转子系统油膜振荡的小波包分解与频带能量比例特征分析

在介绍小波包分解原理的基础上 ,对试验测得的单盘单跨转子系统的油膜振荡非平稳信号用小波包分解方法进行了研究。采用db44小波基函数进行 4层小波包分解。给出了各频带内分解信号的特点及频带能量比例 ,其中第 3频带是该转子系统在 960 0r/min时产生油膜振荡的特征频带。得到的试验数据及其分析结果对转子系统油膜振荡研究和旋转机械状态监测等具有重要意义。

基于EEMD和频带能量比特性的人与动物雷达微动信号辨识

生物雷达是一种可穿透非金属介质、非接触探测到生命体的特殊雷达。它通过检测由生命体呼吸和体动等所引起的微动,从而探测生命体。对于生命体辨识的研究,目前多为运动状态下的目标动作辨识,而对静止状态的目标类型辨识仍然存在困难。为解决上述问题,本文根据生命体的回波信号特性,选择聚合经验模态分解处理非平稳的生命体微动信号。然后利用噪声和一般信号的自相关函数特性不同,重构目标微动信号,根据微动信号在参考频带上的能量占比大小辨识人与动物。数据处理结果表明,人和兔的频带能量比数值明显不同,差异具有统计学意义(P<0.001)。本方法在一定程度上可以区分人与兔目标,使静止状态下人与动物的辨识成为可能。

基于特定频带能量比的高压直流输电线路保护

随着大规模交直流混联电网的发展,交流侧和直流侧之间的联系更加紧密。考虑换流器交直流侧的谐波映射关系,提出一种基于换流站交直流侧特定频带能量比识别直流故障的保护方案。换流器交流侧和直流侧在特定频带内的故障电压、电流谐波存在联系,利用故障电压、电流关系计算特定频带能量比,根据此特定频带能量比识别直流故障。该方案考虑了交流侧和直流侧的耦合作用,融合了换流站交流和直流侧的信息,提高了保护的可靠性。仿真测试结果验证了所提保护方案能够可靠、快速地识别直流输电线路故障,抗干扰能力较强。

基于EMD-AR谱频带能量特征的故障特征提取方法研究

通过将经验模态分解(EMD)和AR功率谱参数估计模型相结合,提出一种基于EMD-AR谱估计提取频带能量特征的方法。对振动信号进行经验模态分解,并将分解后能量占比较大的前几组固有模态函数分别进行AR谱估计得到EMD-AR谱曲线;按照频带对EMD-AR谱曲线分段并分别对每一段的能量进行求和,归一化后作为特征值。搭建齿轮箱故障试验平台,采集振动信号进行EMD-AR谱频带能量特征提取,并将所得特征值输入到SVM中进行训练和诊断。结果表明:该特征提取方法结合SVM所得到的故障诊断模型具有较高的识别准确率,能够有效、准确地进行诊断识别。

基于子频带能量特征提取的汽车鸣笛声识别

为了快速准确地识别城市中汽车违法鸣笛声并将不同种鸣笛声进行分类,该文应用子频带能量提取鸣笛声的特征,利用BP神经网络对提取的子频带能量特征值矩阵进行学习训练,且在神经网络学习过程中利用可变学习速度的方法,减小了神经网络的迭代次数。实验表明,利用此种子频带能量特征提取法使鸣笛声与非鸣笛声的平均识别率达到了94.889%;使不同鸣笛声之间的分类正确率最大达到了93.75%,实现了不同鸣笛声之间的分类。利用子频带能量法,能够很好地满足不同种鸣笛声识别与分类的需求。

基于频带能量归一化和SVM-RFE的ECoG分类

针对基于运动想象(左手小手指和舌头)的皮层脑电(electrocorticographic,ECoG)信号的分类问题,对BCI2005竞赛数据集I中的ECoG信号使用频带能量(band power,BP)归一化算法提取运动相关电位(movement related potential,MRP)、μ节律和β节律的频带能量作为特征。针对特征提取后维数较高的问题,使用基于支持向量机的回归特征消去(support vector machine recursive feature elimination,SVM-RFE)算法进行特征选择,通过对训练数据集使用10段交叉验证(cross validation,CV)的方法寻找最佳特征组合,确定特征在维数为6时具有最低平均识别错误率,对测试数据集采用同样的方法和同样的组合进行特征提取,并使用线性支持向量机进行分类,分类正确率可以达到93%。

基于多频带能量的高压直流输电线路单端暂态电流保护

分析高压直流输电（High Voltage Direct Current,HVDC）线路边界和线路的频率特性,直流线路边界和直流线路对故障暂态电流信号高频分量都具有衰减作用。一些文献据此利用高频分量作为单端暂态保护的判据,但是对于长线路来说,直流线路对于高频分量的衰减可能会大于直流线路边界对高频分量的衰减作用,这样可能会造成保护误动作。进一步分析发现,直流线路边界对于低频分量具有放大作用,直流线路对于低频分量具有衰减作用。因此提出一种基于多频带能量的HVDC线路单端暂态电流保护新原理。利用0~1.25 k Hz低频带能量、高频带和低频带能量比来区分区内、区外短路故障,故障性雷击和非故障性雷击,利用正极和负极的能量比判别故障极。

小波包频带能量分解在断路器机械状态监测中的应用

基于小波包原理,将断路器操作振动信号分解到独立的频带内,不同频带内信号能量的变化反映了断路器机械运行状态的改变.提取主要的频带能量作为断路器状态监测的特征向量,并根据试验结果确定了不同状态下能量特征向量的容差范围,从而实现了不同机械状态的简单分类,为断路器的机械状态监测提供了相应的量化依据.试验模拟了ZN12-35型真空断路器4种不同的合闸同期性状态,采用单个加速度传感器在机构箱上获取合闸时的触头振动信号.该信号经过小波包频带能量分解后,可以将各种合闸同期性状态分类集中在复平面中明显区分的不同区域内,从而验证了该方法在断路器机械状态监测中的有效性.重复试验表明,在保证监测系统稳定的前提下,该方法具有较高的状态监测准确率.

脑电信号频带能量特征的提取方法及分类研究

研究了基于运动想象脑电信号脑-机接口的特点,根据事件相关去同步和事件相关同步现象对GRAZ大学提供的想象左右手运动时的脑电数据进行μ节律和β节律处的频带能量提取,针对频带能量特征提取过程中滑动时间窗口长度往往依据经验选择的缺点,提出使用交叉验证的方法对最佳滑动时间窗口的长度进行选择,通过对比几种分类器的分类结果,得出在窗口长度为2s时使用支持向量机分类器可以获得最佳分类效果,对训练数据集的平均分类识别正确率最大可以达到91.4%,而在该窗口长度下对测试数据集的最大分类正确率为87.9%,最大互信息0.56bit,表明该频带能量特征提取方法结合支持向量机分类器比较适合于BCI的研究。

采用小波熵和频带能量提取脑电信号特征

对于采用两种不同意识任务(想象左手运动和想象右手运动)的脑-机接口系统,采用脑电信号的小波熵和频带能量作为组合特征,采用Fisher线性判别分析进行分类,最后采用分类准确率和互信息作为评价标准,进行脑电信号的特征提取离线分析结果表明:该算法在分类准确率和互信息上都取得了良好的识别结果,为脑-机接口系统中意识任务的特征提取和分类提供了新方法。

MIG焊熔透电弧声小波包频带能量特征提取

焊缝熔透状态的监控对焊接过程质量控制和自动化生产的实现具有重要意义,为此建立了M IG焊熔透电弧声试验系统.通过分析射滴与射流过渡电弧声频谱特征,设计了一套针对电弧声频带能量特征提取的流程.首先对焊接过程拾取的电弧声进行小波降噪;其次采用小波包移频算法进行电弧声频带提取,消除了经典小波包迭代算法由于小波包分解过程中的隔点采样而产生的频率混叠现象;然后计算频带能量并构造其特征向量.结果表明,所提取的频带能量特征能较好的反映焊缝熔透状态,为后续基于电弧声的熔透诊断奠定基础.

基于AAR模型和累积频带能量的特征提取方法

提出了一种自适应自回归(AAR)模型参数和累积频带能量相结合的特征提取方法,该特征应用于基于运动想象脑-机接口(BCI)之中,实现左右手运动想象分类,改善BCI系统的性能.首先,对头皮EEG数据进行小波分解和重构,去除EEG中的噪声,得到不同频带的EEG数据.然后,提取EEG数据的AAR模型参数特征和不同频带的频带能量特征,提出了累积频带能量特征和AAR与累积频带能量相结合的特征提取方法,分别以AAR模型参数、频带能量、累积频带能量和AAR+累积频带能量为特征,利用线性判别分析(LDA)分类器对左右手运动想象任务进行特征分类.最后,对不同特征的分类结果进行比较,得出以AAR+累积频带能量作为特征在BCI系统中的优越性能.

基于全矢频带能量谱的风电机组齿轮箱故障诊断方法研究

针对风电机组齿轮箱局部微弱故障难于诊断的问题,提出全矢频带能量谱故障诊断方法。采用全矢理论对同源信号进行信息融合,获得相位不变、信息更完善的全矢信号,利用FIR滤波器对全矢信号进行分解,计算各频带能量作为识别工作状态的特征向量。分析风电机组齿轮箱的正常、齿根裂纹及均匀磨损信号的各频带能量,发现转频和啮合频率处的频带能量变化率能准确判别各类故障。通过对不同工况下50组信号的识别,证明该方法可有效区分风电机组齿轮箱的早期局部微弱故障。

基于小波分析的频带局部能量的特征提取

提出了一种基于小波分析频带局部能量的特征提取法。利用Matlab软件仿真,把该方法分别运用于频率跳变信号、幅值衰减信号和含瞬态成分的信号,并与常规的频带能量特征提取法进行比较,均得到了更好的特征提取效果。该方法由于考虑了频率的时变性,与常规的特征提取法相比,更具优越性。

频带能量特征法在声发射刀具磨损监测系统中的应用

基于对声发射(AE)信号特点的分析和小波包分解理论对不平稳信号特征提取的优势,提出一种利用AE信号的能量变化来监测刀具磨损状态的方法。该方法利用db8小波基对AE信号进行5层小波包分解,将分解后各频带上的能量值作为特征参数,并组成特征向量。分别提取在新刀和刀具磨损状态下的特征向量,根据其变化即可判别刀具磨损的程度。试验结果验证了该方法在刀具磨损判析中的可用性。

基于小波包频带-能量重构的电机断条故障诊断

异步电机转子断条故障特征分量(1±2s)f与基波频率f相比,幅值较小、易被主频淹没。在研究小波包分解与重构的特征基础上,讨论了小波包分解树的频带分布规律,确定以sym8小波对电机定子电流信号进行12层分解,并通过对故障特征频带的信号能量重构来判断电机有无转子断条。运用该方法能避免基波频率对故障特征分量的影响,故障特征检测更明显,并能诊断转子轻微断条故障。仿真和试验结果证明了该方法的有效性。

坝基开挖爆破振动频带小波能量分析

结合蒲石河蓄能电站下水库坝基开挖爆破振动监测数据,运用小波分析方法,对爆破振动信号进行小波多层分解,获得各频带PPV及爆破振动分量的小波频带能量,通过分析比较,得出此次爆破振动信号的能量在频域上分布较广泛,但绝大部分能量集中在0～200 Hz,在传播过程中能量迅速衰减;小波频带能量可以反映爆破振动信号强度、频率和作用时间;并指出爆破振动出现的多子频、多峰值揭示了只采用单个主振频带来代替整个频域,有欠准确,在未来的研究中应将多主频的影响因素考虑进去。

频带能量检测在舰船声源部位探测中的应用研究

基于提出的舰船辐射噪声的“三亮点”模型,利用短时傅立叶分析方法对舰船辐射噪声海上实录信号进行时频分析,验证了舰船辐射噪声源的“三亮点”模型。针对基于线谱检测进行“声亮点”部位探测时,受舰船所处的工况、海况等影响,某些“亮点”很难检测到,采用亮点所处的频带作为表征声源部位特征量。经实验验证,该方法能可靠检测出所有“亮点”部位,算法简单,切实可行。

基于小波包相关频带谱能量熵的滚动轴承性能退化评估方法

滚动轴承在使用过程中会经历不同的性能退化状态。提出小波包相关频带谱能量熵以评估滚动轴承初始性能退化程度。以滚动轴承全寿命周期数据为支撑,对数据进行小波包分解,并利用相关系数法提取包含主要故障信息的时频分量,然后沿时间轴计算各频带幅值谱,再计算谱能量熵。通过实验与时域典型指标均方根值(RMS),以及小波包频带幅值谱熵和小波包频带谱能量熵评估指标进行对比,验证了所提方法在滚动轴承性能退化评估中,对初始故障的评估具有一定的优越性。

基于频带能量和小波包熵的运动意识任务分类研究

目的探讨脑电信号频带能量和小波包熵在识别左右手想象运动中的作用。方法采用脑-计算机接口2003竞赛中Graz科技大学提供的脑电数据,用小波包分解获取8～16Hz脑电信号,计算C3、C4电极脑电信号的频带能量和小波包熵,将其结合作为反应想象左右手运动的特征量,对大脑想象左右手运动任务进行分类。结果对140次实验的测试样本数据分析,最大分类正确率可达87.14%。结论脑电信号频带能量和小波包熵随时间的变化与事件相关去同步和事件相关同步现象相一致,可在线识别左右手想象运动。