涡旋演化的小波自适应模拟

该文考察了小波自适应方法用于涡旋运动的演化过程.首先,通过两个初边值问题,说明小波方法具有可精度可控和局部结构自动捕捉的能力.然后,计算了涡旋的合并过程,结果表明,小波方法可以准确高效的应用于流动涡旋的演化预测,进而,讨论了小波方法在湍流数值模拟中的应用.

基于小波自适应包络解调技术的滚动轴承故障识别研究

针对传统的包络解调技术在实际使用过程中存在必须人为确定高频共振频率和带通滤波器的中心频率缺点,提出了小波自适应包络解调技术。该方法通过最小Shannon熵原理自适应确定小波函数的中心频率和带宽,求得在此小波变换下的系数,运用希尔伯特变换得到解析信号,最后计算包络和包络谱来识别故障特征频率,实验结果表明,提出的方法能准确有效地识别出滚动轴承外圈、内圈及滚动体的单点类故障。

小波自适应算法在车身振动主动控制中的应用

针对大型、非线性结构的振动抑制问题,提出基于在线系统辨识的小波自适应控制策略,进行车身结构振动主动控制。通过小波自适应控制策略分析、车身结构模态分析和数学模型拟合,搭建了基于并行在线系统辨识的小波自适应控制系统,应用压电智能元件作为传感器和控制器,搭建了车身结构振动控制试验平台。通过小波自适应控制,车身壁板振动幅值减小60%左右,特别是被动控制效果较差的低频区域,壁板振动幅值约减小40%~80%。试验结果表明,该文所建立的在线系统辨识小波自适应控制系统,对于轿车车身这样大型的非线性结构在时变、不确定激励下的振动,能够取得良好控制效果,为解决各类工程机械减振降噪问题提供参考。

基于小波自适应算法的轿车顶棚振动控制

以小波变换为基础,采用小波自适应控制方法,利用压电陶瓷片作为传感器和执行器对汽车顶棚进行振动主动控制.分析了小波变换的基本理论及基于D-LMS算法的小波自适应控制原理.设计了相应的实验系统,并搭建了实验平台.实验结果表明:利用小波自适应控制方法,对轿车顶棚进行振动主动控制是可行的,且控制效果良好.

小波自适应方法模拟二维涡旋演化

以涡量方程为控制方程,模拟初始状态涡量分布为高斯分布三个涡旋演化过程.提出一个关联实际流动的小波系数临界值,小波系数分为临界值以上及以下部分,进而涡量可分成尺度系数项、小波系数突出项和小波系数平凡项三部分.只采用尺度系数项和小波系数突出项近似涡量,既可以节约计算量,还可以自动追踪绝大部分的拟涡能.数值结果表明,用不到10%的小波系数,可控制99%以上的拟涡能.

时间分裂空间小波自适应方法在薛定谔方程中的应用

将时间分裂空间小波自适应方法应用于数值求解薛定谔方程(普朗克常数ε很小时).为了得到稳定且高精度的数值格式,采用随空间分辨率提高时间步长也自适应的逼近格式,并给出具体的数值例子.

基于小波自适应算法的电网谐波测量方法研究

提出小波自适应滤波算法的结构模型,将多尺度小波分解与自适应滤波算法相结合,对多尺度小波变换固定步长和变步长LMS算法进行分析。通过MATLAB对算法进行了仿真验证。根据3种不同的输入信号,对算法的实时性、准确性、使用范围和收敛性等分别进行了仿真研究。

基于小波自适应算法的传感器信号降噪研究

基于MALLAT算法原理和自适应算法,设计了小波自适应算法的结构,并对算法进行了理论分析和仿真研究。仿真结果表明,小波自适应算法在传感器信号降噪方面表现出了良好的性能。

基于CEEMDAN与小波自适应阈值的去噪新方法

一维电能质量信号中通常含有不同程度的白噪声,高效去噪是对电能质量信号进行检测与识别的重要前提。为了能有效地消噪并完整还原信号的奇异点等真实信息,提出了基于自适应白噪声的完备总体经验模态分解(CEEMDAN)与小波自适应阈值的去噪新方法。首先通过相关系数法对CEEMDAN分解得到的含噪高频固有模态函数(IMFs)进行筛分;然后对这些高频分量进行小波自适应阈值降噪,这样就保留了高频部分的有效信息;最后与低频IMFs进行信号重构。仿真结果表明该方法去噪效果良好,有效地保留了高频成分中的真实信息,为电能质量信号去噪提供了新思路。

基于自适应小波变换与HHT的混合储能容量配置

混合储能系统能有效缓解风电输出功率强波动性与随机性造成电网频率不稳定问题。本文以蓄电池和超级电容组成的混合储能系统为研究对象,提出了一种混合储能容量配置方法。该方法首先采用自适应小波变换对风电输出功率进行功率一次分配,得到满足条件的并网功率和储能功率。然后采用HHT变换对储能功率进行分解,得到一系列波动功率分量以及各分量的瞬时频率。再根据瞬时频率确定分界频率,将高于分界频率的功率分量分配给超级电容,剩余的功率分量分配给蓄电池。最后根据蓄电池与超级电容各自的储能功率,对储能系统的额定容量与额定功率进行配置。该仿真结果表明,本文采用自适应小波变换与HHT变换能够有效地将风电输出功率进行分解,实现风电输出功率的平抑与混合储能系统的容量与功率配置。

改进自适应无参经验小波变换在变压器高频局放电流噪声抑制中的应用

变压器是电力系统中的关键设备,局部放电(partial discharge,PD)是致使变压器绝缘劣化的主要原因,也是绝缘劣化的重要表现形式。针对高频PD信号中窄带干扰和白噪声这些复杂的噪声信息,提出一种基于互信息和样条插值拟合优化频谱分割的改进自适应无参经验小波变换的降噪方法。该方法以无参经验小波变换为基础,计算经无参经验小波变换分解的各个时域分量的互信息值进行合并优化得到新的频谱分割点,然后在各个频段内提取峰值点,将这些峰值点进行三次样条插值拟合得到拟合曲线,将拟合曲线的极小值点作为最新频谱分割点进行划分得到各个时域分量,最后计算各个分量的峭度值,去除峭度值小于3的分量,将剩余分量进行通用阈值降噪重构达到PD信号降噪效果。仿真、实验室和现场测试表明,与现有小波变换降噪和基于经验模态分解降噪的方法进行对比,文中的方法能够更加有效抑制变压器高频PD信号中的噪声信息。

小波数值方法及其在计算力学中的应用

随着力学研究不断向多学科交叉、跨尺度关联及极端环境影响推进,强非线性、强间断、多场强耦合、多尺度与复杂几何构型已成为解决各类力学问题定量分析所面临的共性特征.长期的定量研究表明,实现具有这类特征力学问题有效求解的核心之一,是构建在多尺度情形、非线性因素作用下具有准确识别、定位、捕获以及分离各个尺度特征尤其是小尺度局部特征能力的数值工具,这些能力包括大尺度低阶近似解与小尺度高阶微小截断误差的有效分离解耦.而小波理论固有的多分辨分析和时频局部化特性,以及丰富的基函数可选择性,恰好能满足这一数学特征需求,因此,可为发展各类复杂力学问题的高效定量求解方法提供有效的理论支撑和丰富多样的技术途径.基于这一事实,本文对小波理论进行了全面探讨,着重介绍了双正交多分辨分析的理论框架和常用小波基的构造方法.在此基础上,深入研究了有限区域上小波逼近格式的构建方法,并系统阐述了各类基于小波理论的数值方法的基本原理、发展历程及其优缺点.特别关注了近期出现的具有突出性能的几类新型小波方法,并详细评述了它们在典型力学问题求解中的应用效果.同时,本文也指出了当前小波方法在复杂强非线性力学问题求解中所面临的挑战,旨在为小波数值方法的未来发展及其在复杂力学与工程问题中的应用拓展提供有益的参考,并为最终实现这些问题的高效、高精度普适定量求解提供新的视角和方法.

基于深度自适应小波网络的通信辐射源个体识别

针对现有的通信辐射源个体识别方法中人工提取特征复杂以及深度学习网络的识别机制缺乏清晰解释的问题,提出了一种基于深度自适应小波网络(Deep Adaptive Wavelet Network,DAWN)的通信辐射源个体识别方法。首先分析了选择互调干扰作为辐射源间个体特征的原因;接着应用了可实现提升小波变换的卷积神经网络结构去提取特征,并在其基础上设计出可以同时完成特征提取和识别的DAWN;最后,选择Oracle数据集验证方法的可行性。实验结果表明:利用DAWN对5个通信辐射源个体识别的准确率为95.5%,并且方法具有良好的抗噪性。

小波变换自适应算法的主动振动控制

将小波分析理论和最小均方(least mean square,简称LMS)算法相结合,用分解LMS算法对薄板进行自适应振动控制,并采用了Mallat快速算法,以提高小波自适应算法的实时性。仿真分析和试验结果表明,该方法与传统的LMS算法相比,有效地减小了输入信号自相关矩阵的相关性,且收敛速度和稳定性能均有显著提高。

电力变压器励磁涌流判别的自适应小波神经网络方法

励磁涌流识别一直是电力变压器差动保护中比较关注的问题。文中提出了一种基于自适应小波神经网络实现变压器励磁涌流判别的新方法。结合励磁涌流和内部故障电流的特点,构建了一个四层的自适应小波神经网络模型,并对其具体的实现方法进行了详细的分析;利用ATP-EMTP 程序进行仿真计算生成训练样本和测试样本,对所构建的网络进行了训练和测试,结果表明自适应小波神经网络能准确、可靠地识别出变压器的励磁涌流状态。

模式自适应连续小波去除趋势项方法在爆破振动信号分析中的应用

为了更精确提取爆破振动信号峰值速度、能量等重要特征,必须对爆破振动加速度信号时域积分中的趋势项予以去除。通过对实测爆破振动加速度信号进行梯形数值积分,提出以时域积分后的爆破振动速度信号来构造模式自适应小波基的方法,并用此方法去除时域积分后爆破振动速度信号中的趋势项,然后对去除趋势项后的爆破振动速度信号进行能量特征分析。结果表明:模式自适应连续小波法成功去除了时域积分后爆破振动速度信号中的趋势项;与建立在传统Fourier变换基础上的频谱分析相比,小波变换的能量分析具有更精细的频率分辨率,更适合于对频率分辨率要求更高的爆破振动信号进行分析;各频率区间范围划分越宽,爆破振动加速度信号与速度信号各频率区间内能量分布的相关程度越高,反之,相关程度越低。

基于自适应小波分解和SVM的模拟电路故障诊断

为了降低模拟电路参数故障的测试难度,提出了基于自适应小波分解和SVM的模拟电路故障诊断的新方法,该方法对电路故障响应进行小波分解提取最优故障特征,母小波的选择是根据被测电路的正常响应和故障响应小波系数之差的最大均方根原则,并引入支持向量机对故障进行分类识别。小波分解具有自适应性,支持向量机结构简单,泛化能力强。实验结果证明了所提的基于自适应小波分解和SVM的模拟电路故障诊断方法是有效的,其故障诊断率大于96.8%。

基于参数方程的小波基自适应选择

研究了小波基的参数表达问题,得到包含不同参数的小波基的两个参数方程,提出通过对参数方程中参数的搜索来实现信号的自适应小波基分解。从不同应用角度定义了评价小波基分解效果的两个适应度函数,针对适应度与参数的非线性关系,提出了一种改进的遗传算法对小波基参数方程中的参数进行搜索,同时利用适应度函数对搜索到的小波的分析效果进行评价,当适应度达到最大值时就可得到最佳小波基。利用这一算法实现了一个铣削力信号的自适应小波基分解,并与Daubechies小波的分解结果进行了对比,结果表明自适应小波基能够更充分地分离出信号中的有用信息。

复小波变换-自适应滤波算法抑制局部放电窄带干扰

针对干扰频率多和信噪比低这两大局部放电窄带干扰抑制中难以解决的问题,提出一种复小波变换-自适应滤波算法。首先,利用复小波变换分频特性将信号分解到不同的频段内,使各个频段内的窄带干扰数少且频率接近,然后进行逐层自适应滤波;采用一种实部与模平方乘积的新复合信息以提高对低信噪比信号的提取能力以及对信号形状的保持能力。研究结果表明:复小波变换-自适应滤波算法在信噪比δ0=0时能对4种局部放大脉冲模型分别获得信噪比δ为22.22,16.16,17.16和21.75和波形相似度η为0.909 2,0.942 7,0.668 8和0.657 0的滤波效果,与传统的小波去噪和自适应滤波相比有较大改进。

基于自适应小波网络的汽轮发电机组振动故障诊断方法的研究

基于自适应小波网络理论，构造了一个应用于汽轮发电机组振动故障诊断与识别的自适应小波网络分类器。仿真结果表明，该方法具有良好的诊断性能，且收敛速度快，是一种有效的诊断方法。同时对该网络的分类性能进行了分析，得出了一些具有实际价值的结论。