基于小波变换的电力系统谐波测量方法

小波变换具有时-频局部化特性,在电力系统的分析中具有无比广阔的应用前景.本文将小波变换方法应用于电力系统谐波检测中,并提出了同步检测与小波变换相结合的电压闪变测量方法,仿真结果表明此方法适用于电压闪变信号的检测和分析.     

基于小波变换的遥感图像边缘检测方法研究

遥感图像处理对于航空、航天、军事侦察、灾害预报等许多军事和民用领域至关重要,本文针对遥感图像的特点,提出了一种基于小波变换的图像边缘检测方法,同时还对小波变换在图像处理中的适用性进行了详细分析。由实验结果表明,本文方法可以获得非常细致有效的边缘信息,在有效抑制噪声的同时,提高了边缘定位精度。     

非平稳信号特征提取在航空发动机故障诊断中的应用

在航空发动机早期故障诊断中,特征提取是早期诊断的重要过程之一.文中以航空发动机转子故障为研究对象,给出了基于经验模式分解、小波分析为核心的故障特征提取方法,并作了针对性的比较研究.在matlab7.0环境下开发了一个故障特征提取软件系统.研究结果表明:基于经验模式分解的时频分析方法可以很有效地提取到非平稳故障特征信号,是一种适合于非线性信号处理的方法.     

基于小波域的分形图像压缩

在分析产生块效应原因基础上,定义了一种度量块效应的客观方法.为了消除传统分形图像压缩中产生的块效应,提出先将原图像变换到小波域,再进行分形压缩.这种方法既继承了传统分形图像压缩的编码原理,又利用了小波变换的优良特性,从而取得了更好的压缩效果.此外,根据小波系数的能量分布特征,提出了一种加快相似匹配的方法.     

封闭状态储运发射箱箱壁压力的子波分析

为研究火箭导弹在封闭式储运发射箱内发射时 ,由于密封盖的反射作用使弹箱间隙内存在的复杂燃气流场 ,通过对测量数据进行子波分析 ,得到了管 (箱 )壁压力时间历程曲线中的燃气射流段是由射流激波振荡 (低频 )和射流噪声 (高频 )两种流动成分组合而成 ,激波振荡沿管壁向弹头方向是衰减的 ,它在低频段聚积的能量与起始冲击波一起都对储运发射箱式定向器具有破坏作用。     

基于小波神经网络的模拟电路故障诊断

介绍了模拟电路故障诊断的神经网络方法及小波神经网络,以一带通滤波器为例,提出了一种基于输出灵敏度分析,利用多频测试生成故障特征向量训练小波神经网络进行故障诊断的方法。仿真结果表明小波神经网络作为故障分类器具有收敛速度快,诊断准确等特点。     

小波包分析在摩擦焊超声检测信号消噪中的应用

采用小波包对摩擦焊缺陷超声检测信号进行消噪,结果表明,该方法不仅能有效抑制噪声,而且能明显提高信噪比。     

航天器传动部件振动数据稀疏多分类智能故障诊断

针对航天器传动链机械零部件发生故障时训练数据稀缺以及信号的强非平稳\非线性特点,提出了动态数据驱动的子空间稀疏多分类智能故障诊断算法。首先对采集的单一传感器动态信号进行分形小波变换,生成常规和非常规二进小波尺度。然后对生成的各子空间提出基于故障能量指标的稀疏多分类器,以监测部件的故障特征频率为搜索目标,在子空间的包络解调谱上计算特征频率及其倍频附近的能量峰值,导出特定故障模式的稀疏评价指标,以各种故障模式的最大值识别和判定故障类型。所提出的算法完全实现了无人工监督的智能故障诊断。最后以航天器轴承故障诊断为例验证了该算法的有效性。所研究算法的泛化能力较强,技术路线同样适用于其他航天器传动部件的在线监测与故障智能预警。     

一种非对称PCMA信号盲分离算法

针对卫星通信中非对称成对载波多址(PCMA)信号的盲分离问题,提出一种基于同步挤压小波变换(SWT)的盲分离算法。该算法在混合多个信号前提下,首先按强信号进行同步,接着采用同步挤压小波变换提取时频曲线,最后去除混合信号中的噪声与强信号主频外的弱信号干扰,降低了强信号解调误码率。该算法具有在不具备协作通信方发送的信息序列的先验条件下,实现了非对称PCMA信号盲分离的特点。仿真结果表明,经本文算法处理后强信号解调误码性能比对混合信号直接硬判决时有较大提升。     

基于机匣信号的滚动轴承故障卷积神经网络诊断方法

针对在滚动轴承故障激励下的机匣微弱故障特征,提出了基于卷积神经网络(CNN)的故障诊断方法。利用矩阵图法、峭度图法以及小波尺度谱法3种振动信号的预处理方法,将一维原始信号转换为图像信号;利用卷积神经网络对故障进行识别。通过比较分析发现:通过连续小波尺度谱更易提取滚动轴承的故障特征,其故障识别率达到95.82%,均高于其他几种振动信号预处理方法;由于卷积神经网络可以利用深层网络结构自适应地提取滚动轴承故障特征,比传统支持向量机(SVM)方法的故障识别率高约7%。结果证明了该方法的有效性与可行性,且具有较好的泛化能力和稳健性。