小波相关特征尺度熵在滚动轴承故障诊断中的应用

将小波相关滤波方法与Shannon信息熵相结合,提出了一种故障检测与诊断的方法——小波相关特征尺度熵故障法。首先利用小波相关滤波方法提取滚动轴承故障振动信号的微弱故障信息特征,以求得信噪比较高的尺度域小波系数;然后结合Shannon信息熵理论给出了沿尺度分布的小波相关特征尺度熵定义及其计算方法。小波相关特征尺度熵能够定量表征不同尺度的能量分布,各尺度能量分布的均匀性可以反映滚动轴承的运行状态的差别,选取最能反映故障特征的小波相关特征尺度熵作为特征参数,通过所选取的小波相关特征尺度熵大小判断滚动轴承的工作状态和故障类型。实验证明该方法能有效地判断滚动轴承故障特征,为滚动轴承故障诊断提供了新的思路。

基于小波相关特征尺度熵的预测特征信息提取方法研究

提出一种小波相关特征尺度熵WCFSE的预测特征信息提取方法。将小波相关滤波法与Shannon信息熵理论相结合,给出了沿尺度分布的WCFSE的定义及其计算方法。WCFSE定量表征不同尺度的能量分布,各尺度能量分布的均匀性反映设备运行状态的差别,选取最能反映故障特征的WCFSE作为特征参数来判断设备运行状态。正常和几种故障程度不同的滚动体运行状态的识别结果验证了该方法的有效性和实用性。

基于小波相关滤波-包络分析的早期故障特征提取方法

噪声是影响齿轮、滚动轴承等机械设备早期故障诊断正确性的主要因素,利用小波相关滤波法的降噪特性,将小波相关滤波降噪方法和Hilbert包络谱分析相结合,提出了小波相关滤波-包络分析的早期故障特征提取新方法,即首先利用小波相关滤波方法作为包络分析的前置处理手段提取振动信号的微弱故障信息特征,以求得信噪比较高的小波系数;然后对高频段尺度域的小波系数进行Hilbert包络细化谱分析,得到早期故障的特征频率。仿真信号和诊断实例分析结果表明,该方法比直接小波系数包络分析法更能有效抑制噪声,凸现早期故障频率。

基于小波相关排列熵的轴承早期故障诊断技术

针对机械系统早期故障诊断困难的问题,引入滤波效果良好的小波相关滤波法(Wavelet transform correlation filter,WTCF)和对信号微弱变化特征敏感的排列熵算法,定义一种新的小波相关排列熵(Wavelet correlation permutation entropy,WCPE)的概念,并提出基于WCPE的特征提取方法。对采集到的设备振动信号进行WTCF处理,得到信噪比较高的各层小波系数,在此基础上计算小波系数的排列熵复杂度,构造信号沿各小波分解层分布的WCPE特征矢量,并据此分析振动信号的微弱变化。通过对滚动轴承全寿命振动数据的分析,证明基于WCPE提取的信号特征不但能够准确表征轴承由正常状态到故障状态的详细变化过程,还能及时检测出轴承的早期故障。对比小波熵及小波相关特征尺度熵等其他早期故障诊断方法,该方法可显著提前滚动轴承早期故障的检出时间。

基于小波相关滤波法的滚动轴承早期故障诊断方法研究

目前基于小波分析的滚动轴承故障诊断方法研究已经很多,但是这些方法对于强噪声背景下的早期故障微弱信号特征提取效果并不理想。为此,提出了适用于强噪声背景的小波相关滤波滚动轴承早期故障诊断方法。该方法将小波相关滤波降噪方法和Hilbert包络细化谱分析相结合:对被测信号进行小波相关滤波降噪处理,对降噪处理后的高频段尺度域的小波系数进行Hilbert包络细化谱分析。该方法在滚动轴承的早期故障诊断中的试验结果表明,该方法与直接小波系数包络谱诊断方法相比,较大地增强了对滚动轴承早期故障诊断的能力,在强噪声背景下有效地提取出滚动轴承的早期故障频率。

小波相关排列熵和HMM在故障预测中的应用

针对机械系统故障预测中微弱信号特征提取困难和预测精度不高的问题,引入滤波效果良好的小波相关滤波法和对信号微弱变化特征敏感的排列熵算法,以及具有较强的动态过程时序模式分类能力的隐马尔可夫模型,提出一种新的小波相关排列熵特征提取方法和基于隐马尔可夫模型的故障预测方法。对采集到的设备振动信号进行小波相关滤波处理,得到信噪比较高的各层小波系数,在此基础上计算小波系数的排列熵复杂度,构造信号沿各小波分解层分布的小波相关排列熵特征矢量,并据此构建相应的隐马尔可夫模型进行退化状态的识别和故障发生概率的预测。通过对滚动轴承全寿命数据的分析,验证了这种方法的有效性和优越性。

基于小波相关特征尺度熵的HSMM设备退化状态识别与故障预测方法

隐半马尔可夫模型(HSMM)是隐马尔可夫模型(HMM)的一种扩展模型,是在已定义的HMM结构上加入了时间组成部分,克服了因马尔可夫链的假设造成HMM建模所具有的局限性,与HMM相比具有更好的建模能力和分析能力,而且可以直接用于预测。基于振动信号与语音信号的相似性,将HSMM引入机械设备退化状态识别与故障预测中,提出基于小波相关特征尺度熵(WCFSE)的HSMM设备退化状态识别与故障预测方法。首先将小波相关滤波法与信息熵理论相结合得到能敏感表征故障严重程度的WCFSE向量,并以此向量作为HSMM的输入进行训练,建立基于HSMM的设备运行状态分类器与故障预测模型,从而实现设备退化状态识别与故障预测。将其应用到滚动轴承的退化状态识别与故障预测中,验证了该方法的有效性。

小波相关特征尺度熵和隐半马尔可夫模型在设备退化状态识别中的应用

为正确识别机械设备当前所处的退化状态,预防设备进一步退化和故障的发生,提出一种基于小波相关特征尺度熵和隐半马尔可夫模型(Hidden semi-Markov models,HSMM)的设备退化状态识别新方法。对采集到的设备振动信号进行小波相关滤波处理,得到信噪比较高的尺度域小波系数,在此基础上结合信息熵理论提出了沿尺度分布的小波相关特征尺度熵概念。构造信号的小波相关特征尺度熵/矢量,并以此矢量作为HSMM的输入进行训练,建立基于HSMM的机械设备运行状态分类器,从而实现设备退化状态的识别。以滚动轴承为例,对正常和几种故障程度不同的滚动体运行状态进行了识别,同时还与基于小波相关特征尺度熵-HMM的状态识别法进行了比较,试验结果表明该方法能有效识别设备的退化状态。

小波相关分析在脑-计算机接口系统中的研究

脑电信号本身很微弱、并伴有很强的背景噪声,但其中蕴藏着多种生理现象,有着非常重要的临床价值。针对特定思维诱发脑电信号的特点,提出一种确定其分布情况及提取其波形的方法。首先使用离散小波变换对诱发脑电信号进行多层分解,然后使用小波奇异点理论和小波相关分布,准确地确定诱发脑电信号的分布情况,并根据分析的结果重构出诱发脑电波形。在实际的脑-计算机接口系统中,为确保系统的准确性提供了有利的保证。

卫星测高推求的中国近海与全球海平面变化的趋势及小波相关分析

基于多种卫星测高资料融合海面高数据对黄海、东海、南海和全球海平面异常在1993年至2005年期间的变化趋势进行分析,结果表明:黄海、东海、南海线性趋势分别为5.05mm/a,4.8mm/a,4.27mm/a,均大于全球平均趋势项2.66mm/a,各海域的周期振幅和相位变化也存在较大差异。近海各海域与全球的海平面异常的小波交叉谱和相关谱分析表明,近海各海域与全球海平面异常变化在年际周期上具有较高的谱能,但相位差异较大,短周期相关性不明显。

小波相关向量机

将小波分析与相关向量机结合,提出了一种新的机器学习方法——小波相关向量机.在模拟数据和典型数据集上的实验表明,与经典的相关向量机相比,小波相关向量机可以更好地逼近任意函数,训练时间更短,并且在有噪音的情况下具有更好的鲁棒性.

一种基于小波相关滤波的无线电干涉测量处理方法

针对深空探测中干涉测量微弱信号相关处理问题,提出了一种基于小波滤波的无线电干涉测量方法。首先,在小波相关滤波算法分析的基础上,提出了基于移位相关、逆序处理以及最高层小波系数阈值处理的改进算法;其次,分析并构建了深空探测宽带信号模型,并给出了基于小波相关滤波的无线电测量方案;最后通过蒙特卡洛仿真和实测数据处理证明小波相关滤波可以改善无线电干涉测量精度,其中同步卫星群时延估计精度改善约10%。

基于小波相关性的简支梁桥损伤评估方法

以移动荷载作用下桥梁位移响应的小波相关性构造目标函数,减少待识别参数,提出了一种基于有限元模型修正理论的简支梁桥损伤分步评估方法,并采用该方法对一简支钢梁数值模型的损伤进行识别。识别结果表明:所提方法仅需布置一个位移测点即可对不同位置和程度的损伤进行定量识别,迭代效率高;移动荷载速度、大小和测点位置对损伤的定量识别效果影响较小,且具有较强的抗噪能力。在实际桥梁测试中,采用桥梁损伤边界逼近识别方法可以实现对损伤位置的逐步逼近和损伤程度的精细化识别。

基于小波相关—包络排列熵的齿轮故障特征提取

振动信号是齿轮箱故障特征信息的有效载体,对振动信号的分析可实现不停机操作下的齿轮箱故障诊断。但振动信号易受噪声干扰,特别在复杂设备中,众多运动部件同时产生振动激励,使得实际获取信号的信噪比较低。针对传统方法存在的问题,将小波相关降噪和包络谱分析技术相结合,并利用排列熵对微弱信号变化敏感的特点,提出了基于小波相关—包络排列熵的齿轮故障特征提取方法,实现了齿轮箱不同状态下故障特征的提取。通过仿真信号和诊断实例分析结果表明,该方法比传统的信号分析方法更有效地凸显齿轮的故障特征。

基于小波相关性的对流层延迟改正数据分析

针对信号的非平稳性,根据小波相关性在分析两列信号相互关系方面的有效性,结合山东地壳运动GPS观测网络部分监测站的数据,利用GAMIT软件解算CASH、JIMO、RIZH、WUDI的对流层延迟改正.结果表明:两两站间的相关延迟量比较接近,没有出现较大的浮动,最小相关延迟发生在CASH-RIZH之间,最大相关延迟发生在RIZH-JIMO之间.

多元时间序列小波相关分析与预测建模研究

针对小波相关分析方法在多元时间序列应用的局限性和多元时间序列预测建模中存在的复杂相关性,提出了一种基于小波相关分析的多元时间序列预测建模方法。该方法首先定义平滑后的小波相关系数矩阵及逐步回归向前思想设计了利用小波相关的降维方法,保证模型预测精度的同时分析了变量之间存在的冗余性,对变量进行了有效的选择;其次构建只与时滞因子有关的互相关系数矩阵,定量描述了降维后自变量对因变量的时滞相关关系,并利用定量时滞因子建立了预测模型。最后,分别对Housing数据和实际的文物监测数据进行了小波相关分析及预测建模仿真。实验结果表明该方法增强了小波相关分析理论的适用性,验证了所提方法的有效性和可行性,进一步提高了多元时间序列预测模型的模型精度。

BPSK信号检测的小波相关法

本文说明了ＢＰＳＫ信号的小波变换呈现出较好的相关性，利用这点可以实现对低信噪比的ＢＰＳＫ信号进行检测和参数提取．对直扩信号侦测的计算机模拟结果表明，该方法不仅能检测到低信噪比的此类信号，而且能提取到扩频码周期等参数。在多信号情形下还可利用ＢＰＳＫ信号的小波相关性对信号进行分离。

中国货币供给变动与物价变动之间的关系——基于Morlet小波时频相关性分析

本文基于Morlet小波时频相关性分析方法,从时域和频域两个维度检验了近20多年中国货币供给变动与物价变动之间的关系。研究表明,自2003年起,中国货币供给变动成为显著驱动物价发生正向变动的重要力量;M0的变动对物价变动的长期影响尤为显著,而M1和M2的变动对物价变动的短期影响尤为显著;中国以货币供应量为中介目标的货币政策具有系统性改进;最后,本文认为,保持一个较为合理稳定的货币供给增长率有助于中国物价水平的长期稳定。

基于小波尺度相关的船舶轴频电场信号检测算法

针对现有船舶轴频电场信号检测算法检测微弱信号能力弱和计算量大等问题,提出了基于小波尺度相关的目标检测算法。该算法利用目标信号和噪声在小波变换各尺度上相关性的差异,求取实测信号的两重小波相关系数,并对其进行二次小波变换,将变换后的两重小波相关系数作为检测信号进行滑动功率谱检测。实测数据对滑动功率谱算法、基于小波包分解的检测算法和本文算法的验证结果表明,本文算法能在更低信噪比情况下有效地将微弱的轴频电场信号从环境背景噪声中检测出来。

中国股价与汇率的连动关系——基于Morlet小波时频相关性分析

应用Morlet小波时频相关性分析对中国股价和汇率间的连动关系进行实证研究。该方法既能分析时域维度上的结构性转变,又能分析频域上的短期、中期和长期相关性。研究结果表明,中国股价只在短期(一年以内)与汇率存在正相关关系,且股价是导致该时期内汇率波动的重要因素。最后,本文认为,要想在人民币国际化进程中保持汇率稳定,就应该要求中国股市健康平稳发展。