基于PSO-RWE的自适应小波阈值函数滚动轴承振动信号去噪方法

针对现有小波去噪方法存在阈值函数中未知参数选取依赖经验,导致去噪不充分或去噪后信号失真的问题。提出了一种基于相对小波熵(RWE)的粒子群优化(PSO)算法,用于小波阈值函数中未知参数的自适应寻优,达到滚动轴承振动信号自适应降噪目的。改进了一种含两未知参数的小波阈值函数;以相对小波熵为优化算法的适应度函数对未知参数进行自适应寻优,得到最优小波阈值函数;通过对模拟仿真信号和试验采集的滚动轴承振动信号进行分析。结果表明:优化后的小波去噪方法能够更好地将噪声从染噪信号中滤除,去噪后信号波形的平滑度更好,信噪比相较硬阈值去噪提高294%,而且保留了原始信号更多的细节特征,具有更好的去噪性能和应用实用价值。     

基于正交小波变换的目标检测方法

理论分析表明,独立高斯噪声经过正交小波变换后保持方差和独立性不变。基于Mallat的小波多分辨分析,通过对小波系数进行平方律处理,建立了基于正交小波变换的恒虚警率检测器模型,推导了相应的虚警和检测概率公式,分析了噪声未知情况下小波系数序列长度对检测性能的影响,并给出了合适的长度值。实验结果表明,所提出的检测器能满足不同虚警概率和杂波背景的要求,具有较好自适应性。     

基于离散小波变换的航迹关联算法研究

本文基于1-D离散小波变换(DWT)提出了一种航迹-航迹关联算法。由于目标航迹数据是非平稳随机序列,因此采用离散小波变换方法分析,利用基于F分布的假设检验模型来描述小波分解高频小波空间与低频尺度空间能量的比率,结合"去相关"方法分别讨论了航迹相关与无关的情形,并给出了一种仿真方法。仿真结果表明算法的有效性和在分辨两条相近航迹方面的优越性。     

基于小波分析的机场道面平整度细节研究

采用小波理论对机场刚性跑道平整度进行分析。针对某机场道面,采用Matlab对其纵断面信号进行小波变换分解,得到不同高频下机场刚性道面纵断面长波和短波的具体波动幅度和位置,可作为国际平整度IRI的一种补充,为航空器-机场道面相互作用动力学分析创造条件。     

基于小波分析的信号滤波方法研究

设计了模拟温度信号的数据采集系统,采集了温度信号T．分别利用最小二乘平滑滤波方法和小波变换滤波方法对传感器输出的原始温度信号T进行滤波,通过对比滤波后波形和残差体现了小波分析在信号滤波应用中的优越性。     

基于小波分析的氢涡轮泵低温轴承保持架故障特征辨识

提出了小波分析与短时傅立叶分析相结合的方法来分析处理滚动轴承的振动信号,提取对应于轴承保持架的特定频率成分有助于准确地判断轴承保持架的健康状况.研究结果表明,在氢涡轮泵低温轴承保持架故障特征辨识中,综合利用小波分析与短时傅立叶分析能够更形象、更直观地识别出特定的频率成分.     

一种基于遥测数据压缩的硬件系统设计与实现

在基于遥测数据特点的背景下,提出了一种遥测数据实时无损压缩系统的设计方案。在这个压缩系统中,采用小波变换的方法对数据信号进行去噪预处理,能够有效减少数据量。同时,处理后的数据采用基于字典的LZW无损压缩算法,能够无失真地还原信号,这也正是遥测数据所要求的。     

基于阶次小波包的转子加速阶段振动故障研究

针对发动机转子在加速阶段的振动信号为非稳态、且该阶段的振动信号无法直接使用谱分析等技术处理的问题,提出了利用改进的阶次跟踪分析技术对信号进行等角度重采样,将时域非稳态信号转换为角域稳态信号,然后对信号进行小波包分析及能量特征向量提取。结果表明,利用阶次小波包方法可以很好地处理变速振动信号,效果好于直接使用小波包分析非稳态的时域信号,计算后的结果可用于进一步的数据处理。     

基于WPD-KVI-Hilbert变换相结合的滚动轴承早期故障特征精准识别

为了能够有效地从轴承早期故障激励的高频振动信号中提取出故障特征信息,基于最优小波包基选取方法和峭度值最大筛选原则,提出了一种改进的小波包分解（WPD）、峭度值指标（KVI）与Hilbert变换相结合的滚动轴承早期故障特征识别方法。计算选取最优小波包基,确定分解层数;采用WPD方法对轴承故障振动信号进行分解,获得若干个Node分量;基于峭度值指标最大原则筛选出有效的Node分量进行信号重构;对重构信号进行包络解调分析,提取出故障特征频率对轴承故障进行诊断。采用建立的方法对凯斯西储大学滚珠轴承外圈、内圈故障实验数据和自行开展的滚棒轴承外圈、滚动体故障实验数据进行了分析与诊断。研究结果表明：该方法能够有效提高故障信号高频分辨率、保留周期性冲击成分,并能准确有效提取出滚珠和滚棒轴承故障特征频率的1~7倍频及其与轴转频调制的系列边频带频率,实现对滚动轴承故障特征的精准识别与故障诊断。     

双树复小波域MCA降噪在齿轮故障诊断中的应用

齿轮箱早期故障信号中往往包含强烈的干扰噪声,而基于简单阈值规则的小波系数降噪方法往往不能取得良好的效果.针对该问题,提出了基于形态分量分析(MCA)的双树复小波降噪方法.首先,对强背景噪声故障信号进行双树复小波变换,得到不同层的小波变换系数;然后,选取小波系数周期性较为明显层的小波系数进行MCA降噪;最后,将降噪后的系数进行单支重构后便可获得故障特征信号,对降噪信号进行包络分析便可以确定信号的故障特征频率.利用该方法对仿真分析和某轧机齿轮箱打齿故障早期信号进行了处理,结果表明:该方法能够在有效去除信号中的强背景噪声,比单独MCA降噪及软阈值降噪具有更好的效果,得到了更清晰的故障特征频率,从而为齿轮早期故障诊断提供了一种新方法.