基于小波神经网络方法的桥梁结构损伤识别研究

桥梁结构在服役期间会承受复杂的荷载,长期使用会不可避免地出现各种损伤.若这些损伤不能被及时发现和适当处理,将有可能造成严重的事故.因此,桥梁结构的局部小损伤识别对于其及时检修有重要意义.通常,损伤结构的全局动态特性测试可能对局部的结构损伤不敏感,特别是对小损伤,这就需要从结构动态响应信号中提取对损伤更敏感的特征量.建立了桥梁结构的有限元模型并进行动力特性分析;采用小波包分析方法处理结构动态响应信号以构造结构损伤指标,并结合结构损伤指标和人工神经网络方法进行桥梁结构的损伤定位.     

基于EMD-LWT的低浓度石油类污染物荧光光谱去噪法EI北大核心CSCD

石油类污染物是造成雾霾等空气污染问题的重要原因.去噪处理的有效性是石油类污染物荧光光谱检测中的热点问题.提出一种基于经验模态分解-提升小波变换(EMD-LWT)相结合的低浓度石油类污染物荧光光谱去噪方法.经验模态分解法(EMD)可自适应地滤除微弱荧光信号中的噪声,但去噪过程中第一个本征模态函数(IMF)包含的频率范围过宽,影响了去噪准确性和有效性.引入提升小波变换(LWT)对IMF1实现更精细的分解,有效分离出IMF1的有用信息,改善信噪分离效果.将EMD-LWT联用方法和传统的EMD或LWT去噪法分别运用于煤油荧光光谱检测中,仿真结果表明,与只用EMD或LWT相比,EMD-LWT相结合的光谱去噪法得到的信噪比和均方根误差均显著提高,验证了该方法的有效性和可行性.     

基于小波分解的岩石破坏次声信息特征研究

次声探测是近年来在自然灾害临灾预警领域兴起的一种新方法,具有广阔的前景。为了研究岩石破坏次声信息特性,在室内试验的基础上采集了砂岩试件破坏前的次声信号,借助小波分析方法对信号的能量特征进行了分析。结果表明:岩石变形破坏次声信号能量主要集中在4～8 Hz的中频带和8～16 Hz的高频带两个频率范围内,中频带能量大于高频带能量,同时在低频带0～4 Hz内也存在一定的能量分布。随着岩石变形破坏程度的增加,次声信号的中低频带能量在相对减少,在岩石临近破坏前,次声信号的中低频带能量与高频带能量的比值接近1。上述特征的发现,为岩石破坏次声信号识别以及破坏前兆预警提供了重要依据。     

改进粒子滤波在汽轮机故障诊断中的应用

针对汽轮机的振动信号容易受到较为复杂的随机噪声污染,提出了一种改进粒子滤波的振动信号降噪方法;首先建立采集振动信号的数学模型,将其作为粒子滤波的状态方程;然后利用小波分析提取采集振动信号的背景噪声,将其和状态信号一起作为观测信号,得到观测方程,把降噪问题转化成在状态空间模型下的滤波问题;由于采用序贯重要性采样的粒子滤波存在着样本退化问题,在重采样阶段采用了一种权值排序、优胜劣汰的重采样算法,就是对各粒子的归一化权值从小到大的排列顺序,并根据权值方差大小淘汰粒子,从而得到了改进的粒子滤波算法,在一定程度上解决了标准粒子滤波的退化问题;进而运用改进粒子滤波算法对振动信号进行降噪处理,降噪前信号和降噪后信号分别通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征向量浓缩了汽轮机振动故障的全部信息,对提取的故障特征向量应用诊断识别算法进行故障模式识别;通过对比降噪前信号和降噪后信号的故障诊断识别率,证明了改进粒子滤波在汽轮机故障诊断中的应用效果更佳。     

基于小波分析的最优故障特征提取研究

针对因模拟电路的故障模型复杂、有容差、非线性等导致的模拟电路故障特征提取难度大、严重依赖于专家的经验的现状,对基于小波分析的模拟电路最优故障特征提取技术进行了研究。以四运放电路为实验基础,采用Morlet和Haar两种小波基分别从不同的维度上做数据预处理,能量化、归一化后组成故障特征,而后通过克隆选择算法的诊断结果分析对比特征提取的效果。实验结果为通过两种小波基提取的故障特征在不同的情况下达到最高故障诊断率均接近89%,表明基于两种小波基的故障特征提取技术都是优秀可用的,以及单点采样数据的有效性;同时实验结果还反映了模拟电路故障特征的详细程度与诊断正确率成正比例关系。这对实际复杂模拟电路的故障特征提取具有指导性的意义。     

基于B/S结构的分布式风电监控系统设计

为解决风力发电系统分布不集中,各品牌的风力发电系统的监控设备不统一的问题,开发了一种基于B/S结构的风力发电监控系统。系统采用三层B/S软件架构思想,由客户端浏览器、Web服务器端以及数据库服务器组成。利用ASP.NET技术实现对风电现场的实时监控和利用小波神经网络实现对风机的故障诊断等功能。该监控系统具备跨平台运行能力,降低了监控系统对客户端的要求,对不同风电现场具有整合监控能力,同时该监控系统诊断功能能提高风机维护针对性,有效的减少维护时间。     

含有误差校正的小波神经网络交通流量预测

交通流量的准确预测对于高速路管理者进行决策至关重要。建立了小波神经网络(WNN)交通流量预测模型,并通过预测训练误差和测试误差校正预测结果来提高预测精度。首先构建WNN模型对交通流量进行初步预测,然后利用经验模态分解(EMD)和WNN模型对训练误差和测试误差进行预测。分别用训练误差预测值、测试误差预测值和两种误差预测值的加权对流量初步预测结果进行修正得到最终预测值。采用四川省成灌高速路交通流量数据进行了仿真对比实验,仿真结果表明含有误差校正的小波神经网络模型能有效提高交通流量预测精度,并且利用两种误差加权修正模型的预测精度高于利用测试误差的修正模型和利用训练误差的修正模型。     

离散小波变换耦合静电场理论的图像快速伪造检测算法

为了解决当前图像伪造检测算法主要是在图像空域中定位伪造区域,难以降低图像维数,使其复杂度大;且不能有效检测几何变换篡改形式的伪造区域,导致其鲁棒性不佳的不足,本文提出了离散小波变换耦合静电场理论的图像伪造检测算法。首先,引入离散小波变换,提取伪造图像的低频子带,降低图像空间;再基于静电场理论,将提取子带映射到虚拟电场中,提取鲁棒性较强的特征,利用Radix排序算法对特征完成重组,形成特征矩阵;最后,定义相同仿射变换,并用其处理排序矩阵,完成伪造区域检测。实验测试结果显示：与当前的移动复制伪造检测技术相比,本文算法具有更高的定位效率与检测精度;同时拥有较强的鲁棒性,有效抗击几何变换篡改。     

基于小波和小波包变换的苯丙酮尿症傅里叶变换衰减全反射红外光谱筛查模型的研究

应用小波和小波包变换对傅里叶变换衰减全反射红外光谱(FTIR/ATR)进行去噪处理,以提高苯丙酮尿症(PKU)筛查模型的性能。首先优化小波和小波包变换的参数,然后分别对原始光谱(OS)、9点平滑光谱(9S)和一阶微分9点平滑光谱(1D9S)进行去噪处理,以均方根误差(RMSE)、平均相对误差(MRE)、预测准确率(Acc)等为指标,考察小波和小波包变换对模型性能的影响。结果与变换前相比,模型性能均有所提高,其中小波变换以1D9S+sym12处理结果为最优,而小波包变换以1D9S+sym1为最优;Acc全部提高为100%。     

多尺度多重向量值双正交小波的构建算法与性质

研究多尺度多重向量值双正交小波的构建算法与性质.运用向量细分格式、矩阵理论和多重向量值多分辨分析,证明了与一对给定的多尺度多重向量值双正交尺度函数对应的多尺度多重向量值双正交小波函数的存在性.提出了紧支撑多尺度多重向量值双正交小波的构造算法.讨论了多尺度多重向量值小波包的性质,得到了多重向量值小波包的双正交公式与向量值小波包基.