小波分析在飞机复合材料结构智能敲击检测中的应用研究

介绍了一种民用飞机复合材料智能敲击检测系统的设计原理。在MATLAB环境下对敲击信号进行小波分解和去噪,通过对比选取不同的小波函数和阈值时得到的去噪结果,选取最优的小波函数和阈值进行分解和去噪,获得了较好的信号波形,验证了智能敲击检测系统对分层和裂纹两类复合材料主要损伤的辨识能力,同时提高了智能敲击检测系统的精度。     

数字散斑相关方法用于圆盘表面热变形测量

为了克服压力应变片测量热变形的不足,采用DSCM(数字散斑相关方法)对静止空心圆盘仅承受外缘热载荷时的表面热变形进行实时测量.实验系统中,采用电磁感应加热方式实现圆盘热边界条件的加载,并通过红外热像仪采集圆盘的实时温度分布数据.同时,为提高DSCM的测量精度,从CCD(charge coupled device)相机视场范围的选取、中焦距微距镜头的使用以及光源的布置等方面来降低离面位移和散斑质量等误差因素的影响.盘面热变形 位移的实验结果与理论结果的对比显示,两者符合较好,但仍存在一定偏差,最大绝对偏差为6μm,最大相对偏差为31%;盘外缘绝对偏差较大而相对偏差较小,盘内缘反之.对比结果验证了DSCM用于圆盘表面热变形测量的可行性,从而为涡轮盘盘面热变形研究提供了一种有效的实验工具.      

润滑油红外光谱去噪预处理方法

采用小波包变换软阈值去噪方法对润滑油的红外光谱进行去噪预处理,结合偏最小二乘法进行定量预测,并与常用的平滑去噪方法进行对比。结果表明,小波包变换能有效地去除红外光谱的噪声,以此为基础建立的润滑油酸值模型的预测精度高于常用的平均平滑法和 Savitzky-Golay卷积平滑法这 2种平滑去噪方法的预测精度。     

一种新型的非接触的变形场测量技术

数字散斑相关方法(DSCM)是一种新型非接触变形场测量技术。散斑是相干光被光学粗糙面或不均匀媒介散射而在空间形成的随机分布的光强场,它具有颗粒状特点。可认为物体表面随机分布着许多粒子,粒子在光照射下,反射光形成特有的光强场。DSCM是通过测量物体变形前后光强场概率统计相关性来确定物体变形。首先用光源照射试样,试样表面形成特定散斑图样,可用某一点周围微区内散斑子集的变形描述这一点的变     

黏接界面试件拉伸变形破坏过程的数字散斑相关方法分析

对黏接界面试件拉伸变形破坏过程进行了观察,通过编制数字散斑相关方法(DSCM)处理图像,提取得到试件表面随着载荷变化而变化的位移场和应变场及其演化过程.结果表明:带预制脱黏黏接界面试件在拉伸过程中,由于预制脱黏尖端附近产生应变集中将产生起裂.DSCM能较好地应用于黏接界面试件表面的变形和破坏分析中,定量测量了界面变形场,并与试验结果相吻合.     

一种提高脉冲雷达多普勒相位精度的方法

针对低信噪比条件下脉冲雷达模糊多普勒相位精度较低,可能导致相位测距时不能正确解相位模糊问题,基于EMD（Empirical Mode Decomposition,经验模式分解）区间阈值去噪方法,提出了一种新的提高多普勒相位精度的方法：利用EMD分解后各层信号的频率特性和能量特性,选取合适的阈值,并对各层信号进行区间阈值化处理,在提高信号信噪比的同时保持了信号的连续性.分别在回波信号噪声为高斯白噪声和AR（2）相关噪声的情况下,以及不同信噪比条件下,对该方法进行验证.仿真结果表明：在低信噪比条件下,当回波信号噪声为白噪声和相关噪声时,EMD区间阈值去噪方法能将回波信号信噪比提高5 dB,去噪性能优于小波阈值去噪方法,其对应多普勒相位精度能提高1倍以上.     

一种平稳小波方向能量阈值滤波的SAR图像去噪方法

由于 SAR图像相干斑噪声是非高斯分布的,无法直接采用光学成像系统的去噪技术处理,因此,目前还没有真正的理想算法广泛适用于 SAR图像去噪。在分析目前流行的空频域去噪方法优缺点的基础上,提出了 1种小波域 SAR图像去噪方法。为了克服离散小波变换缺乏平移不变性及方向选择性受限的缺点,该方法利用平稳小波将图像分解为低频逼近信号和高频细节信号;对于噪声信息较少的逼近信号,利用增强 Lee滤波去噪;对细节信号,根据相干斑噪声在小波域的方向能量特性进行自适应的阈值滤波;最后重建去噪后的 SAR图像。实验表明,该方法去噪能力强,同时边缘保持较好。     

基于变形场观测的材料损伤测量方法研究（一）

将数字散斑相关方法（DSCM）引入损伤变量测量研究中,针对传统损伤变量测量方法中的不足,发展了基于变形场分析的材料损伤变量测量方法。相对于传统的测量方法来说,此种方法可非接触地完成测量,并且同时可获得试件观测区域表面的变形场,实验准备和数据处理简单,具有一定的优越性。     

三维数字图像相关技术(3D DIC)在材料形变研究中的应用进展

三维数字图像相关技术(3D DIC)由于其非接触、全场化的测量方式,与其他光测方法相比,具有自动化、光路简单、普适性及抗干扰能力强等优点,广泛应用于多领域多种材料的力学性能测试中,但在应用过程中会出现测量精确性不确定、高温实验测量误差大、大曲率物体可测面积有限等问题。综述了3D DIC在不同种类材料常规力学实验中的应用,通过对比分析3D DIC、传统引伸计测量结果及有限元模拟结果,验证该技术精确性;由于高温和大变形测量中3D DIC的应用是目前的研究热点和难点,故重点介绍了高温散斑制备和多相机DIC等最新技术进展;指出在散斑对测量精度影响、微应变尺度测量、环境因素对测量效果干扰以及在军事材料和生物医学领域应用等方面还需对3D DIC进一步研究。     

改进的自适应阈值软硬折中Curvelet图像去噪技术

Curvelet变换是继小波变换和Ridgelet变换之后,更适合图像处理的一种多尺度变换,它能同时获得对图像平滑区域和边缘部分的稀疏表达,且具有很强的方向性。针对软阀值和硬阈值去噪方法存在的不足,提出了基于Curvelet变换域的软硬阈值折中去噪法,并采用不同的阈值自适应地对不同的Curvelet子带进行阈值化,实验结果表明该方法对图像中的边缘曲线特征有更好的复原。去噪后图像PSNR值更高,视觉效果更好。     

小波消噪在测试信号处理中的应用

结合某测试信号,介绍了阈值消噪的三种方法：强制阈值、默认阈值和给定阈值。通过分析不同阈值消噪后信号波形,计算消噪信号的信噪比、均方根误差和相关系数,对几种方法的准确度进行了对比。结果表明,通过合理选择小波分解的尺度,对小波系数进行阈值重构,能有效地去除信号中含有的噪声,而选用不同规则下的阈值函数或者同一阈值函数对小波系数的处理方式不同,消噪的效果会有很大差异,而阈值函数的选取,更应充分考虑信号的实际特征。     

SUSAN角点检测和匹配算法在高温变形测量中的应用

 高温变形测量是材料力学性能实验方法研究中的重点和热点之一。为了能够实现在高温环境下精确地进行变形测量,将最小核值相似区(SUSAN)角点检测和光流跟踪匹配技术应用到位移和应变测量方面,设计了基于SUSAN角点特征的高温变形测量算法。该算法充分发挥了SUSAN角点特征的优点,具有测量精度高、抗干扰能力强等优点。在普通环境下,经过模拟散斑图数据的验证,利用该算法进行变形测量,误差在1%以内,精度高、稳定性好。通过高温力学实验发现,该算法能够适用于高温变形测量。本研究扩展了图像识别等技术在非接触测量技术中的应用。     

大型上单翼飞机机翼三维全场变形测量方案

针对大型上单翼飞机在飞行过程中机翼大挠度变形检测难题,提出了大倾角相机视场下机翼的非接触三维全场变形测量方案。根据上单翼飞机结构特点,将预先标定内参数和相机外参数的共轭相机组安装于飞机垂直尾翼上,采集飞行中的机翼变形图像。首先,提出了大倾角弱相关散斑匹配方法,解决了相机在大倾斜角度状态下采集到的机翼变形弱相关图像相关性差,难以相关匹配的问题。其次,由于测量相机安装于垂直尾翼,飞行测量过程中相机会受到气流扰动产生振动,本文提出了一种相机动态校正方法,通过在机背布置预拉伸刚性不动编码标志点,实时解算基准相机的绝对外参数,进而确定共轭相机的绝对外参数,实现所有测量相机外参数的动态校正。最后,开发了机翼变形全场测量软硬件系统,搭建了缩小比例机翼模型试验台并进行了仿真测量,对系统测量精度进行了比对分析。测量结果验证了本方案的有效性、可行性,对实机测量有一定的指导意义。     

小波变换与SVD结合的射频信号消噪方法

射频信号因具备空间远距离传输特性被广泛应用于航天测控等领域,但空间磁场、信道、设备元器件等会引入大量噪声干扰,对射频信号的传播及后续分析处理造成影响。而目前关于射频信号消噪的研究很少,针对此问题,对比研究了传统滤波器消噪、小波阈值法及SVD(Singular Value Decomposition,奇异值分解)法在射频信号消噪方面的应用,仿真分析了各算法对有用射频信号的提取效果,从而发现3种方法均能起到噪声抑制的作用,但是,滤波器法明显会降低信号能量,小波变换法易使重构信号失真,而SVD法则运算时间较长。为此,提出将小波阈值法与SVD相结合,用于射频信号消噪。再通过比对各方法消噪的性能指标,验证了将2种方法结合,可有效提高运算效率及噪声抑制能力。     

民航行李X光安检图像自适应小波去噪算法

对X光安检图像进行去噪处理可以更清楚地显示出危险物。针对传统小波软硬阈值去噪方法的缺陷．给出了一种自适应阈值的去噪方法,在此方法中,首先进行软硬阈值的折中处理,然后分别对大于和小于阈值的两部分进行自适应处理。利用Tennessee大学提供的实际采集的X光安栓图像进行实验,结果表明该方法能有效地去除安检图像中的噪声,图像去噪后的信噪比、峰值信噪比分别是25．2229dB、27．708dB．与含噪图像相比分别增加了7．7253dB和7．739dB。因此该方法表现出较高的去噪性能。