一、小波分析与信号处理(论文文献综述)
于广宇[1](2021)在《基于小波分析与EMD分解的球磨机齿轮齿面故障诊断研究》文中提出球磨机的传动系统是其运行关键部分。随着运行时间的增加,其传动系统的关键零部件--大小齿轮的齿面若发生点蚀、胶合、塑性变形等故障会大大影响传动效率从而会影响设备生产效率,甚至发生安全事故。为贯彻安全生产方针,本文以某矿业公司的球磨机齿轮齿面为主要研究对象,挑选出5种不同故障等级的齿轮在实验条件下安装运行,采集齿轮振动数据。对小波分析与EMD分解两种信号处理方法思路进行研究,通过算例得出两种方法结合研究的可行性结论。基于两种信号处理方法对振动信号进行特征提取,分析计算标定出更为精准的齿轮故障等级标准,做为球磨机齿轮齿面故障诊断定量与定性的判断依据。最后通过现场故障案例进行验证,将两种方法结合的信号处理方法与常用故障诊断方法进行诊断效果对比。具体工作如下:(1)对两种常用信号处理方法的研究思路进行剖析,通过其他相关方向的研究算例,指出两种信号处理方法结果的可行性、有效性和不足之处,进一步分析两种方法结合起来进行故障判断的准确性。(2)根据球磨机的设备参数和运行工况构建实验环境,将三台实验球磨机按运行时间进行多次、多坐标测量,基于国家标准规范出适合现场运行的球磨机齿轮振动标准。随后挑选出5种不同故障等级的齿轮作为实验对象,以相同输入的条件进行运行实验,采集不同程度的振动信号。(3)利用小波分析与EMD分解两种信号处理技术,使用5种不同程度故障等级的齿轮进行10组故障模拟实验,对采集球磨机运行过程中的振动信号进行分析,得到振动信号的一级高频小波系数、二级高频小波系数以及一级IMF函数的均方根值,三者对齿轮齿面故障呈现出较为敏感的特征模式。最后利用该结果绘制特征提取结果变化率曲线,得到诊断效果对比结论。将两种方法结合的诊断方法代入故障案例进行故障分析,通过对比发现前者诊断更精确,效果更好。
盛祖维[2](2021)在《基于小波去噪的阈值函数改进及其应用研究》文中提出小波分析理论是众多研究领域的学者们共同而奋斗的结晶,在故障诊断、语音信号处理、图像压缩以及流体力学方面,小波变换凭借强大的分析能力,已经成为非常重要的处理工具,反映了在现代科学时代,众多学科之间相互交织的特点。傅里叶分析是小波理论的基础,由于傅里叶变换在进行信号处理时存在一定的缺陷,它只能处理相关的平稳的信号,而如果信号是非平稳的,傅里叶变换就不能对该信号进行分析了,而小波分析可以对信号进行局部化分析,反映信号在时频域上的重要特征,对信号进行更深层次的解读。在对相关信号进行分析时,都需要先对信号进行去噪之后再做相关的处理,所以,信号去噪在信号的处理中占据重要的地位。传统的硬阈值和软阈值函数自身存在一定的不足,在当前快速发展的信号处理方面显得无能为力,因此新的小波阈值函数的提出在当前的信号处理面前显得格外重要。首先,本文对小波分析的相关理论进行概述,然后详细介绍了小波信号去噪的相关原理和流程以及常见的信号去噪方法。在这几类去噪的方法中,小波阈值去噪方法凭借最大信噪比和最小均方误差性质,去噪效果最为强大。因此,对小波阈值去噪方法进行深入的研究和应用也很有必要。其次,对小波阈值去噪的相关影响方面进行分析,这其中包括小波基函数的选取,小波分解层数的选择,阈值规则的选取以及阈值函数的选取,这些方面选择的不同,都会对影响信号去噪的效果。本文主要针对阈值函数这一影响因素做出改进,硬阈值函数是不连续的,信号容易产生比较大的方差,重构的信号很容易产生振荡,最终导致信号的重构效果质量变差;软阈值函数在进行软阈值处理时,原始信号和去噪信号两者的小波系数存在恒定的偏差,也会导致信号的重构受到相应的影响,重构质量变差。本文在传统的阈值函数基础上进行研究,构造出新的阈值函数,新的阈值函数具备良好的数学特性,克服了传统阈值函数相关缺陷,同时对比信号去噪的信噪比和均方误差两个评价标准进行分析,验证了新的阈值函数具有良好的去噪效果。最后,本文从信号去噪的应用这个角度出发,将小波阈值去噪方法与Elman神经网络相结合,构造新的股价预测模型方法,首先对Elman神经网络方法相关概念进行阐述,然后选取上证综指的收盘价进行信号去噪处理,在Elman神经网络模型中,对去噪的数据信号进行建模,做出相关的预测处理。同时将数据有和没有去噪的两种情况下,使用神经网络预测的效果进行对比分析,发现阈值去噪之后再进行神经网络预测的效果更好。
邹根[3](2020)在《小波阈值去噪理论研究及其在隧道衬砌GPR检测信号中的应用》文中认为地质雷达(GPR)法因其快速性、无损性、高效性的特点从众多检测方法中脱颖而出,已成为目前隧道衬砌质量检测的主要手段。在实际工程检测过程中,由于各种因素的影响,地质雷达宽频带接收的回波信号中包含着大量的噪音,严重影响后续解译工作。而小波分析是信号处理的强大工具,因此本文结合小波阈值去噪法对这一问题展开研究。首先对小波阈值去噪方法现状研究,并对小波阈值去噪法进行改进,通过理论分析、仿真实验、室内试验等研究手段,结合模极大值法提出了一种基于改进小波阈值法的隧道衬砌GPR检测信号分析方法,实现了隧道衬砌GPR检测信号分析精度的有效提高。已完成的主要工作和研究成果如下:(1)通过对小波阈值去噪方法进行了分析和研究,发现目前小波阈值去噪中还存在一些问题:一是如何选取合适的小波基没有一个明确的依据;二是在进行阈值选取时,一般是所有尺度均选用同一个阈值,而随着信号分解尺度的变大,信号的幅值不断增大,噪声的幅值不断减少,用同一个阈值就显得并不合理;三是传统阈值函数自身的一些局限性导致去噪效果不能满足现在的精度要求。针对这些问题,在后续研究中分别对小波基函数的选取、阈值选取公式以及阈值函数进行了优化分析。(2)构建了复合指标,为选取隧道衬砌信号最合适的小波基提供了明确选取依据。通过对小波基性质进行分析,并结合隧道衬砌GPR检测信号的特征,分析出适合隧道衬砌GPR检测信号分析的小波系为Daubechied小波系、Coiflets小波系、Symlets小波系。然后通过构建三个新指标,解决传统指标局限性。接着综合考虑三个指标的物理意义和数字特征,构造出复合评价指标,解决了多指标冲突问题,并从上述小波系中选取出最优小波基。最后通过仿真实验对复合评价指标的可行性进行了验证。(3)构建了新阈值选取公式和新阈值函数。对典型阈值和传统阈值函数进行研究,通过分析它们的局限性,构建了新阈值选取公式和新阈值函数。新阈值选取公式中引入函数参量,使阈值随着尺度的变大,逐渐减少,更加符合实际情况;新阈值函数具备良好的连续性、收敛性,在阈值附近也有相对平滑的过渡带。最后进行仿真实验,通过直观评价标准和客观评价标准分析,证明了新阈值选取公式和新阈值函数的去噪效果优于传统阈值函数。(4)将改进的小波阈值去噪方法应用到隧道衬砌GPR检测信号中,结合模极大值法提出了一种基于改进小波阈值法的隧道衬砌GPR检测信号分析方法。通过设置室内实验模拟隧道衬砌结构,使用新的分析方法从定性分析和定量分析两个方面对检测信号进行分析。实验结果表明:新的分析方法能比传统软硬阈值法更好的去除噪声的干扰;对空洞、钢筋的层厚及范围测量比雷达软件更精准,能有效提高地质雷达检测信号的定量分析精度。最后通过工程实例进一步验证了新的分析方法在实际信号处理中的应用效果,突出了新分析方法的可行性、优越性。
张亮[4](2020)在《改进的小波提升算法及其在地质雷达信号精细化分析中的应用》文中指出地质雷达法能有效地探测和推断被测对象内部介质的分布情况,在工程质量检测与灾害评估方面得到了广泛应用。然而,目前地质雷达法在数据处理、图像信息的准确解译与精细化识别等方面还存在诸多不足。本文以隧道衬砌结构背后常见的空洞缺陷探测为研究对象,基于改进的提升格式小波构造算法和新构造的提升格式小波基函数,将地质雷达法与提升格式小波分析方法相结合,对检测中存在的强振幅干扰信号压制、缺陷目标体反射信号偏移成像及信号定量分析等问题进行了深入地探讨和研究。主要工作包括以下几个方面:(1)在传统小波分析原理及双正交小波传统构造方法的基础上,针对地质雷达信号分析用小波基选取时存在的不确定性和盲目性问题,开展了与地质雷达信号波形相匹配、性质优良的双正交小波基函数构造方法研究。阐述了小波提升方案的概念、算法实现的原理,并对提升格式小波基构造一般算法进行了分析和讨论。通过对传统提升方法中滤波器系数的特点和滤波器组之间须满足的关系进行论证和推导,提出了改进的提升格式小波构造算法及其实现的基本流程,并基于完全重构滤波器方程,给出了与地质雷达信号匹配性好、具有高消失矩的双正交小波基构造的实现过程,应用紧支集小波正则指数计算原理,对新构造小波基的正则性进行了验算和比较。(2)针对地质雷达图像中钢筋等强反射作用造成的干扰屏蔽影响,以及常规一维小波分解难以将强反射干扰与微弱有效信号分离的问题,利用二维小波变换具有将图像信号分解成一系列不同方向、空间局部变化的子带、小波熵能反映信号能量分布特性的特点,提出了基于二维图像小波变换与小波能谱熵理论的地质雷达强反射干扰信号去除方法(TDWE法)。对各小波基函数的对称性、与地质雷达信号波形的相似度、地质雷达信号分解后的重构误差等性能进行了分析和比较,从小波函数的性质和信号能量熵计算的角度,对适合雷达图像处理的最优小波基函数进行了选择,基于最优小波基,采用TDWE法分别对钢筋-空洞正演图像及钢筋-空洞检测试验实测结果进行强反射压制和图像分辨率提高分析。(3)针对地质雷达图像缺陷目标体信号偏移处理中偏移速度难以选取及无法实现绕射波信号的精细化成像问题,利用非抽样小波具有不丢失相位信息及F-K域算法具有偏移运算速度快、稳定性好的特点,提出了一种基于二维非抽样小波与F-K偏移算法的地质雷达信号偏移归位方法(UWFK偏移法)。在对传统的F-K偏移算法原理及二维非抽样小波变换理论进行介绍的基础上,阐述了 UWFK偏移法实施的一般流程。通过对弱绕射波信号进行偏移处理并计算图像信息熵值,分析了偏移处理所需的最佳速度值。根据比较得到的最佳偏移速度值,采用UWFK法分别对地质雷达空洞正演图像及不同形状空洞的实测雷达图像进行了偏移归位分析。(4)为了实现对隐伏空洞边界的精细化识别和准确定位,采用小波模极大值法和小波时-能密度法对地质雷达检测信号奇异点进行精确提取与识别。构建了地质雷达多频率脉冲模拟信号,对两种识别方法在地质雷达信号奇异性检测中的可行性进行了验证分析。基于新构造的Tshg3.5小波基和小波库中已有的通用小波基,分别采用小波模极大值法和小波时-能密度法对地质雷达空洞正演模拟信号及空洞探测纵向测线和横向测线数据进行特征点信息提取和空洞缺陷尺寸量化分析,并对适用于RIS型地质雷达信号定量分析用的最优小波基和较优识别方法进行了比较和优选,最后对空洞的三维成像进行了分析。本文所做的研究工作,立足于学科前沿,着眼于现阶段地质雷达图像处理和信号分析中的热点问题,对地质雷达信号分析用小波基的构造与算法实现、地质雷达图像中强反射干扰信号的压制、缺陷目标体反射信号偏移成像及雷达信号定量识别等相关问题进行了深入系统地研究,具有较高的理论意义和实用价值,为隧道衬砌结构的健康诊断与质量安全评价奠定了理论与技术基础。
徐增伟[5](2019)在《基于信号分析的海洋立管涡激振动及损伤特征提取研究》文中指出海洋立管是进行深海油气资源勘探开发的重要结构。立管处于海洋环境中,受到涡激振动作用,容易发生疲劳损伤。地震、海啸、海水和海洋生物的腐蚀、立管间的相互碰撞等,也都会造成立管结构的破坏。结构健康监测技术通过提取信号特征,判断结构是否发生损伤,确定损伤的位置和程度。目前,该技术已经在土木工程和海洋平台领域取得了丰富的研究成果,但是在海洋立管领域,尚缺乏此类研究。为探究能有效进行立管涡激振动和损伤特征提取的方法,本文开展了如下研究:(1)开展海洋立管涡激振动模型实验,获取立管涡激振动应变信号,利用Hilbert-Huang变换和小波变换进行信号处理,并对比分析两种方法特征提取效果。结果表明,两种方法均能实现立管涡激振动特征提取,对信号中存在的多种频率成分也具有很好的识别能力,但在细节上仍存在一定的差异。就时频分辨率而言,小波时频谱优于Hilbert谱;而Hilbert-Huang变换可以得到信号频率成分和含量的精确结果,这是小波时频谱无法做到的。(2)利用有限元分析软件ABAQUS构建立管的损伤模型,使用上述两种方法提取立管的损伤特征,并比较了不同损伤程度下损伤特征的变化情况。结果表明,两种方法均能实现海洋立管模型损伤特征提取,且就效果而言,小波变换优于Hilbert-Huang变换。研究证实两种方法均可以有效地提取立管涡激振动和损伤特征,可为开展立管健康监测、立管流固耦合特性研究及预报、立管碰撞等相关研究提供方法基础和理论依据。
刘晨光[6](2019)在《基于车致振动响应的梁式桥结构动力检测与状态诊断方法》文中进行了进一步梳理由于材料性能退化与外部损伤的共同影响,在役桥梁经过一定年限的使用运营后,将面临不可忽视的运营期安全风险。对桥梁结构状态进行检测与诊断,是维持桥梁长期正常工作状态的关键。基于荷载试验的桥梁结构检测与诊断方法,因具有方便的检测灵活性与深入的结构状态揭示能力,是目前技术条件下,具有良好可行性、可推广性与投入产出比的桥梁结构检测方法。根据目前的行业规范指导方向与工程实践情况,多数桥梁荷载试验以静力试验为主动力试验为辅,动力检测试验数据未能被充分的利用。但事实上,动力检测试验结果中包含有更全面的桥梁结构信息,可更为细致的反映结构的受力与损伤状态。因此,有必要对桥梁荷载试验中的动力检测试验分支进行进一步的研究。本文以移动车辆荷载激励下的梁式桥车致振动响应数据为研究主体,对基于动力检测试验的梁式桥结构状态检测与诊断方法展开以下研究工作:针对非桥梁结构性因素对梁式桥冲击系数的影响机理与影响规律进行研究。对桥面不平整状况,从空间域因素和频域因素两方面,分别研究冲击系数随桥面不平整状况的变化规律,并分析其影响机理。对试验加载车辆参数,分别从车辆的行驶速度和装载重量两个可控参数角度进行分析,结果显示加载车辆参数对冲击系数的影响非独立,车辆参数会与桥面不平整状况二者相互耦合,共同对冲击系数产生影响。对车队荷载中车辆间距空间分布情况,采用遗传优化算法进行计算分析,结果显示车辆间距在不同区间范围内对冲击系数的具有不同的影响规律。为改善现行桥面不平整度分级法用于冲击系数分析计算的局限性,提出由桥面不平整所引起冲击系数的概率分布模型,并据此概率模型提出新指标——特征冲击系数μfe。通过特征冲击系数,可依据不同保证率表征桥面不平整度等级与其引起的桥梁动力效应增大程度之间的关系,提高现行桥面不平整功率谱密度分级法与桥梁冲击系数之间的相关性。在此基础上,进一步提出考虑桥面平整度退化的冲击系数检测评定方法。该方法以有障碍跑车试验为实施手段,以最差预设不平整度等级的特征冲击系数μfe作为检测目标值,通过在桥面不同位置设置不同尺寸的障碍物来等效模拟不同程度的桥面平整度退化,最终检验桥面不平整等级退化到预设等级后,桥梁冲击系数是否仍然满足设计要求,并针对不同测试结果给出桥梁动力状态的评定建议。提出车队荷载作用下梁式桥冲击系数的预测检验方法,以解决目前桥梁动力检测一般以单辆车跑车激励试验为主,与桥梁实际运营状态的车流荷载存在差异的问题。该方法结合单辆车的跑车试验数据与基于遗传算法设计的最不利冲击系数优化搜索算法,既考虑了现场试验的实测结果,又可避免多辆试验车现场跑车测试难以控制的缺点,而且通过优化算法能够分析预测更多种车辆组合工况,获得各种车队荷载工况下,桥梁冲击系数或结构最大振幅的最不利结果。对梁式桥动力检测结果数据的时频域信号处理方法进行分析研究。根据动力检测信号的降噪需求,编制基于小波系数模相关性的信号降噪算法程序,以提高信号降噪后的局部高频细节保留的完整性。根据实测冲击系数的计算需求,从频域幅值谱比对法低通滤波、时域最小二乘法曲线拟合、时频域经验模态分解三个角度,分别提出移动车辆荷载作用下桥梁实测动位移曲线的动、静分量分离方法,三种方法计算角度不相互关联,可独立用于实测冲击系数计算的数据前处理,也可同时使用以相互验证,降低算法误差对检测结果产生的影响。针对传统频域变换法识别密集分布模态参数分辨率不足的问题,给出基于最优复Morlet小波变换的梁式桥密集模态参数时频域识别方法,该方法通过对复Morlet小波函数依据目标分辨率约束条件和最小Shanoon信息熵约束条件进行最优化参数设计,可在不增加有效信号长度的前提下提高信号分析的频域分辨率。针对梁式桥动力检测试验框架内的实用损伤状态诊断方法进行研究。在动力检测试验中常用的跑车激振试验基础上,以梁式桥动位移检测结果作为源数据,提出基于信号奇异性小波刻画的梁式桥损伤状态诊断方法,此方法利用小波系数模极大值迹线分布情况识别损伤位置,通过损伤位置处的Lipschitz奇异性指数量化损伤程度。同时,针对桥面不平整状况、试验车辆参数、信号采集位置等梁式桥动力检测试验中主要可变因素对损伤状态诊断效果的影响进行分析讨论,并给出提高损伤诊断准确性的检测试验实施建议。
刘娟花[7](2019)在《多尺度数据融合算法及其应用研究》文中认为分别在多个尺度上对多个传感器的信息进行融合,不仅可获得比单个传感器更优的性能,而且与单尺度上的融合相比,多尺度数据融合能更好地刻画出目标的本质特性。MEMS陀螺是一种可以测量角速度的传感器,具有很多吸引人的优点。但噪声大,准确度不高也是不争的事实。于是如何去除MEMS陀螺仪中的噪声,并提高其精度就成为近年来的研究热点。对多MEMS陀螺应用多尺度数据融合算法,可以显着提高系统的精度及可靠性。本文证明了前人提出的多尺度数据融合算法的有效性,设计了 一种新的多尺度融合算法,讨论了多尺度数据融合中的重要技术问题,并通过对多个MEMS陀螺的融合应用,经仿真和硬件实验验证了本文多尺度融合算法的优越性。主要创新点和工作如下:1.从小波分析理论出发,证明了平稳和非平稳情况下的数据融合定理。从数学上解释了多尺度数据融合算法优于经典加权算法的原理,为该算法的推广应用奠定了数学基础。2.结合小波域多尺度数据融合算法的原理、具体步骤及存在问题等,设计了基于小波包的多尺度数据融合算法,并用实测数据通过仿真实验,比较了小波多尺度数据融合和小波包多尺度数据融合。3.分析了多MEMS陀螺数据融合中的小波基、分解层数、加权因子等的选择方法,通过仿真实验验证了其可行性。4.比较了基于时间序列分析、基于小波去噪和基于小波变换的多尺度融合这三种融合方法不同方面的性能。另外,还比较了多尺度融合和前向线性预测(Forward Linear Prediction,FLP)融合方法,结果均表明本文所提出的多尺度融合方法的独特性和有效性。将上述研究成果应用于我们设计并制作的一套多MEMS陀螺仪数据融合实时处理系统平台中,对4个MEMS陀螺仪所采集的原始数据进行实时处理。分别在静态和动态环境下对该集成系统进行了测试,实验结果表明:该系统运行稳定可靠,将MEMS陀螺的精度提高了 1个量级。本文的研究工作不仅为有关多尺度融合系统的分析奠定了理论基础,还为算法的推广应用提供了实验依据。
董学文[8](2019)在《HXN3B型机车驱动装置振动分析与测试》文中研究说明在铁路行业中,大部分内燃机为电传动内燃机,而电传动内燃机车的驱动装置正是由滚动抱轴箱装配、主动齿轮、从动齿轮等组成,他们之间产生的振动信号是电机多混叠的一种非平稳时变信号,如果该信号出现异常,说明驱动装置的装配出现了问题,会对机车的行车安全造成影响,所以为了提高机车驱动装置的安全性和使用寿命,本论文以HXN3B型机车驱动装置的振动信号为研究对象进行研究。首先,论文在总结国内外振动信号分析的发展进程基础上,深入分析了驱动装置振动信号,并研究了 HXN3B型机车驱动装置的机械结构,其中详细描述了轴承和齿轮的振动特征;通过比较振动信号常用的处理法方法,选择频谱分析、小波分析和正交小波的方法对驱动装置振动信号进行分析比较。其次,完成了驱动装置振动信号的硬件设计,包括传感器的选择与安装、采集和处理系统、控制模块的选用。信号采集模块选用了加速度传感器、振动速度传感器和温度传感器来分别测量振动信号和温升信号;数据采集选用XMX多路巡检仪配合传感器采集振动信号;处理系统选用了 VIBROCONTROL6000系统处理来自采集箱的输入信号;控制模块选用了 S7-1200单片机进行实时控制,其中S7-1200的CPU可以根据用户程序逻辑监视输入并更改输出。最后,设计了振动信号处理的流程框图、完成了 HXN3B型机驱动装置振动实验,主要的内容有实验原理及目的、技术参数、实验要求、试验限度、试验记录与运行。然后用频谱分析、小波分析和正交小波分析的方法将采集到的驱动装置温升信号和振动信号进行详细的处理和分析,并对三种分析方法进行了对比,发现正交小波分析是可以对振动信号进行局部化的分析,具有充分的自适应特性,对于非平稳、时变的振动信号具有极大的包容性。
王飞刚[9](2019)在《基于WNN和EEMD的电网谐波检测方法研究》文中认为大量的非线性负荷接入电网,给电网带来谐波污染。人们对高质量的生活品质的追求,使得电网谐波的治理要求也随之变高。谐波治理的关键在于谐波的实时性检测和高精度提取,这是因为实时性检测和高精度提取所得到的信息,为高质量谐波治理提供输入信息和反馈信息。由于电网谐波具有非线性,常规的谐波检测方法很难满足人们对谐波实时性检测和高精度提取的要求。因此,研究实时性好和准确性高的谐波检测方法具有十分重要的意义。分析了小波分析的基本原理以及常见小波函数的基本性质,介绍了小波分析中多分辨分析与Mallat算法,并给出其在检测谐波方面的应用。然后选取经典的BP神经网络作为研究对象,分析其网络结构及训练算法,给出神经网络在电网谐波检测的应用,为后文的研究奠定理论基础。提出一种小波神经网络自适应优化方法。该方法针对网络初始值设置不当导致网络收敛慢甚至不收敛问题,给出一种参数自适应优化调整方法。在网络训练方面,运用附加动量项的训练算法平滑了权值学习路径,有效避免了网络训练陷入局部最小,显着地改善了网络性能,收敛速度快,能有效提高谐波检测的实时性。经过与其它检测方法的对比,证实了所提方法的收敛速度快、实时性好。提出一种改进型EEMD算法。该方法针对在EEMD分解过程中,由于单一白噪声信号的添加,势必会对各模态函数造成影响,采用添加正负幅值相反白噪声信号的方法,以消除其带来的弊端;运用施密特正交化理论,对各个模态函数进行正交化,从而避免模态混叠现象,提高了谐波分解精度。经仿真验证,证实了改进的方法能有效抑制模态混叠现象,降低各模态函数之间的正交化指数,从而提高分解精度。
吴壮[10](2019)在《移动荷载作用下基于最优小波包分解的桥梁损伤识别》文中认为随着我国经济的快速发展,交通运输的主要枢纽——桥梁,其承担的交通任务也越来越重,其安全性要求也越来越高。桥梁在服役期间,为了能够快速并有效地判断出桥梁的损伤位置及程度,从而采取有效措施保证桥梁的安全运营,使得桥梁结构损伤识别技术在桥梁工程领域的应用越来越广泛。桥梁结构损伤识别技术在保护人民生命财产和国民经济安全方面起着决定性作用,因此,研究桥梁结构损伤识别技术是非常必要的,也具有重要的现实意义。在识别桥梁结构损伤时,如何快速有效地识别桥梁结构损伤的位置和损伤程度一直都是研究的重点;同时,实际工程中实测信号往往会受到环境因素的影响,使得有效信息被噪声淹没,因此,如何有效地降低实测信号中的噪声也成为了桥梁结构损伤识别技术研究中的一个重要部分。针对以上两部分内容,本文主要进行了以下几方面的工作:(1)介绍了本文的研究背景及目的,同时阐述了桥梁结构损伤识别技术的研究现状,在此基础上引出本文的主要研究内容及研究思路。阐述了小波分析理论,并指出了多分辨率分析只能细分信号的低频部分。从而引出了小波包分析理论,指出了小波包分析在信号处理中可同时细分信号的低频和高频部分的特点,与多分辨率分析相比,其信号的时频分辨率大大提高。(2)阐述了小波包能量的概念、小波包能量构造方法以及最优小波基和分解水平的选择。基于小波包能量,提出了基于最优小波包分解的能量降噪法以及损伤指标——小波包总能量变化率指标(DSI指标)。(3)以大冶湖特大桥主桥为工程背景,利用有限元软件midas建立有限元模型,获得多个工况下多个节点在移动荷载作用下的加速度动态响应。以加速度动态响应为基础,根据代价函数——香农(shannon)熵标准选择最优小波包基和最优分解层次。(4)通过Matlab软件对原始信号添加不同强度的高斯白噪声,模拟出了带噪声的振动信号,发现了在振动信号中噪声信号主要存在于高频段,且能量较小。通过模拟信号的仿真分析,证明了基于最优小波包分解能量降噪法在振动信号降噪中的有效性和鲁棒性,并与小波包阈值降噪方法进行对比,进一步证明了该方法在振动信号降噪中的优越性、灵活性及稳定性。(5)采用降低单元刚度的方式模拟桥梁结构损伤,并将损伤工况分为单损伤工况(且损伤程度不同)和多损伤工况。然后,分别采用本文提出的小波包总能量变化率指标(DSI指标)和其他学者提出的小波包各频带能量比之和指标(DDI指标)对损伤工况进行损伤识别,对两种指标损伤识别灵敏度进行了详细分析。结果表明,小波包总能量变化率指标(DSI指标)能有效地识别单损伤工况和多损伤工况,识别效果优于小波包各频带能量比之和指标(DDI指标)。(6)以无噪声加速度动态响应数据为基础,对各损伤工况节点响应分别添加信噪比为20dB、30dB、40dB高斯白噪声,对DSI指标的鲁棒性进行了详细分析。结果表明,小波包总能量变化率指标(DSI指标)具有较好的噪声鲁棒性。(7)考虑到高强度噪声对损伤识别效果的影响,采用最优小波包分解能量降噪法对添加信噪比为20dB高斯白噪声的各损伤工况节点加速度动态响应进行了降噪处理,发现对基于最优小波包分解能量法降噪能有效提高小波包总能量变化率指标(DSI指标)在桥梁损伤识别的准确度。(8)通过对不同损伤程度的各节点小波包总能量比指标(DSI指标)进行单边置信区间处理。对单边置信处理后的损伤单元附近节点的DSI指标与损伤程度进行三次曲线拟合,模拟出单边置信处理后的DSI指标值偏差值与损伤程度之间的关系。同时,对无噪声和20dB噪声两种条件下的损伤程度识别效果进行了对比分析,发现DSI损伤指标值在无噪声条件下能够准确识别出损伤程度,且在含噪声条件下能够对损伤程度进行有效的识别。最后,总结了本文的主要研究内容,并展望了尚需进一步研究的部分。
二、小波分析与信号处理(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、小波分析与信号处理(论文提纲范文)
(1)基于小波分析与EMD分解的球磨机齿轮齿面故障诊断研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 综述 |
1.1 研究背景 |
1.2 球磨机齿轮齿面故障诊断研究意义 |
1.3 球磨机齿轮齿面故障诊断发展现状 |
1.4 论文的研究思路与主要内容 |
第二章 基于零部件特征信号处理方法研究 |
2.1 基于小波分析的信号处理方法 |
2.2 基于经验模态分解的信号处理方法 |
2.3 本章小结 |
第三章 球磨机齿轮齿面故障诊断 |
3.1 球磨机工作原理和设备参数 |
3.2 球磨机齿轮齿面特征信号的采集 |
3.3 球磨机齿轮齿面故障实验 |
3.4 球磨机齿轮齿面振动信号处理方法 |
3.5 球磨机齿轮齿面的故障诊断效果 |
3.6 本章小结 |
第四章 总结与展望 |
4.1 总结 |
4.2 展望 |
参考文献 |
致谢 |
攻读硕士学位期间科研情况 |
(2)基于小波去噪的阈值函数改进及其应用研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究的目的和意义 |
1.2 国内外研究综述 |
1.2.1 小波技术发展及其现状 |
1.2.2 信号去噪的研究现状 |
1.3 主要工作及论文框架 |
1.4 研究的创新与不足 |
1.4.1 研究的创新点 |
1.4.2 研究的不足 |
第二章 小波及信号去噪理论 |
2.1 小波分析方法概述 |
2.1.1 傅里叶变换 |
2.1.2 加窗傅里叶变换 |
2.1.3 小波理论简述 |
2.2 多尺度理论 |
2.2.1 多尺度分析概述 |
2.2.2 Mallat分解重构算法 |
2.2.3 极大重叠离散小波变换 |
2.3 基于小波变换的信号去噪流程及方法 |
2.3.1 小波去噪基本原理流程 |
2.3.2 小波去噪基本方法 |
2.4 小波去噪效果的影响因素 |
2.4.1 小波基函数的选择 |
2.4.2 分解层数的选择 |
2.4.3 阈值的选取 |
2.4.4 阈值函数的选取 |
2.5 小波去噪信号性能评价标准 |
2.5.1 信噪比 |
2.5.2 均方差 |
2.6 本章小结 |
第三章 改进阈值函数的小波去噪 |
3.1 小波去噪基本原理 |
3.2 阈值函数的选取 |
3.2.1 传统的阈值函数 |
3.2.2 改进的阈值函数 |
3.3 仿真实验结果及分析 |
3.3.1 仿真结果 |
3.3.2 仿真结果分析 |
3.4 本章小结 |
第四章 基于小波阈值去噪神经网络模型的应用研究 |
4.1 小波去噪 |
4.2 Elman神经网络 |
4.3 神经网络预测 |
4.3.1 数据的预处理 |
4.3.2 预测模型的建立 |
4.3.3 实验仿真 |
4.4 本章小结 |
第五章 总结和展望 |
5.1 研究结论 |
5.2 不足与展望 |
参考文献 |
致谢 |
(3)小波阈值去噪理论研究及其在隧道衬砌GPR检测信号中的应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景与意义 |
1.2 国内外研究现状 |
1.2.1 隧道衬砌无损检测技术的研究现状 |
1.2.2 地质雷达衬砌检测技术的研究现状 |
1.2.3 小波分析去噪方法的研究现状 |
1.3 本文研究内容与技术路线 |
1.4 主要创新点 |
第2章 小波分析理论 |
2.1 引言 |
2.2 傅里叶变换与短时傅里叶变换 |
2.3 小波变换 |
2.3.1 连续小波变换 |
2.3.2 离散小波变换 |
2.3.3 小波框架理论 |
2.4 多分辨率分析与Mallat算法 |
2.4.1 多分辨分析 |
2.4.2 二尺度方程 |
2.4.3 Mallat算法 |
2.5 小波阈值去噪算法 |
2.5.1 小波阈值去噪数学模型 |
2.5.2 小波阈值去噪原理分析 |
2.6 评价去噪效果性能指标 |
2.7 本章小结 |
第3章 最优小波基复合评价指标的构建 |
3.1 引言 |
3.2 小波基性质及常用小波基 |
3.2.1 小波基性质 |
3.2.2 常用小波基 |
3.3 适合隧道衬砌GPR检测信号的小波基的特征 |
3.4 小波基评价指标的构建 |
3.4.1 新评价指标的构建 |
3.4.2 复合评价指标的构建 |
3.4.3 确定最优小波基的算法步骤 |
3.5 仿真实验 |
3.5.1 分解层次 |
3.5.2 最优小波基 |
3.6 隧道衬砌GPR检测信号最优小波基的确定 |
3.7 本章小结 |
第4章 新阈值选取公式和新阈值函数的构建 |
4.1 引言 |
4.2 新阈值选取公式 |
4.2.1 典型的阈值 |
4.2.2 新阈值选取公式的构建 |
4.3 新阈值函数的构建 |
4.3.1 传统阈值函数解析 |
4.3.2 新阈值函数的构建 |
4.4 仿真实验及去噪效果分析 |
4.5 本章小结 |
第5章 改进小波阈值法在隧道衬砌GPR检测信号去噪中的应用 |
5.1 引言 |
5.2 基于改进小波阈值法的隧道衬砌GPR检测信号分析方法 |
5.2.1 新分析方法的实现 |
5.2.2 定性分析 |
5.2.3 定量分析 |
5.3 试验设计 |
5.4 实验分析与验证 |
5.4.1 空洞检测信号分析 |
5.4.2 钢筋检测信号分析 |
5.5 工程实例 |
5.5.1 工程概况 |
5.5.2 检测方案 |
5.5.3 实测信号处理 |
5.6 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
附录A 攻读学位期间发表的论文与科研成果清单 |
致谢 |
(4)改进的小波提升算法及其在地质雷达信号精细化分析中的应用(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 前言 |
1.2 国内外研究现状与进展 |
1.2.1 隧道衬砌结构隐伏质量缺陷检测方法研究 |
1.2.2 地质雷达图像强干扰信号去除方法研究 |
1.2.3 地质雷达隐伏质量缺陷偏移处理研究 |
1.2.4 小波基函数构造研究 |
1.2.5 地质雷达信号定量分析研究 |
1.3 本研究课题的来源及主要研究内容 |
1.4 本文研究采取的技术路线 |
第二章 提升格式小波构造理论 |
2.1 前言 |
2.2 双正交小波分析基本原理与算法 |
2.2.1 小波分析原理 |
2.2.2 多分辨率分析 |
2.2.3 双正交小波性质及其传统构造方法 |
2.3 提升格式小波变换 |
2.3.1 小波提升方案基本概念 |
2.3.2 完全重构滤波器原理 |
2.3.3 小波提升分解方法 |
2.4 提升格式小波构造一般算法 |
2.5 本章小结 |
第三章 改进的提升格式小波构造理论及其算法实现 |
3.1 前言 |
3.2 改进的提升格式小波构造算法 |
3.3 改进的提升格式小波构造流程及其构造举例 |
3.3.1 提升格式小波构造流程 |
3.3.2 小波基构造举例 |
3.4 改进提升格式的GPR信号分析用小波基构造及其优势验证 |
3.4.1 GPR信号分析用双正交小波滤波器组构造 |
3.4.2 基于粒子群算法的滤波器组自由参数优化 |
3.4.3 小波正则性验算 |
3.5 本章小结 |
第四章 基于二维小波变换和小波熵的地质雷达强干扰信号处理 |
4.1 前言 |
4.2 图像二维小波变换及其mallat算法 |
4.2.1 图像二维小波变换理论 |
4.2.2 二维双正交小波变换mallat算法 |
4.3 小波熵理论 |
4.4 小波基的选取 |
4.4.1 小波基基本性质比较 |
4.4.2 小波能量熵的计算 |
4.5 正演信号分析 |
4.5.1 FDTD正演原理 |
4.5.2 钢筋-空洞模型与正演试验 |
4.5.3 基于二维小波变换与小波熵的强反射干扰去除 |
4.6 实测地质雷达信号强干扰去除分析 |
4.6.1 钢筋-空洞检测试验 |
4.6.2 基于二维小波变换与小波熵的强反射干扰去除 |
4.7 本章小结 |
第五章 基于UWFK法的地质雷达目标信号偏移处理 |
5.1 前言 |
5.2 F-K域偏移方法 |
5.3 非抽样小波变换原理 |
5.3.1 一维非抽样小波变换 |
5.3.2 二维非抽样小波变换 |
5.4 图像信息熵估计 |
5.5 二维非抽样小波F-K偏移法基本流程 |
5.6 正演模拟信号偏移处理 |
5.7 实测信号偏移处理 |
5.7.1 方形空洞偏移处理 |
5.7.2 角形空洞偏移处理 |
5.8 本章小结 |
第六章 提升格式小波在地质雷达信号定量分析中的应用 |
6.1 前言 |
6.2 基于小波分析的信号奇异点识别方法 |
6.2.1 小波变换模极大值法 |
6.2.2 小波变换时-能密度法 |
6.3 模拟信号定量分析 |
6.3.1 地质雷达多频率脉冲信号间隔时间识别分析 |
6.3.2 正演模拟试验及其信号分析 |
6.4 空洞探测试验及其信号分析 |
6.4.1 沙箱纵向测线定量分析结果 |
6.4.2 沙箱横向测线定量分析结果 |
6.5 空洞三维可视化分析 |
6.6 本章小结 |
结论与展望 |
结论 |
展望 |
参考文献 |
致谢 |
附录 |
(5)基于信号分析的海洋立管涡激振动及损伤特征提取研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 振动信号与信号处理 |
1.2.1 振动信号 |
1.2.2 振动信号处理 |
1.2.3 振动信号处理的应用 |
1.3 海洋工程中的振动信号特征提取技术 |
1.3.1 傅里叶变换 |
1.3.2 小波变换 |
1.3.3 Hilbert-Huang变换 |
1.4 信号时频处理技术在海洋立管振动中的应用 |
1.5 主要研究内容及创新点 |
第2章 振动信号处理的基本理论 |
2.1 傅里叶变换 |
2.1.1 傅里叶变换的定义 |
2.1.2 傅里叶变换的局限性 |
2.1.3 短时傅里叶变换 |
2.1.4 短时傅里叶变换的局限性 |
2.2 小波变换 |
2.2.1 连续小波变换 |
2.2.2 连续小波变换的性质 |
2.2.3 离散小波变换 |
2.2.4 多分辨率分析 |
2.2.5 小波包分解 |
2.2.6 小波变换的优缺点 |
2.3 Wigner-Ville分布 |
2.3.1 Wigner-Ville分布的定义 |
2.3.2 Wigner-Ville分布的性质 |
2.3.3 Wigner-Ville分布的缺陷 |
2.4 Hilbert-Huang变换 |
2.4.1 Hilbert变换 |
2.4.2 瞬时频率 |
2.4.3 固有模态函数 |
2.4.4 经验模态分解 |
2.4.5 Hilbert谱和Hilbert边际谱 |
2.4.6 HHT存在的问题 |
2.5 振动信号处理方法对比 |
2.6 本章小结 |
第3章 海洋立管涡激振动实验及数据处理 |
3.1 实验介绍 |
3.1.1 垂直单根立管实验 |
3.1.2 串列排布双立管实验 |
3.2 实验数据预处理 |
3.3 模态分析法 |
3.4 本章小结 |
第4章 海洋立管涡激振动信号特征提取 |
4.1 垂直单立管涡激振动信号特征提取 |
4.1.1 基于HHT的垂直单立管信号特征提取 |
4.1.2 基于小波变换的垂直单立管信号特征提取 |
4.2 串列排布双立管涡激振动信号特征提取 |
4.2.1 基于HHT的串列排布双立管信号特征提取 |
4.2.2 基于小波变换的串列排布双立管信号特征提取 |
4.3 HHT与小波变换处理效果对比 |
4.4 本章小结 |
第5章 海洋立管有限元模型的损伤特征提取 |
5.1 海洋立管有限元模型的建立 |
5.2 无损伤海洋立管模型振动特征提取 |
5.3 海洋立管模型的损伤特征提取 |
5.4 不同损伤程度下海洋立管模型的损伤特征提取 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 研究结论 |
6.2 未来工作展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(6)基于车致振动响应的梁式桥结构动力检测与状态诊断方法(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 国内外研究现状 |
1.2.1 车辆-桥梁耦合振动理论 |
1.2.2 桥梁冲击系数 |
1.2.3 动力检测试验中的信号处理方法 |
1.2.4 小波变换在动力检测中应用 |
1.3 本文研究内容 |
第2章 梁式桥冲击系数非结构性因素影响分析 |
2.1 引言 |
2.2 车辆桥梁耦合振动计算程序编制 |
2.2.1 自编程序算法理论 |
2.2.2 自编程序结果验证 |
2.3 冲击系数的敏感性 |
2.4 桥面平整状况对冲击系数的影响 |
2.4.1 空间域因素 |
2.4.2 频域因素 |
2.5 车辆可变参数对冲击系数的影响 |
2.5.1 车辆速度 |
2.5.2 车辆载重 |
2.6 车队荷载对冲击系数的影响 |
2.6.1 等间距车队 |
2.6.2 不等间距车队 |
2.7 本章小结 |
第3章 考虑非结构性因素影响的梁式桥冲击系数检测与评定方法 |
3.1 引言 |
3.2 现行桥面不平整度分级方法的局限性 |
3.2.1 桥面不平整数据的时频转换 |
3.2.2 功率谱密度分级法的局限性 |
3.3 桥面不平整引起冲击系数的概率分布模型 |
3.4 考虑桥面平整度退化的冲击系数检测评定方法 |
3.4.1 检测方法理论基础 |
3.4.2 检测方法实施方案与算例 |
3.5 考虑车队荷载作用的冲击系数检测方法 |
3.5.1 检测方法理论基础 |
3.5.2 检测方法实施方案与算例 |
3.5.3 车队荷载作用下检测结果再讨论 |
3.6 本章小结 |
第4章 梁式桥动力检测数据的时频域数字信号处理方法 |
4.1 引言 |
4.2 基于小波系数相关性的检测信号降噪方法 |
4.2.1 常用小波降噪算法介绍 |
4.2.2 小波相关性降噪算法 |
4.3 冲击系数实测中的动位移曲线动静分量分离方法 |
4.3.1 动位移曲线的组成分量 |
4.3.2 频域动静分离法 |
4.3.3 时域动静分离法 |
4.3.4 基于经验模式分解(EMD)的时频域动静分离法 |
4.3.5 动静分离方法实测数据验证 |
4.4 基于最优复Morlet小波变换的梁式桥密集模态参数识别方法 |
4.4.1 复Morlet小波的基本时频特性 |
4.4.2 小波模态参数识别算法框架 |
4.4.3 最优复Morlet小波函数设计 |
4.4.4 梁式桥密集分布模态参数识别数值模拟算例 |
4.4.5 梁式桥密集分布模态参数识别工程实例验证 |
4.5 本章小结 |
第5章 基于跑车激振响应的梁式桥损伤状态诊断方法 |
5.1 引言 |
5.2 梁式桥损伤模型与损伤诊断算法 |
5.2.1 裂缝损伤模型 |
5.2.2 基于Lipschitz指数小波刻画的损伤诊断算法 |
5.3 基于跑车激振响应的损伤状态诊断算法实现与算例 |
5.3.1 算法参数选择 |
5.3.2 单谐振子车辆模型激励下的损伤状态诊断 |
5.3.3 多自由度车辆模型激励下的损伤状态诊断 |
5.3.4 多损伤桥梁模型的损伤状态诊断 |
5.4 动力检测试验主要可变因素对损伤诊断的影响 |
5.4.1 加载车速度 |
5.4.2 加载车载重 |
5.4.3 动位移测试位置 |
5.4.4 桥面平整状况 |
5.5 本章小结 |
结论 |
参考文献 |
攻读博士期间发表的论文及其他成果 |
致谢 |
个人简历 |
(7)多尺度数据融合算法及其应用研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 论文的研究背景及意义 |
1.2 多传感器信息融合概述 |
1.2.1 信息融合的概念和优点 |
1.2.2 信息融合的模型 |
1.2.3 信息融合的方法 |
1.2.4 信息融合技术的研究现状 |
1.3 多尺度数据融合有关技术及进展 |
1.3.1 多尺度系统估计理论研究概况 |
1.3.2 多尺度数据融合的应用及研究现状 |
1.3.3 多尺度数据融合概念的演变 |
1.4 MEMS陀螺仪中漂移信号处理方法研究现状 |
1.5 陀螺仪中的多尺度数据融合及需要解决的问题 |
1.6 本文的主要研究内容及结构安排 |
2 多尺度数据融合算法及其有效性的证明 |
2.1 引言 |
2.2 小波分解原子时算法 |
2.2.1 常见时间尺度 |
2.2.2 原子时算法 |
2.2.3 小波分解原子时算法的提出 |
2.2.4 小波分解原子时算法有待解决的问题 |
2.2.5 小波分解原子时算法的基本原理 |
2.3 预备知识 |
2.3.1 原子钟的噪声特性 |
2.3.2 相关说明 |
2.4 随机信号数据融合的理论体系 |
2.4.1 平稳单尺度数据融合 |
2.4.2 平稳多尺度数据融合 |
2.4.3 非平稳单尺度数据融合 |
2.4.4 非平稳多尺度数据融合 |
2.5 非平稳多尺度数据融合定理的证明 |
2.6 分析与讨论 |
2.7 本章小结 |
3 多尺度数据融合算法的小波包实现 |
3.1 引言 |
3.2 小波变换和小波包变换 |
3.3 小波包的基本理论 |
3.3.1 正交小波包的定义与性质 |
3.3.2 小波包的子空间分解 |
3.3.3 小波库及小波包基的定义 |
3.3.4 小波包的分解与重构算法 |
3.3.5 最优小波包基的概念 |
3.3.6 最优基的快速搜索 |
3.4 基于小波包的多尺度数据融合方案 |
3.4.1 基于小波变换的多尺度数据融合算法 |
3.4.2 基于小波包的多尺度数据融合方案 |
3.5 基于小波包的多尺度陀螺融合实验研究 |
3.5.1 MEMS陀螺概述 |
3.5.2 MEMS陀螺随机误差分析 |
3.5.3 MEMS陀螺随机误差的Allan方差分析 |
3.5.4 MEMS陀螺漂移的数学模型 |
3.5.5 MEMS陀螺信号实时小波处理方法 |
3.5.6 基于小波包的多尺度陀螺融合算法仿真实验 |
3.6 本章小结 |
4 小波多尺度数据融合中关键技术 |
4.1 MEMS陀螺噪声特性与小波熵 |
4.1.1 MEMS陀螺误差及噪声特性 |
4.1.2 小波熵 |
4.2 常见的小波簇 |
4.2.1 小波基的性质 |
4.2.2 常用小波基 |
4.3 基于小波变换的数据融合中小波基的选取 |
4.3.1 小波基选取原则 |
4.3.2 小波基的比较 |
4.3.3 小波簇的选取 |
4.3.4 陀螺数据融合效果评价 |
4.3.5 最佳小波基选取实验 |
4.4 小波分解层数的设定 |
4.5 数据融合加权因子的选择 |
4.6 本章小结 |
5 多尺度融合与其它MEMS陀螺信号处理方法的比较 |
5.1 MEMS陀螺仪噪声抑制方法研究概述 |
5.1.1 MEMS陀螺仪噪声抑制方法研究现状 |
5.1.2 卡尔曼滤波和小波阈值去噪法的缺点 |
5.1.3 多尺度数据融合算法的优点 |
5.2 MEMS陀螺数据处理中的多传感器数据融合 |
5.2.1 多尺度融合 |
5.2.2 卡尔曼滤波融合 |
5.2.3 小波阈值融合 |
5.3 基于仿真信号对三种融合方法的比较 |
5.3.1 仿真信号的产生 |
5.3.2 第一组仿真实验(Chirp信号+高斯白噪声) |
5.3.3 第二组仿真实验(Chirp信号+有色噪声) |
5.4 基于实测信号对三种融合方法的比较 |
5.5 三种融合方法比较的结论 |
5.6 多尺度数据融合与FLP(前向线性预测)方法的比较 |
5.6.1 FLP算法 |
5.6.2 基于FLP滤波的多传感器融合方法 |
5.6.3 FLP滤波融合结果和分析 |
5.7 本章小结 |
6 多尺度数据融合系统设计与验证 |
6.1 系统的总体设计方案 |
6.1.1 系统需求分析 |
6.1.2 系统整体框图 |
6.1.3 系统中的主要器件选型 |
6.2 硬件电路设计 |
6.2.1 陀螺仪模块 |
6.2.2 协处理器模块 |
6.2.3 主处理器模块 |
6.2.4 系统实物图 |
6.3 系统软件设计 |
6.3.1 接口部分 |
6.3.2 融合处理部分 |
6.4 实验研究 |
6.5 本章小结 |
7 结论 |
7.1 本文的主要研究成果 |
7.2 创新研究 |
7.3 进一步研究工作 |
致谢 |
参考文献 |
附录 |
攻读博士学位期间发表和收录的论文 |
攻读博士学位期间获奖 |
攻读博士学位期间参加的科研项目 |
(8)HXN3B型机车驱动装置振动分析与测试(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究的背景 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 驱动装置振动信号的研究内容 |
1.3.1 振动信号的分类 |
1.3.2 振动信号的预处理 |
1.3.3 主要研究内容及章节安排 |
本章小结 |
第二章 驱动装置振动信号的特征提取 |
2.1 驱动装置的机械构造 |
2.2 轴承的振动特征 |
2.2.1 轴承的基本原理 |
2.2.2 轴承的故障特征 |
2.2.3 轴承的特征频率 |
2.3 齿轮的振动特征 |
2.3.1 齿轮的基本原理 |
2.3.2 齿轮的故障特征 |
2.3.3 齿轮的特征频率 |
本章小结 |
第三章 振动信号的分析技术研究 |
3.1 信号的幅值域分析 |
3.2 信号的时域分析 |
3.3 信号的频域分析 |
3.3.1 频谱分析 |
3.3.2 倒频谱分析 |
3.4 信号的时频域分析 |
3.4.1 Wigner-Ville(魏格纳-威尔)时频分析 |
3.4.2 短时傅里叶变换分析 |
3.4.3 小波变化分析 |
本章小结 |
第四章 驱动装置的振动信号硬件设计 |
4.1 传感器的选用与安装 |
4.1.1 传感器选择 |
4.1.2 传感器安装 |
4.2 XMX多路巡检仪 |
4.2.1 多路巡检仪介绍 |
4.2.2 巡检仪电路原理 |
4.3 VIBROCONTROL 6000处理系统 |
4.3.1 机架VC-6000 |
4.3.2 通信模块 |
4.3.3 监控模块 |
4.3.4 电源模块 |
4.4 控制模块 |
4.4.1 单片机S7-1200 |
4.4.2 S7-1200基本以太网通信 |
本章小结 |
第五章 HXN3B型机车驱动装置振动信号的测试分析 |
5.1 振动信号分析总体概述 |
5.2 HXN3B型机车驱动装置实验 |
5.2.1 实验测试点布置 |
5.2.2 实验参数设置 |
5.2.3 实验记录与运行 |
5.3 驱动装置的温升信号和振动信号分析 |
5.3.1 驱动装置的温升信号分析 |
5.3.2 驱动装置振动信号的频谱分析与小波分析 |
5.3.3 振动信号的小波分析与正交小波分析 |
本章小结 |
总结 |
参考文献 |
攻读硕士学位期间发表的学术论文 |
致谢 |
(9)基于WNN和EEMD的电网谐波检测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 电网谐波检测研究背景与意义 |
1.2 电网中谐波的危害 |
1.3 谐波检测国内外研究现状 |
1.4 本文研究内容 |
第二章 谐波检测中的小波分析与神经网络 |
2.1 小波分析的基本原理 |
2.1.1 常用小波函数 |
2.1.2 多分辨率分析及正交小波算法 |
2.2 小波分析在电网谐波检测的应用 |
2.3 BP神经网络的基本原理 |
2.4 神经网络在电网谐波检测的应用 |
2.5 本章小结 |
第三章 基于小波神经网络的电网谐波检测 |
3.1 小波神经网络原理 |
3.2 小波神经网络分类 |
3.3 改进的小波神经网络结构设计 |
3.4 仿真分析 |
3.5 本章小结 |
第四章 基于EEMD的电网谐波检测 |
4.1 EMD的基本原理 |
4.2 EEMD算法的基本原理 |
4.3 EEMD算法的改进 |
4.3.1 正负白噪声添加 |
4.3.2 施密特正交化 |
4.4 仿真分析 |
4.5 本章小结 |
第五章 总结和展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
攻读学位期间主要的研究成果 |
致谢 |
(10)移动荷载作用下基于最优小波包分解的桥梁损伤识别(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 研究背景及目的 |
1.3 桥梁损伤识别研究现状 |
1.4 本文研究内容 |
第二章 小波分析及小波包分析理论 |
2.1 傅里叶变换 |
2.2 小波分析 |
2.2.1 连续小波变换 |
2.2.2 离散小波变换 |
2.3 多分辨率分析 |
2.3.1 多分辨率分析理论 |
2.3.2 多分辨率分析的性质与两尺度方程 |
2.3.3 Mallat算法 |
2.4 小波包分析 |
2.5 小波包能量 |
2.6 本章小结 |
第三章 基于最优小波包分解的能量降噪法 |
3.1 引言 |
3.2 降噪理论 |
3.2.1 傅里叶变换理论 |
3.2.2 小波变换降噪理论 |
3.2.3 小波包变换降噪理论 |
3.3 最优小波包分解能量降噪法 |
3.3.1 小波函数的选择 |
3.3.2 最优小波基和最佳分解层次的选择 |
3.3.3 能量降噪法步骤 |
3.4 降噪效果的评价指标 |
3.4.1 评价指标的设定 |
3.4.2 噪声的设置 |
3.5 本章小结 |
第四章 移动荷载作用下桥梁结构损伤识别方法 |
4.1 引言 |
4.2 小波包总能量变化率指标 |
4.3 损伤识别过程 |
4.4 损伤程度识别 |
4.5 本章小结 |
第五章 移动荷载作用下基于最优小波包分解的桥梁损伤识别数值分析 |
5.1 引言 |
5.2 有限元模型的建立 |
5.2.1 工程背景 |
5.2.2 工况设置 |
5.3 能量降噪法 |
5.3.1 最优小波包基与最优分解层次选择 |
5.3.2 能量降噪法的应用 |
5.4 桥梁结构损伤定位 |
5.4.1 单处损伤定位 |
5.4.2 多处损伤定位 |
5.5 损伤识别指标鲁棒性分析 |
5.6 桥梁结构损伤程度估计 |
5.6.1 损伤程度敏感性 |
5.6.2 损伤估计模拟 |
5.7 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
四、小波分析与信号处理(论文参考文献)
- [1]基于小波分析与EMD分解的球磨机齿轮齿面故障诊断研究[D]. 于广宇. 广西大学, 2021(12)
- [2]基于小波去噪的阈值函数改进及其应用研究[D]. 盛祖维. 江西财经大学, 2021(10)
- [3]小波阈值去噪理论研究及其在隧道衬砌GPR检测信号中的应用[D]. 邹根. 湖南科技大学, 2020(06)
- [4]改进的小波提升算法及其在地质雷达信号精细化分析中的应用[D]. 张亮. 长沙理工大学, 2020
- [5]基于信号分析的海洋立管涡激振动及损伤特征提取研究[D]. 徐增伟. 天津大学, 2019(01)
- [6]基于车致振动响应的梁式桥结构动力检测与状态诊断方法[D]. 刘晨光. 哈尔滨工业大学, 2019(01)
- [7]多尺度数据融合算法及其应用研究[D]. 刘娟花. 西安理工大学, 2019
- [8]HXN3B型机车驱动装置振动分析与测试[D]. 董学文. 大连交通大学, 2019(08)
- [9]基于WNN和EEMD的电网谐波检测方法研究[D]. 王飞刚. 湖南工业大学, 2019(01)
- [10]移动荷载作用下基于最优小波包分解的桥梁损伤识别[D]. 吴壮. 武汉理工大学, 2019(07)
标签:小波变换论文; 信号处理论文; matlab小波变换论文; 阈值论文;