基于小波变换的撞击流压力波动信号分析

通过小波变换对信号进行多尺度细化分析,解决了傅里叶变换不能解决的许多问题．从分析噪声和信号本身奇异点的区别入手,利用小波在时频两域突出信号局部特征能力的重要性质,即噪声信号小波变换的极大值随尺度的加大而显著减少的特点,对撞击流反应器撞击区压力波动信号进行处理分析．分析结果表明:小波变换可以较好地去除信号中的噪声;通过消噪后信号的功率谱可知,撞击流压力波动信号具有自相似的分形特征,与前期的实验研究相吻合．     

基于小波的蜂窝板面超高速撞击声发射信号损伤特征提取

为了通过超高速撞击声发射信号识别蜂窝结构受空间碎片撞击后的损伤状态,提出一种基于小波的损伤特征提取方法。采用超高速撞击声发射技术,以铝合金蜂窝板为研究对象,通过超高速撞击实验获取实验信号。分析超高速撞击声发射信号的时频特征及板波模态等特征,采用Daubechies小波变换将信号中模态分离,根据小波系数计算各尺度小波能量分数及小波能量熵特征,分析各特征参数与损伤间的关系,并通过Kruskal-Wallis检验方法验证各特征值对损伤识别的贡献。结果表明:小波能量分数和小波能量熵具有一定的损伤模式分类能力;250 kHz以上的小波能量分数具有良好的损伤模式分类能力;非超声部分的低频信号对损伤识别存在干扰。     

基于变分模态分解的水泵水轮机暂态过程流激振动信号分析

流激振动是衡量水泵水轮机运行稳定性的重要参数.本文基于国内某水泵水轮机发电工况停机暂态过程中的实测顶盖振动信号,分别使用经验模态分解、变分模态分解和希尔伯特变换等方法对其进行时频分析,并获得如下结论.首先,相比经验模态分解,从基于变分模态分解的希尔伯特时频谱图中能够更为直观地观察到顶盖振动信号的时频信息.其次,时频分析...     

铝板中激光Lamb波信号的模态分析与缺陷检测研究

激光激励的Lamb波信号具有较宽的频带,且包含多个模态信息。本文采用二维傅里叶变换和时频分析等信号分析技术用于检测信号中的模态成分及缺陷信息识别。首先,对200组激光Lamb波信号进行二维傅里叶变换,得到信号的频率-波数图,可识别出激光Lamb波信号中的低阶A0、S0和高阶模态,并且A0模态能量高,可用于缺陷检测。随后对有、无缺陷状态下Lamb波信号进行连续小波变换,从时频图中识别出缺陷信号的频率成分,进一步提取特定频率下的小波系数幅值信号,实现了缺陷信息的识别。结果表明,二维傅里叶变换能较好地识别激光Lamb波的模态成分,而提取出的连续小波变换系数图,能准确实现缺陷定位。     

一种新的小波及其在结构损伤检测中的应用

结构受冲击将引起某些部位的震荡、裂纹甚至断裂,从而导致结构刚度下降.此时振动信号会出现奇异性或携带突变信息,而这些突变信息反映了结构的损伤情况.加之冲击信号测试环境一般较为复杂,环境噪声对测试存在一定的影响.然而,利用合理的小波变换技术去噪可以识别出损伤情况.本文通过对冲击振动的信号特性进行分析构造了一种新的基本小波,并论证了该小波的基本特征.最后运用小波分析的信号奇异检测理论结合实例将该小波用于冲击振动仿真分析中.计算结果表明,利用该小波进行结构损伤信号分析能清晰地识别结构损伤的时刻.采用该小波函数的构造方法,可避免通常采用Daubechies系列小波作为信号分析而要繁琐地选择不同小波函数的过程.     

环境风激励下超高层建筑模态参数识别

基于经验小波变换(EWT)及改进随机减量技术,推导了一种环境风激励下超高结构模态参数的时频分析算法。该方法首先对实测信号进行EWT分解,获得单模态分量,然后采用改进随机减量技术得到自由衰减响应,最后利用希尔伯特变换和线性拟合计算结构的自振频率和阻尼比。通过五层框架结构的数值算例验证了该方法的有效性,并利用该方法对台风"妮妲"作用下深圳平安金融中心的实测加速度进行时频分析,获得了深圳平安金融中心的阻尼比及自振频率,揭示了该超高结构模态参数瞬时变化特征。所识别的结构各阶频率略高于0.1Hz、平动阻尼比在1%以内的研究成果为超高层建筑健康监测和振动控制提供了依据和资料。     

基于手机惯性传感器与多特征CNN的驾驶行为识别算法

不良驾驶行为识别对于减少交通事故的发生及实现智能交通具有重要意义。针对目前驾驶行为识别精度不高及系统稳定性不好问题,提出了一种基于多特征卷积神经网络和智能手机惯性传感器的新型驾驶行为识别方法。通过获取手机惯性传感器数据,利用多特征卷积神经网络对数据集进行特征提取和分析,来实现对多种驾驶行为的识别。最后,利用实际采集的车载数据进行不同方法试验对比,该算法对驾驶行为的分类精度达到97.14%,在识别精度上有一定优势。此外,MFCNN测试结果的方差仅为0.014 391,小于其它3种网络模型,可见所研究的网络模型及方法更加稳定可靠。     

结构损伤的小波分形神经网络检测

用神经网络进行结构损伤检测、分析的有效性在很大程度上取决于训练样本的好坏。小波变换在时域和频域都具有表征信号局部特征的能力,小波包分析利用可以伸缩和平移的可变视窗能够聚焦到信号的任意细节,因此对有损伤的结构的非线性动力特性能进行有效的分析。利用分形几何方法不依赖于系统的数学模型的特点,将分形维数与小波分析相结合,建立了结构损伤的小波分形神经网络检测方法。研究结果表明,结构不同状态下的振动信号的各频段分形维数有明显的不同,可以将振动信号的各频段分形维数作为结构损伤检测的特征量,并用神经网络将结构的不同状态模式识别出来。     

基于小波多分辨滤波特性的结构损伤识别

小波分析作为一个很好的损伤识别工具,可以看作是传统傅立叶变换的扩展,小波变换采取了可调整的时频窗口,因此小波变换的优势是它具有了“可变焦”性能对局部信号进行多尺度的刻画。小波基的伸缩和平移系列,使小波变换可看作是一组带通滤波器。本文全面分析了小波变换多尺度带通滤波器特性以及在结构在线损伤识别中的应用。结构损伤的出现体现在结构物理参数的改变,相对应的动力响应信号将会产生局部时变特性。利用小波分析的多尺度带通滤波器在不同尺度下对结构振动信号作滤波分析。通过观察不同带宽内振动信号的时频变化来判断结构损伤的存在。     

深孔台阶爆破近区振动信号趋势项去除方法

基于深孔台阶爆破近区大量实测振动信号,总结了趋势项产生的原因主要为大振幅脉冲输入下的非线性失真及低频干扰叠加,在此基础上以测试仪器有效监测范围作为识别趋势项组成部分的判别准则。利用集合经验模态分解（ensemble empirical mode decomposition,EEMD）、小波分解等信号分析手段,提出了以固有模态函数（intrinsic mode function,IMF）的频带分布为指标、人工判别的趋势项去除方法,以及基于自相关分析识别噪声特征的小波阈值去噪方法。实例证明该方法切实有效,可实现爆破信号的批量化预处理。     

无网格法驱动径向基函数前置卷积神经网络

卷积神经网络通过卷积核的移动加权提取样本点的局部特征，而无网格法基于节点信息构造具有核近似特点的形函数进行离散建模，两者的内在相似性为采用卷积神经网络加速无网格计算过程提供了有利条件．但是基于传统卷积神经网络的改进无网格法包含较为繁琐耗时的非线性参数求解．为了克服这一问题，本文充分利用无网格法能够灵活构建数据样本的优点，提出了一种径向基函数前置卷积神经网络模型．该网络通过径向基函数的前置，提前激活输入数据，实现了非线性变换和数据特征维度跃升，随后再将数据传入传统卷积层得到输出．由于所提网络模型具备线性求解的特点，能够有效提升预测精度与计算效率．在数值算例中，通过对比无网格法直接计算结果、传统卷积神经网络和所提的径向基函数前置卷积神经网络预测结果，系统验证了所提网络模型的有效性．     

一种实用着靶模拟测试技术

为了研究弹引系统的动态特性参数，在反弹道测试技术的基础上，发展了一种新的动态着靶模拟测试技术：碰前接电技术。设计加工了实验弹及弹上接电装置；根据原理性实验，求出信号建立时间，据此设计了靶前接电装置，进而组成了碰前接电技术测试系统；将此系统用于靶场实验，获得了在实际载荷下雷管部位的冲击加速度响应曲线；对加速度曲线进行最大熵谱估计，确定了测得的信号是完整的；利用小波变换消除噪声，提取特征频率重构了加速度曲线。     

复杂气固两相系统的微观结构

流化床中的气固两相流动是一个高度复杂的非线性混沌系统。本文利用激光粒子动态分析仪（ＰＤＡ）得到的循环流化床中颗粒脉动速度信号,采用ＦＦＴ分析了脉动信号的宽频谱特征,在此基础上应用小波法分析了脉动信号的动态特征,得到了颗粒脉动速度的微观结构,指出颗粒脉动速度的非线性特性是流化床具有混沌特性的根源,且在不同的尺度上颗粒脉动速度表现出各向异性的特征。     

基于转角模态和小波神经网络的连续梁损伤识别研究

基于小波奇异性检测原理和神经网络非线性映射能力,结合结构基本模态参数,提出了一种结合小波神经网络与结构转角模态的损伤识别方法．首先,建立三跨连续梁的有限元模型获取结构模态参数,并对其进行Mexihat小波变换,通过系数图突变点判断结构损伤位置．然后,将小波系数模特征向量作为BP神经网络的输入,分别研究了该方法在单损伤和多损伤工况下的识别能力．最后将不同工况下神经网络预测值与结构实际损伤程度进行对比,得到单处损伤预测误差平均值为0.22%,多处损伤预测误差平均值分别为0.22%和0.18%,结果表明该方法在结构损伤识别方面的有较高有效性及精确度．     

有限空间爆炸静态压力的温度补偿方法

为改善压阻式压力传感器的温度漂移特性，构建了基于遗传算法和小波神经网络的压力传感器温度补偿模型。针对小波神经网络收敛速度慢且易陷入局部最优解的问题，采用遗传算法对小波神经网络的连接权值、伸缩参数和平移参数进行优化。基于压力传感器的标定数据，分别采用BP神经网络、小波神经网络和遗传小波神经网络对其进行温度补偿研究，结果表明:遗传小波神经网络兼容了小波分析的时频局部特性和神经网络的自学习能力，表现出良好的收敛速度和补偿精度，经补偿后传感器的输出值更接近于标定值，其最大误差由?17.44 kPa变至0.38 kPa，最大相对误差由?14.0%变至0.38%。将该模型应用于有限空间爆炸静态压力的温度补偿中，取得了较好的实际应用效果。     

基于小波分析的超声导波管道裂纹检测方法研究

利用LS-DYNA970动态有限元分析软件对考虑横应变下的管道纵向超声导波损伤检测进行了数值模拟,分析了不同的激发频率对管道中导波频散现象的影响.选择适当的尺度和小波基函数,利用小波变换实现了对微弱且无法直接观测的缺陷检测信号的识别.同时通过时频分析研究了噪声信号在检测信号中的分布规律,并运用小波包分解和重构算法将信噪分离,实现高噪条件下管道微缺陷的损伤识别.     

基于小波变换及Wigner-Ville变换方法的超声导波信号分析

对结构中缺陷的检测和识别是无损检测中的一项重要研究课题,超声导波由于可在短时间内检测很远距离,故它的一个重要应用便是管材的检测。因而对导波检测信号的处理成为一重要研究内容,本文利用时-频分析方法中的小波变换和Wigner-Ville变换对管道和抽油杆缺陷的导波检测信号进行了分析处理。实验结果表明,进行小波变换后,缺陷回波信号的信噪比大大提高,直径仅1mm的小孔缺陷可容易地被识别出来,准确检测出其位置;通过对信号进行Wigner-Ville的相关变换,可同时在时频两域内对缺陷的回波信号进行分析,使缺陷辨别起来简单易行。两种信号处理方法的超声导波应用研究为以后导波信号的处理提供了新的实现依据。     

基于改进HHT的水中爆炸冲击波信号时频特性分析方法

根据水中爆炸冲击波信号的特征,利用希尔伯特-黄变换(HHT)处理非平稳信号的优势,提出了一种结合小波分解及相关系数筛选的改进HHT方法.该方法首先通过小波分解将信号分为高频部分和低频部分,然后利用相关系数对固有模态函数(IMF)分量进行筛选.理论与实践表明,改进的HHT方法能够有效、准确地对水中爆炸冲击波信号的时频信息...     

基于小波变换的精密测试转台测角系统的故障诊断

针对精密测试转台测角系统的突变性故障、饱和故障和高频干扰故障,研究并提出了一种基于离散小波变换的故障特征提取方法。这种方法采用db4小波函数对测角系统激磁信号进行小波变换,将原始信号分解为近似信号和细节信号。根据分解得到第一层的细节信号,可以定位突变性故障和饱和故障。通过多层分解,确定近似信号和细节信号的最大幅值,根据信噪比大小可以确定是否存在高频干扰故障。实验结果显示,通过该方法可以实现对测角系统激磁电源故障准确的故障特征提取和定位,提高了精密测试转台的安全性和可靠性。     

侧柱对串列双柱脉动压力的干扰

研究了串列双圆柱旁加上一个等直径的圆柱，组成一个等边三角形排列的三圆柱的脉动压力分布．着重研究侧柱对串列双圆柱脉动压力分布的影响．研究的结果表明，绕流等边三角形排列的三圆柱，受影响最严重的是后柱．脉动压力分布出现了严重的不对称，外侧的压力脉动极其强烈，内侧的压力脉动较弱，与时均压力分布，很好的对应关系．另外，侧柱对于串列双圆柱是否达到超过临界间距的绕流流态，有很大的影响