小波包单子带重构提取GPS序列特征信息

GPS观测环境愈来愈复杂,动态观测值包含的影响因素较多,函数关系复杂,影响特征信息的提取和参数模型的解释能力.小波包具有良好的时频分析能力,利用小波包理论对GPS数据序列进行分解与重构过程中有三个基本运算:与小波滤波器卷积、隔点采样、隔点插零,该三项运算产生频率交错和频率折叠等频率混淆现象.为消除频率混淆现象,分解与重构时,每作一次信号与小波卷积后,将其结果作一次快速傅立叶变换,频谱中多余的频率成分的谱值置零,再对置零后的频谱进行傅立叶逆变换,然后继续进行小波包的分解与重构,从而实现单子带重构提取GPS数据序列特征项.通过实例验证了小波包单子带重构提取GPS特征信息的有效性.

关于轧机生产板材轧辊偏心控制优化研究

在板材的生产过程中,由于轧辊偏心扰动影响板材厚度的精度,而传统FFT算法在轧辊偏心控制中存在识别误差。针对上述问题,提出了一种基于单子带重构改进算法和比值校正法相结合的偏心信号重构新方法。首先采用单子带重构改进算法对偏心信号进行分频,并且有效的去除噪声,在信噪比低和频率相近时能够准确的提取偏心信号的频率及谐波个数,弥补了比值校正法对噪声敏感的弱点及对各谐波分量间隔大的要求。然后使用比值校正法对各次谐波幅值和相位进一步估计。仿真及实验结果表明,利用结合方法重构得到的轧辊偏心模型可以很大程度减小厚度波动,使轧辊偏心控制精度达到了补偿要求。

风力发电机故障诊断的优化算法研究

为提高风力发电机故障诊断的可靠性,结合小波变换,提出一种遗传算法优化BP神经网络(GA-BP)的综合优化算法。利用单子带重构改进小波变换方法对风力发电机的定子电流信号进行分解与重构,提取准确的特征量;通过遗传算法的选择、交叉、变异等操作和全局寻优特性获取稳定的权值和阈值,赋值于BP网络作为初始值;借助BP网络的自学习、寻优具有精确性等特性不断训练网络;最后以BP神经网络的非线性映射能力完成对风力发电机的故障诊断。算法对比和实例分析表明,该算法对风力发电机的故障诊断有良好的实用性。

基于单子带重构改进算法的舰炮自动机故障特征提取方法

舰炮自动机在运行过程中产生的声信号包含着大量的设备运行状态信息,小波分析可有效地处理这种非平稳信号,其单子带重构算法在提取信号特征频率成分时有很好的效果,但它存在严重的频率混淆从而会导致提取错误的特征信息。论文针对小波分析中单子带重构算法出现的频率混淆进行了仿真研究,验证了单子带重构改进算法在消除频率混淆方面有效性,并将其应用于舰炮声信号的处理,结果表明,它可准确地提取出相应的故障特征信息。