取、有用信号与噪声信号的分离方法、突变信号与奇异信号的特征提取等进行了分析和研究,并以转子早期碰摩和早期不平衡为例进行了实验研究.结果表明,Labview和Matlab小波分析软件相结合,能够快速有效地提取发动机转子系统的早期故障特征,为发动机转子系统早期故障的快速识别提供了一种新途径.     

显微视觉自动聚焦的小波测度研究

离散小波变换(DWT)或连续小波变换(CWT)滤波后自相关运算均可对显微图像中的高频信息进行提取,依据高频能量的大小可以判断图像目标特征的离焦程度.基于上述原理,提出与小波变换相关的两类聚焦测度函数:基于DWT的聚焦函数、基于CWT滤波后自相关运算的聚焦函数.以MEMS器件微对准封装系统中的显微视觉单元作为实验平台,运用实验的方法确定小波基、小波因子以及小波系数的计算形式,得到可用于本显微视觉系统的两个基于小波的聚焦测度:Haar二级小波分解系数平方和函数;尺度因子为2-5的Mexican-Hat小波滤波后自相关平方积分函数.最后利用聚焦分辨率与函数计算时间两个参数对聚焦测度函数进行量化评估.与Brenner函数及平方梯度函数等聚焦效果较好的基于空域聚焦测度相比:DWT函数的聚焦分辨率为8.43,比Brenner函数高14%,其计算时间为0.61 s,比Brenner函数缩短52%;而CWT自相关函数在聚焦分辨率上比平方梯度函数低41%,但计算时间比平方梯度函数缩短36%.表明基于小波域的自动聚焦测度函数具有实用价值.     

基于小波原理的振动信号包络提取法

根据小波能对信号包络提取的原理对滚动轴承的振动信号进行了研究．应用基于小波原理的自信息包络提取法，同时把该方法应用于分析滚动轴承故障，证明该方法能更有效地提取滚动轴承的信号包络，适用于分析滚动轴承故障。     

基于深度学习的航空器异常飞行状态识别

飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。     

基于小波的周期信号中瞬态冲击特征提取

小波变换具有优良的时频分析特性,利用小波变换提取周期信号中的微弱瞬态冲击非常有效。为了消除ＭＡＬＬＡＴ算法中的频率混淆,本文提出了一种改进的二进离散小波变换快速算法,并成功地利用小波变换提取了某型涡喷发动机滚珠轴承的早期故障特征,实现了傅立叶变换所达不到的效果。     

基于小波变换的航空发动机性能衰退率计算方法

由于航空发动机的工作环境复杂,性能参数测量值中夹杂的工况信息和测量误差会对发动机的性能衰退率计算产生较大的影响。为了弱化工况信息和测量误差对航空发动机性能衰退率计算的影响,本文首先运用多层小波分解与重构的方法对原始性能参数进行了趋势分量的提取,进而运用线性回归的方法对航空发动机的性能衰退率进行了计算。经过实际运维数据的验证,本文提出的航空发动机性能衰退率计算方法能够为实际工程应用提供理论支持。