多小波阈值降噪法在钢丝绳缺陷检测中的应用

在介绍多小波理论和分析传统多小波阈值函数存在的问题的基础上,提出了一种新的多小波阈值函数.详细地讨论了该函数的数学性质,该函数对大于阈值的小波系数采取缓变的压缩策略,压缩量随着小波系数的增大而减小.将其应用于钢丝绳缺陷信号的降噪中,与传统多小波阈值函数的降噪进行了比较.实验结果表明,该阈值函数降噪后重建信号的信噪比(SNR)高,能检测到钢丝绳缺陷信号中的全部小奇异点,其降噪效果优于传统多小波阈值函数法.

多小波的复制降噪方法

伴随多小波理论的完善,多小波的图像降噪技术得到较多的实际应用。目前的大部分多小波降噪技术,会采用预处理函数的方法,本文给出了一种新的多小波图像降噪方法——图像复制法,详细介绍了算法在图像分解和重构过程的具体流程。用这种方法对带高斯噪声图像进行了实验模拟,并与D4小波的降噪效果进行了比较,获得了较D4小波更理想的实验结果。

自适应多小波基函数构造与机械故障诊断应用研究

设备在运行中萌生的故障(即早期故障),特征信息微弱且往往被机械设备运行过程的强噪声所淹没,给故障诊断与预示带来困难,已成为国内外此领域研究的热点和难点。文章深入研究了机械故障动态信号与基函数的内积变换原理;提出了若干自适应多小波基函数构造方法;改进了几种多小波邻域区间和局部阈值降噪方法。利用典型的工程案例分析和阐述了重油催化裂化装置、连铸连轧机组、空分机、电力机车和船载卫星通信地球站传动系统在运行状态下,微弱动态信号的特征增强和复合故障特征提取的工程应用实效。

基于多小波和改进双树复小波的滚动轴承故障诊断方法

当旋转机械中发生局部缺陷时,其振动信号往往由周期性冲击分量及其他分量构成,其中冲击分量反映滚动轴承的状况。由于强烈的背景噪声以及信号的耦合作用,滚动轴承的故障特征频率往往被模糊。针对该问题提出了一种基于多小波和改进双树复小波的滚动轴承故障诊断方法。首先,对采集到的振动信号进行多小波相邻系数自适应阈值降噪处理;然后,对降噪后的信号进行双树复小波分解,利用鲁棒局部均值分解获取各小波分量的主频率分量;最后,利用基尼系数选择出最佳子带并进行包络谱分析,实现轴承的故障诊断。通过轴承故障仿真和实测数据的分析对比,证明了该方法可有效辨别出滚动轴承的典型故障,提高滚动轴承故障的诊断效果,同时与快速谱峭度进行对比,表明了该方法的优越性。