基于小波降噪和EWT-TEO的电缆故障定位方法

针对传统电缆故障定位法受波速和噪声影响导致的波头识别不准确及故障定位精度差问题,提出一种基于小波降噪、经验小波变换(empirical wavelet transform,EWT)和Teager能量算子(Teager energy operator,TEO)的电缆故障定位方法。首先,利用改进的双端行波法消除波速对测距偏差的影响。然后,采用小波降噪法对采集的故障信号进行去噪。进一步应用EWT方法对降噪信号进行分解,提取降噪信号的高频分量。在此基础上,通过TEO能量曲线变化确定首端波头及近端反射波的到达时间,从而计算出电缆故障点到检测位置的距离。仿真结果表明,基于小波降噪和EWT-TEO的电缆故障定位方法对不同信噪比和故障电阻都具有良好的适应性和可靠性,能实现精确的电缆故障定位。

双视电力巡检机器人夜视图像的小波降噪研究

选取电力系统中应用广泛的双视巡检机器人,分析双目视觉机器人夜视巡检图像,针对视觉系统采集的电力设备图像进行中值滤波、特征提取、聚类分析。通过构造模糊阈值函数,提出小波阈值夜视图像降噪改进方法。通过数据分析,夜视图像降噪效果明显,为利用图像分析设备状态提供支撑。

基于小波降噪的配电网蓄电池系统短路故障检测

为降低噪声干扰、提升配电网蓄电池系统短路故障检测可靠性,提出基于小波降噪的配电网蓄电池系统短路故障检测方法。该方法采用多分辨率小波分析降低蓄电池系统充电电压信号噪声,将降噪后的信号组成待检测时间序列。采用模糊聚类算法处理序列中的不平衡数据,形成新的待检测时间序列,采用基于动态时间规整方法检测该序列中的短路故障。测试结果表明:在小波基取值为5 dB时,该方法可在保证电压有效信号完整性的基础上实现信号最大程度降噪,并且在序列长度差异的情况下,依旧可完成故障准确检测。

基于小波降噪的机车相模块试验台数据处理

本文主要完成了对 HXN3 型机车牵引系统中的相模块试验数据处理设计,使用滑动均值滤波对温度风量信号进行预处理, 并为了更好地分析输出电流信号特性对相模块电流数据进行了小波阈值降噪方法研究,即:通过对比不同降噪方式后的重构信号 指标,结合数据采集系统需求,选择 db5 小波进行 4 次分解,使用启发式阈值算法对相模块电流进行降噪处理。研究结果表明该 方法符合系统需求并能完成降噪功能,可以有效地提高谐波分析的精度,能够为试验人员对信号的谐波分析做好准备,并为谐波 分析提供试验数据。

基于Savitzky-Golay平滑-小波降噪处理的桥梁结构监测数据分析方法

桥梁结构健康监测源信号数据存在毛刺、噪声及异常值等复杂情况,对信号数据分析、桥梁结构状态评估结果产生巨大偏差。本文提出了解决桥梁结构监测数据处理中复杂问题的系统性方法。首先,通过对比研究Savitzky-Golay(SG)滤波与信号平滑方法,并评价各方法的适用性;然后,基于复合评价指标量化选出最优小波基函数及最佳小波分解尺度;最后,采用卡尔曼滤波对同一监测项目的4个应变计数据进行融合,并用Monte Carlo仿真进行验证。研究表明,本文提出的SG平滑-小波降噪方法,可为桥梁健康监测数据处理提供较为全面、系统的参考。

基于自寻优小波降噪算法的海洋重力数据滤波

为抑制船测重力数据中的噪声,提升海洋重力场数据精度,提出了可自动修正阈值参数的自寻优小波降噪算法。首先比较了IIR滤波器、FIR滤波器、Kalman滤波方法、传统小波降噪方法的滤波效果,分析了几种方法的特点及适用性。其次,根据海洋重力信号大多属于缓变的特点,借鉴遗传算法思想,设计了自寻优小波降噪算法。最后,利用湖上船载原子重力仪测量数据进行了实验验证,实验结果表明,自寻优小波降噪算法解决了传统小波降噪方法泛化能力弱、对复杂噪声分量滤除不彻底的问题,与IIR滤波器、FIR滤波器、Kalman滤波方法和传统小波降噪方法等滤波算法相比,滤波结果更接近有用信号,不需要对数据进行截短,滤波后信号精度提升了17%以上。

强噪声条件下原子重力仪小波降噪适应性研究

为消除海洋原子重力仪测量数据中的强背景噪声,提升海洋重力场测定精度,研究了不同阈值量化方法下小波降噪算法在海洋原子重力仪数据处理中的适用性问题。首先,通过仿真试验,以数字滤波器作参考,比较了多种阈值计算方法、多种阈值选取规则下的小波降噪算法对不同强背景噪声的滤波效果,指明了最适合用于船载原子重力仪测量数据降噪的阈值量化方法;然后,结合本课题组的湖上动态测量数据,对仿真试验得到的结论加以验证。结果表明:强背景噪声条件下,小波降噪的滤波效果受阈值量化方法选择的影响会有很大的差异,不同阈值计算方法中,固定阈值计算方法对应的降噪效果最好,滤波后信号信噪比至少提升49 dB,精度较数字滤波器至少提升7.6%;不同阈值选取规则中,软阈值选取规则对应的降噪效果最好,无需利用改进阈值选取规则进行优化。

基于小波降噪与人工智能的岩性识别研究

岩性识别是深度学习在油气田开发的主要应用方向之一,人工智能模型可有效提升油气田开发、现场施工的效率。通过小波降噪技术,对某区块15764条测井数据,及其7种特征进行降噪处理,提升测井曲线信噪比,进而构建随机森林、XGBoost、支持向量机模型,并采用精准度、召回率、F1评分对模型预测效果进行对比评估。研究结果表明,小波降噪技术可有效提升测井曲线信噪比,突出岩性特征。降噪处理后,XGBoost模型表现最优,测试集精准度、召回率、F1评分均可达0.998。支持向量机模型采用降噪后数据训练,预测效果提升最为明显,总评分提升9.2%。

瞬变电磁法双参数优化小波降噪效果研究

小波基和阈值函数是直接影响小波去噪效果的重要参数,为进一步改善小波降噪方法在瞬变电磁法数据处理中的效果,在分析软、硬阈值降噪特点的基础上,分别采用自适应优选小波基和重构阈值函数的方法,实现对小波降噪方法的双参数优化。结合数值仿真,对瞬变电磁法感应电动势衰减曲线分别加入10 dB和20 dB的随机噪声,利用不同小波基和阈值函数对瞬变电磁法数据进行降噪处理,证明了小波降噪时需要同时优选合适的双参数才能达到理想的降噪效果。选择信噪比和最小均方根误差作为小波降噪效果评价标准,其中信噪比越大及最小均方根误差越小,表明降噪效果越好。分别将软阈值函数与db3小波基组合降噪方法和双参数优化降噪方法应用于瞬变电磁法探测烧变岩富水性的数据处理中,随机选择10个测点进行对比,前者信噪比平均值为101.1175,最小均方根误差为0.0742;后者信噪比平均值为117.0677,最小均方根误差为0.0336,表明双参数优化降噪效果更好。结合直流电阻率法探测结果和钻孔验证情况,进一步证实了双参数优化后小波降噪方法在瞬变电磁法数据处理中具有较好的应用效果。研究表明:双参数优化后的小波降噪方法能同时提高瞬变电磁法采集数据的信噪比和降低均方根误差,恢复信号原位特征,可以为瞬变电磁法后期数据处理提供高质量保障。

基于经验模态分解和小波降噪的漏水信号滤波方法

在研究供水管道监测漏水信号的降噪问题时,提出一种基于经验模态分解(EMD)与小波阈值降噪相结合的降噪方法。该方法首先将采集到的信号进行EMD分解,得到有限个本征模函数(IMF),通过计算各IMF分量的能量值,找到含噪较多的高频信号分量与含噪较少的低频信号分量之间的界限,对含噪声较多的高频IMF分量进行小波软阈值降噪处理,再将降噪后的高频IMF分量与剩余的低频IMF分量进行重构,实现对漏水信号的降噪。经计算验证比较,处理铁管上采集的信号时,仅用EMD法降噪后输出信噪比为14.49 dB,仅用小波软阈值法降噪后输出信噪比为16.11 dB,而提出的EMD与小波软阈值结合方法输出信噪比为19.53 dB;处理PVC管采集的信号时,仅用EMD法降噪输出信噪比为3.19 dB,仅用小波软阈值降噪法输出信噪比为4.18 dB,用改进方法得到信噪比为6.19 dB,表明用改进方法监测管道漏水具有更好的降噪效果。

基于小波降噪和短时傅里叶变换的主轴突加不平衡非平稳信号分析

针对主轴运行过程中突加不平衡而产生的非平稳信号无法采用传统的傅里叶变换对信号进行分析处理的问题,提出一种采用小波降噪与短时傅里叶变换相结合对主轴振动特征信息进行准确提取的方法,该方法利用小波降噪技术对非平稳信号进行滤波处理,再对滤波处理后的信号进行重构,最后通过短时傅里叶变换精确获取主轴振动幅值,通过仿真和实验验证了该方法的有效性。

灰色模型预测软土地基沉降的小波降噪分析

基于小波分析理论,利用小波降噪方法,对辽宁省某高速公路软土地基沉降监测数据选择db10小波函数、sym4小波函数和bior3.1小波函数进行降噪处理,并运用灰色模型对小波降噪后的软土地基沉降差值序列进行预测。预测结果表明其短期预测误差在1%左右,中期预测误差在2%左右,长期预测误差不超过10%,能够反映实际沉降情况和满足工程设计的误差要求。通过运用小波变换理论和MATLAB软件,编写小波降噪后的灰色模型程序并进行预测,为处理监测数据提供了新思路。

融合提升小波降噪和LSSVM的网络流量在线预测

针对网络流量数据被噪声污染而无法进行准确建模与预测的问题,将提升小波降噪(LWD)技术和在线最小二乘支持向量机(LSSVM)相结合,提出了一种网络流量的集成式在线预测方法。该方法首先对采集的流量数据进行降噪,然后采用相空间重构理论计算流量的时延、嵌入维数,据此确定训练样本并建立在线预测模型,对网络流量数据进行预测。实验结果表明,该方法能有效滤除流量噪声,实现在线预测,提高预测精度。

基于渐近式权值小波降噪和Adaboost算法的液压泵故障诊断

为了解决液压泵早期故障诊断难的问题,提出了一种基于渐近式权值小波降噪和Adaboost算法的液压泵故障诊断方法。针对早期故障特征难以有效提取的问题,根据最优化理论,通过对传统小波分析方法得到的信号进行渐近式权值的选择,得到了信噪比较好的降噪信号,并从中选取了最优特征集。同时,针对神经网络过学习和欠学习的现象,采用Adaboost算法对最优特征进行训练,实现了对不同故障类型的识别。实验结果表明,渐近式权值小波降噪能有效地去除噪声,提高信噪比,较为有效地提取最优故障特征;与BP神经网络相比,Adaboost算法具有更高的故障识别精度。

GPS单历元形变信号的小波降噪

阐述了小波变换、多分辨分析及中值滤波的基本原理。研究了对小波变换的高频系数采用中值滤波,然后重构信号达到降噪目的的形变数据处理新方法。并与强制降噪及软门限阈值化小波降噪方法比较。模拟实验表明,基于高频中值滤波的小波降噪方法不仅能有效降噪,保持信号的光滑性,还能在降噪的过程中剔除少量粗差。

一种实时小波降噪算法

通过施加滑动数据窗的方式 ,总剪取实时数据的最新一段 ,再利用区间小波降噪算法 ,构造出实时小波降噪算法。实时降噪计算量通过选用正交紧支撑小波和限制小波分解深度降低。区间小波变换的边界干扰通过数据输出的时间延迟避免。引入冗余采样数据消除数据更新的时间滞后。用仿真实验验证了算法的降噪能力。

利用小波降噪的瑞利激光雷达平流层温度反演

介绍了瑞利-拉曼-米散射激光雷达的基本结构与瑞利散射温度反演原理,通过分析对比获得了适合瑞利散射信号的小波分解层数及阈值选取规则,并分别使用小波硬阈值法与软阈值法对信号进行处理,相比而言软阈值法具有更好的降噪效果。利用上述算法反演出南京上空平流层28~46km的温度廓线,将结果与MSISE-90大气模式及AIRS卫星数据进行比对,均表现较好的一致性,验证了小波降噪在瑞利激光雷达温度反演算法中的可靠性。在算法研究的基础上,反演了2009年12月19日19时20分至20时20分连续观测的数据,表明在短时间内平流层温度总体趋势稳定;并对2009年10月至12月的观测数据进行分析处理,得到南京上空平流层月平均温度廓线,表明南京上空的平流层温度在冬季变化不明显。

强噪条件下基于小波降噪的陀螺仪声信号处理方法

为了将噪声诊断技术应用于陀螺仪性能分析,针对陀螺仪声音信号信噪比较低的特点,提出了一种小波降噪的新方法,通过尺度系数的比对有效地在复杂强噪声条件下提取出所需的陀螺仪音频信号,为性能分析提供了保证。实验验证降噪取得了较好的效果。

基于小波降噪的MEMS惯导系统对准方法研究

针对当前MEMS器件受加工工艺限制导致器件输出信噪比低,进而影响MEMS惯导系统初始化的问题,提出一种采用小波降噪的"重力+地磁"信息粗对准方法。分析MEMS器件输出信息结构特征,探索不同小波基函数在不同分解层数下的降噪效果并设计小波分解方案并实现惯性器件噪声的有效滤除;根据重力矢量垂直当地地理坐标系水平面的特征,利用加速度计敏感重力矢量水平分量实现载体初始水平姿态角的确定;结合地球表面任意位置处的地磁信息具有唯一指向性的特征,通过测量载体所在位置处的地磁信息并结合磁偏角修正实现载体初始方位角的求取。转台实验结果表明,经过小波降噪处理后得到的重力与地磁信息可实现MEMS惯导系统初始对准。

EEMD结合能量特征和小波降噪的轴承故障诊断

为解决在强背景噪声条件下滚动轴承故障诊断问题,开展基于能量特征和小波降噪的总体经验模态分解(EEMD)研究。首先以仿真信号为研究对象,对其进行总体经验模态分解,得到9个固有模态函数(IMF)和1个余项(Res),然后考虑各模态函数的能量特征,将分解后的9个IMF分量与原始信号的能量比作为判断标准,剔除附加5个低频分量,最终得到4个有效的IMF分量和1个余项,与仿真信号相符。在仿真信号分析的基础上,对含噪声信号的滚动轴承故障信号进行故障诊断试验研究,采集信号经小波降噪后,利用总体平均经验模态分解并结合能量特征,得到3个IMF分量和1个余项,然后对3个IMF分量进行包络谱分析,提取故障特征频率157.5 Hz,与滚动轴承故障内圈特征频率157.9 Hz相比,误差为0.25%,说明该方法能很好地提取含有噪声信号的轴承故障信息。该研究为强背景噪声下滚动轴承故障信息的提取提供了一种有效的方法。