基于复Morlet小波变换的汽轮发电机组振动信号分析

汽轮发电机组振动信号一般具有非平稳性和非周期性的特征,传统的傅里叶变换已经无法完全满足振动信号的分析要求,引入复Morlet小波变换对汽轮发电机组振动信号进行分析。介绍了小波变换和复Morlet小波的基本理论,以不对中故障为案例的仿真结果表明,复Morlet小波变换能够分析非平稳信号,同时具有频域和时域上的分辨率,可以较准确地分析出故障突变发生的时刻和故障发展变化的趋势,具有传统信号分析方法所不具备的优点。     

基于小波变换模极大值的信号奇异性检测

信号的突变性或奇异性通常携带有最重要的信息,小波变换为信号的多尺度瞬态分析提供了最合适的方法,本文阐述了基于小波变换模极大值的奇异信号检测理论,利用从光滑函数的一阶或二阶导数获得的小波,分析了信号奇异点定位方法及奇异度的计算方法,并指出了利用此方法时对所用小波函数的要求及尺度参数的选取原则,为非平稳信号的检测提供一种行之有效的方法。     

小波模极大值法在地震解释图像边缘检测中的应用

边缘作为图像的最主要特征,是图像视觉信息获取的重要内容。小波变换具有检测信号局域突变的能力,且可以结合多尺度信息进行检测,因此成为图像边缘检测的优良工具。基于信号与噪声在不同尺度下小波系数模的变化特征,可以通过检测小波变换系数模局部极大值点来提取图像的边缘特征。实际课题中将小波模极大值法应用于三维地震资料——相干切片图像的边缘检测中,证实了该方法能较准确地提取断层边缘,为下一步对断层的提取及解释提供有力保障。     

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。     

基于小波变换的轧辊磨床振动信号分析

针对实际测试项目,介绍用于轧辊磨床振动测量的信号采集系统的硬件组成及信号采集方法.简述振动信号分析的理论与方法,采用基于小波变换的信号分析方法对磨床振动信号进行分析,能同时兼顾高频与低频段的频谱特性,提高特征频率的提取精确度,进而提高系统故障诊断的可靠性.     

机械监测诊断中的小波应用技术

阐述了小波的概念及其发展过程。并从小波变换的物理意义和工程背景出发,介绍几种机械监测诊断中小波技术的应用。     

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。     

基于连续小波变换和半监督极限学习机的轴承故障诊断方法

当数据集包含的标示数据量不足时，基于全监督学习的故障诊断方法效果往往不理想。充分利用大数据下无标注的数据信息，利用连续小波变换生成轴承故障振动信号的时频图，提取表征图像纹理和形状的特征，建立半监督极限学习机模型，通过连续小波变换生成故障信号的时频图谱，并计算图像的灰度差分统计特征、不变矩特征作为半监督极限学习机的输入。利用无标示和有标示数据集，构建半监督极限学习机模型和规划公式，计算隐含层输出矩阵得到优化的分类结果。研究结果表明，基于连续小波变换的特征提取方法相较于HOG、LBP等方法具有更好的识别效果。在故障信息不充分的情况下，半监督极限学习机的模型推广能力强、故障识别率高。     

虚拟仪器测量周期信号相位的仿真设计

利用快速傅里叶变换(FFT)算法和相关函数算法,基于LabVIEW平台,设计了2个测量周期信号相位差的仿真程序。仿真测量数据相对误差约为0.3%,与传统的方法相比,具有精确程度高,抗干扰能力强,易于实现等优点。