基于Morlet小波变换的滚动轴承早期故障特征提取研究

针对轴承故障初期振动信号中的特征成分极易被噪声信号淹没而不能及时检测的问题,结合Morlet小波变换降噪的基本原理,提出一种由尺度相关能量分布确定最优尺度参数的方法,从而在该尺度下对信号滤波来提取冲击特征成分。以最小Shannon熵优化Morlet小波的形状参数,实现母小波与信号故障特征的最佳匹配;以最优Morlet小波在不同变换尺度下的小波系数绘制尺度-能量谱,利用信号故障特征能量在特定尺度范围内聚集的特性,从谱图的极值点中选择滤波效果最好的尺度参数。对轴承全寿命数据的实际应用结果表明,与信号的均方根趋势相比,该方法能够提前从信号中提取微弱故障特征并检测到轴承的外圈故障,为轴承早期故障诊断提供了一种有效途径。

基于参数优化Morlet小波变换的故障特征提取方法

针对轴承或齿轮箱等机械元件的故障振动信号表现为冲击衰减波形的特点,提出一种基于参数优化Morlet小波变换的故障特征提取方法。利用最小Shannon熵方法优化Morlet小波的形状参数,实现与冲击特征成分的最佳匹配,再对小波变换系数矩阵进行奇异值分解,根据奇异值曲线中主要反映突变信息的过渡阶段所对应的尺度范围求得最佳小波变换尺度,最后对信号进行Morlet小波变换提取故障特征。仿真试验和实际应用的结果表明,该方法能更有效地从强噪背景中提取故障特征。

基于复Morlet小波变换的大跨空间结构模态参数识别研究

探讨了基于复Morlet小波变换的结构频率及阻尼比的识别方法,推导了基于小波变换系数的振型识别原理。为提高识别密集模态的精度,提出了基于最小标准差的小波中心频率及带宽的自适应选择方法。针对大跨空间结构具有低频密集模态以及难以实现用力锤或激振器来激励等特点,提出了自然激励法与小波变换相结合的模态参数识别方法。数值仿真及奥运场馆国家游泳中心现场实测数据分析表明,基于复Morlet小波变换的方法能有效识别低频密集模态参数。

标准Morlet小波变换检测地球自由振荡

引入标准Morlet小波变换(NMWT),并将其作为调和分析的工具应用于实际的数据处理中。NMWT不需要逆变换就能直接识别并提取出信号的周期项。在不经过潮汐及气压改正的情况下,对超导重力仪观测的重力变化序列进行NMWT,有效地检测并提取出振幅为1nms-2的最基本的径向球形振荡(0S0)信号,从而将传统的在频域计算Q值的方法转换为简单的时域计算。结果表明标准Morlet小波变换是一个分析自由振荡信号的理想工具。

基于连续小波变换的黑北凹地砂砾储卤层沉积特征研究

柴达木盆地西部中深层“砂砾型”钾盐储卤层与沉积水体变化息息相关,高密度网状二维地震资料包含的频率信息,有助于识别发育砂砾储卤层的沉积环境,为深层富钾卤水储层研究提供支撑。采用连续小波变换时频分析技术将地震信号从一维的时间域拓展到二维的时间-频率域上,能够在频谱中更清晰地刻画沉积体内部岩性组合的旋回结构特征。基于正演数据和实际钻井数据,总结了低水位体系域、水进体系域、高水位体系域和水退体系域层序框架下,沉积体的地震时频谱旋回响应特征:低水位体系域的时频谱能量主要聚集在低频,高水体系域的时频谱能量主要聚集在高频,水进体系域的时频谱能量随时间减小向高频方向移动,水退体系域的时频谱能量随时间减小向低频方向移动,指出35 Hz是划分有利沉积旋回——水退体系域末期、低水位体系域和水进体系域初期的频率阈值。选择合适频率区间重构地震数据能突出弱振幅砂砾层的反射特征,结合全频带数据有助于快速识别有利沉积旋回,为寻找砂砾型深层卤水钾矿提供依据。

基于Morlet小波变换的振动特性参数识别

传统的振动系统特性参数识别方法对于非线性、非平稳信号的处理能力差,尤其对于阻尼比的识别精度较低.将Morlet小波变换和随机减量技术相结合识别振动系统的特性参数,首先利用随机减量技术提取振动的自由衰减响应信号,进而由Morlet小波变换对信号进行连续的小波变换处理得到小波能量谱,结合参数识别的基本理论及对时间-幅值坐标面曲线的半对数拟合结果得到振动系统的频率及阻尼比,数值仿真结果表明,提出的方法能有效识别系统的固有频率和阻尼比.将该方法应用于罐车模型流固耦合冲击试验研究,较好地识别出充液工况下振动系统的固有频率和阻尼比.

基于Morlet小波变换的信号去噪及在轴承状态监测中的应用

为在强噪声背景下利用振动信号中隐含的冲击特征成分来反映轴承性能退化趋势,提出一种基于Morlet小波变换和时域特征参数提取相结合的轴承状态监测方法。通过引入谱峭度评估Morlet小波滤波的去噪效果,再从信号滤波结果构建的组合信息中提取时域特征参数。对轴承全寿命数据的应用结果表明,特征参数的变化趋势能够监测轴承状态的劣化过程,伴随的早期故障检测可以提高轴承使用的安全性。

基于Morlet小波变换的EEG时频分析

Morlet小波变换是适用于EEG时频分析的一种比较成熟的方法,在国外的医学、心理学和认知神经科学研究中已被广泛使用。本文首先阐述了Morlet小波变换的基本原理和基于Morlet小波变换的时频分析方法的特点,然后利用此类方法对实际的EEG数据进行探索性的分析。

一种基于Morlet小波变换的虹膜识别算法

虹膜识别包括虹膜定位、特征提取以及模式匹配几个步骤。文章提出了基于虹膜灰度梯度分析的新定位算法和基于Morlet小波变换的特征提取算法。首先对沿瞳孔半径方向展开的虹膜图像通过寻找灰度梯度最大值位置的方法进行虹膜定位;然后根据虹膜生理的特点对虹膜图像进行分区,对不同的虹膜区域采用一维和二维Morlet复小波变换相结合的特征提取算法,并用二比特格雷编码来表征提取的虹膜纹理的相位信息;最后通过计算虹膜间的Hamming距进行匹配,最终实现虹膜识别。实验结果表明,与现有算法相比,该算法识别速度快,提取特征的效果好,在实验室身份认证系统中表现出很好的识别效果。

基于开关电流的Morlet小波变换及重构的实现

首次提出基于开关电流实现Morlet小波变换的方法,该方法为小波变换的快速实现提供了新的途径。基于开关电流双线性积分器采用跳蛙法模拟梯形无源滤波器构造了高斯带通滤波器,从而实现Morlet小波变换及重构滤波器。利用开关电流电路的特性,只需设计一对分解和重构滤波器便可实现二进小波变换,其实现方法简单,有利于制成实用集成芯片。仿真结果证实了其可行性。

应用复Morlet小波变换分析条纹图相位

针对在使用干涉、Moiré偏折等方法进行流场高速动态测量时条纹图中大量无效数据对计算结果的影响,提出了一种基于连续小波变换的条纹图相位分析方法。利用小波变换的瞬时条纹频率分析能力,选用复Morlet小波及合适的小波参数,使得条纹图的小波变换模极大值与其调制度系数成正比,将其作为加权最小二乘法相位展开算法的权值,保证了相位有效展开。使用曲线拟合进行小波变换脊定位,缩短了定位时间并消除了噪声干扰。仿真实验显示,使用该方法得到的分析结果与实际相位值的相对误差小于0.01%;内波流场测量实验显示,使用该方法进行条纹图分析,密度梯度测量精度达到了5×10-6g/cm4。结果表明,用该方法进行条纹图相位分析可以有效消除无效数据对结果的不利影响,相位展开有效可靠,分析结果精度高。

基于小波散射变换和MFCC的双特征语音情感识别融合算法

为了充分挖掘语音信号频谱包含的情感信息以提高语音情感识别的准确性,提出了一种基于小波散射变换和梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)的排列熵加权和偏差调整规则的语音情感识别融合算法(PEW-BAR)。算法首先获取语音信号的小波散射特征和梅尔频率倒谱系数的相关特征;然后按尺度维度扩展小波散射特征,利用支持向量机得到情感识别的后验概率并获得排列熵,并使用排列熵对后验概率进行加权;最后采用一种偏差调整规则进一步融合MFCC的相关特征的识别结果。实验结果表明,在EMODB、RAVDESS和eNTERFACE05数据集上,与传统的基于小波散射系数的语音情感识别方法相比,该算法将ACC分别提高了2.82%、2.85%和5.92%,将UAR分别提升了3.40%、2.87%和5.80%,IEMOCAP上提高了6.89%。

利用Morlet连续小波变换实现非整次谐波的检测

针对常规快速傅立叶变换无法检测非整次谐波的问题,文章提出了利用小波变换实现检测非整次谐波的方法。小波函数是具有时域和频域良好局部化特性的函数,理论上可以用于非整次谐波的检测。但是小波变换存在着由于频谱泄露而带来的混频问题,给谐波的检测带来误差。为解决此问题,可选择分频严格的小波函数,或者选择合适的分析方法。该文选用的分析方法是连续小波变换,选用的基小波是具有良好频域特性的Morlet小波。通过matlab仿真,在1个周期的采样数据中,能够较为准确地把不同频率的整次和非整次谐波分离出来。这表明了小波变换对于非整次谐波的检测和分析是可行的,从而为谐波的精确检测提供了有效的手段。

Morlet小波变换在2020年新疆于田6.4级地震预测中的应用研究

2020年6月26日新疆于田6.4级地震发生在新疆和田至西藏日土6.0级左右年度地震重点危险区内部,中期(年度)预测正确,其中核心依据之一为该地区6级以上地震准周期特征。Morlet小波变换定量计算显示11.7年、5.8年和79.5年为主要周期成分,其中11.7年和5.8年周期通过了90%置信度检验,具有显著性。本文在回顾于田6.4级地震前地震活动准周期特征基础上,进一步讨论了区域范围、计算参数、时间序列长度对周期谱稳定性的影响和小波变换在地震预测中的应用等问题。

基于Morlet小波变换的模态参数识别研究

从卷积和Parseval定理的角度推导了小波变换系数的实用算法。以系统的自由响应数据为识别对象,给出了频率、阻尼比的参数识别方法,并重点给出了基于最小二乘法的振型识别技术。提出了基于改进Morlet小波的模态参数识别方法,对识别密集模态具有良好的效果。三自由度仿真算例表明,基于Morlet小波变换的模态参数识别技术能够以较高的精度识别出系统的频率、阻尼比和振型等模态参数。

基于Morlet小波变换的结构密集模态参数识别

为了解决结构密集模态识别精度不高的问题,提出了基于Morlet小波变换进行结构模态参数识别的一套方法流程.首先,从公式推导的角度对结构模态混叠的机理进行研究分析,明确和量化了密集模态的定义,提出了结构模态密集度指标——相邻模态的频率比,以此判定应用Morlet小波变换进行模态识别的有效性.其次,针对边端效应和噪声污染的不利影响,改进了小波变换识别结构模态参数的方法,并提出了最优小波中心频率的选取方法.理论研究结果表明,当相邻模态的频率比值一定时,随着阻尼比以及相邻模态阻尼比差值的增加,模态混叠的严重程度也增加.数值仿真算例结果表明,这种改进的模态识别方法可有效地识别结构的模态参数,且能够获得较高的参数识别精度.

基于自适应小波变换与HHT的混合储能容量配置

混合储能系统能有效缓解风电输出功率强波动性与随机性造成电网频率不稳定问题。本文以蓄电池和超级电容组成的混合储能系统为研究对象,提出了一种混合储能容量配置方法。该方法首先采用自适应小波变换对风电输出功率进行功率一次分配,得到满足条件的并网功率和储能功率。然后采用HHT变换对储能功率进行分解,得到一系列波动功率分量以及各分量的瞬时频率。再根据瞬时频率确定分界频率,将高于分界频率的功率分量分配给超级电容,剩余的功率分量分配给蓄电池。最后根据蓄电池与超级电容各自的储能功率,对储能系统的额定容量与额定功率进行配置。该仿真结果表明,本文采用自适应小波变换与HHT变换能够有效地将风电输出功率进行分解,实现风电输出功率的平抑与混合储能系统的容量与功率配置。

奇异值分解对连续Morlet小波变换的压缩和提纯

研究连续Morlet小波变换矩阵行矢量的线性相关性,这种相关性使得连续Morlet小波变换的结果存在很大的冗余,利用奇异值分解(Singular value decomposition,SVD)来压缩这种冗余性。理论分析表明,SVD技术可以将连续Morlet小波变换矩阵的信息完全压缩到少数的非零奇异值及其对应的正交奇异矢量中,分析压缩前后数据量的比例,证实矩阵维数越大,压缩效果越好。研究确定性信号和噪声的连续Morlet小波变换结果的奇异值的分布特点,发现确定性信号的有效奇异值数量由信号中的频率数量决定,有效奇异值之后的奇异值会很快地下降到零,而噪声的奇异值序列的变化比较均匀,下降速度比较缓慢。利用确定性信号和噪声奇异值的这种差异,可以实现对含噪信号的连续Morlet小波变换结果的提纯,只要选择前面合适的奇异值进行SVD重构,大部分噪声奇异值的信息会被抛弃,因而可在很大程度上消除噪声对连续Morlet小波变换结果的影响。

Morlet复小波变换的开关电流电路共极点实现

提出了一种时频域混合共极点逼近的开关电流电路Morlet复小波变换方法.将Morlet复小波构成部件高斯包络进行分解,设计了高斯包络时域逼近优化模型,模型可采用常规优化算法求解.利用正弦和余弦信号的周期性,及其与指数信号的乘积在频率域具有相同极点的特性,简化了Morlet复小波函数的拉普拉斯变换,实现了实部和虚部的共极点有理逼近.基于双线性变换积分器设计了一种开关电流复二阶节基本电路,继而综合了Morlet复小波变换基本电路.通过调节基本电路的开关时钟频率可实现其它不同尺度的小波变换功能.对比分析表明,本文方法的逼近效果和系统稳定性均明显优于现有的Padé变换法和Maclaurin级数法;与现有方法相比,本文设计的复小波变换电路具有结构简单、功耗低和体积小等优点.仿真结果表明了方法的有效性.

利用Morlet小波变换识别悬索桥模型模态参数

破坏性试验在实际的桥梁上针对结构损伤的识别和定位研究难以进行,且基于数值模拟的研究又存在较大的局限性,所以模型试验方法在桥梁结构的损伤识别研究中尤为重要。参考润扬大桥,面向损伤识别设计制作了悬索桥试验模型。对该试验模型进行了动态测试,并对Morlet小波变换方法进行模态参数识别的适用性和有效性进行了研究,提出了小波理论识别模态参数的改进方法,将其应用到模型试验中。试验表明,该方法具有使用方便和识别准确的优点。