基于多分辨率奇异谱熵和支持向量机的轴系故障诊断及其应用

运用Mallat小波算法将被测信号分解为不同频带，并进行信号重构，然后利用奇异值分解，提取不同尺度下的信号奇异谱熵作为特征向量．以特征向量为基础，运用多类支持向量机识别故障类型．以渔船轴系故障诊断为例，设计了轴系故障模拟实验台，研究表明：该方法能有效地进行特征提取和故障分类．     

基于小波包Shannon熵与GA-SVM的船舶轴系故障诊断方法

针对船舶推进轴系的振动问题, 基于小波包、Shannon熵、遗传算法(GA)和支持向量机(SVM)理论, 提出了一种船舶轴系故障诊断的新方法, 简称WPS-GS方法. 该方法依托船舶螺旋桨状态监测模拟实验平台, 利用小波包分解技术分析船舶轴系发生故障时的振动信号, 将其Shannon熵作为SVM的输入特征向量. 在训练SVM时, 采用遗传算法对SVM的参数进行全局寻优, 使SVM具有更高的识别准确率. 实验结果表明, WPS-GS方法对故障诊断的准确度和识别率较传统SVM和交叉验证SVM方法高, 适用于船舶轴系故障诊断.     

基于EEMD能量矩和改进量子粒子群神经网络的滚动轴承故障诊断

针对滚动轴承故障振动信号的非线性和周期性冲击特征, 提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)能量矩和改进量子粒子群神经网络的特征提取方法. 基于小波去噪对滚动轴承原始信号进行预处理, 对重构的故障信号进行EEMD并得到多个本征模态函数分量. 利用能量矩方法计算出所需分量的能量矩并归一化, 将归一化后的能量特征参数作为量子粒子群BP神经网络的参数输入, 根据加速度传感器信号实现滚动轴承故障诊断. 分别在不同转速(载荷)下采集驱动端轴承的振动信号, 获取200个训练样本和80个测试样本, 并建立故障诊断模型. 基于文中模型对实际滚动轴承数据进行诊断, 实验结果表明, 不同转速(载荷)下测试的80个样本故障诊断准确率达到100%.     

社会模拟算法优化的随机共振轴承故障诊断研究

针对经典双稳态随机共振在处理调制信号时的局限性和系统参数优化不足的问题,提出了一种社会模拟算法优化的多稳态随机共振轴承故障诊断方法.首先,对振动信号进行Hilbert包络解调和高通滤波;其次,采用频率交换与变尺度将高频特征信号变换到低频区;然后,以信噪比为自适应函数,利用社会模拟算法(Social Mimic Optimization,SMO)优化随机共振系统参数;最后,将变换后的振动信号输入随机共振系统,实现轴承故障诊断.通过实验数据分析证明了所提方法的有效性与优越性.     

多元双正交小波包的构造及性质

给出具任意整数矩阵伸缩的多元不可分双正交小波包的定义及其构造算法.运用代数学理论,积分变换与算子理论,讨论了多元不可分双正交小波包的性质.得到L2(Rn)的小波包基的直和分解.     

二进仿射小波包

自从小波包概念提出以来，关于这一方面的研究吸引了许多数学家的兴趣。到目前为止，在L^2(R^S）中关于正交与非正交小波包、可分与非可分小波包的研究已取得丰硕的成果，其中S是一给定的自然数。CHUI和LI在R上有界一致连续函数空间上引入了插值多分辨分析的概念并给出了这一空间函数的二进仿射小波分解。本文在这一空间引入并利用泛函小波变换研究了二进仿射小波包，对这一空间的任一函数，给出了逐步收敛的二进仿射小波包分解。     

基于工作电流信号的车床刀具故障分析

在车刀的故障分析中,选择机床加工时的工作电流作为故障检测的分析对象,分别利用傅里叶变换和小波包分析法提取刀具故障的傅里叶特征和小波包特征,联合采用提取的两种特征以实现刀具故障的诊断.研究表明,提取的车床刀具故障特征参数的波动特性与车刀故障的发生存在联系,从而为分析判断车床刀具故障的发生提供了一种新的思路和方法.     

小波变换在奇变信号检测中的应用

根据小波变换的基本概念和理论,给出了实现小波分解与重构的塔式快速算法．基于小波变换用于奇变信号的检测原理,对奇变信号的小波时频分析技术进行了深入的研究．并通过一个工程实例,说明了小波变换在奇变信号检测中具有广阔的应用前景.     

矩阵值小波包的分解与重构算法

对矩阵值函数空间L2(R,cs×s)的正交分解进行了更深一层的研究,得到了矩阵值正交小波包的一些性质,给出了L2(R,cs×s)的一组新的正交基,弥补了有关文献的不足.最后,给出了利用矩阵值小波包来进行分解与重构的一般公式.     

基于混沌加密的小波包盲水印算法

利用混沌系统的特点调制了两种不同的混沌序列,分别用于水印加密和子图像的抽取.对子图像进行小波包分解,通过修改小波包的系数来嵌入数字水印.水印的提取不需要原始图像,实现了盲提取.实验结果表明,该算法对于常见的JPEG压缩、高斯噪声,裁剪和缩放等攻击具有较好的鲁棒性.     

改进的静止图像小波零树编码

在深入研究尺度小波变换和嵌入式小波零树压缩编码算法的基础上，探讨了一种改进的小波零树编码算法。通过采用基于嵌入式零树预测扫描算法的改进小波变换编码方法，对小波分解的低频子带图像采用DPCM预测编码，高频子带图像采用了改进的取消重要系数排序的零树预测扫描算法进行压缩编码，使之既具有原零树算法良好的压缩品质，同时也简化了的压缩算法，提高了该算法 的适应性，与JPEG压缩相比，它消除了JPEG图像在高压缩比下的方块效应，取得了令人满意的实验效果。     

一种基于新型小波包阈值的图像去噪方法

提出了一种基于小波包理论去除图像噪声的方法,用小波包把图像分解为高频分量和低频分量,根据高频分量估计噪声的标准差,并利用该标准差以及Birge-Massart惩罚函数计算阈值.鉴于传统软硬阈值的缺陷,采用一种新型阈值量化方法,用三次多项式在硬阈值的基础上插值,使新的阈值函数保持了连续性和可导性.通过这种方法既消除了图像的振铃现象,又保留了细节成分.实验表明：与传统方法相比,新方法使图像视觉效果和峰值信噪比均获得提高.     

基于重叠块小波变换的遥感图像高速压缩算法

针对大尺寸图像进行分块小波变换带来的块效应问题，采用重叠分块的方法，对各重叠块分别进行整数小波变换，并在分析单块图像整数小波变换的基础上提出了基于子带位平面的编码算法；解码时，对逆变换后得到的各个块按照原空间位置重叠相加，即可得到重建图像．实验表明，该算法复杂度低，占用内存少，速度快，无块效应，且各块的码率分配接近于最优方案，适合于遥感图像的高质量压缩编码．     

基于小波包分析的特征参数提取

在分析MFCC提取原理的基础上,结合小波包分析理论,得到新的特征参数.提出了一种新的特征参数提取方法,用动态时间规整法,分别测试了MFCC的识别率和新的特征参数的识别率.研究证明新的特征参数不仅具有较高的识别率,而且有一定的抗噪声能力.     

一种基于小波模极大值的图像特征匹配算法

针对移动机器人视觉图像间的连续特性,提出了一种基于小波模极大值的图像特征匹配算法,该算法利用小波模极大值提取图像轮廓及模方位矩阵,并在轮廓图像中寻找极大区域,以该区域中心点作为图像特征点,且将区域小波模方位、特征点区域图像重心坐标和区域轮廓重心方向组合生成这些特征点的特征向量,利用这些特征向量实现图像间的特征点匹配．并通过相应的实验证明提出的新算法高效可靠．     

关于四元数形式小波的研究

建立了四元数形式单小波和多小波之间的对应关系，从而给出了由四元数单小波构造四元正交多小波的一种方法，并从矢量小波的角度，讨论了矢量积小波变换的多级分解和重构。