【摘要】： 小波分析是近二十年來很受關(guān)注的一個領(lǐng)域,它成為了調(diào)和分析及信號分析等領(lǐng)域的重要工具之一。而提升小波以其獨特的算法結(jié)構(gòu)、快速運算能力及低存儲需求,且適合于自適應、非線性、非奇異采樣等優(yōu)點受到信息科學領(lǐng)域的廣泛關(guān)注。論文主要圍繞提升小波分析算法在機械故障特征提取方面做了一些研究。 論文首先分析了提升小波變換的一些基本知識,提升小波分析的分解和重構(gòu)過程。提升小波由于在每次分解后的隔二采樣使得每經(jīng)過一次分解數(shù)據(jù)的數(shù)量就減少一半,這樣參與計算的信息會越來越少,勢必會造成分析效果不同程度的失真。為此引入自回歸譜提升小波分析信號的方法,自回歸譜在分析短數(shù)據(jù)的情況下能夠較傅里葉變換取得更好的效果。 為了消除提升小波分析算法每次隔二采樣后數(shù)量就減少一半的不足,論文提出了冗余提升小波分析算法。冗余提升小波分析算法不存在隔二采樣步驟,每次分解后近似信號和細節(jié)信號中所含的數(shù)據(jù)量和原始信號是等長度的,數(shù)據(jù)是冗余的,有利于信號特征分析。 為了更有利于匹配分析信號的特點,有利于信號微弱特征的提取,本文在研究相關(guān)文獻的基礎(chǔ)上,提出了一種新的基于自適應算法的冗余提升小波分析。在自適應冗余提升小波變換方案中,根據(jù)待分析信號的局部信息,自適應地選擇更新器和預測器,以保證更有效的提出信號特征。 為了驗證自適應冗余提升小波分析的工程實用性,本文將該算法應用到了從振動信號提取早期微弱故障特征信號中。應用分析結(jié)果表明,自適應冗余提升小波分析能夠滿足早期微弱信號特征提取的要求。
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2010
【分類號】：TH165.3

【參考文獻】

相關(guān)期刊論文 前7條

1 姜洪開;王仲生;;第二代小波包構(gòu)造及發(fā)動機微弱損傷識別[J];北京航空航天大學學報;2007年07期

2 馬波;高金吉;江志農(nóng);;自適應提升小波在往復機械故障檢測中的應用[J];流體機械;2007年04期

3 姜洪開,何正嘉,段晨東;冗余第2代小波構(gòu)造及機械信號特征提取[J];西安交通大學學報;2004年11期

4 姜洪開,何正嘉,段晨東,陳雪峰;基于提升方法的小波構(gòu)造及早期故障特征提取[J];西安交通大學學報;2005年05期

5 姜洪開;王仲生;何正嘉;;基于自適應提升小波包的故障微弱信號特征早期識別[J];西北工業(yè)大學學報;2008年01期

6 周瑞;鮑文;左國華;于達仁;楊建國;;基于改進冗余提升方案的汽輪機組振動故障特征提取[J];中國電機工程學報;2008年08期

7 段晨東;;基于第二代小波變換的混合小波降噪方法[J];中國機械工程;2007年14期

相關(guān)碩士學位論文 前2條

1 閻剛;基于自適應提升小波的圖像壓縮[D];西安電子科技大學;2006年

2 高真真;基于提升方案的自適應小波變換算法研究[D];哈爾濱工業(yè)大學;2006年

，

本文編號：2639450