基于改进冗余提升方案的汽轮机组振动故障特征提取

故障特征提取是大型机械设备状态监测和故障诊断领域的核心问题。传统的振动故障特征提取方法主要是基于频谱分析的方法,小波变换的出现则为该领域提供了新的工具。文中提出并构造了一种改进的冗余提升小波变换算法来提取振动信号的时域特征。算法以第2代小波为基础,设计了冗余提升小波变换的算法,不进行分裂,直接利用构造的算子进行预测和更新,各层分量和原始信号的数据长度相同,从而保留了更多的时域信息。研究了提升小波和冗余提升小波算法中存在的频率混叠问题,阐述了产生频率混叠的原因。通过对冗余提升小波分解得到的近似信号和细节信号采用傅里叶变换的方法消除了与其对应频带无关的频率成分,以突出相应频带信号的时域特征。对仿真信号和实际汽轮发电机组振动故障信号进行了分析,结果表明,改进的冗余提升小波变换算法能够较理想地提取出故障特征,有效地解决了提升小波算法中存在的频率混叠问题。

自适应冗余提升小波降噪分析及轴承故障识别应用

为有效识别机械设备中滚动轴承微弱故障信息,提出自适应冗余提升小波降噪方法。据待分解低频尺度系数所含不同特征,应用范数准则自适应选取最匹配该尺度系数特征的小波函数。引入多孔算法,用以通过冗余性保证逐层分解后各尺度系数与小波系数所含丰富信息量。对各层小波系数采用变尺度阈值降噪算法,并对降噪后系数进行重构及包络谱分析,提取滚动轴承故障特征。通过对实验台轴承混合故障信号与现场实际信号分析表明,故障识别较好,从而验证该方法的有效性。

冗余提升不可分离小波的图像融合方法

提出了一种基于冗余提升不可分离小波的多源图像融合方法。该方法不仅能很好地提取图像的细节信息,而且具有平移不变性,非常适合于图像融合;同时,采用基于局部邻域梯度的融合规则对分解后的高频和低频小波系数作不同的处理。对多光谱红外图像以及不同类型的医学图像进行了融合试验,结果表明该方法可以取得更好的融合效果。

基于冗余提升不可分离小波的图像边缘检测方法

根据“五株排列”的不可分离小波构造方法,把基于矩形栅格的数字图像进行冗余提升,从而构造了“最大-提升”小波,由此提出了图像边缘检测的新方法,并将其与传统的B样条小波边缘检测方法进行比较,通过数据试验证明了新方法的优越性。

自适应冗余提升小波包变换的滚动轴承故障诊断新方法

针对滚动轴承故障微弱信号特征识别问题,提出一种非抽样运算的自适应冗余提升小波包诊断方法,解决了传统的小波包或提升小波变换进行抽样运算造成故障信息失真问题。该方法以提升原理为基础,通过Lagrange插值细分思想计算初始的非抽样预测和更新算子,进而构造了自适应冗余提升小波包分解与重构算法。对仿真信号进行降噪与抗频率混叠实验,结果表明,该方法降噪能力优于传统小波包,且不存在频率混叠现象。在异步电动机上实测了滚动轴承6205无故障、内圈故障、外圈故障及滚动体故障时的振动信号,用这种方法成功提取了各类故障的特征频率及倍频,且比传统小波包具有更高的诊断精度。

基于冗余提升形态小波的非对称表面特征提取研究

针对提升小波提取非对称表面形貌特征时存在平移变动性和较差的方向选择性,将具有平移不变性和良好的方向选择性的冗余提升形态Haar小波应用到非对称表面的特征提取中。开展了该形态小波对具有显著特征的非对称平顶珩磨的缸套内表面进行特征提取的分析;同时结合仿真的方法,研究了该形态Haar小波对一个模拟的具有一定长度沟槽特征的空间表面进行特征提取的效果。研究结果表明,冗余提升形态Haar小波对非对称表面形貌进行形态特征提取时,在各尺度重构的信号沿特征边缘几乎没有变动且无畸变,可实现准确提取。

采用冗余提升的不可分离小波变换的点扩散函数估计

针对点扩散函数估计(Point Spread Function,PSF)不准确导致在气动退化图像盲复原处理后易造成振铃效应的问题,提出了一种改进的PSF估计方法,并将之应用于气动退化图像的复原处理中。具体做法是:构建平移不变的非下采样小波变换(NSWT),从而使之更易于处理图像奇异信息;基于小波变换模极大值和点扩散函数方差之间的关系,提出基于冗余提升NSWT的PSF估计方法;最后,将之应用于气动退化图像的盲复原中进行仿真验证。实验结果表明,使用改进后的PSF估计方法复原后的图像振铃效应等伪像程度显著减轻,图像质量明显改善,从而验证了构建的平移不变NSWT及改进PSF估计方法的有效性。

基于冗余提升小波包及Volterra级数的机械故障预测方法

针对Volterra级数模型在染噪时间序列预测中精度较低,以及收敛速度慢的关键问题,提出了一种基于冗余提升小波包(Redundant Lifting Wavelet Packet,RLWP)及Volterra级数的机械故障预测方法。首先用冗余提升小波包对振动信号进行分解,对分解得到的末层所有频带信号用奇异值分解进行降噪。然后通过构造二阶Volterra级数预测模型对降噪后的各频带信号进行预测。最后用冗余提升小波包重构算法对各频带预测信号重构,获得预测信号。仿真结果表明:结合冗余提升小波包的多分辨率分析及奇异值降噪,能明显提高Volterra级数模型的预测精度及收敛速度。在工程应用中该方法准确预测出了某离心压缩机的不平衡故障。

基于Volterra级数和冗余提升小波包的机械隐含故障特征提取

针对提取机械原始振动信号中的隐含故障特征,提出了一种结合Volterra级数及冗余提升小波包(ULSP)的信号处理方法。先用二阶Volterra模型对信号进行延拓、预测,然后用冗余提升小波包对信号进行分解。对仿真信号的处理结果表明:分解得到的信号在边界没有振荡,有利于微弱特征的提取。工程应用中,完整地提取出了往复注水泵活塞与液缸密封碰磨产生的微弱故障特征信号。

冗余提升小波的最优分解层数的确定

针对目前所采集的机械设备故障振动信号中包含大量的强噪声信号,将奇异谱分析方法引入到冗余提升第二代小波阈值算法中,实现了一种基于奇异谱分析的冗余提升第二代小波最优分解层数的自适应选择。主要根据冗余提升小波分解过程中细节信号的奇异谱特性来确定最优分解层数,并与冗余提升小波阈值降噪方法相结合,实现降噪效果最优的自适应选择。通过对比不同分解层数的降噪效果,可以有效提高冗余提升小波降噪中的使用性能。仿真和工程振动信号分析结果验证了该方法的有效性。

基于冗余第二代小波的多传感器图像融合算法

为了增强来自不同传感器的图像信息，改善图像的提取能力，本文采用了一种基于冗余提升小波变换的图像融合算法，算法针对变换后的低频分量和高频分量的不同特点，选用了不同的融合规则进行融合，然后通过冗余提升小波逆变换得到融合图像。实验结果表明，本文算法实现的数据融合图像内容清晰，明显地保存了边缘细节，提高了运算速度，取到了较好的融合效果。

采用WA-WBA与改进INSCT的图像融合算法

在冗余提升变换与多方向分析相结合的图像融合算法改进的非下采样轮廓波变换(INSCT)中,冗余提升部分采用的Neville算子在多尺度分解的过程中丢失了很多方向信息,不利于后续的多方向分析。针对这一问题,该文提出了一组新算子,可以在频带分解部分很好地保持图像的方向信息,并在此基础上提出一种图像融合算法。该算法先用直方图均衡化的方法提高红外图像中目标区域的灰度值;然后用新算子代替Neville算子对可见光图像与处理后的红外图像进行多尺度分解;最后采用基于权重窗口的活动级与加权求和相结合(WA-WBA)的方法替代简单的加权求和方法对低频子带进行融合,采用一致性测度,实现了各子带系数的自适应融合,有效地弥补了基于像素的图像融合方法的不足。实验结果表明,该算法使融合后的图像更好地保持了可见光的细节信息,同时获得了较清晰的红外图像中的目标信息。

时空域相关自适应小波包声发射信号降噪方法

现有的小波变换方法在对受强噪声干扰的声发射信号降噪时,由于忽略了小波系数之间的相关性,容易造成信号失真。针对该问题,提出了一种基于时空域相关性的自适应小波包声发射信号降噪方法。算法采用自适应冗余小波变换,最大限度保留了信号的时域空域特征,并利用小波系数在时域空域上存在的相关性,提高对声发射信号及噪声的甄别能力,提升降噪效果。同时利用小波系数在空域上的相关性寻找最佳分解层数,进一步提升了算法的适应性。为了验证本文提出算法的有效性,分别在模拟声发射信号和断铅信号上添加不同程度的噪声,并进行降噪实验。实验结果表明,与其他算法相比,经过本文算法处理的信号信噪比大大提高,均方根误差也有一定程度的降低。

长江经济带耕地利用效率时空演变特征及提升路径研究

长江经济带是我国经济快速发展地区,也是我国重要的粮食产区,分析其耕地利用效率状况对于兼顾经济发展、保障粮食安全具有重要的现实意义。本研究借助超效率SBM模型对2008—2017年长江经济带126个地级市的耕地利用效率进行测度,揭示其时空演变特征,从要素投入视角提出了未来耕地利用效率的改善方向。研究表明:1)研究期长江经济带耕地利用效率呈波动下降态势,整体效率不高,区域差异明显。空间分布上呈显著集聚特征,其中高效率区主要集中在江苏东部沿海地区,低效率区主要集中在贵州大部和湖南西部等区域。2)研究区耕地利用效率与冗余率呈显著负相关,耕地生产投入要素均存在冗余情况,尤其是农业从业人员与化肥施用量的冗余情况较为严重。黔南、滇南地区在耕地面积及农业从业人员方面冗余情况均较为严重,安徽及江西北部在农业机械总动力要素投入方面冗余率上升较快,各省份在化肥施用量冗余率方面均处于高水平。研究认为,长江经济带不同地区要根据区域内耕地投入冗余情况,因地制宜实施差别化耕地利用政策,提升耕地利用效率,保障我国粮食安全。

基于改进型NSCT变换的灰度可见光与红外图像融合方法

针对灰度可见光与红外图像融合,提出一种基于改进型非下采样轮廓波变换(NSCT)的图像融合方法.不同于经典NSCT模型,改进型NSCT变换摈弃了细节捕捉能力不强的非下采样金字塔分解机制,采用冗余提升不可分离小波变换实现对源图像的多尺度分解;然后,分别采用基于区域平均能量匹配度、邻域系数差和信息熵的融合规则,得到融合图像的低频系数和高频系数;最后,通过改进型NSCT逆变换得到了融合图像.实验结果验证了该方法的有效性.

基于改进型NSST变换的图像融合方法

为了进一步提高捕获图像细节的能力,提高运算效率,提出一种改进型NSST变换,采用冗余提升不可分离小波替换经典NSST中的非下采样金字塔分解.针对改进型NSST分解得到的不同子带,对低频子带选用区域能量和融合规则,高频子带选用简化型PCNN融合规则,提出基于改进型NSST的图像融合方法.实验结果表明,所提出的方法在主观视觉评价和客观指标评价中具有很大优势.