提升小波多尺度分解法与RBF神经网络在混凝土重力坝应力监测中的应用

将混凝土坝的应力监测数据视为一组含有不同频率信号的时间序列,针对信号中的低频信号和高频信号,采用提升小波的多尺度分解法提取混凝土坝应力的时效分量、水压和温度分量以及噪声分量,采用计算信噪比极大值的方法提取周期性分量中的水压、温度分量和噪声分量,得到最优的去噪效果。使用RBF神经网络对去噪信号进行建模,预测结果表明,该模型能够很好地反映混凝土坝应力变化的趋势和规律,可应用于混凝土坝安全监测中。

改进VMD和提升小波在局部放电去噪中的应用

针对城市轨道电力电缆局部放电的噪声抑制问题,提出一种改进变分模态分解(VMD)结合提升小波分解的方法来提取纯净的局部放电信号。首先以能量差最小确定分解层数,运用VMD将含有噪声的局部放电信号分解到不同的模态分解中,并通过峭度指标去除掉周期窄带干扰分量和高频白噪声分量,保留局放特征分量;利用提升小波分解进一步去除局放特征分量中残留的白噪声,重构局放特征分量得到纯净的局放信号。将所提方法与提升小波分解算法、VMD算法进行比较分析,仿真结果表明,所提方法噪声抑制效果更好。因此,所提改进VMD结合提升小波法能够在城市轨道电缆局部放电去噪中更有效地应用。

基于伺服式倾角仪的桥梁挠度和转角监测技术的研究

由于塌桥事故的不断出现，各国对桥梁健康监测逐步重视起来。桥梁挠度和转角是桥梁常规检测和健康监测的重要内容，是桥梁健康状态评估的重要指标。虽然现在存在多种测试桥梁动挠度的设备，但是都无法用来长期在线监测一些桥梁的动挠度，特别是横跨较宽江面或深峡谷的大跨度桥梁的动挠度。目前由于没有成熟的、高精度的转角仪器可测试梁端转角，主要是基于测试出的挠度来换算出梁端转角，存在较大误差。在此背景下，本论文研究基于伺服式倾角仪来实现在线同时监测桥梁的动挠度和梁端转角。

基于EMD-LWT的低浓度石油类污染物荧光光谱去噪法

石油类污染物是造成雾霾等空气污染问题的重要原因.去噪处理的有效性是石油类污染物荧光光谱检测中的热点问题.提出一种基于经验模态分解-提升小波变换(EMD-LWT)相结合的低浓度石油类污染物荧光光谱去噪方法.经验模态分解法(EMD)可自适应地滤除微弱荧光信号中的噪声,但去噪过程中第一个本征模态函数(IMF)包含的频率范围过宽,影响了去噪准确性和有效性.引入提升小波变换(LWT)对IMF1实现更精细的分解,有效分离出IMF1的有用信息,改善信噪分离效果.将EMD-LWT联用方法和传统的EMD或LWT去噪法分别运用于煤油荧光光谱检测中,仿真结果表明,与只用EMD或LWT相比,EMD-LWT相结合的光谱去噪法得到的信噪比和均方根误差均显著提高,验证了该方法的有效性和可行性.