基于小波变换模极大值的去噪方法研究

小波去噪在信号处理中得到广泛应用。目前常用的方法主要有Donoho提出的阈值法和Mallat提出的模极大值法。模极大值法是一种经典的小波去噪方法,噪声的模极大值的幅度随尺度的增大而迅速减小,而正常信号随尺度的增大而增大,因此利用合适尺度的小波变换,容易把噪声从正常信号中剔除。通过试验说明这种方法对白噪声和脉冲噪声都有很好的去噪效果,并与阈值去噪比较,对于高斯白噪声,信噪比比较低的信号,模极大值去噪要优于阈值法去噪;对于脉冲噪声,脉冲噪声点数较多时,模极大值去噪要优于阈值法去噪。     

通信电缆故障测距的小波变换应用研究

在论述电力系统通信电缆故障检测原理的基础上,将小波变换模极大值与信号奇异性关系的理论应用于检测脉冲反射信号,实现电缆故障的定位。重点分析了利用小波变换模极大值的方法实现在强噪声中提取信号,再现信号突变点的功能。仿真表明这种方法能有效去噪、准确定位脉冲反射信号,为提高信道故障定位精度提供了有效的检测方法。     

基于同态小波的乘性噪声去除方法研究

乘性噪声往往由不理想的信道引起,与信号是相乘的关系,因此难以消除。为消除信号中的乘性噪声,通过对原始信号进行同态变换——对数变换,将乘性噪声转变为加性噪声,去除噪声与信号的相倚性;并运用小波分析方法进一步对变换后的信号进行去噪处理;最后,联合指数逆变换获得提取的真实信号,以达到消除原始信号中乘性噪声的目的。通过3个仿真实验验证,该方法可以更有效地去除信号中的乘性噪声。     

基于神经网络的烟草包装机械故障信号检测方法

为降低烟草包装机械运行故障信号检测结果的均方差，提高检测精度，通过烟草包装机械运行信号采集与小波去噪、基于神经网络的故障信号识别模型训练、故障信号动态识别，提出一种全新的检测方法。通过实验验证，新的检测方法与基于时域分析法的检测方法相比，检测结果均方差数值更低，检测精度得到提升，可为烟草包装机械运行维护提供更可靠的技术条件。     

基于经验模态分解的滚动轴承早期故障预警研究

滚动轴承是旋转机械中最常用的零部件之一。针对滚动轴承早期故障预警较差的问题,提出了一种基于经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承早期故障预警方法。该方法首先对轴承原始信号进行经验模态分解,得到一阶固有模态函数(Intrinsic Mode Function,简称IMF),然后对一阶IMF分量进行分析,提取反映轴承故障发展的特征指标。再采用局部均值法对特征指标进行处理,将特征局部均值与阈值比较,实现对滚动轴承早期故障的预警。最后利用滚动轴承试验数据对该方法进行了验证,结果表明,基于经验模态分解的滚动轴承早期故障预警方法能够有效地识别和预警滚动轴承早期故障。     

基于压缩感知的电力设备视频图像去噪方法研究

文章采用基于过完备字典的稀疏表示方法,结合压缩感知理论去除目前电力视频监控图像中存在的噪声。使用噪声图像训练过完备字典,其中过完备字典的更新使用K-SVD算法,求解稀疏系数使用OMP算法,最后重构去噪后的图像。Matlab仿真实验表明,对添加了不同标准差的高斯噪声图像,该方法具有良好的去噪效果,与目前常用的小波函数相比,能更好的降低图像中的高斯白噪声,并且在字典训练过程中直接使用视频拍摄的带噪声图像,即使没有原始的无噪声图像,依然能够完成去噪任务。     

应用虚拟仪器技术的异步电机故障诊断研究

介绍基于虚拟仪器技术构建的异步电机检测系统,实现了异步电机系统的参数检测和故障诊断。文章将基于LabVIEW的小波包理论应用于电机故障诊断研究,将小波变换极大模分析方法应用于信号突变成分的检测,有效地定位并检测出异步电机中的早期故障。最后,通过实验证明了基于小波理论的故障诊断方法的可行性。     

VMD敏感分量在风电机组主轴故障诊断中的应用

提出基于VMD敏感分量的风力发电机主轴故障诊断方法。利用变分模态分解分析风机主轴的振动信号,将其分解、评估、分析,选取包含信号特征的有效模态分量重构信号。然后提取重构信号的特征值,构成模态分析向量,凸显信号故障信息,结合VPMCD方法进行故障诊断。将所提方法应用于风电机组仿真实验,对主轴外圈、内圈和滚动体故障数据进行分析验证,结果表明该方法的有效性。     

基于EMD和小波阈值去噪的声发射信号处理

为了提取更加准确的声发射信号的信息,基于断铅试验,利用EMD对声发射信号进行特征提取,并且对提取后的特征信号再进行小波去噪处理。结果表明,该方法能够保持原信号特征不变,并且使信号特征更加明显,有助于后续声发射信号处理。     

振动信号分析技术在汽轮机故障诊断中的应用

分析汽轮机典型故障成因,提出了一种基于振动信号时—频联合分析技术的汽轮机故障诊断方法。分别基于专家经验和经验模态分解法对采集到的汽轮机振动信号进行时域、频域分析,提取了多个与汽轮机故障状态相关的特征量,然后搭建了基于深度信念网络的诊断模型,并依据在线振动监测数据完成了训练,最后测试各模型在测试集中的识别准确率。结果表明,该故障诊断方法的平均准确率可达95.12%,可以有效识别汽轮机的振动诱因。     

经验模态分解在切削振动信号分析中的应用

为了分析切削振动的变化规律及产生根源,采用在线监测的方法采集振动信号,提出了运用经验模态分解对振动信号进行分析的方法,构建了分段频率变化的仿真振动信号,分别对仿真振动信号进行短时傅里叶变换、小波变换和经验模态分解时频分析。结果表明,经验模态分解方法具有更高的时频分辨率,运用经验模态分解方法对实际振动信号进行分析,提取典型分量绘制希尔伯特幅值谱,能较好地反映振动信号的时频变化规律。经验模态分解适合对切削振动信号进行分析,但是需要对算法的模态混叠及计算效率低等不足进行完善。研究结果对非平稳信号的分析具有参考价值。     

一种基于FCME的跳频通信干扰检测门限设计方法

针对跳频卫星通信在应用中面临恶意干扰威胁的问题,需要对接收信号进行干扰检测。首先使用宽带能量检测模型对接收信号进行建模,分析了检测统计量的概率分布形式,其次在FCME算法以及恒虚警门限设置方法的基础上,利用概率统计知识分析高斯分布下部分样本与总体的关系,加入迭代修正过程对噪底进行估计以设置满足恒虚警概率要求的门限,最后利用Matlab搭建仿真平台进行仿真分析。理论和仿真分析表明,基于FCME的迭代修正门限设计方法相比于已有方法在SNR为0 dB、无干扰条件下能获得满足虚警概率要求的门限,当存在部分频带干扰时算法性能下降,但所获得的门限仍能满足虚警概率要求。设计方法在干扰较弱或不存在时能满足虚警概率要求,改善了FCME算法虚警概率偏高的情况,应用于跳频通信系统干扰检测的门限设计是可行的,在工程实际应用中有一定的参考价值。     

基于机器视觉的铁路信号灯检测技术

为解决铁路安全运输问题,对基于机器视觉的铁路信号灯检测方法进行仿真图像和视频检测实验研究。阐述了铁路信号灯图像在不同颜色空间下的特性及其对铁路信号灯识别的影响,将其由RGB颜色空间转换为HSV颜色空间。通过Canny算子、腐蚀膨胀以及开闭运算等技术提取铁路信号灯图像的几何特征,通过Hough检测,对图像中铁路信号灯进行定位。对定位的信号灯进行颜色提取,从而识别出信号灯的类别。根据多种天气情况下的铁路信号灯图像进行仿真实验分析,进一步对采集的列车行驶视频进行实验分析,优化检测方法。研究结果表明,提出的铁路信号灯检测模型,能够支持复杂背景下的铁路信号灯类别的有效识别。通过机器视觉技术实现铁路信号灯的检测和识别,是提高铁路运输安全性的一种有效方法。     

苏州地铁车站基坑变形的空间效应分析及预测研究

为有效掌握苏州地铁基坑的空间变形特征,实现对其变形的高精度预测,利用数理统计及极限学习机开展基坑变形的空间效应分析及预测研究。首先,基于基坑变形监测成果,开展基坑变形的空间效应分析;其次,利用小波去噪、极限学习机及混沌理论等构建了基坑变形预测模型,以达到基坑变形的时间效应分析。结果表明,在空间效应分析方面,基坑竖向沉降变形及侧向水平位移均以西侧相对最大,其与近接既有住宅楼相关,近接既有建筑物对基坑变形的影响较大,且在不同施工阶段条件下,基坑侧位移随深度变化存在一定差异,第二、三阶段的侧位移增量相对最大;在时间效应分析方面,小波去噪能很好分解基坑变形的趋势项和误差项,但去噪参数对去噪效果影响较大,去噪过程应进行参数的优化筛选;粒子群算法能有效提高极限学习机的预测精度,混沌理论也能有效弱化误差序列,所得变形预测结果的相对误差均值均小于2%,验证了预测模型的有效性,且通过外推预测,得出基坑变形在后4个周期仍将进一步增加,但增加速率相对较小,后期在时间效应条件下趋于稳定。研究结果对开展不同区域地质条件下的基坑变形特性研究、更好地指导现场施工具有参考价值。     

纸张性能对喷墨印刷品光泽度的影响

本文采用EPSON Stylus C88＋喷墨打印系统,对5种不同性能的纸张进行印刷品光泽度研究。结果发现：成纸性能、纸张涂层结构以及油墨在纸张上的转移过程对喷墨印刷品光泽度均有较大影响,如喷墨墨水中溶剂在纸张表面渗透过多,颜料颗粒浮于印刷品表面形成漫反射,导致印刷品光泽度降低。本文根据实验给出纸张性能对印刷品光泽度的影响权重,按相关系数从大到小排列为：光泽度、定量、粗糙度、表面润湿性能。纸张光泽度、定量与印刷品光泽度正相关,纸张粗糙度、表面润湿性能与印刷品光泽度负相关,且纸张光泽度与印刷品光泽度高度相关。因此,要得到光泽度高的喷墨印刷品,必须根据纸张性能对印刷品光泽度的影响权重选择适合的纸张。     

Statistical dependence in risk analysis for project networks using Monte Carlo methods

Monte Carlo simulation of project networks is increasingly used by engineering firms to analyze schedule/cost risk for bidding purposes. However, one serious methodological flaw of most Monte Carlo simulations is the assumption of statistical independence of activity durations in the network. In this paper, a method is proposed to model and quantify positive dependence between uncertainty distributions of activities. This method inherits the theoretically sound foundations of the rank correlation method, but provides a less cumbersome method to elicit dependency information from project engineers. Details of the methodology are described along with an example of project risk analysis in a manufacturing domain (shipbuilding).     

基于ITD-ELM的变压器绕组微弱匝间短路故障诊断

为了解决油浸式变压器内部绕组绝缘故障检测难度大的问题,提出了一种基于本征时间尺度分解(ITD)和极限学习机(ELM)的变压器绕组微弱匝间短路故障诊断方法。首先,将采集到的变压器可听声信号利用ITD算法分解为若干旋转(PR)分量,并将峭度值较大的分量信号相加,对可听声信号进行重构;其次,将重构后的变压器可听声信号作为模型输入层,故障诊断结果作为模型输出层,构建了基于ITD-ELM的变压器绕组微弱匝间短路故障诊断模型;最后,以一台110 V变压器搭建实验模拟平台,对其微弱匝间短路故障进行训练并诊断。结果表明：基于ITD-ELM模型的微弱匝间短路故障诊断精确率为98%,较传统的ELM故障诊断精确度提升了3%,验证了所提变压器绕组微弱匝间短路故障诊断方法的准确性。研究所提出的故障诊断方法准确性较高,可应用于现场运行的不同电压等级的油浸式变压器。     

基于光子计数探测器的CT系统在蒙特卡罗模拟平台的实现

为了解决利用Matlab,C++等软件对投影图像、重建算法的模拟无法真实反映CT系统的成像过程的问题,在研究模拟理论的基础上,首先利用Geant4和Gate数据包搭建蒙特卡罗模拟平台;然后通过光子计数探测器模拟多能谱CT成像,同时分析在不同标准下的阈值划分对重建图像的影响,利用光子计数探测器同时扫描出多个不同能段下的投影图像,并对比出各个能段下的投影效果;其次,根据不同能段的划分,选取每个能段的360度下的投影数据,利用FBP算法重建投影切片图像;最后,对所得到的切片图像进行材料区分,得到硫和铝的衰减系数曲线。实验结果表明,模拟方法对光子计数探测器的成像过程做出了模拟,得到了较好的模拟图像,并给出了相关阈值的划分依据,可为其他CT成像研究提供参考。     

直流微电网母线电压波动分层控制策略

为解决直流微电网母线电压波动问题,在考虑蓄电池荷电状态的基础上,依据直流母线电压波动幅值进行抑制,提出一种含制氢负载和燃料电池的直流微电网母线电压分层控制策略。建立了光伏电池、蓄电池以及燃料电池的控制模型,给出了直流微电网的运行模式以及各运行模式下的控制策略。主要利用各单元间的配合,将系统运行分为7个层区,每个层区采取不同的控制策略来平抑直流母线电压波动。最后在PSCAD/EMTDC仿真软件与新能源发电实验平台上搭建模型。仿真和实验结果表明:所提控制策略合理可行,达到了抑制母线电压波动的目的,提高了直流微电网运行的稳定性,对深入研究直流微电网控制策略具有一定的参考价值。