基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

一种小波包的微机械陀螺消噪方法

微机械(MEMS)陀螺精度直接影响惯导系统精度。研究表明,随机噪声是影响MEMS陀螺精度的重要因素。本文在介绍小波包变换和自适应阈值的基础上,采用db4小波包变换阈值消噪方法,对某MEMS陀螺信号进行消噪处理,数据处理验证了此算法在MEMS陀螺消噪处理中的有效性。     

跨声速压气机转子失速过程的实验

针对一台跨声速压气机转子在不同转速下的失速过程进行了稳态和动态实验研究.通过对原始信号、小波分析结果以及FFT(fast Fourier transform)变换结果的分析得到,该压气机转子在3个不同转速时均为突跃型全叶高失速,流场中存在一个失速团,失速团沿周向的传播方向与转子转动方向相同,其相对静止坐标系的量纲一转速随转子转速的增大而减小,对这一规律产生的原因进行了分析.      

模糊聚类方法在PIO探测中的应用

用于驾驶员诱发振荡(PIO)探测的特征参数可以有效地反映出PIO时飞机在频域和时域的特征,利用模糊逻辑方法对特征参数进行辨识可以有效地识别出是否发生了PIO.模糊逻辑方法中的隶属函数直接反映了特征参数的特点,其设计决定了是否能有效地对PIO进行识别.为了设计有效的隶属函数,根据特征数据的特点采用球壳型模糊聚类算法对数据...     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

轴流压气机转子叶尖二次涡的试验验证及形成机理

对轴流压气机转子机匣壁面静压进行动态测量,采用小波分析方法处理近失速工况动态压力测量信号,功率谱显示在与二次涡相近的频率上存在较高的能量带,能量峰值沿轴向的衰减与二次涡的变化规律相符,表明二次涡在流场中存在是可能的。针对相同转子进行全通道非定常数值模拟,计算结果表明,近失速工况下,转子圆周每个通道叶顶附近均存在规律一致的二次涡运动。叶片中后段间隙泄漏流与间隙泄漏涡破碎产生的低能流体相互作用,在泄漏涡破碎形成的堵塞区域中形成二次涡。二次涡运动使得近叶顶载荷分布发生变化,从而导致近叶顶流场出现了一种周期性的自维持的非定常流动现象。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

模糊层次分析法在航空公司安全评估中的应用

在某航空公司安全评估指标体系的基础上,构建了其安全因素的模糊一致性判断矩阵,并通过权重分析获得各安全因素的影响程度;以人的因素为例进行综合评价,通过建立模糊隶属度矩阵从而得到了模糊综合评价矩阵,由此得出航空公司安全评估中人的风险值,方法为航空公司进一步加强管理提供了依据,因而具有一定的实用价值和经济效益。     

企业经济效益综合评价与分级管理方法

本文针对财政部设计的企业经济效益评价指标体系，用多目标优化方法的思想对其进行优化处理，并且数理统计方法将各指标值折算成分数以符合人们的习惯；同时，用数理分析等方法将所得的评价序列进行分级归类管理。     

小波分析在外测数据降噪处理中的应用

小波变换分析是一种同时在时间(或空间)域和频率域内进行局部化的新方法;利用小波变换及其自适应性,可在不同尺度上分析和处理数据,通过特定的方法达到消除随机噪声的目的。本文简单介绍了小波分析理论的基本原理和方法,详细介绍了该方法在信号处理中的分解与重建算法,以及基于小波分析方法的降噪原理。在此基础上,将小波变换应用到外测弹道数据的滤波降噪处理中,通过仿真和实测数据的运算结果表明,应用小波分析的降噪方法对喊噪声的数据具有很好的效果,在工程应用中有看十分广泛的应用前景。