基于Morlet小波与CART决策树的滚动轴承故障诊断方法

针对滚动轴承故障诊断过程中样本处理、故障识别等技术问题,提出一种基于Morlet小波和分类回归树(Classification and Regression Tree,CART)的滚动轴承故障诊断方法。首先,利用Morlet小波分析方法和移动窗方法对轴承振动信号进行样本处理。其次,对提取的短样本进行变分模态分解与特征提取,完成训练集和测试集的构建。然后,使用训练集训练CART决策树分类模型,同时引入随机搜索和K折交叉验证用于模型关键参数优化,以获取理想的轴承故障分类模型。测试集验证结果表明,该方法不但能实现多种轴承故障的有效诊断、在含噪测试集中表现良好,而且单个样本的数据长度和采样时长的缩短效果明显。

基于MK检验和Morlet小波的乐清市降水量分析

文章为了研究乐清降水年内、年际特征,应用集中度(期)、Mann-Kendall(MK)检验和Morlet小波对乐清1956—2022年的降水量进行分析。结果表明:1956—2022年,乐清降水量年际变化较大,总体呈增长趋势,夏、秋、冬季节呈上升趋势,而春季呈下降趋势;降水年内分布不均,呈“双峰”型,夏季最大,占全年比重54.3%;全年和四季降水具有相似的丰枯变化周期,分别为7a和16a,未来几年乐清的降水仍处于少雨时段。分析结果对乐清市防汛抗旱和水资源调度管理有重要指导意义。

基于Morlet小波的变电站直流电源接地故障检测方法

为提高变电站直流电源接地故障检测查准率,提出基于Morlet小波的变电站直流电源接地故障检测方法。根据检测需求,提取接地故障信号,采用动态化采集的方式采集故障数据。基于Morlet小波设计直流电源接地故障检测模型,采用暂态处理实现故障检测。测试结果表明,文章所提方法的查准率较高,能够明确检测目标,有效提升了接地故障检测模式的综合性能。

基于Morlet小波分析的潍坊市降水量周期规律分析

降水量时间序列具有概率统计意义上的周期性,识别判定序列的周期性对于降水规律的预测分析、灾害防御预判具有重要意义,近年来,随着水旱灾害防御工作对“预报、预警、预演、预案”要求越来越高,有针对性的降水量周期性研究的重要性更加凸显。为支撑“四预”工作,研究降水时间序列规律,文章以潍坊市年平均降水的系列资料为基础资料,采用Morlet小波对其进行多时间尺度分析,判定在不同时间尺度下,潍坊市年降水量丰、枯变化的过程和特性,分析得出潍坊市年降水量变化的趋势自2020年后将慢慢转入降水量逐年减少的周期中的结论。

Morlet小波在确定局部周期中的应用

本文通过引入改进的Morlet小波变换核函数,得到了等幅值的Morlet小波变换(MMWT)和功率谱(MMPS).理论及实验均表明,MMPS不但能够准确的确定信号的局部周期,而且使相同振幅(强度)的谐波产生了相同大小的MMPS,弥补了MPS的不足.对于MMWT还给出了相应的Morlet小波变换尺度与频率转化公式.

Morlet小波显著性检验和精度分析在地磁场和地震活动性周期分析中的应用

首先通过对加入随机噪声的合成信号进行Morlet小波变换并进行显著性检验,分析所得信号的周期成分的显著性和非显著性,然后研究信号周期长短、信号观测时间段长短与精度之间的关系.在此基础上,以活动周期比较稳定的太阳黑子活动作为实例分析,结果显示本文的精度分析和显著性检验方法对于周期谱的精度和显著性研究是可行的.最后将该方法应用于全球地震活动周期谱的分析,求出全球地震活动周期谱及其显著性与精度.研究结果表明,在利用Morlet小波分析地磁场和地震活动性周期时引入显著性检验,并结合本文给出的精度,可以从数据中提取出周期谱及其显著性和精度.

Morlet小波分频处理在提高地震资料分辨率中的应用

利用常规方法对地震资料进行处理,其频带受原始地震资料频带的制约,通常不能满足精细储层预测和描述的需要,为此,提出了一种Morlet小波变换分析方法来提高地震资料的分辨率。该方法具有良好的时频局部化性质而优于传统的傅里叶分析方法。Morlet小波变换分析作为叠后地震资料分频方法更适应于地震频谱分析。首先利用Morlet小波变换建立恰当的小波滤波器组,然后对地震信号做相应频谱分析,分别对单道数据及实际资料进行处理,得到了不同尺度的地震资料,最后对处理结果进行了分频反演。最终结果表明,用Morlet小波变换分析处理后的地震资料,其品质得到了明显的改善,处理后的剖面同相轴变细,频带变宽,分辨率得到了提高。

基于参数优化Morlet小波变换的故障特征提取方法

针对轴承或齿轮箱等机械元件的故障振动信号表现为冲击衰减波形的特点,提出一种基于参数优化Morlet小波变换的故障特征提取方法。利用最小Shannon熵方法优化Morlet小波的形状参数,实现与冲击特征成分的最佳匹配,再对小波变换系数矩阵进行奇异值分解,根据奇异值曲线中主要反映突变信息的过渡阶段所对应的尺度范围求得最佳小波变换尺度,最后对信号进行Morlet小波变换提取故障特征。仿真试验和实际应用的结果表明,该方法能更有效地从强噪背景中提取故障特征。

一种谱峭度和Morlet小波的滚动轴承微弱故障诊断方法

提出一种基于谱峭度和Morlet小波的滚动轴承微弱故障诊断新方法。该方法利用Morlet小波的滤波特性,基于谱峭度表征的Morlet小波系数最大化原则,采用频带平移及外扩的方法自适应地在全频范围内定位由冲击信号激起的各个共振频带,再利用谱峭度和带宽这两个参数有选择地利用一个或若干个共振带进行轴承微弱故障诊断。与原有的谱峭度快速算法相比,该方法能有效避免一个共振带被人为分割为多个频带以及将非共振频带并入共振频带中的现象,从而提高了轴承故障诊断效果。另外,该方法避免了传统方法只利用一个共振带而丢弃其他频带的做法,可以利用找到的不同共振频带的轴承信息进行微弱故障特征增强,以提高微弱故障诊断性能。滚动轴承微弱故障实验证明了新方法的有效性。

基于Morlet小波变换的滚动轴承早期故障特征提取研究

针对轴承故障初期振动信号中的特征成分极易被噪声信号淹没而不能及时检测的问题,结合Morlet小波变换降噪的基本原理,提出一种由尺度相关能量分布确定最优尺度参数的方法,从而在该尺度下对信号滤波来提取冲击特征成分。以最小Shannon熵优化Morlet小波的形状参数,实现母小波与信号故障特征的最佳匹配;以最优Morlet小波在不同变换尺度下的小波系数绘制尺度-能量谱,利用信号故障特征能量在特定尺度范围内聚集的特性,从谱图的极值点中选择滤波效果最好的尺度参数。对轴承全寿命数据的实际应用结果表明,与信号的均方根趋势相比,该方法能够提前从信号中提取微弱故障特征并检测到轴承的外圈故障,为轴承早期故障诊断提供了一种有效途径。

基于Morlet小波变换的结构密集模态参数识别

为了解决结构密集模态识别精度不高的问题,提出了基于Morlet小波变换进行结构模态参数识别的一套方法流程.首先,从公式推导的角度对结构模态混叠的机理进行研究分析,明确和量化了密集模态的定义,提出了结构模态密集度指标——相邻模态的频率比,以此判定应用Morlet小波变换进行模态识别的有效性.其次,针对边端效应和噪声污染的不利影响,改进了小波变换识别结构模态参数的方法,并提出了最优小波中心频率的选取方法.理论研究结果表明,当相邻模态的频率比值一定时,随着阻尼比以及相邻模态阻尼比差值的增加,模态混叠的严重程度也增加.数值仿真算例结果表明,这种改进的模态识别方法可有效地识别结构的模态参数,且能够获得较高的参数识别精度.

基于复Morlet小波变换的大跨空间结构模态参数识别研究

探讨了基于复Morlet小波变换的结构频率及阻尼比的识别方法,推导了基于小波变换系数的振型识别原理。为提高识别密集模态的精度,提出了基于最小标准差的小波中心频率及带宽的自适应选择方法。针对大跨空间结构具有低频密集模态以及难以实现用力锤或激振器来激励等特点,提出了自然激励法与小波变换相结合的模态参数识别方法。数值仿真及奥运场馆国家游泳中心现场实测数据分析表明,基于复Morlet小波变换的方法能有效识别低频密集模态参数。

自适应Morlet小波降噪方法及在轴承故障特征提取中的应用

分析了Morlet小波变换的滤波特性及其时频分辨率,利用Morlet小波良好的时域和频域特性及奇异值分解技术,提出了一种基于自适应Morlet小波和SVD的降噪方法。针对滚动轴承故障在振动信号中表现为冲击衰减波形的特点,采用修正的Shannon熵方法同时优化Morlet小波的中心频率与带宽参数,实现其与冲击特征成分的最优匹配;针对根据小波系数矩阵奇异值曲线的过渡阶段求取最佳变换尺度的方法存在着不够快捷方便的不足,将其与小波系数奇异值比方法相结合来快速方便地求得最佳变换尺度;最后对信号进行降噪处理提取故障特征。对仿真信号和实际轴承内外圈故障信号的应用分析表明,该方法具有良好的降噪性能,能有效地提取出滚动轴承的微弱故障特征。

应用复Morlet小波变换分析条纹图相位

针对在使用干涉、Moiré偏折等方法进行流场高速动态测量时条纹图中大量无效数据对计算结果的影响,提出了一种基于连续小波变换的条纹图相位分析方法。利用小波变换的瞬时条纹频率分析能力,选用复Morlet小波及合适的小波参数,使得条纹图的小波变换模极大值与其调制度系数成正比,将其作为加权最小二乘法相位展开算法的权值,保证了相位有效展开。使用曲线拟合进行小波变换脊定位,缩短了定位时间并消除了噪声干扰。仿真实验显示,使用该方法得到的分析结果与实际相位值的相对误差小于0.01%;内波流场测量实验显示,使用该方法进行条纹图分析,密度梯度测量精度达到了5×10-6g/cm4。结果表明,用该方法进行条纹图相位分析可以有效消除无效数据对结果的不利影响,相位展开有效可靠,分析结果精度高。

基于最优Morlet小波和SVD的滤波消噪方法及故障诊断的应用

分析了传统的小波去噪方法和小波变换的滤波特性。利用小波变换技术、奇异值分解技术和Morlet小波良好的时域和频域特性,提出了基于最优Morlet小波和SVD的滤波消噪方法。首先,采用最小Shannon熵方法确定出最优Morlet小波;然后,利用奇异值分解技术确定出最佳变换尺度a;最后对信号进行滤波消噪处理,从而提取信号中的有用成分。实验结果表明,该方法具有良好的去噪性能,用于故障特征提取是有效的。

基于Morlet小波的高分辨率信号频谱估计

提出了基于 Morlet小波的一种新的高分辨率信号频谱估计方法 .理论和仿真结果都证明 ,在短数据信号情况下 ,这种谱估计方法其频率分辨率和估计精度都要高于 FF T方法 .文中讨论了基于 Morlet小波的谱估计算法 。

基于交叉验证法优化参数的Morlet小波消噪方法

针对机械监测故障信号的非平稳性特点,提出一种基于交叉验证法优化参数的Morlet小波消噪方法。选择与机械冲击振动波形相似的Morlet小波,对Morlet母小波进行改进,增加了波形调整参数。通过交叉验证方法设计了改进Morlet小波的波形参数和变换尺度。对信号进行连续小波变换(CWT),实现对含噪信号的滤波消噪。将该方法应用于齿轮故障检测中,对比2种传统的小波消噪方法,验证该方法能够提取出强噪声背景下的有效信号特征成分,具有较好的滤波消噪效果。

基于Morlet小波在雷达信号脉内特征提取中的应用

为识别雷达信号不同调制方式,可通过准确估计雷达信号瞬时频率来分析信号脉内特征。通过分析小波脊线原理和Morlet小波各种参数对提取调制雷达信号小波脊线特征的影响,提出改进Morlet小波原子。针对不同调制类型雷达信号,分析了正确提取信号脊线特征的条件。提出一种基于改进Morlet小波的小波脊线方法估计雷达信号的瞬时频率。通过仿真实验表明,与普通Morlet小波相比,基于改进Morlet小波在提取信号脊线特征时精确度和抗噪性得到提高。

利用Morlet连续小波变换实现非整次谐波的检测

针对常规快速傅立叶变换无法检测非整次谐波的问题,文章提出了利用小波变换实现检测非整次谐波的方法。小波函数是具有时域和频域良好局部化特性的函数,理论上可以用于非整次谐波的检测。但是小波变换存在着由于频谱泄露而带来的混频问题,给谐波的检测带来误差。为解决此问题,可选择分频严格的小波函数,或者选择合适的分析方法。该文选用的分析方法是连续小波变换,选用的基小波是具有良好频域特性的Morlet小波。通过matlab仿真,在1个周期的采样数据中,能够较为准确地把不同频率的整次和非整次谐波分离出来。这表明了小波变换对于非整次谐波的检测和分析是可行的,从而为谐波的精确检测提供了有效的手段。

基于Morlet组合小波的梳状滤波与包络检波方法

提出一种基于Morlet组合小波的梳状滤波和包络检波方法。梳状滤波在间隔的几个故障调制频率下进行窄带滤波,抑制噪声的能力强;Morlet组合小波构造简单,计算量小,仅改变组合小波的部分参数就可获得良好的滤波效果,方便灵活、适应能力强;Morlet组合小波的实部和虚部分别相当于一个零相移滤波器和一个90°相移滤波器,信号经小波变换后直接满足包络检波条件。工程应用结果表明:该方法对机械振动信号的滤波和包络检波一步到位,与故障特征频率相对应的包络谱谱峰清晰可见,适用于旋转式或往复式运动机械系统的故障诊断。