一种基于小波和人工神经网络的故障检测与诊断方法

提出了一种基于小波和人工神经网络的故障检测与诊断的方法，该方法利用小波包分解的精确细分的特点，分别对正常系统和故障系统的采样信号进行精确特征提取，并构造一系列基于信号能量且具有表征系统状态能力的特征向量，然后利用人工神经网络分类器对系统在各种状态下的特征向量进行分类决策，从而实现对系统的故障检测与诊断。     

构件裂纹缺陷的超声识别

将小波包多分辨率分析与能量谱相结合,提出了金属材料缺陷特征提取的方法(小波包子带能量比较法)及不同缺陷的识别方法(小波分形神经网络法)。选取最能反映缺陷特征的参数——"能量特征向量"作为特征参数,进行缺陷的特征提取。缺陷的识别方法将小波包分解后各子带系数的分形维数作为特征矢量,对其进行径向基神经网络训练,从而可很明显区分出有无裂纹以及不同裂纹信号。以航天发射塔架钢连接构件疲劳裂纹超声检测信号为例,使用所提出的特征提取和模式识别方法,结果表明是行之有效的新方法,为金属材料缺陷检测与识别开拓了新思路。     

基于小波包分析的空间相机光机结构损伤仿真分析

空间相机在发射的主动段需要经历振动、冲击等严酷的综合力学环境作用,这些环境因素对其结构稳定性和可靠性有着重要影响,因此在其发射之前需要进行严格的振动试验以保证其结构的稳定性和可靠性。随着光学遥感相机轻量化和分辨率的不断提高,依靠遥感相机振动试验的频漂评价方法已无法快速确定结构损伤位置,文章探索采用频率响应分析和小波包分析相结合的方法快速识别遥感相机光机结构损伤。首先采用有限元分析软件完成某型号经典三反同轴空间相机的建模,然后模拟了该相机在损伤工况下的振动情况,再通过Matlab软件对仿真分析数据进行处理。通过数据仿真验证采用小波包分析方法进行故障识别分析的可行性,为后续振动试验中的损伤分析和定位提供了参考。     

基于小波包能量谱的航天器在轨泄漏漏孔形状辨识方法

为了实现对航天器在轨泄漏漏孔形状的准确辨识,提出基于小波包能量谱和支持向量机的航天器在轨泄漏辨识方法。首先分析圆形、长方形、正三角形3种典型形状漏孔之泄漏信号的频域特点,之后运用小波包能量谱提取不同形状漏孔泄漏信号的特征值,最后运用提取的特征值配合支持向量机建立辨识模型,实现对漏孔具体形状的辨识。对该辨识方法进行试验验证,将3种形状的漏孔分为A、B两组,利用A组漏孔进行泄漏信号特征值提取与辨识模型的训练,再对B组漏孔进行辨识准确率测试;结果表明该方法可以实现对不同形状漏孔的辨识,在合适的小波包分解层数下,总体辨识准确率可达95.9%。     

强噪声下结构小损伤检测的小波特征量研究

将小波分析用于强噪声背景下的结构小损伤特征量研究,对于含有微小损伤的结构动力学模型,通过改变输入激励获取不同输出信噪比的响应信号,再通过响应信号的小波分解构造反映结构损伤的特征量,同时研究了输出信噪比对结构损伤特征量的影响。结果表明,在不同的信噪比情况下提取的结构损伤特征信息与信噪比大小呈现出非线性特征。对结构损伤检测的目的而言,存在一个最佳的信噪比,而不是噪声干扰越小越好。     

海洋环境中基于小波变换的弱信号检测新方法

海洋环境中弱信号的谱与海杂波的谱相混叠,目标和背景的位置差异很小,经典的频域或空域处理对海杂波中弱信号的检测难以奏效。鉴于小波变换在提取弱信号方面具有独到的优势,提出了一种海洋环境中基于小波变换的弱信号检测方法。利用雷达采集的真实海杂波数据,在不同信杂比的条件下,研究了该方法与经典频域法在信号检测中的差别。通过实验分析,与经典方法相比,当信杂比达到-14.7dB时,仍能很好地对信号进行检测。     

基于小波变换的固体火箭发动机深层界面超声回波信号分析

针对固体火箭发动机多层粘接结构中的超声检测回波信号严重混迭及难以分辨的问题,提出对回波信号进行小波变换,提取小波变换后各个频段的能谱作为特征,为多层粘接结构中深层界面的粘接缺陷分析及识别提供依据。实验结果表明,超声回波信号分析方法可有效提取出固体发动机多层粘接结构中的深层界面信号特征,并能将缺陷识别、定位。     

基于模糊函数的雷达辐射源信号分选新方法

当前的雷达辐射源信号分选方法存在准确率不高和对噪声敏感的问题,对此,提出一种新的分选算法。对接收到的信号首先求取其模糊函数,并将其简化为二维特征图,然后对该二维特征图进行小波包分解,得到八维小波包变换特征（WPT）,最后将类间分离度最优的第二维小波包变换特征Wpt2和第五维小波包变换特征Wpt5作为分选的特征参数。由于不同信号的模糊函数区别较大且受噪声的影响小,因此转换后的WPT可分性强、稳定度高;大量的仿真验证了新方法的优越性,在信噪比为10dB时,分选准确率最低为90％。     

基于Lamb波结构损伤诊断的边界反射效应控制方法

提出一种基于Lamb波结构损伤诊断技术的边界反射效应控制方法。首先利用结构几何形状的对称性,合理设计STMR阵列的布置形式和信号收发策略;然后通过将对称位置获得的传感信号相减,来消除边界反射效应对损伤诊断结果的影响,从而实现边界附近损伤和缺陷的准确识别检测。仿真分析结果表明:该方法不仅可提高结构损伤诊断的精度,有效克服目前基于Lamb波的结构损伤诊断技术存在检测盲区的缺陷,而且操作简单,不需要进行复杂的数值计算,因而在实际工程应用中具有更好的发展前景。     

星载角跟踪接收机角误差包络检测

针对星载角跟踪接收机中角误差合成信号的特点，提出一种基于复Morlet组合小波的角误差信息提取方法。该方法首先对星载角跟踪接收机中角误差合成信号的频域特性进行分析，角误差包含在角误差合成信号的包络中，频率上则表现在调制基波的谐波分量处。然后采用Morlet小波作为母小波，根据角误差合成信号的频域特性选取合适的小波尺度参数和位置参数可以有效的提取合成信号包络信息，从而解算角误差信息。在调制基波频率确定的情况下，合适的小波尺度参数和位置参数能准确对调制基波谐波分量进行提取，从而实现角误差的包络检测。该方法对±10kHz范围内的多普勒频偏不敏感，解决载波多普勒估计不准情况下的角误差提取。最后通过计算机中的Matlab对Morlet组合小波角误差合成信号包络提取进行仿真，证明该方法的可行性和有效性。     

基于HHT技术的复合材料结构损伤定位研究

Hilbert-Huang Transform（HHT）是一种新型的信号处理方法，主要适用于非线性、非平稳信号的分析，其应用已经越来越广泛。现将此方法应用在复合材料板的一维损伤定位实验中。在复合材料板损伤前和损伤后各采集一组信号，对其进行HHT分析。对比分析结果——二者的时间-振幅与时间-频率分布，在图中读出差异，从而定位出损伤的位置。实验结果显示，应用HHT技术可以较好的进行复合材料板上的-维损伤定位。     

基于自适应小波包变换的LMS窄带干扰抑制技术

文章将自适应小波包子带树分解算法与LMS自适应算法相结合,利用自适应小波包变换所具有的优良时频局域性和多分辨分析特征,迅速跟踪和准确定位窄带干扰所污染的子带;然后利用自适应LMS算法对受扰子带进行干扰对消,将窄带干扰滤除,在去除干扰的同时,有效地减少了对有用信号的损失。同时,小波包变换提高了LMS算法的收敛速度和稳定性。仿真结果表明,二者的结合使DSSS系统的干扰抑制性能得到进一步提高。     

一种新的自适应消噪方法

基于小波变换的自适应消噪方法为雷达信号的滤波提供了一种可行的办法。考虑到离 散小波变换(DWT)不具有平移不变性,而静态小波变换(SWT)又不能很好地分析信号的高频 部分,提出了一种新的自适应消噪方法。它根据CWT的提升方法,得到静态小波包的提升 实现方法,并设计出适合本系统的确定最优小波包分解树的相应步骤,利用引入了更多动量 因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原 信号。仿真中将其与其它两种基于小波的自适应方法进行了比较,表明该方法可在适当减小 计算量的同时,进一步改善系统的滤波性能。     

基于Huffman最优二叉树支持向量机的舱音记录器背景信号识别

飞行器舱音记录器(CVR)记录的舱音信号,通常是语音声、警告声、开关按钮声和背景噪声等混合而成.目前国内对该类信号的分析和辨别主要是计算机译码后利用人耳进行辨听,存在不易准确分辨各种独立声音信号的缺点.针对舱音信号是一种非平稳性的时频信号,提出了基于多尺度最优小波包基的CVR背景信号特征提取算法,将10种典型信号进行小波包分解,以分解得到的子带能量作为信号初始特征,再根据类间最大距离准则选取最优小波包基,从而确定待识别信号最具有代表性的特征向量,最后基于Huffman最优二叉树支持向量机进行CVR背景信号分类.仿真实验结果表明,该方法的平均识别率为94.62%,可以应用于CVR背景声音信号的自动识别.     

航天器蜂窝夹层结构脱粘损伤的导波检测与成像方法

针对蜂窝夹层复合材料航天器结构双侧的脱粘损伤辨识与成像问题,文章提出了单侧激励下的夹层结构超声导波信号溯源解析和脱粘损伤成像算法。经过有限元仿真和试验验证,结果表明:单侧激励下导波的传播机制受波长与厚度比影响显著。随着导波波长的减小,面板中的导波测试信号中将出现由结构内部反射产生的尾波成分,直达波和尾波的信号特征差异可为辨识脱粘损伤内部位置提供依据。在此基础上,通过超声阵列传感器,基于多传感信息融合方法,可准确实现双侧损伤的溯源与成像,研究结果可为航天器蜂窝夹层结构的智能传感方法和健康监测方案设计提供参考。     

复合材料结构损伤的小波神经网络辨识研究

将小波神经网络应用于结构健康监测，研究实现复合材料结构常见损伤的高精度辨识。剖析了小波神经网络的收敛算法，并使用了惯性系数以抑制振荡并提出了一种自适应调整学习率的算法以加快收敛。组建结构健康监测实验系统，进行数据处理和特征提取以获得不同的结构损伤模式。提出了小波神经网络初始权值的设置方法，据此删除了小波神经网络的冗余节点。将该小波神经网络应用在实验获得的各种结构损伤模式的辨识上，验证了它的高精度和快速收敛，并成功实现了复合材料结构损伤状态的辨识仿真。     

一种基于奇偶判断WPT的多音干扰抑制方法

频移小波包变换可以有效抑制窄带干扰,以提高扩频测控系统的抗干扰能力,但是在多音干扰下,当信号左右节点都存在干扰时,由于不能通过子带能量大小来确定子节点是否继续分解,导致该方法不能抑制多音干扰.针对该问题,提出了一种基于奇偶判断WPT的多音干扰抑制方法,通过采用子带能量差平稳度函数来判断干扰最佳频移量,然后对频移后的干扰子带进行编号,并通过门限判断进行干扰子带定位,确定干扰子带的编号,再通过对干扰子带的编号进行奇偶判断,可以得到小波包的自适应分解树,实现信号的自适应分解,分解到最底层后将干扰子带置零,最后根据分解树反向进行信号重构,完成干扰抑制.通过对误码率、测速精度和测距精度的仿真,结果表明该方法能够有效抑制多音干扰.     

一种基于奇偶判断WPT的多音干扰抑制方法

频移小波包变换可以有效抑制窄带干扰,以提高扩频测控系统的抗干扰能力,但是在多音干扰下,当信号左右节点都存在干扰时,由于不能通过子带能量大小来确定子节点是否继续分解,导致该方法不能抑制多音干扰.针对该问题,提出了一种基于奇偶判断WPT的多音干扰抑制方法,通过采用子带能量差平稳度函数来判断干扰最佳频移量,然后对频移后的干扰子带进行编号,并通过门限判断进行干扰子带定位,确定干扰子带的编号,再通过对干扰子带的编号进行奇偶判断,可以得到小波包的自适应分解树,实现信号的自适应分解,分解到最底层后将干扰子带置零,最后根据分解树反向进行信号重构,完成干扰抑制.通过对误码率、测速精度和测距精度的仿真,结果表明该方法能够有效抑制多音干扰.     

运载火箭飞行测量数据奇异点检测和降噪处理的小波方法

以提高火箭飞行测量数据处理精度为主要目的,结合弹道处理的实际,将小波理论运用于火箭弹道测量数据的分析。首先,在对信号奇异性、小波方法检测信号奇异点原理探讨的基础上,通过对火箭飞行外弹道测量数据奇异性的分析,确定了用于火箭飞行数据奇异点检测的小波函数的选取原则,提出了对跟踪测量数据奇异性点准确定位和分析其奇异性类型的方法;其次,为提高处理火箭飞行弹道的光滑度,深入探讨了弹道测量数据的小波消噪方法,结合雷达跟踪测量数据的实际分析和处理情况,就数据是否处于火箭在级间分离段提出了不同的处理方法。该算法原理简捷,计算复杂度较低,易实现。最后,通过对某试测的两个测量站雷达弹道测量数据的分析处理,论证了上述方法的正确性,取得了明显的效果。     

小波理论及其在信号处理中的应用

文章主要从信号处理的角度阐述了小泼理论,不同的小波和小波包函数具有不同的时间（空间）一频率性质,具体表现为正则度、消失矩、滤波器的幅频和相频响应等。在此基础上,通过例子说明小波理论在通信信号处理中的一些应用。