应用小波变换尺度谱检测行波暂态信号

介绍小波变换定义、性质和时间尺度分析，研究小波变换的尺度谱检测无噪声和有噪声条件下的行波暂态信号的能力．通过检测尺度谱图的峰值实现对行波暂态信号的检测．对三种小波变换的尺度谱和参数选择进行仿真和比较后表明，选择好合适的小波和参数，即使在较低的信噪比条件下也有相当好的检测效果．与只用小波变换检测相比，尺度谱图法检测表现更好，适应性更强．

基于深度学习特征提取和GWO-SVM滚动轴承故障诊断的研究

针对传统滚动轴承故障诊断的方法需要人为构造算法提取并选择故障特征,孤立地对待特征提取和特征选择,提出了应用卷积神经网络(Convolutional Neural Networks,CNN)和灰狼优化算法(Grey Wolf Optimizer,GWO)的支持向量机(Support Vector Machine,SVM)相结合的故障诊断新方法.首先将原始信号转化为尺度谱图,然后选择预训练好的CNN模型AlexNet对信号的尺度谱图进行特征提取,再通过主成分分析法(Principal Component Analysis,PCA)对得到特征数据进行降维,最后将归一化后的数据输入到灰狼优化算法的SVM分类器中,从而实现轴承健康状态的故障诊断.使用美国凯斯西储大学提供的轴承数据进行仿真实验,结果表明所提方法能够自适应提取合适的特征,并有较高的分类准确率.