基于小波包分析方法的航空发动机滚动轴承故障诊断

将小波包分析技术引入到航空发动机滚动轴承故障诊断的应用研究中，给出了基于小波包分析的滚动轴承故障特征提取方法：应用小波包分解与重构算法分离出了滚动轴承的故障特征频率，识别出了滚动轴承的故障类型。通过对实际航空发动机滚动轴承故障信号的分析表明，该方法可以有效地检测和诊断航空发动机的滚动轴承故障。     

液体火箭发动机动态数据处理的小波分析方法

研究了基于小波分析的液体火箭发动机动态数据处理方法，给出了数据处理模型，应用小波奇异性检测和误差滤波理论，分析了动态数据的处理过程，并用某液体火箭发动机某次地面试车的动态测试数据进行了验证。结果表明，小波分析方法不需要过程误差的先验知识，能够同时完成异常数据的检测及相应误差的滤除任务，非常适合于液体火箭发动机的动态工作过程。     

航空发动机叶片超声检测信号的小波分析方法

超声波检测技术是航空构件检测中应用较多的一种检测方法。针对含损伤的某型航空发动机压气机叶片，采用小波分析技术，对超声检测信号进行分析和处理，提高了超声检测技术检出缺陷的能力。采用四种不同的小波基对同一信号进行分析，经研究表明：sym4小波基处理航空构件超声检测信号比较理想。     

小波分析及其在推进系统健康监控中的应用

详细介绍了小波分析的基本原理和Mallat算法，重点讨论了小波分析在推进系统健康监控中的应用。从工程应用的角度，提出了用小波分析方法进行信号滤波、故障检测与诊断的思路。研究结果显示：小波分析方法具有良好的时-频定位特性，特别适合于分析时变、瞬态或非线性信号，为液体火箭发动机状态监控与故障诊断提供了一种新的强有力工具。     

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。     

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。     

基于小波分析的涡扇发动机起动过程压力脉动研究

利用小波分析所具有的时频特性特点,针对涡扇发动机起动过程存在的压力脉动异常现象,获取信号随转速变化的频谱图。重点介绍了发动机脉动频率分析方法,并结合试验测点布局,根据不同脉动的频率特点,对其脉动成分进行分解,分析出脉动频率产生的原因,为发动机起动问题的解决提供支持。研究结果表明:利用小波分析进行发动机起动过程的脉动异常研究,形象、直观,具有一定的工程应用价值。     

航空发动机主轴轴承故障诊断

某型航空发动机的主轴轴承由于频繁出现早期失效而引起发动机故障,因此,对滚动轴承进行状态监测和故障诊断具有重要的实际意义。针对常规方法难以准确分析非平稳信号的局限性,本文研究了基于小波分析的滚动轴承故障诊断方法,通过滚动轴承外表面损伤的仿真信号进行小波包频谱分析,验证了基于小波分析的滚动轴承故障诊断方法是可靠、准确的,可以应用于航空发动机主轴轴承的状态监测和故障诊断。     

基于小波神经网络航空发动机滑油系统故障诊断方法研究

研究了基于小波神经网络的非线性系统的故障检测和诊断方法.把小波分析与前馈神经网络相融合,并推导出其具体的算法.应用小波神经网络对航空发动机滑油系统进行故障诊断.试验和仿真的结果表明:小波网络应用于故障诊断时具有收敛速度快,对网络输入不敏感等特点,为非线性系统的故障诊断提供了新的理论和方法.     

小波网络在某型航空发动机故障诊断中的应用

分析了用小波网络替代神经网络进行模型辨识的优点,在误差反向传播算法(Error back prop-agation)的基础上,结合小波分析理论,设计了一种小波网络算法.通过对某型航空发动机的仿真实验,小波网络能够及时准确地预测出发动机的输出.同时利用小波变换对残差的分析可以有效地检测出系统所发生的故障.      

小波变换内核的硬件实现技术

介绍了小波变换的概念以及在图像处理中的应用。以四级小波变换为例,针对FPGA芯片的特点,详细说明了小波变换的硬件实现所面临的问题及其对应的解决方案。最后分析了用FPGA芯片实现小波变换内核的优势。     

基于小波变换与粗糙集的雷达目标识别方法

雷达目标识别是防空武器系统雷达信息处理的一个关键环节.在小波变换与粗糙集基础上提出一种雷达目标识别方法.小波变换能够提高了时--频分频率;粗糙集理论是一种新型的处理不确定性知识的数学工具.利用小波变换对目标原始信息进行分解,得到目标的能量特征向量;通过粗糙集简化关系表,删去冗余信息,用逻辑推理算法表示判别规则.应用小波变换与粗糙集能够满足利用不精确信息进行目标识别的需要.     

Morlet组合小波在颤振试飞中的应用

Morlet小波是高斯包络下的复指数函数,利用其虚部是实部的Hilbert变换,频域波形为钟形的特征,提出了基于Morlet组合小波的滤波方法。利用该方法,能方便地构造合适的Morlet组合小波,完成对飞行颤振试验响应信号的滤波,并保证滤波后相位不变。通过数字仿真研究了其方法的有效性,工程应用表明,该方法能够有效滤除飞行颤振试验响应信号的噪声,具有良好的应用前景。     

三种时频分析在复合材料无损检测中的应用

随着复合材料的广泛应用和现代信号处理技术的发展,时频分析方法已广泛应用于各类复合材料的损伤检测。将短时傅立叶变换、小波变换和黄氏变换三种时频分析技术经过Matlab编程,结合Lamb波应用于玻璃纤维增强的复合材料层合板的无损检测,并对三种时频结果进行比较与分析。结果表明：上述三种时频分析方法都能进行复合材料的损伤判定,但黄氏变换方法的分析精度更高。     

基于小波神经网络的复合材料损伤检测

讨论了小波变换和小波神经网络,借助小波变换良好的时频带通分层性,从各阶二进小波变换的频域中提取特征,送入小波神经网络进行学习和分类,结果表明该方法稳定可靠,在复合材料智能化研究中具有很大前景。     

小波变换在雷达信号检测中的应用

小波分析已经成为目前雷达信号去噪的主要方法之一。通过对小波去噪问题的描述,揭示了小波去噪的滤波特性;分别阐述了目前雷达信号检测中常用的4类小波去噪方法并进行性能分析;对雷达信号的小波检测方法提出了展望。     

小波的尺度离散化与稳定性研究

在使用小波变换重构信号的应用中,为了计算处理方便及克服冗余性,常采用离散化处理。为确定均匀点格动态采样网络下的尺度采样间隔的取值及其与小波稳定性的关系,本文分别用Morlet小波和Marr小波对信号进行均匀离散小波变换。对于Morlet小波,其尺度采样间隔有一个取值区间,在这个区间内取值既能分析数字信号的最高频率及避免频谱混叠,又能保证小波的稳定性;而对于Marr小波,其尺度采样间隔的取值不能同时保证分析数字信号的最高频率和维持小波的稳定性,即稳定性与频率选择性是一对矛盾,但在二进抽取采样下选择适当的尺度伸缩因子可缓解这一矛盾。     

Flight Flutter Modal Parameters Identification with Atmospheric Turbulence Excitation Based on Wavelet Transformation

针对基于大气紊流激励的飞机颤振试验数据具有信噪比低以及测量数据以加速度响应形式给出等特点,将小波变换与随机减量法相结合对飞机颤振模态参数进行识别,首先利用随机减量法获得结构在非零初始加速度条件下的自由衰减响应,然后对该自由衰减响应进行Morlet连续小波变换,为使变换简单,本文采用了Parseval定理和留数定理,利用Morlet的带通滤波特性,通过搜索小波变换系数在不同的尺度区域内的极大值,再根据小波变换系数的极大值、相角与固有振动频率及阻尼系数间的关系,即可识别出各模态参数。并对利用小波变换识别颤振模态参数时,实现模态解耦应满足的条件进行了分析研究。通过仿真和飞机颤振试验数据分析,验证了该识别方法不仅简单、有效和可行,而且具有较强的抗噪性。     

基于最优小波包基的信号去噪算法及其应用

提出了一种基于Shannon熵准则的最优小波包基信号去噪算法,并将其应用于某型导弹惯导系统陀螺仪信号的去噪处理中。该算法在最优小波包基的基础上,针对不同频段采用不同的阈值算法,用量化后的系数重构得到去噪后的信号。仿真结果表明,该算法具有良好的去噪性能,并且消噪效果明显优于基于小波变换的去噪算法,因而将具有更为广泛的应用前景。     

Coiflet wavelet transform applied to inspect power systemdisturbance-generated signals

An application of Coiflet wavelet transform for the study of power system disturbance-generated signals is proposed. Because the wavelet transform possesses the time-frequency localization characteristics, the time and frequency information of a waveform can be integrally presented. Therefore, this approach can be more efficient in monitoring time-varying disturbances when compared with those Fourier transform-based methods. Moreover, when compared with the Morlet wavelet transform, the merits of easier implementation presented by Coiflet transform method as a discrete form further solidify the practicality for electric power quality applications. This approach has been validated through various test scenarios, including oscillatory transients, voltage sag, voltage swell, momentary interruption, and flat-top. Test results demonstrated the feasibility of the method for the applications considered