小波包能量谱

摘要： 为解决传统污秽检测方法对输电线路绝缘子污闪防治的局限性,通常采用非接触式、高分辨率的高光谱技术研究污秽在线检测技术。为有效提取反应污秽度的光谱特征,削弱冗余与干扰信息的影响,文中提出一种基于小波包能量谱特征优化的绝缘子污秽等级识别技术。首先,对不同污秽等级的绝缘子样品的光谱图像进行背景分割,提取均匀覆污区像素点的光谱均值曲线;其次,对不同图像的光强均匀度差异、环境噪声进行预处理,并通过对数变换提升不同污秽等级间的可区分性;再次,对预处理后的光谱曲线进行小波包能量谱特征提取;最后,基于所提特征建立基于支持向量机(SVM)的污秽等级识别模型。实验结果表明,相比于采用全波段数据或主成分分析(PCA)特征数据作为输入,基于小波包能量谱特征建立的SVM污秽等级识别模型对样品识别准确率更高,可以达到99.8%。

摘要： 为了实现对航天器在轨泄漏漏孔形状的准确辨识,提出基于小波包能量谱和支持向量机的航天器在轨泄漏辨识方法。首先分析圆形、长方形、正三角形3种典型形状漏孔之泄漏信号的频域特点,之后运用小波包能量谱提取不同形状漏孔泄漏信号的特征值,最后运用提取的特征值配合支持向量机建立辨识模型,实现对漏孔具体形状的辨识。对该辨识方法进行试验验证,将3种形状的漏孔分为A、B两组,利用A组漏孔进行泄漏信号特征值提取与辨识模型的训练,再对B组漏孔进行辨识准确率测试;结果表明该方法可以实现对不同形状漏孔的辨识,在合适的小波包分解层数下,总体辨识准确率可达95.9%。

摘要： 针对碳纤维复合材料气瓶的损伤在线监测问题,按照Ⅲ型瓶缠绕结构,制作缠绕方式及厚度尺寸一致的层合板进行冲击过程的声发射检测研究。通过将小波包能量谱分析法应用到冲击损伤过程中获得的声发射信号,得到不同冲击能量下的声发射信号能量谱分布。与超声扫描获得的B扫图像对比表明,小波包能量谱的分布规律能较好表征层合板的损伤类型,同时可获得CFRP层合板不同损伤类型的声发射频率特性。

摘要： 本文采用小波包能量谱的方法进行钢框架结构损伤研究,通过有限元模拟得到结构损伤前后的加速度响应信号,进行小波包分解,提取对结构损伤敏感的特征频带,在此基础上建立结构损伤识别指标,并研究指标的损伤敏感性和噪声鲁棒性.研究表明:结构的自振频率对钢框架结构的损伤不敏感,而能量比变化和损伤识别指标能够有效地发现钢结构不同程度的损伤.损伤初期能量比偏差的识别效果优于能量比方差,但能量比方差对损伤累计更为敏感.损伤识别指标对不同损伤位置敏感程度不同,梁柱节点处大于梁跨中部,并且相同损伤位置,不同加速度提取节点所计算的损伤指标不同,在损伤位置处计算得到的损伤识别指标值最大.在这过程中,损伤指标的灵敏性会与信噪比成正比关系,抗干扰能力也会随之有所提升.就能量比而言,其偏差的抗噪声干扰能力要远远低于方差.

摘要： 在机械结构发生损伤时,振动信号的频谱能量将表征机械结构损伤的类型及其位置等信息;引入小波包能量谱来判断机械结构的损伤类型,定义机械结构损伤的小波包能量谱评价因子,利用该因子可以判断机械结构的损伤位置;悬臂梁结构损伤诊断实验表明,该方法可以有效地识别悬臂梁结构的损伤类型及其位置等信息.

摘要： 基于拉-拉疲劳试验,在线监测了试件关键部位的声发射信号在不同疲劳循环次数下的变化.通过对声发射监测信号进行统计分析、小波包能量谱分析和小波熵特征提取,确定了反映疲劳损伤的声发射特征参数为幅值、电压、高频能量占比和小波熵值,结果表明:所提取的特征参数均将整个疲劳过程划分为初始、中间和后期3个阶段,较好地反映了疲劳寿命循环的裂纹萌生、裂纹稳态扩展和裂纹失稳扩展3个阶段,可用于不同疲劳寿命区间的预测.

摘要： 针对冰雹监测难和冰雹灾情不易估计的问题,结合声信号的时域、频域特点,采用时域、频域和小波域相结合的特征提取方法,将熵值法与广义回归神经网络(GRNN)相结合,提出一种基于熵值法特征筛选的GRNN降雹识别方法.对采集的降雹和降雨声信号提取时域特征、频域特征和小波包能量谱特征,采用熵值法确定各特征的权重大小,剔除权重较小的特征项并进行特征融合组成新的特征子集,将特征子集输入GRNN进行预测识别.试验结果表明,该方法能够有效识别冰雹,且特征筛选后的识别率高达97.8276％,相较未进行特征筛选的特征集,识别率提高了近10％.

摘要： 为增强轴承退化特征信息,提高广义回归神经网络(Generalized Regression Neural Network,GRNN)的预测精度,提出了一种基于小波包能量谱和改进FOA-GRNN的轴承剩余使用寿命预测方法.首先,为提取和增强轴承退化特征,采取小波包能量谱对轴承振动信号进行分解,生成频带能量谱,以能量谱信息构建轴承退化特征;其次,为提高果蝇优化算法(Fruit Fly Optimization Algo-rithm,FOA)的寻优能力和寻优效率,提出了一种多种群自适应果蝇优化算法,引入自适应惯性权重,并应用于广义回归神经网络参数优化;实验结果表明,基于文中退化特征相比时域、频域特征,提高了预测精度,改进FOA-GRNN与FOA-GRNN、MFOA-GRNN、IFOA-GRNN相比具有较高的寻优精度和寻优效率.

摘要： 随着城市化的进程,桥梁结构作为城市交通的重要组成部分,其建设、运营以及正常运转至关重要.随着服役时间的增长,桥梁结构将不可避免地发生局部损伤,若不进行检测与维护必会留下安全隐患、导致城市交通系统的瘫痪.因此,大型桥梁结构的健康监测系统成为研究热点.结合桥梁结构的特点,提出一种移动荷载作用下基于分布式识别策略的桥梁结构损伤定位方法,研究结果表明,基于小波包能量谱的损伤识别方法,能够识别出结构损伤位置,并能大致判断结构损伤程度,为桥梁结构的健康监测的后续研究提供思路.

摘要： 对地面交通下北宅子中院主厅楼木结构提出小波包能量变化率损伤识别指标.研究表明:该指标对于北宅子中院主厅楼木结构的损伤比较敏感,可准确地判定结构损伤出现的位置,指标值随着损伤程度的增大而增大,研究成果为交通激励下古建筑木结构的损伤识别奠定理论基础.

摘要： 介绍了小波包能量谱的基本原理及小波包分解的频带分布规律,基于可液化场地上三拱立柱式地铁地下车站结构大型振动台试验,采用Matlab软件对拱式地铁地下车站结构加速度信号进行了7层小波包分解,获取了不同地震动作用下,地铁车站加速度响应在不同子频带上的能量分布特性.结果表明:小波包分解频带分布规律遵循二进制变换原理.地铁地下车站结构动力响应的能量主要集中在前32阶子频段上,0.5g松潘、Taft地震动作用下,加速度响应出现了低频带能量概率显著上升、高频带能量概率明显减少的现象,各特征频带的能量分布随着传感器位置的不同,呈现出一定的变化.

摘要： 本文详细讨论了采用小波包能量谱对大坝监测量表征的系统进行解耦及子系统建模的方法。对于解耦及建模过程中小波最佳分解尺度的选择，子系统的建立，预测模型的选择和噪声的处理等方面的问题进行了探讨。通过具体实例说明了建模的过程，验证了模型在大坝监测数据预测方面的良好效果。

摘要： 针对滚动轴承噪声的特点:振动频率多集中在中高频,频谱为连续谱,成分复杂,特别是新轴承的噪声信号不明显,判断非常困难.本文运用正交小波包能量谱,通过引入能量百分比系数对轴承故障所在频段进行判断,得到的正交小波包分解更适合于分析新轴承的噪声缺陷分析.再通过重构小波包分解后的信号确认轴承的缺陷.运用此种方法对汽车空调器轴承进行分析,成功地辨识出轴承工作表面存在的缺陷.

摘要： 断路器的机械结构复杂,单一类型特征难以区分多个机械故障.为此本文提出一种基于多特征类型的振动信号处理方法:将信号进行小波包分析,计算各波形的能量谱;通过互相关函数,比较不同故障工况下信号对比正常信号的延时时间.实验表明,本方法能有效区分多种高压断路器的机械故障.

摘要： 断路器的机械结构复杂,单一类型特征难以区分多个机械故障.为此本文提出一种基于多特征类型的振动信号处理方法:将信号进行小波包分析,计算各波形的能量谱;通过互相关函数,比较不同故障工况下信号对比正常信号的延时时间.实验表明,本方法能有效区分多种高压断路器的机械故障.

摘要： 断路器的机械结构复杂,单一类型特征难以区分多个机械故障.为此本文提出一种基于多特征类型的振动信号处理方法:将信号进行小波包分析,计算各波形的能量谱;通过互相关函数,比较不同故障工况下信号对比正常信号的延时时间.实验表明,本方法能有效区分多种高压断路器的机械故障.

摘要： 断路器的机械结构复杂,单一类型特征难以区分多个机械故障.为此本文提出一种基于多特征类型的振动信号处理方法:将信号进行小波包分析,计算各波形的能量谱;通过互相关函数,比较不同故障工况下信号对比正常信号的延时时间.实验表明,本方法能有效区分多种高压断路器的机械故障.

摘要： 断路器的机械结构复杂,单一类型特征难以区分多个机械故障.为此本文提出一种基于多特征类型的振动信号处理方法:将信号进行小波包分析,计算各波形的能量谱;通过互相关函数,比较不同故障工况下信号对比正常信号的延时时间.实验表明,本方法能有效区分多种高压断路器的机械故障.

摘要： 本发明公开了一种小波包能量谱法损伤识别方法。本发明采用Daubechies小波作为小波包能量谱损伤预警的小波函数，用lp范数熵标准作为代价函数来确定Daubechies小波的阶次；在确定小波函数和分解层次后，则通过小波包对结构动态响应信号进行分解从而构造结构损伤特征指标，分别提取各组激励信号下结构健康状态小波包能量比Ih；根据Ih求得相对于其平均值的损伤预警指标ERVD；以虚拟脉冲响应函数作为小波包分解对象，分别求得在各组激励信号下结构损伤状态下的小波包能量比Id；最后求得Id相对于Ih的损伤预警指标ERVD。本发明无需在线长时间观测，且对结构的累积损伤有更好的识别。

摘要： 本发明公开了一种基于外部激振和小波包能量谱的岩土体失稳灾害监测预警方法，属于岩土工程监测技术领域。本发明基于岩土体质量等级进行稳定性分区，选择岩土体稳定性监测点；在岩土体稳定性监测点处布置三轴加速度传感器；采用施工(生产)爆破或敲击激振的方式施加外部激振，三轴加速度传感器拾取外部激振的冲击波响应信号；对外部激振的冲击波响应信号小波包分解，分别计算三轴加速度传感器三个方向的小波包频带能量比；计算各监测点各方向的失稳预警指标即能量比累积变异P，分析其变化趋势，对岩土体稳定性进行评价与预警。

摘要： 本发明公开了一种基于小波包能量谱的推扫式遥感相机自动对焦方法，包括如下步骤：首先灰度图像转换和亮度归一化预处理；其次对图像进行四层小波包分解，选取与相机运动方向垂直的频域频段小波系数矩阵；然后计算各频段小波包能量谱指数值及清晰度评价函数值；最后相机自动对焦调整，选取出清晰度评价值最大处所对应的对焦位置为最终相机清晰成像位置，结束自动对焦。本发明能够通过对失焦遥感图像运动垂直方向各频段小波包能量谱的计算结果进行加权求和，实现对于推扫式遥感相机的对焦评价，评价方法具有很好的准确性和单调性，并且做到与图像内容无关。

摘要： 本发明涉及一种基于小波包能量谱的孤岛检测方法，它应用小波理论，将信号分解为不同频率成分，可以明显地显示出故障信息。它分为信号处理和孤岛识别两个阶段，具体步骤如下：1)直接测量PCC点电压信号，并对检测的电压信号进行小波包分解处理；2)对小波包分解系数进行重构，提取各频带范围的信号；3)按下式所示的能量表达式求各个频带信号的能量特征值；4)以各频带信号的能量为元素构造维数为2

摘要： 本发明属于机电故障分类技术领域，公开了一种基于小波包能量谱熵的机电故障分类方法，包括步骤1：机械信号熵的特征提取；步骤2：小波包能量谱熵的特征提取；步骤2.1：根据声纹信号的特点选取合适的小波包基函数对信号进行小波包分解；步骤2.2：对小波包系数进行重构，并求出每个频带分量所含能量占信号总能量的比重；步骤2.3：计算出各频带的能量谱熵。本发明以信号的小波包能量谱熵的提取原理为核心，通过对不同故障信号对应的故障信息进行特征提取，结合支持向量机技术实现对不同故障特征的学习训练，实现对机电系统具体故障的分类识别。该方法对不同的故障声纹信号的分类识别的准确率较高，可实现对非同源声纹信号的检测与分类。

摘要： 本发明请求保护一种基于小波包能量谱的磨机负荷检测新方法。该方法是为了解决球磨机在运行过程中的负荷检测。首先通过sym10小波函数，对采集的磨音信号进行小波包分解，得到各频段的磨音信号；通过计算各频段内磨音信号的能量与声强值，得到磨机负荷变化最敏感的特征频段。最后在特征频段内建立磨音声强与磨机负荷的对应关系，以达到检测磨机负荷的目的。测试结果表明，该方法可以实现磨机负荷检测，对磨机负荷检测理论的发展和应用具有重要意义。

摘要： 本发明公开了一种小波包能量谱法损伤识别方法。本发明采用Daubechies小波作为小波包能量谱损伤预警的小波函数，用l

摘要： 本发明公开了一种基于外部激振和小波包能量谱的岩土体失稳灾害监测预警方法，属于岩土工程监测技术领域。本发明基于岩土体质量等级进行稳定性分区，选择岩土体稳定性监测点；在岩土体稳定性监测点处布置三轴加速度传感器；采用施工(生产)爆破或敲击激振的方式施加外部激振，三轴加速度传感器拾取外部激振的冲击波响应信号；对外部激振的冲击波响应信号小波包分解，分别计算三轴加速度传感器三个方向的小波包频带能量比；计算各监测点各方向的失稳预警指标即能量比累积变异P，分析其变化趋势，对岩土体稳定性进行评价与预警。

摘要： 本发明公开了基于小波包能量谱和调制双谱分析的滚动轴承故障诊断方法。首先采用小波包对采集的轴承原始振动信号进行分解，计算各频段的小波包能量谱并进行归一化；然后，选择能量集中的频段进行信号重构；最后对重构信号的频段进行调制双谱分析，得到滚动轴承的故障特征频率。本方法将WPE的瞬态特性和MSB的周期特性相结合，有效地提升了轴承故障诊断的效果，能够准确地提取故障特征频率而且信噪比高，并且在旋转机械故障诊断领域具有良好的应用前景。

摘要： 本发明公开了一种基于小波包能量谱的推扫式遥感相机自动对焦方法，包括如下步骤：首先灰度图像转换和亮度归一化预处理；其次对图像进行四层小波包分解，选取与相机运动方向垂直的频域频段小波系数矩阵；然后计算各频段小波包能量谱指数值及清晰度评价函数值；最后相机自动对焦调整，选取出清晰度评价值最大处所对应的对焦位置为最终相机清晰成像位置，结束自动对焦。本发明能够通过对失焦遥感图像运动垂直方向各频段小波包能量谱的计算结果进行加权求和，实现对于推扫式遥感相机的对焦评价，评价方法具有很好的准确性和单调性，并且做到与图像内容无关。