基于Mallat小波分解与改进GWO-SVM的道岔故障诊断

为顺应道岔故障诊断向智能化和自动化的发展趋势,以S700K转辙机功率曲线为例,提出一种改进型灰狼优化算法(GWO)与支持向量机(SVM)相结合的故障诊断方法。在8种故障模式和正常模式所对应的功率曲线实施5层Mallat小波分解,得到各层近似系数和细节系数,并计算各层系数的平方和;利用主成分分析法对系数平方和组成的向量集进行降维,得到特征向量集;改进型灰狼优化算法优化支持向量机参数,并用优化好的支持向量机进行故障预测。研究结果表明:该方法能有效提高道岔故障诊断的准确率。

Mallat小波分解在空气污染指数分析中的应用

小波分析法是一种窗口面积固定但形状、时间窗和频率窗都可以改变的时频域局域化方法,具有对信号的自适应能力。本文以可吸入颗粒物污染指数为例,利用Mallat分解在不同时频域的多分辩分析能力将其分解到不同的频域中进行分析,通过实际应用证明其效果良好。然后将Mallat小波分解方法应用于上海市城区全年可吸入颗粒物、SO2、NO2等污染物分析研究当中,结果表明秋冬两季煤、油等燃料的不完全燃烧对颗粒物浓度增加影响最大,而汽车尾气对后两者浓度的增加影响较大。

基于Mallat小波分解算法的漏电保护器的设计

针对变频驱动系统工作过程中造成漏电保护设备误动作问题,提出一种基于Mallat小波分解算法对漏电电流进行基频成分提取,之后进行检测的改进漏电电流检测策略,同时基于C语言对DSP芯片进行开发设计。经仿真验证,该算法基波提取效果明显,进而避免了谐波对漏电保护器的影响,保证了供电系统的可靠性与安全性。

融合多小波分解的深度卷积神经网络轴承故障诊断方法

针对卷积神经网络及其与信号降噪预处理集成方法面临高噪声环境和低质量数据挑战时难以有效地提取信号有用特征的问题,提出了一种融合Geronimo-Hardin-Massopust多小波分解的深度卷积神经网络模型(GHMMD-DCNN)。该模型思想是将多小波包分解与卷积神经网络深度融合,即设计多个一级多小波分解层以提取信号的低频分量和高频分量,再将多个一级多小波分解层与卷积层交替联接,使模型能够多尺度地提取并学习信号有用的时频域信息,信号分解和特征学习交替执行,进而实现强噪声鲁棒特征提取。在不同工况下的航空高速轴承振动数据上进行测试,结果表明:所提模型训练时能够快速达到稳定收敛,并且识别准确率均能达到99.9%以上;提出的方法在强噪声干扰下的故障辨识准确度和识别稳定性均优于对比方法,验证了其优秀的抗噪声干扰能力;在少训练样本测试中,提出的方法在单类训练样本数量为60时的平均诊断准确率高达91.19%,相比于其他方法最低提升了13.19%,验证了GHMMD-DCNN模型具有更优的低样本泛化能力。

基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测

制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传统预测模型对该类时序数据预测精度不高。针对制造业PMI指数的非线性、波动性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型。时序数据经过小波变换,由整合移动平均自回归–广义自回归条件异方差模型(ARIMA-GARCH)处理稳态低频数据,门控循环单元(GRU)处理波动性强的高频数据,将各频段预测结果进行融合得到最终预测结果。为验证模型有效性,选取一定数据量的PMI指数进行实验。结果表明,与其他常见模型对比,本文构建的组合模型具有较好的预测精度与性能,平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别达到0.00329、0.004162、0.65%。

GPR绕射波与反射波分离的变分模态分解方法研究

针对传统绕射波与反射波分离方法易造成有效信号丢失的问题,本文利用二维变分模态分解(2D-VMD)进行探地雷达(GPR)数据的绕射波与反射波分离。对二维GPR数据进行2D-VMD分解后,可得到包含从低频低波数到高频高波数的各阶模态分量及各阶模态分量的F-K谱。通过分析绕射波与反射波在频率-波数域的差异,分别重构绕射波与反射波对应的模态分量,得到分离后的绕射波与反射波数据。数值模拟与实测数据处理结果表明,相比于传统方法,该方法可以有效分离绕射波与反射波,并且不损失任何有效信号。

级联离散小波多频带分解注意力图像去噪方法

针对图像去噪网络中下采样导致高频信息损失和细节保留能力差的问题,设计了一种级联离散小波多频带分解注意力图像去噪网络。其中多尺度级联离散小波变换结构将原始图像分解为多个尺度下的高低频子带来代替传统下采样,能减少高频信息损失。多频带特征增强模块使用不同尺度的卷积核并行处理高低频特征,在子网络每一级下重复使用两次,可增强全局和局部的关键特征信息。多频带分解注意力模块通过注意力评估纹理细节成分的重要性并加权不同频带的细节特征,有助于多频带特征增强模块更好地区分噪声和边缘细节。多频带选择特征融合模块融合多尺度多频带特征增强选择性特征,提高模型对于不同尺度噪声的去除能力。在SIDD和DND数据集上,所提方法的PSNR/SSIM指标分别达到了39.35 dB/0.918、39.72 dB/0.955。实验结果表明,该方法的性能优于主流去噪方法,同时具有更清晰的纹理细节和边缘等视觉效果。

SSA-VMD与小波分解结合的GNSS坐标时序降噪方法

利用麻雀搜索算法(sparrow search algorithm, SSA)优化变分模态分解(VMD),然后结合小波分解(WD),提出一种GNSS坐标时间序列降噪方法IVMD-WD。利用仿真信号和10个基准站的实测数据进行GNSS坐标时间序列降噪实验。结果表明,IVMD-WD方法的降噪效果优于经验模态分解(EMD)、集合经验模态分解(EEMD)和WD,能够更加有效地剔除GNSS坐标时间序列中的噪声。

紧支撑帕塞瓦尔小波框架的分解与重构

本文构造出性质良好的紧支撑帕塞瓦尔小波框架。利用小波框架及其相关尺度函数的数量关系式,在多分辨率分析思想下以小波框架为基础定义一般的空间序列,得到紧支撑帕塞瓦尔小波框架的分解与重构定理,进而得出信号分解与重构的框图,并对算法进行总结。实验结果表明,与Haar小波函数的分解重构算法相比,本文算法具有更好的性能。

基于小波分解的燃煤电厂磨煤机磨辊检测研究

为预测性维护磨煤机运行中磨辊的磨损程度,本文采用小波信号处理技术对磨煤机单耗信号进行趋势分解,从重构的低频单耗信号初步反映磨辊的磨损状况,进一步地,为解决重构后的低频磨单耗信号可能受到磨煤机工况影响而在一定范围内波动,且基于该方法所建立预报模型的固定阈值可能带来的误报和漏报问题,采用主成分分析法来筛选与磨辊磨损密切相关的磨煤机变量,并基于正常运行数据建立了重构单耗信号的自适应神经网络基准模型。仿真结果显示,采用自适应阈值后,相比采用固定阈值,模型准确度从91.3%上升到了97.4%,漏报率从9.4%下降到了1.5%,平均检测时间从413 s下降到230 s。说明采用自适应神经网络方法能够有效地表征磨辊的磨损状态,可以有效地对重构信号进行监测和预警,增加报警的准确性,减少漏报率和检测时间,从而为磨煤机磨辊的预测性维护提供了一种更可靠和高效的方法。

一种伪码连续波体制的无线电高度表功能指标分解设计方法

文章分析了伪码测距体制无线电测高功能的基本原理和基于伪码测距体制的指标体系,重点研究无线电测高功能的各个组成部分分解各端到端的设计指标是否能满足用户需求,并通过天线仿真各种可能指标,验证指标分解方法的合理性,为后续的无线电测高功能设计提供指标分解思路,也为后续无线电高度表功能方案改进提供数据参考。

基于区域分解的3D弹性波全波形反演并行实现策略

全波形反演作为一种能够在理论上提供更高精度成像的反演方法,是当前地震勘探领域的研究热点之一。它所面临的一个主要问题是计算量庞大,特别是对于3D弹性介质的全波形反演。针对这一问题,本文基于区域分解技术发展了一种3D弹性波全波形反演并行实现策略。首先,对全波形反演理论进行简要介绍;然后,详细分析区域分解并行实现中的主要问题并给出相应的解决策略;最后,通过简单的透射模型证明了算法的正确性及有效性。

三亚M_(S)4.2地震前后海南岛重力场变化及其小波多尺度分解

利用海南岛流动重力测网2016~2022年共13期复测资料,分析研究区域差分重力场和累积重力场动态变化,并着重分析2019-08-20海南三亚M_(S)4.2地震前后海南岛西南地区重力场时空变化。结果表明,三亚M_(S)4.2地震震中附近地区在震前2 a和3 a出现重力场累积变化梯度带,梯度带的异常范围约60 km,重力场变化最大约为60μGal;三亚M_(S)4.2地震之后,震中附近地区重力场继续上升,至2020年下半年才开始协同下降,在下降过程中,发生以2021-08-08乐东MS3.2地震为最大地震的震群事件。对2016-09~2019-08海南岛累积重力场动态变化小波多尺度分解表明,海南岛西南地区重力场变化在3阶、4阶和5阶小波细节图中均出现异常。

基于Mallat算法的小波分解重构的心电信号处理

为了实现对微弱低信噪比的心电信号的有效提取,采用了Mallat算法的小波分解重构法去除心电信号的噪声。首先确定小波分解重构的小波基;其次确定分解的层数;然后直接提取有用信号所在的频带(有用信号占优的频带)进行重构;最后,Matlab仿真MIT-BIT标准数据库中的心电信号表明小波分解重构法可以有效的去除心电信号中的多种干扰;同时比起传统滤波器法来说,小波分解与重构去噪法应用起来更方便。

中点钳位型三电平逆变器基于调制波分解的调制策略

对于中点钳位型三电平逆变器(NPC TLI),一般通过单调制波与双载波相比较的方式产生脉冲序列,即基于载波的脉宽调制(CBPWM)。然而,该方法在高调制度低功率因数条件下中点电位(NPV)会出现三倍频波动。针对此问题,该文介绍一种简便的调制波分解方法,并以无条件实现NPV平衡的虚拟空间矢量脉宽调制(VSVPWM)为例说明该方法的可行性。在此基础上,提出一种可同时实现NPV平衡和开关损耗降低的调制策略。该调制策略具有四种模式,因此,将其命名为FM_VSVPWM。此外,对比了FM_VSVPWM与CBPWM、VSVPWM的调制性能。最后,通过实验验证了FM_VSVPWM的有效性和优越性。

基于调制波分解的中点钳位型三电平逆变器的混合调制策略

对于中点钳位型三电平逆变器,传统的载波脉宽调制在高调制度低功率因数下中点电压会发生三倍频波动,而虚拟空间矢量调制虽然能实现中点电压无条件平衡,却存在开关损耗高的问题。针对上述问题,基于调制波分解的多约束目标的协调,提出一种适用于中点钳位型三电平逆变器的混合调制策略。该调制策略采用双调制波单载波比较的方式实现,分析开关次数和中点电压无条件平衡的两类约束,为了在确保中点电压平衡的条件下降低开关损耗,提出上述两类约束的混合调制策略。在此基础上,探讨两种约束下的中点电压主动控制方法。另外,还对比了混合调制策略与其他调制策略的性能指标。混合调制策略可以在全调制度全功率因数下实现中点电压平衡,且相比虚拟空间矢量调制开关损耗有所降低,实验结果证明了其可行性和优越性。

井下指令信号的小波-奇异值分解双层滤波降噪

针对旋转导向钻井井下接收的指令信号进行降噪时存在奇异点和突变点等问题,提出一种基于小波-奇异值分解的双层滤波降噪方法。该方法将小波改进分层阈值降噪与奇异值分解降噪相结合,采用小波变换与奇异值分解WT-SVD双层滤波降噪方法,对小波改进分层阈值降噪后的信号进行矩阵构造,经过奇异值分解和重构使信号得以还原。通过实验确定了所选取的奇异值个数及重构矩阵结构,并对比研究了奇异值分解、小波改进分层阈值和WT-SVD双层滤波3种不同降噪方法降噪后的信号波形及信噪比、均方根误差和相关系数。实验结果表明,WT-SVD双层滤波方法降噪效果明显。

三维各向异性TI介质中的P/S波快速解耦技术及在弹性波逆时偏移中的应用

随着多分量采集技术的发展,弹性波逆时偏移技术在三维各向异性介质复杂地质构造成像中得到了广泛的应用.然而耦合的P波场和S波场,会在传播过程中产生串扰噪声,降低弹性波逆时偏移的成像精度.为了解决这一问题,本研究针对具有倾斜各向异性对称轴的三维横向各向同性(Transverse Isotropy,TI)介质,提出了一种矢量弹性波场快速解耦方法,可以有效提高偏移剖面的成像质量.该方法首先通过坐标转换,将观测系统坐标系的垂直轴旋转到TI介质的对称轴方向,在新坐标系下,根据具有垂直对称轴的三维横向各向同性(Vertical Transverse Isotropy,VTI)介质中的分解算子,推导出三维TI介质解耦算子表达式.接着引入一种在空间域快速计算分解波场的方法,来实现空间域矢量P波场和S波场分离,极大地提高了计算效率.最后,通过点积成像条件,将提出的P/S波分解方法引入到三维TI介质弹性波逆时偏移中,得到高精度的PP和PS成像.与以往的波场分解方法相比,本文方法具有数值稳定和计算效率高的特点.数值算例表明,应用上述三维TI分解算子得到的偏移剖面有效压制了噪声,提高了成像质量.

基于希尔伯特-黄变换与小波分析的降雨序列多时间尺度研究

[目的]对比分析不同方法在多尺度周期计算性能方面的差异,为区域水文周期分析方法的选择提供更多参考。[方法]利用2组已知周期和趋势特征的人工序列,对基于多元经验模态分解(Multivariate Empirical Mode Decomposition,MEMD)改进的希尔伯特—黄变换(Hilbert-Huang Transform,HHT)与小波分析在多尺度周期计算性能差异上进行了测试、对比与分析;并在此基础上,使用改进的HHT(后称HHT)进一步分析了毛乌素沙地11个站点39年降雨序列的多时间尺度特征。[结果]对于人工序列,小波分析(对称延拓)结果偏大,与预设周期存在显著差异(Sig.=0.003<0.05);而HHT和小波分析(周期延拓)的周期结果与预设周期没有显著差异,且HHT精度(Sig.=0.142>0.05)要略高于周期延拓小波(Sig.=0.109>0.05)。对于实测降雨序列,HHT显示毛乌素沙地的降雨主周期存在明显区域差异:腹地站点降雨主周期为5.5 a,而边缘站点为2.7~3.3 a;分解后的残差分量表明了沙地降雨在时间上呈上升趋势,而空间上呈现由东到西逐渐减少的分布状态。[结论]HHT因其自适应性,无需考虑众多参数的选取,在保持精度的同时可以提取更多水文信息,在区域降雨序列多尺度分析上更具优势,因此具有重要的实际应用价值。

新小波阈值法与VMD相结合的滚动轴承特征提取

针对滚动轴承故障信号弱以及难提取等问题,提出了一种新小波阈值方法与VMD相结合的轴承故障信号特征提取方法。首先,利用一种改进的指数小波阈值函数来优化传统小波降噪方法,克服其存在间断点和恒定偏差等问题;然后,结合VMD提取滚动轴承的有效故障特征;最后,以6205-RS号轴承内圈故障数据作为原始信号进行实验验证。实验结果表明,该方法能够有效提高降噪信号的信噪比,降低均方根误差,保证滚动轴承微弱故障信号特征提取的完整性和有效性。