基于最优Morlet小波自适应包络解调的弱故障特征提取方法

为自适应实现Morlet小波与故障冲击特征成分的最优匹配,采用基于Shannon小波熵的方法优化带宽参数设计最优Morlet小波。针对最佳尺度求取的难题,利用谱峭度与小波熵均能敏感反映冲击性的特性,提出了基于峭熵比求取最佳尺度。基于此,提出基于最优Morlet小波自适应包络解调的弱故障特征提取方法,该方法首先对信号进行最优Morlet连续小波变换;然后,依据峭熵比自适应地求取最佳尺度并提取最佳尺度的小波系数;最后,对最佳尺度的小波系数取模即可实现对最优频带的包络解调,得到包络谱,从而实现微弱故障特征的提取。实例分析表明:该方法克服了传统包络解调需要人为设定带通滤波器参数的不足,能有效地从强噪背景中提取微弱故障特征。

基于修正Morlet小波的自适应模态参数识别

提出了一种修正的Morlet小波自适应结构模态参数识别方法,选取Morlet小波作为母小波,并引入一个调整因子N根据信号的特征对母小波的带宽进行调整。提出了能量极大值原则,结合相邻尺度小波分解的距离最大原则和相关系数最小原则,自适应地选择最佳小波分解尺度。数值仿真证明了该方法对密集模态进行解耦的有效性。将所提方法应用于一个简支梁的模态分析,实验结果表明,提出的自适应模态参数识别方法降低了模态参数识别的难度,提高了模态频率和阻尼比的识别精度。

应用自适应Morlet小波和NGA优化SVM的轴承故障诊断

针对滚动轴承故障诊断中出现的多故障分类问题,提出了一种利用自适应Morlet小波和小生境遗传算法(niche genetic algorithm,简称NGA)优化支持向量机(support vector machine,简称SVM)实现滚动轴承故障诊断的新方法。首先,采用自适应Morlet小波方法提取出最佳尺度附近的3个信号分量作为特征信号,分别计算它们的Shannon能量熵值作为特征量得到样本集,作为SVM的输入向量,并用样本集训练1-v-r SVM;然后,再构造一种新的核函数,并用NGA在SVM训练过程中对核函数参数进行优化,提高SVM学习机器的分类性能;最后,将本研究方法用于对含有较强噪声的实际滚动轴承的内圈、外圈、滚珠故障样本进行了分类识别。结果表明,该方法具有较好的抗噪和分类能力,验证了其有效性和可行性。

煤与瓦斯突出自适应小波基神经网络辨识和预测模型

由于煤与瓦斯突出是一典型的复杂非线性动力系统,影响因素很多,如应力、煤层特征、构造等,且各影响因素相互关联,因此,采用非线性人工神经网络进行煤与瓦斯突出的模式辨识与预测是十分必要的。针对具体的不同煤层条件,建立自适应小波基神经网络激活函数模型,用于煤与瓦斯突出系统的辨识和预测,实现由网络本身自动确定神经单元的数目,避免人为因素的影响,提高辨识和预测的可靠性和智能化程度。实例分析结果表明,所建立的自适应小波基神经网络激活函数模型,辨识和预测精度高,具有重要的推广应用价值。

基于变形镜本征模的模型式无波前探测自适应光学系统

模型式无波前探测自适应光学系统以其收敛速度快、校正效果好在波前无法探测的环境中具有巨大的应用潜力。基函数的产生方法及阶数多少决定了模型式无波前探测自适应光学系统的校正效果和收敛速度,文中提出以变形镜本征模作为基函数。分别以32、88及127单元变形镜作为波前校正元件建立无波前探测自适应光学系统仿真模型,利用变形镜本征模作为正交基函数对波前畸变进行校正,分析其校正效果和收敛速度。结果表明,以变形镜本征模作为基函数时,由于基函数的阶数等于变形镜的单元数,无需另外确定阶数多少,且无波前探测自适应光学系统可以获得接近理想校正时的校正效果,系统收敛所需测量的光斑强度的次数仅取决于变形镜的单元数。

Morlet复小波算法在自适应电流保护中的应用研究

自适应电流保护算法中关键之一是实时而准确地计算系统等值参数。一般傅氏算法在计算系统等值阻抗时受短路电流非周期分量和电网频率不稳定的影响,会产生较大的误差。而Morlet复小波算法具有频率特性好,不受非整次谐波、非周期分量及电网频率波动的影响,因此本文提出了采用全周Morlet复小波算法计算系统等值参数的方法,通过选择合理的Morlet复小波函数参数,提取配电网典型故障电流电压的工频分量来计算系统等值参数。经仿真分析表明用该方法实时计算等值参数,精度高,能满足保护性能要求,具有很高的工程实用价值。

无显式表达小波基的自适应选择

研究了无显式表达小波基的自适应选择问题。从不同应用角度定义了评价小波基分解效果的两种适应度函数 ;所给出的适应度函数曲面实例充分说明了对小波进行自适应选择的必要性。利用这两种适应度函数 ,提出了一种改进的遗传算法 ,对小波参数方程中的参数进行搜索 ,并利用适应度函数对搜索结果进行评价 ,实现了信号的自适应小波基分解 ,在此基础上给出了自适应小波基分解的实例 ,并与 Daubechies小波的分解结果进行对比 。

基于小波包变换与自适应阈值的SAR图像去噪

针对SAR遥感图像在探测、传输过程中受到噪声干扰,不利于对其进行处理的问题,提出一种基于小波包和自适应阂值的SAR图像去噪方法。该方法采用小波包对SAR图像进行分解,与传统的小波分析相比,小波包分析能够提供一种更加精细的分析方法;然后采用自适应阈值的方法去除sAR图像中的噪声。实验结果表明,该算法能有效去除SAR图像中的噪声,在信噪比和主观视觉上都要优于小波去噪的方法。

基于小波框架的自适应径向基函数网络

给出了由高斯径向基函数生成的一组小波框架 ,建立在小波框架理论的基础上 ,构造性地证明了高斯径向基函数网络可以任意精度地逼近 L2 ( Rd)中的函数 .在此基础上 ,利用高斯径向基函数的时频局部化性质和自适应投影原理 ,进一步给出了构造和训练网络的自适应学习算法 .应用到信号的重构和去噪 。

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。

基于快速小波变换的高适应性图像检索技术研究

在目前已有的研究工作中,基于自适应小波的图像特征在基于内容的图像检索领域获得了广泛的应用。但这些方法存在一个共同问题,即采用相同的小波基描述不同的查询图像。为了提高图像检索技术的自适应能力,本文对不同的查询图像设计不同的小波基表示,从而实现用可调整的距离测度表征不同类别图像的特征改变。为了进一步降低表征图和表征导数图的求取时间,该文使用了近似泰勒展开。实验结果表明,这种新的图像检索技术具有高度的自适应能力,检索性能也大幅度提高。

基于小波基的CDMA自适应水印算法

提出一种以正交小波基作为扩频码的CDMA自适应水印算法。该方法通过对Haar小波基进行平移和尺度伸缩,离散化为一组多值正交码序列,用它作为CDMA扩频码,将二值水印图像扩频后,自适应嵌入在宿主图像的第三级细节子图上。理论分析与仿真结果表明,该方法可有效提高隐藏信息的容量和安全性。通过与哈达玛序列和改进gold码的仿真比较,证明多值序列作为扩频码CDMA水印的抗攻击能力优于二值序列。

基于小波包变换的自适应多用户检测

在分析传统自适应多用户检测的基础上,提出了一种基于小波包变换的自适应多用户检测算法.该算法用小波包变换进行前处理,然后再通过最小均方(LMS)算法实现自适应多用户检测.与通常的自适应多用户检测算法相比,该算法利用了小波包变换对小波空间进行分解,信号经小波包变换后自相关性会下降,收敛速度提高.同时在此分解过程中,根据信号与白噪声小波包变换完全不同的特性进行信号消噪.理论分析和仿真结果表明,该算法与传统LMS自适应多用户检测算法和基于小波变换的自适应多用户检测算法相比,算法收敛速度更快,且计算量较少,易于实时实现,还具有良好性能.同时仿真结果表明该算法收敛速度与小波基和分解级数的选择有关,分解级数越大,收敛速度越快;对于同一小波基系列,小波基正则性越好收敛速度越快.

一种自适应Morlet小波包络解调的弱故障检测方法

为自适应实现Morlet小波与故障冲击特征成分的最优匹配,采用基于Shannon小波熵的方法优化带宽参数设计了最优Morlet小波。针对最佳尺度的求取难题,利用谱峭度与小波熵均能敏感反映冲击性的特性,提出了基于峭熵比的最佳尺度的求取方法。基于此,提出基于自适应Morlet小波包络解调的弱故障特征提取方法。仿真实验与实例分析表明:该方法克服了传统包络解调需要人为设定带通滤波器参数的不足,减少人工干预,能自动有效地从强噪背景中提取微弱故障特征,具有一定的工程应用价值。

织物疵点检测中自适应正交小波基的构造

提出了一种用于织物疵点检测的自适应正交小波基的构造方法.该方法从小波滤波器系数满足的正交归一化条件入手,采用一定数量参数角的正弦和余弦函数构造出一定长度的正交小波滤波器系数的统一解析式;以分解子图中像素最大能量值最小作为逼近条件,采用遗传算法作为寻优算法,从而实现针对不同的织物,自适应地构造小波基.同时,实验证明了自适应小波基的对疵点图像分解效果.

自适应最佳去噪小波基的构造及其应用

针对给定的带噪信号,在传统小波阈值去噪的基础上结合多分辨分析理论,给出了使其Stein无偏风险估计子最小的最佳去噪小波基的自适应构造方法,再利用该小波基对原始信号做小波阈值去噪处理而得到一种自适应去噪算法,并将此算法应用到地震信号这类典型的非平稳信号的去噪处理中.仿真实验表明,较传统的小波阈值去噪方法,该算法不仅具有较好的去噪效果,而且简便易行.

基于自适应小波基的铣削力信号分析

本文比较了固定小波基和自适应小波基对一个铣削力信号的处理效果 ,结果表明自适应小波基能分离出反映刀具磨损的信息 。

基于遗传规划的织物自适应正交小波基的构造和优化

为实现机织物疵点的自动检测,在构造织物自适应正交小波库的基础上,运用遗传规划算法,将构造的小波库作为群体规模,对遗传规划算法4种不同的适应度函数进行优选后,从群体规模中优化出与织物纹理相匹配的小波基。结果表明,以织物纹理波动为适应度函数得到的小波基与织物的匹配性较好。试验验证了该方法对相关疵点检测的有效性,采用窗口分割法对织物疵点进行定位,结果表明,采用遗传规划算法结合适应度函数优选的方法能够找到与织物纹理相适应的最优小波基,实现织物疵点的自动检测。

自适应小波基在切削力信号分析中的应用

通过基于自适应小波基对一个切削力信号的处理效果。表明自适应小波基能分离出反映刀具磨损的信息。

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。