小波包分解

摘要： 针对矿井提升机在井下恶劣环境中工作易发生故障,且故障主要依赖于人工检测的问题,提出了一种基于WPCE-CNN的音频感知提升机健康状况研究.首先,通过小波包分解获取音频信号的二维系数特征矩阵,然后输入具有批量归一化层(BN)和Relu非线性激活层的Block层卷积神经网络(CNN)进行分类识别.最后,实验结果表明,本文提出的WPCE-CNN音频感知提升机健康状况的故障分类研究,准确率高于传统卷积神经网络,达到97.7％,能有效地进行提升机音频信号提取及故障诊断分类任务,此研究在降低人力和物力成本的同时,提高了工作人员的安全性和生产效率.

摘要： 以便携式回放设备的语音为代表的假冒语音攻击,给说话人识别系统带来了严峻的挑战。针对这种回放语音攻击问题,论文提出一种基于小波包的多频带回放语音鉴别算法。首先,通过小波包分解及重构后的信号进行傅里叶变换,取每一帧频谱的最大值;然后,利用对数运算以及离散余弦变换(DCT)来得到鉴别特征;最后,使用高斯混合模型(GMM)作为分类器进行假冒语音判别。实验表明,该检测算法能有效地鉴别回放语音。

摘要： 针对单一生理信号特征信息不足以及个体特异性与全局阈值不匹配导致的情绪识别正确率低的问题,提出了一种改进的Relief F匹配多生理信号特征选择算法。通过小波包分解多生理信号并重构与情绪相关的6个波段,以及经验模态分解提取基于小波系数和重构信号本征模函数分量的8类特征;使用Relief F算法先获得优选特征组,再构建优化特征组权重获得全局最优匹配特征组,以及与其对应的匹配通道;并采用概率神经网络结合全局最优匹配特征组训练情绪分类模型。结果表明:该方法能够较好地对愉悦、愤怒、放松、悲伤4类情绪进行分类,其平均识别正确率分别为90.89%、85.39%、82.81%、87.56%,对比单一生理信号平均提升了1.76%,验证了此方法的有效性。

摘要： 提出一种基于鲸鱼算法优化极限学习机的微电网故障诊断方法。首先利用小波包分解对三相故障电压进行分析,计算小波包能量熵组成特征向量作为数据样本;然后通过鲸鱼算法优化极限学习机建立诊断模型对故障类型进行识别和诊断。最后利用鲸鱼算法优化极限学习机的输入权值和隐层神经元阈值,解决了输入权值和隐层神经元阈值随机初始化易影响网络性能的问题,可进一步提高网络的学习速度和泛化能力,有利于进行全局寻优。仿真结果表明,与BP神经网络、RBF神经网络和ELM相比,基于鲸鱼算法优化极限学习机建立的故障诊断模型学习速度更快、泛化能力更强、识别精度更高。

摘要： 现有的变压器故障诊断方法较为复杂且计算冗余度较高,在高压变频器的功率单元频繁发生故障时难以高效地检测故障。为此,提出基于迭代退火算法的高压变频器功率单元频繁故障诊断方法。采用小波包分解方法提取高压变频器功率单元的电压信号特征熵,将该特征熵输入到支持向量机模型。使用迭代退火算法优化支持向量机的训练参数,并输出诊断结果。研究结果表明:该方法提取的高压变频器单元故障的平均冗余度最低至3.2%,平均诊断时间为15.1 ms,可实现高压变频器功率单元频繁故障的高效诊断。

摘要： 为提高径流时间序列预测精度,提出小波包分解(WPD)与奇异谱分解(SSA)-鼠群优化(RSO)算法-回声状态网络(ESN)相混合的径流时间序列预测方法。分别利用WPD和SSA将非平稳径流时间序列分解为若干子序列,有效降低径流时间序列的复杂性;介绍RSO算法原理,在不同维度条件下选取6个典型函数对RSO算法进行仿真测试;利用RSO算法对ESN储备池规模、稀疏度等超参数进行优化,建立WPD-RSO-ESN、SSA-RSO-ESN模型,并分别构建WPDRSO-SVM、WPD-ESN、WPD-SVM和SSA-RSO-SVM、SSA-ESN、SSA-SVM作对比分析模型;利用云南省江边街水文站1957-2014年逐月径流时间序列数据对8种模型进行检验及对比分析。结果表明:RSO算法在不同维度条件下均具有较好的寻优精度和全局搜索能力。WPD-RSO-ESN、SSA-RSO-ESN模型对实例后10年120个月月径流时间序列预测的平均绝对百分比误差分别为2.73%、3.90%,预测精度优于同一分解条件下的其他模型。RSO算法能有效优化ESN网络超参数,提高ESN网络的预测性能。WPD对径流时间序列数据的分解效果优于SSA方法。

摘要： 为了保证光伏电力系统可靠运行,研究基于脉冲涡流技术的光伏电压互感器信号故障检测方法。选取磁敏传感器霍尔元件UGN3503与激励线圈组合,作为脉冲涡流技术的检测探头。检测探头激励出脉冲涡流,感应到光伏电压互感器的电压信号,并传送至上位机。上位机利用小波阈值收缩法去噪处理采集的光伏电压互感器信号,利用小波包分解方法处理去噪后信号,获取光伏电压互感器信号的多尺度空间能量。设置多尺度空间能量作为光伏电压互感器信号特征,将所提取特征输入优化的支持向量机中,利用支持向量机检测光伏电压互感器信号故障。实验结果表明,脉冲涡流技术的激励频率为0.3Hz,方波占空比为60%时,可以有效检测光伏电压互感器的单相短路、两相相间短路等信号故障,提升光伏电力系统的运行可靠性。

摘要： 柴油发动机在运行过程中,其气门间隙会随其性能状态退化发生改变,为了解决传统的健康状态评估方法健康指标确定困难、权重人为经验依赖性大的问题,提出一种基于深度学习的柴油机气门健康状态评估方法。首先通过小波包分解算法对柴油机缸盖振动信号进行分解,对分解得到的节点信号分别提取常见的14个时域特征和小波包分解信号能量比向量,构建多维综合健康评估指标向量。然后基于一维卷积神经网络(one-dimensional convolutional neural network,1DCNN)构建健康状态评估模型,将得到的健康评估指标向量输入模型中进行训练与健康状态评估。通过柴油机实验台开展气门退化模拟实验验证了该方法的有效性,与传统方法相比解决了健康指标的筛选问题以及人为主观经验带来的影响,并具有更好的健康状态评估效果。

摘要： 针对雷击引起的暂态高频分量易造成高压直流输电线路保护误动作的问题,通过PSCAD软件建立了高压直流输电线路的雷击故障模型。首先分析不同故障情况下的暂态过程,利用小波包算法分解重构得到电压突变量的不同频段瞬时能量信号。然后计算各频段瞬时能量信号的波动指数组成雷击故障特征样本集。最后结合鲸鱼优化算法WOA(whale optimization algorithm)和集成学习(Adaboost.M2)建立WOA-Adaboost.M2模型,并利用雷击故障特征样本集对WOA-Adaboost.M2模型进行训练和测试。仿真结果表明:该方法能在不同故障距离和不同雷电流幅值下准确识别雷击干扰、雷击正极故障、雷击双极故障和普通接地故障,受故障距离、过渡电阻和雷电流幅值等因素影响较小。

摘要： 针对电力电子电路故障类型多、诊断正确率低的问题,提出基于小波包分解和粒子群算法优化概率神经网络的方法。建立三相桥式全控整流电路仿真模型,利用小波包分解技术对故障电压信号进行三层小波包分解与重构,提取特征值,并对数据进行归一化处理;用粒子群算法优化概率神经网络寻找合适的平滑因子,对数据进行训练和诊断;将该方法与未优化的概率神经网络作对比。仿真结果表明,该方法在训练效果和诊断正确率上都要优于未优化的概率神经网络。

摘要： 次声监测技术是监测大气层和浅地表核试验的有效手段,根据不同次声源的声源特性寻找有效的特征提取方法以实现可靠的分类判别,成为禁核试次声监测中的关键问题.基于次声信号的非平稳特性,文中提出了利用小波包分解的方法对次声信号进行了特征提取研究.在对次声信号进行小波包分解的基础上,提取了其小波包分量比和小波包分量特征,进而利用Fisher分类器对各类次声信号特征的分类性能进行分析.研究结果表明:在小波基函数db4下,小波包分量比特征U30/U31、U30/U32、U30/U33对于核爆与化爆次声信号的可分性较好,小波包分量特征U32能够将核爆与其它各类次声信号有效分开.

摘要： 车内低频噪声一直是汽车NVH研究关注的重点问题,常需要找到对噪声影响较大的振动结构进行改进,但是振动对场点的贡献并不能代表对整个声场噪声的贡献量.针对多峰值多场点的车内声场问题,引入“总相干系数”和“相干系数和”的概念对现有的偏相干分析方法进行改进.对某型客车的车内噪声进行小波包分解,得到了车内声场的声学特性,确定了研究的频率范围.通过对各板件振动与车内测点噪声信号进行偏相干分析,确定了对车内声场影响较大的结构,并在实车上实施了改进措施.结果表明,车内噪声测点声压级降低0.5～2dB,为有效降低客车车内噪声提供了指导方向。

摘要： 为了提取更为有效的滚动轴承故障特征,提出了奇异值分解(SVD)与经验模态分解(EMD)、小波包分解(WPD)相结合的特征提取方法.首先采用EMD或WPD方法分析滚动轴承振动信号,并用得到的分量构造Hankel矩阵;然后对构造的矩阵进行奇异值分解,并选取前s个较大的奇异值作为其有意义的特征量;最后拼接各个分量对应的奇异值,组成能反应信号特征的特征向量.并用仿真信号和实际信号验证了该方法的优越性和适应性.

摘要： 为了检测列车平轮故障,从振动加速度信号中提取故障特征,结合小波包分解理论,提出了一种平轮检测的新方法.引入能量理论,对小波包分解重构信号进行分频段求取能量值,并将求得能量值写成向量形式,根据相关系数的概念,求取各小波包能量向量的相关系数,以判断平轮故障的存在.并设计振动加速度采集系统,通过试验对该方法进行了验证.结果表明该方法是一种有效的平轮故障检测方法.

摘要： 在复杂的背景噪声环境下,基于近似熵理论,利用机动车行驶中辐射的声信号对车辆类型进行识别研究.近似熵具有抗干扰能力强的特点,可用于提取动态背景噪声下机动车声信号的车型特征信息.首先,对声信号进行3层小波包分解;然后利用近似熵量化各子频带信号的不规则性,描述其不同的变化趋势以区别车辆类型.最后,将分解后的8个子频带信号的近似熵相邻比值作为信号的特征向量,输入到支持向量机进行车型分类,实验结果证实了所提方法的可行性和有效性.

摘要： 针对航空发动机目前采用加速度传感器采集信号会引入加性噪声而影响混叠信号盲分离效率的问题,提出了基于小波-非线性独立分量分析(ICA)的信号盲分离与特征提取方法.首先利用小波去噪技术消除加性噪声的影响;然后通过径向基网络(RBF)结合线性ICA算法估计去噪信号的非线性混合解混函数,实现信号的非线性盲分离,得到发动机振动故障的关键信号源;最后利用小波包分解提取分离信号的统计特征,应用RBF网络分类器对故障类型进行智能识别.对某型涡扇航空发动机的实际故障振动信号进行实验分析,结果表明:所提出的非线性盲分离模型能够从含有加性噪声的混合信号中提取故障源,得到故障信号可靠的特征,且故障检测精度比传统线性盲分离技术至少提高了4.4％,取得较好的故障诊断效果.

摘要： 本文介绍了小波包分析的基本理论以及小波包信号降噪的原理及步骤,然后用该方法对雷声信号进行降噪处理.在去噪过程中先对雷声信号进行小波包分解,然后对于给定的熵标准确定最优小波包基,再选择一个恰当的阈值对每一个小波包分解系数进行阈值处理,最后对信号进行小波包重构,完成降噪处理.

摘要： 针对常规存储式电子压力计入井后只能按固有频率采样、存储,导致存储空间有效数据占用率低、数据处理量大、井下无线数据传输困难等问题,提出一种自适应存储式电子压力计设计方法,通过对压力计处理电路、机械结构的重新设计并研究基于小波包和经验模态分解的自适应存储算法,对地层测试过程中采集的压力、温度数据按照施工作业阶段进行划分,根据分类结果自主设定当前阶段的采样、存储频率,实现井下压力、温度数据的变频率采样和存储.对设计完成的自适应存储式电子压力计进行了功能试验并对自适应存储算法进行了实测数据验证,结果表明,自适应存储式电子压力计能够自主识别所处施工作业阶段并进行变频率压力、温度信息的采样、存储,存储数据量降至常规电子压力计的50％以下,降低了后续数据处理的工作量及压力计自身功耗,为压力、温度数据的无线传输奠定了基础.

摘要： 针对常规存储式电子压力计入井后只能按固有频率采样、存储,导致存储空间有效数据占用率低、数据处理量大、井下无线数据传输困难等问题,提出一种自适应存储式电子压力计设计方法,通过对压力计处理电路、机械结构的重新设计并研究基于小波包和经验模态分解的自适应存储算法,对地层测试过程中采集的压力、温度数据按照施工作业阶段进行划分,根据分类结果自主设定当前阶段的采样、存储频率,实现井下压力、温度数据的变频率采样和存储.对设计完成的自适应存储式电子压力计进行了功能试验并对自适应存储算法进行了实测数据验证,结果表明,自适应存储式电子压力计能够自主识别所处施工作业阶段并进行变频率压力、温度信息的采样、存储,存储数据量降至常规电子压力计的50％以下,降低了后续数据处理的工作量及压力计自身功耗,为压力、温度数据的无线传输奠定了基础.

摘要： 针对常规存储式电子压力计入井后只能按固有频率采样、存储,导致存储空间有效数据占用率低、数据处理量大、井下无线数据传输困难等问题,提出一种自适应存储式电子压力计设计方法,通过对压力计处理电路、机械结构的重新设计并研究基于小波包和经验模态分解的自适应存储算法,对地层测试过程中采集的压力、温度数据按照施工作业阶段进行划分,根据分类结果自主设定当前阶段的采样、存储频率,实现井下压力、温度数据的变频率采样和存储.对设计完成的自适应存储式电子压力计进行了功能试验并对自适应存储算法进行了实测数据验证,结果表明,自适应存储式电子压力计能够自主识别所处施工作业阶段并进行变频率压力、温度信息的采样、存储,存储数据量降至常规电子压力计的50％以下,降低了后续数据处理的工作量及压力计自身功耗,为压力、温度数据的无线传输奠定了基础.

摘要： 本发明利用小波包分解和相关分析的小电流接地系统故障选线方法，属电力系统继电保护技术领域。本方法为：当母线零序电压瞬时值越限时，故障选线装置立即启动并录波，获取各馈线暂态零序电流；小波包分解后先求出各线路暂态零序电流在各频带上的能量，再按频带将所有线路暂态零序电流的能量求和，选择能量和值的最大值和次大值所在的频带为特征频带。依次在选定的特征频带上对线路暂态零序电流应用相关分析法，最后综合两个频带的相关分析结果确定故障点。本方法应用小波包分解和相关分析方法，能更加有效地利用故障暂态过程中包含的信息(幅值、相位)，能最大限度地反映故障线路和非故障线路的区别。原理分析和仿真表明，该方法选线准确、可靠。

摘要： 本发明属于刀具状态监测相关技术领域，其公开了基于小波包分解和深度学习的刀具磨损实时预测方法，包括以下步骤：(1)同步采集工件加工过程中的相关传感器信号，并选取其中稳定的信号段作为待分析的信号段，同时扩充待分析信号样本以增加样本量；对待分析信号进行小波包分解变换，以得到多个小波包系数二维矩阵；(2)小波包系数二维矩阵对应都作为一个特征提取CNN模型块的输入，并将每个特征提取CNN模型块输出的一维特征矩阵拼接成更长的一维矩阵，进而进行特征融合并建立两层全连接网络，由此得到卷积神经网络模型；(3)将待分析的信号数据输入到所述卷积神经网络模型中，以实时预测刀具的磨损量。本发明能降低成本，且适用性强。

摘要： 本发明公开一种基于小波包分解权值模糊熵与ELM的轴承故障分类方法及装置，首先获取滚动轴承在正常和故障状态下驱动端加速度的时间序列数据，通过小波包分解得到该时间序列数据各频段在时域上的特征信号；然后，对特征信号进行权值模糊熵计算，得到滚动轴承在正常和故障状态下的各组特征值；最后，将滚动轴承在正常和故障状态下的各组特征值进行分类标记并合并，用于ELM神经网络的训练，使ELM神经网络能够识别滚动轴承的正常和故障状态。本发明减小了ELM神经网络训练的计算量以及训练时间，计算相对方便，且故障分类采用故障标签，显示直观便于观察；且可以用于多种机器学习的人工智能方法进行故障诊断，拓展性好。

摘要： 本发明公开了发明基于局部投影与小波包分解的机电系统信号组合降噪方法，首先利用互信息法和Cao方法计算时间序列最佳延迟时间和最佳嵌入维数，重构出时间序列的高维相空间，先利用递归图方法计算合适的邻域半径，采用局部投影方法对相空间流形结构进行多次修复，并根据关联维数的变化来判别最佳的修复效果，同时在局部投影降噪的基础上采用小波包降噪方法从频域进行降噪，抑制高频噪声干扰，得到较为光滑的流形曲线，取得更好的降噪效果。本方法同时兼顾了动力学系统流形结构的修复和频域的降噪，对于信噪比为5‑25dB的中高强度噪声有很好的降噪效果，本方法对于中高强度噪声的抑制优势，可以得到较好的发挥。

摘要： 本发明提供一种基于小波包分解和优选剔除分类策略的轴承故障诊断方法，包括采集机械设备健康状态及故障状态下的振动信号数据，作为原始数据集；对振动信号进行三阶小波包分解，提取出每段信号的低频分量与高频分量，构建训练样本集和测试样本集；计算各不同状态下各故障的类间距离与类内距离，将二者之比进行降序排列；训练用于故障诊断分类的分类器，在进行测试时，诊断出排序靠前的几种故障，将其剔除出测试样本集，再诊断排序靠前的几种故障，直到诊断完毕。本发明通过小波包分解方法对振动信号进行降噪，按照类间与类内距离的比值依次诊断出测试集中的故障，显著提升了故障诊断的准确率，适用于基于数据驱动的各类机械设备的故障诊断中。

摘要： 本发明公开了一种基于小波包分解和神经网络的直梯振动过大故障诊断方法。本发明针对的是直梯，综合运用小波包分解法和全连接神经网络，基于电梯加速度信号对电梯振动过大故障进行诊断。本发明考虑了电梯加速度信号在实际环境中的非平稳性，利用小波包分解将加速度信号分解为子信号，再对子信号提取时频域特征，将其组合成特征向量，最后利用全连接神经网络根据加速度信号的特征向量对正样本和负样本进行二分类处理，建立能够识别正样本和负样本的模型，用于在线故障诊断。该方法实现了针对直梯振动过大故障的有效实时诊断，具有较好的诊断效果，保障了载人电梯运行过程中的安全性，减少了事故的发生。

摘要： 本发明属于信号处理和模式识别技术，具体公开一种基于模糊小波包分解的小波特征提取方法，取平稳信号或非平稳信号为信号样本，包括对已标明类别的信号样本的训练过程和新未知类别的信号样本的特征提取过程，以训练过程为主体；即通过训练过程找最优小波分解Ω

摘要： 本发明利用小波包分解和相关分析的小电流接地系统故障选线方法，属电力系统继电保护技术领域。本方法为：当母线零序电压瞬时值越限时，故障选线装置立即启动并录波，获取各馈线暂态零序电流；小波包分解后先求出各线路暂态零序电流在各频带上的能量，再按频带将所有线路暂态零序电流的能量求和，选择能量和值的最大值和次大值所在的频带为特征频带。依次在选定的特征频带上对线路暂态零序电流应用相关分析法，最后综合两个频带的相关分析结果确定故障点。本方法应用小波包分解和相关分析方法，能更加有效地利用故障暂态过程中包含的信息(幅值、相位)，能最大限度地反映故障线路和非故障线路的区别。原理分析和仿真表明，该方法选线准确、可靠。

摘要： 本发明涉及一种基于小波包分解和LDA降维的整流器故障诊断方法，包括以下步骤：将整流桥输出电压作为采样信号，对采样信号进行小波包变换分解7层后得到128个频段的能量指数，将能量指数作为中间特征向量并采用线性判别分析(LDA)技术将中间特征向量映射至三维空间得到新的含三个特征的最终特征向量，再使用支持向量机对最终特征向量进行分类诊断，利用灰狼算法对支持向量机分类器完成向量机内部的参数寻优以增强分类能力，最终获得分类诊断结果。利用MATLAB软件进行仿真发现，三相全桥整流器的故障诊断效率达到了100％，具备很好的适应性，对其他类型的电子电路诊断也具有借鉴意义，具备规模性应用的价值。

摘要： 本发明是一种基于小波包分解和1D‑CNN的继电器寿命预测方法，包括步骤1进行熔焊实验，监测并存储电磁继电器的敏感参数；步骤2：利用小波包分解对继电器敏感参数进行分解和重构，提取数据中的时频特征；步骤3：对经过步骤2处理过的数据添加剩余寿命标签，划分训练集、验证集和测试集，并打乱数据的排列方式；步骤4：建立以1D‑CNN为基础的深度学习寿命预测模型，确定学习率、激活函数、损失函数和模型结构，建立多个平行对照组，选取最优模型；步骤5：保存最优的模型与超参；步骤6：利用深度学习寿命预测模型对测试集进行寿命预测。本发明解决了现有的电磁继电器寿命预测模型提取数据特征困难的缺陷，提高了模型的预测精度。