含噪振动信号中早期碰摩的故障检测研究

 研究了在有噪环境下发动机转子系统早期碰摩故障的检测问题。利用最优参数搜索法改进了独立分量分析( ICA) 算法, 用于求解转子系统振动信号与噪声的盲分离问题。在此基础上, 对分离后的振动信号利用小波包分解进行早期碰摩信号的检测。结果显示最优搜索的ICA 算法运行效率高, 信号分离纯度好, 对振动信号有高效的降噪作用, 并利用小波包分解准确地检测出振动信号中的碰摩信息, 其效果优于小波分解法。信噪分离与小波包分解相结合有望用于工程实践中的早期碰摩故障检测和诊断。     

基于小波变换的多聚焦图像融合评述

概述了数据融合的基本概念和应用,简明分析了多聚焦图像的成像机理,从像素级层面上描述了基于小波多尺度变换的图像融合思想和过程.由于在基于小波变换的图像融合过程中,融合规则起很重要的作用,因此本文重点综述了适于多聚焦图像融合的三种融合规则：基于像素的融合规则、基于窗口的融合规则和基于区域的融合规则,并对这些规则进行了比较,最后给出了图像融合效果的客观评测方法.     

基于改进BPNN复合材料层合板损伤识别

将B样条小波展开技术提取的损伤特征值作为改进BPNN输入进行学习与识别,识别结果显示该方法能够对复合材料层合板多种损伤进行快速准确的识别。     

支承松动的转子系统动力学模型及其故障诊断方法

针对滚动轴承转子系统支承松动故障 ,考虑了松动间隙的非线性情况 ,以转子动力学、Hertz接触理论和非线性动力学理论为基础 ,建立了转子系统的动力学模型。对转子系统动力学方程在松动故障和无故障情况下分别进行数值积分 ,得到两种情况下轴承座 (有故障时为松动端 )上的振动仿真信号。利用频谱和小波变换对所获振动信号进行了处理 ,并将结果进行了分析 ,得出小波变换不但能很好地诊断滚动轴承—转子系统的支承松动故障 ,而且比 Fourier变换在更低转速下诊断出转子系统的支承松动故障      

小波变换在爆炸焊接复合板超声检测中的应用

在传统超声波检测的基础上,利用小波变换将超声检测回波信号分解成不同频带上的信号成分,通过分析这些不同频带上的焊接界面回波和底面回波,结合爆炸焊接复合板不同结合界面对超声波传播的影响,检测出爆炸复合板界面的结合形态.钢钛爆炸焊接复合板的实验室检测结果表明,该方法具有检测方便、检测周期短和不破坏材料整体性的优点.     

改进Hilbert-Huang变换在齿轮故障诊断中的应用

针对Hilbert-Huang变换中齿轮故障信号经验模式分解的第一阶固有模态函数通常为非单一信号分量以及经验模式分解产生虚假低频分量的问题, 提出一种改进Hilbert-Huang变换方法.首先在频谱中确定故障信息频率范围, 并依据该频率范围和二进小波分解的特点确定需提取的相应频带的二进小波系数, 然后采用相关系数筛选法剔除小波系数经验模式分解所产生的虚假分量, 最后通过局部瞬时能量提取故障特征, 实例表明改进的Hilbert-Huang变换可以有效的提取齿轮故障特征.      

一种基于小波分解的快速图像匹配算法

为了提高图像匹配的速度和精度,提出了一种基于小波分解图像匹配算法,该算法首先用Mallat算法对匹配图像进行小波多尺度分解,然后提取各级的边缘特征,最后在对图像进行多级分解的基础上进行匹配.该算法不仅减少了计算量,而且提高了图像匹配的精度.实验表明,提出的匹配算法在速度和精度上都是有效的.     

微弱信号检测技术

分析了近年来国内外微弱信号检测理论研究和实际应用领域的发展情况;对弱信号检测的背景、类型、方法和应用作了较为详细的介绍。     

基于小波分析的发动机惯性起动失速信号检测方法研究

针对某型涡扇发动机惯性起动失败,利用小波Mallat算法对采集到的风扇和压气机脉动压力信号进行快速高频滤波,通过对滤除高频噪声的信号进行傅里叶频谱分析,准确检测出发动机起动失败时的失速信号。研究结果表明,利用小波分析方法进行失速故障检测简单、直观,具有一定的工程实用价值。     

求解常微分方程组的小波技术

研究发展一种新的求解常微分方程的数值方法—快速小波配置法 (FWCM) ,该方法与传统的时间推进或频率区间方法完全不同。快速小波配置法是将任意函数展开为小波基函数 ,用快速离散小波转换技术 (DWT) ,有效地构造常微分方程的近似解。计算过程中 ,在小波展开层次和自变量区间两个不同方面采用了多层自适应和多区间自适应处理技术 ,提高了计算过程的稳定性和收敛性 ,并且具有均匀的误差分布。特别是在常微分方程的长时间解方面 ,与Runge-Kutta方法比较 ,具有稳定的长时间性态。