小波神经网络的参数初始化研究

随机产生的初始参数往往使小波神经网络的学习次数大幅度地增加,甚至不收敛.为了加快网络的学习速度,本研究提出了一种将小波网络的初始参数设置和小波类型、小波时频参数和学习样本等联系起来的小波神经网络的初始参数设置方法.学习实例结果表明,按照这一方法不但可以获得高几率的优秀初始参数,而且能大大加快小波网络的后续学习速度.

基于小波变换的轴承振动特征波形分离

轴承的振动信号中包含了轴承的损伤信息,本文研究利用小波分析方法对这些损伤信息波形特征进行分离。对一个轴承振动信号的处理实例表明:小波分析方法分离出了轴承的冲击振动波形特征、调制波形特征、二倍频振动波形特征,并由此确定了轴承的滚道和滚珠存在损伤、内外圈存在平行不对中等故障现象,取得了传统的傅里叶分析无法得到的结果。

轴承振动信号中调幅特征的奇异值分解提取方法

滚道损伤会在轴承振动中引起调幅现象,但当损伤较轻微或者噪声干扰较严重时,这种特征难以显现出来。提出利用奇异值分解(Singular value decomposition,SVD)来提取这种调幅特征。在Hankel矩阵方式下,SVD可将信号分解为一系列分量信号的简单线性叠加。利用这一特性,对轴承振动信号构造Hankel矩阵并进行SVD处理,通过选择合适的分量进行简单相加,从一个复杂的信号中准确提取了清晰的调幅特征信息,据此确定了载波和调幅波频率,并结合轴承参数对滚道损伤状况做出了准确的判断,这种特征提取效果远优于带通滤波器的处理结果。

基于卷积型小波包变换的切削力信号消噪

为了消除切削力信号中的随机噪声干扰,本文提出了一种基于卷积型小波包变换的消噪算法,给出了算法的详细步骤。对两个切削力信号的消噪实例结果表明:随机噪声已完全被去除,获得了准确的力信号。