小波熵去噪在微差爆破延时精确识别中的应用

在小波熵去噪理论的基础上,对实际隧道爆破工程采集到的爆破振动信号进行了小波熵方法去噪。利用db8小波对去噪后的信号在尺度a=16进行了连续小波变换得到其模极大值,准确识别了隧道多段别微差爆破实际延期时间间隔,并验证了小波熵方法去噪的可靠性。结果表明,小波熵去噪方法能够有效滤除和抑制爆破振动非线性信号所夹杂的高频噪声分量,并且很好地保留了爆破振动信号的突变细节。对滤波后的信号进行模极大值变换,信号局部奇异点的辨识更准确,可以精确识别隧道微差爆破延时间隔。     

基于改进EMD—小波阈值联合去噪的城市地下管线识别与定位

探地雷达(GPR)目标回波信号极易由于背景杂波的干扰而被淹没。为了有效滤出杂波,提出了一种改进的EMD-小波阈值联合去噪法,即用改进的基于统计特性和自相关函数特性的EMD去噪法对回波信号进行预处理,在此基础上对EMD分解后的噪声主导模态分量进行小波阈值处理,最后进行信号的重构。结果表明,该联合去噪法不仅可以有效地滤除杂波,而且最大限度地保留了目标回波有用信号,从而使去噪后的回波剖面为城市地下管线的识别与定位提供了可靠的图像解释资料。     

受限空间瓦斯爆炸冲击波压力信号小波包去噪研究

由于受限空间瓦斯爆炸冲击波压力信号具有突变性和瞬态非平稳性特点,采用小波包分析进行去噪处理。选取典型的Daubechies小波包系和Symlets小波包系各小波包基对信号的重构均方根误差,并计算了原始信号与重构信号的相关系数,确定Sym8为处理瓦斯爆炸冲击波压力信号的最佳小波包基。去噪结果显示:小波包分析在降低噪声的同时,仍然保留信号突变部分的信息,能尽可能不失真得重现有效信号,受限空间瓦斯爆炸冲击波压力信号小波包去噪能够得到更可靠地结果。     

基于小波包能量谱和希尔伯特变换的管道泄漏检测技术

为了及时检测输油管道泄漏缺陷以减少输油泄漏事故的发生，首先，提出了一种基于小波包（WPT）能量谱和希尔伯特变换（Hilbert）的输油管道泄漏检测技术，改变阀门开度模拟不同泄漏程度的管道泄漏；其次，选取小波包阈值对采集的信号去噪，获得实际有效信号，并用WPT能量谱变换将有效信号分解为频段能量谱，过滤掉不含泄漏信息的频段，保留有效频段；最后，利用Hilbert进行有效频段的谱分析，提取泄漏源信息，实现对管道泄漏工况的诊断分类。结果表明：输油管道泄漏检测平均误差在3%以内，诊断准确率达到95%，与直接Hilbert变换方法以及单纯WPT能量谱分析法相比，定位精度明显提高。     

EEMD-小波在高边坡变形信息提取中的应用研究

针对高边坡变形呈现非平稳性及数据“噪声”多源的问题,提出了一种定向滤波的变形信息提取方法。首先,利用集合经验模态分解方法分解变形时序数据,结合定量分析法判别模态分量信号频段;然后,对高频模态分量中的“噪声”利用小波函数进行“靶向”消噪处理,并对趋势项进行傅里叶级数拟合;最后,重构高边坡变形分析模型,实现真实变形量的提取。结果表明,对比分析各项检验指标,通过“靶向”消噪,各高频模态分量消噪效果明显,重构后的集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)-小波高边坡变形分析模型较原始形变和其他模型在精度指标方面提升显著,该方法可用于高边坡的变形预测分析和真实变形量提取。     

小波变换理论在炸药装药安全性检验中的应用

工业CT探测炸药时,存在的严重噪声使得信号难以识别,严重影响了炸药探测的可靠度和精确度.为提高工业CT探测炸药的信噪比和可靠性,利用小波变换的方法降低信号噪声以实现有效的炸药探测.结果显示,小波变换可以实际地进行工业CT探测炸药得到的信号的分析,能有效地抑制噪声和提高信噪比,并且利用小波变换可以检测出药柱的裂纹以及裂纹的位置.     

基于小波包变换和ELM的滚动轴承故障诊断研究

为了准确诊断滚动轴承故障,降低滚动轴承故障对设备运行的影响,提出了一种基于小波包变换分析与极限学习机相结合的滚动轴承故障诊断方法.首先,通过小波包变换对轴承振动信号进行消噪处理,采用均方根差和平滑度法为指标筛选出合适的小波基函数,用以对原始信号进行消噪处理.然后以信号的8种特征作为指标对消噪后的信号进行特征值提取,并通过时域、频域信息图对轴承故障进行先验诊断.最后将提取的特征值作为样本通过极限学习机的方法对轴承故障类别进行分类、诊断.研究表明,该方法能够准确地对轴承故障类别进行诊断,为轴承的故障诊断提供了新的思路.     

面向储罐声发射检测的信号分析技术研究

为提高非专家检测人员执行储罐声发射检测后评价的准确度,综合分析检测过程中常见的噪声类型,提出基于小波分析和模式识别的声发射信号处理方法;设计Q235B板三点弯曲、砂纸打磨、橡胶手柄敲击和电噪声试验,并收集新声发射波形特征量分析试验数据,获取不同类信号特征;结合提出的信号处理方法和新特征量,聚类分析大样本数据以区分不同类型声源。结果表明:所提方法可以定量反映声发射波形的突发性,能够解决声发射信号类型的识别问题;该方法还可提取有效声发射信号典型特征,并保留关键频带小波系数来重构波形,适用于储罐的声发射检测。     

给水管道振动信号的小波分析及消振研究

某核发电厂部分蒸汽和给水管道振动情况非常严重 ,以致影响到正常的安全生产。笔者从给水管道的测振出发 ,并利用 3层Daubechise对振动信号进行了小波消噪、滤波、重构处理 ,以找到影响管系振动的激励源的主要频域成分。进而利用比较成熟的结构分析软件ANSYS对管系进行了模态分析 ,得到系统的低阶固有频率和振型。根据管道振动的原因 ,在不改变管系主要特征的基础上 ,给出了简单易行的消振措施 ,实际运行情况表明消振方法效果良好。     

Matlab小波变换在燃气管道泄漏检测中的试验研究

应用Matlab小波变换对燃气管道泄漏信号进行消噪处理,得到了更为精确的泄漏定位结果。首先阐述了小波变换的原理和步骤,通过实验室模拟油气管道进行燃气管道泄漏模拟试验,运用matlab小波工具箱,对不同小波基以及不同阈值处理后的几种偏差进行比较后选取db8小波基对气体管道进行7尺度分析,结合时延估计的检测定位原理得出泄漏位置坐标。结果证明小波消噪确实提高了管道泄漏的定位精度。     

火灾后结构损伤冲击回波法检测数据小波分析的研究

针对火灾后混凝土结构受损综合评判的现状,指出常规检测方法的不足;系统地阐述冲击回波法检测混凝土结构内部缺陷的原理和优越性,提出运用冲击回波法检测火灾后有缺陷的混凝土结构,对采集到的信号进行小波分析,提取反映混凝土结构内部缺陷的特征信息,实现结构损伤检测。实测表明,使用冲击回波法可快速、准确检测火灾后混凝土内部缺陷,通过小波变换对回波信号的奇异性进行检测分析,能有效消除噪声干扰,并准确检测出缺陷位置,可以提高火灾后混凝土结构的检测速度和精度。     

超高层核心筒对称结构风振响应特性实测

为了探究超高层核心筒对称结构风振响应特性,以标高596.5 m的天津高银117大厦为试验对象,在大厦核心筒顶层4个角处分别布设监测点,通过GNSS-RTK多星系实时坐标方位监测技术及基于自相关函数的EMD滤波去噪法,对风荷载作用下其相应测点处X及Y向的振动曲线规律、位移频谱特性等进行了现场实测分析,通过最小二乘法对各测点X及Y向振幅进行统计标点,得出各测点风致振动轨迹,并以原始信号与去噪处理后信号之间的标准差NSTD与相关系数r为评价指标,对比分析了 EMD信号去噪法与EMD滤波去噪法的作用特性.结果表明:GNSS-RTK多星系坐标监测技术针对超高层建筑风振特性实测研究数据监测精度较高,误差较小,具有较强的实用价值;风荷载作用下,超高层核心筒对称结构不仅存在顺风向振动响应,还存在横风向振动响应;各测点X及Y向主频相差较小,风致振动轨迹为近椭圆形,且偏转角度有较大差异,即超高层核心筒对称结构在周围风载作用下存在扭转变形作用力;EMD滤波去噪法可以很好地处理风振特性等相关非线性信号,通过对监测数据局部去噪及重组处理得出利于分析的风振曲线,且标准差NsTD较小,相关系数r较大,较EMD信号去噪法具有更好的去噪效果.     

涡流热成像动态检测模式的缺陷信号重构方法研究

在涡流热成像检测中,缺陷信号重构可以有效评定结构的安全性和可靠性,及时预防生产中安全事故的发生,目前大多数信号重构方法都不适用于动态模式的涡流热成像检测。为了对动态模式涡流热成像检测的信号进行重构,提出了1种基于区域扫描的方法,选定区域大小及划分准则,在每帧图像相同位置划分区域,对各个区域内的温度数据进行相应的运算处理并提取结果,以此作为每个区域的重构温度,进而重构出包含所有缺陷温度信息的热像图。结果表明:该方法可以对动态模式下的涡流热成像温度信号进行重构,并能在一定程度上消除噪声,有利于后续的图像处理。     

考虑数据去噪分解的滑坡位移组合预测研究

为准确掌握滑坡位移变化规律,基于滑坡变形监测结果统计,对位移数据进行去噪分解处理,将滑坡位移数据分解为趋势项和误差项,并分别利用优化多核极限学习机和Arima模型构建预测模型,以实现滑坡位移的组合预测.结果表明:Morlet复小波较传统去噪模型分解效果更优,且通过优化处理,能更好地提高其分解能力;通过对多核极限学习机的...     

考虑随机误差的软土基坑沉降趋势分析及预测*

为准确分析基坑沉降变性规律，基于现场监测数据，通过卡尔曼滤波对趋势项及误差项进行分解，采用M-K检验对发展趋势进行评价，利用优化广义回归神经网络和差分整合移动平均自回归模型，构建基坑沉降分项预测模型，并将预测结果与发展趋势评价结果对比分析，以实现基坑沉降变形规律综合研究。结果表明:卡尔曼滤波能有效分解基坑沉降数据趋势项与误差项，相较于传统小波分解效果更佳；基坑沉降呈持续增加趋势，但趋势性逐渐减弱；预测结果相对误差均值均不大于2%，预测模型精度较高；沉降变形会进一步增加，但增加速率明显降低，与发展趋势分析结果一致，两者相互佐证分析结果准确性。研究结果为基坑沉降变形规律分析提供新思路。     

煤矿生产系统干扰事件的离散小波变换检测

小波变换常用于数字信号传输的噪声检测与处理,为了检测煤矿生产系统中的突发事件,将其模拟为数字信号传输中的干扰,构建系统稳态方程和对应的扰动方程,根据离散小波变换原理,将煤矿生产系统中的监测数据分解为近似部分和细节部分,再进行离散变换。采用多尺度边缘检测法,由光滑后的一阶和二阶导数检测出信号的模极大值点即为瞬态突变点。将A矿记录到的瓦斯浓度监控数据进行可行性分析后,在MATLAB的wavelet工具中对该瓦斯浓度监控数据作离散小波变换,找到四个瓦斯浓度瞬态突变点,那么这四个时刻发生了煤与瓦斯突出事件。结果表明该方法简单、实用性强。据此从计算机实时监控和现场技术防突方面提出应对煤矿干扰事件的措施。     

基于小波分析的起重机伸缩液压缸泄漏诊断方法研究

本文针对液压缸泄漏诊断方法存在的不足,提出了一种基于小波分析的实时在线监测起重机伸缩液压缸泄漏故障检测方法,通过提取并对泄漏故障特征信号进行小波变换分析和试验台试验验证,可实现对液压缸隐蔽泄漏故障的检测及泄漏程度的鉴别,为起重机伸缩液压缸的泄漏故障分析提供了一种新的有效且快速的检测方法。     

基于XGBoost-ARIMA方法的PM2.5质量浓度预测模型的研究及应用

针对PM_2.5时间序列的非线性、高噪声、不平稳与波动性的特征，提出一种基于分解集成框架以及相关性去噪的新型XGBoost-ARIMA混合预测模型。以石家庄市为例，选择PM₁₀、SO₂等4个影响因子，PM_2.5为目标因子，构建混合预测模型以合理区分与处理时间序列中高频、低频数据，并通过Pearson相关性去噪方法对时间序列中的噪声因子进行去除。实例验证及与经典预测模型的对比研究表明，提出的新型XGBoost-ARIMA混合预测模型适用于大气污染治理以及环境政策制定所需的PM_2.5质量浓度日均数据预测，实现了针对大气污染物日均质量浓度的准确预测，能够为污染治理与政策制定提供科学的数据支撑；该方法与经典预测模型相比，具有更优的预测性能(平均绝对误差仅为10.465 18,且希尔不等系数低至0.085 89)。     

2种基于模式识别的环状燃气管网泄漏检测方法

为了将模式识别技术应用于环状燃气管网泄漏检测并找到合适的特征提取方法,以天津城建大学实验室环状燃气管网泄漏为例,将实验的28种工况作为测试样本,与之对应的模拟工况作为训练样本,采用提取压力图像特征向量法和节点压力矩阵法分别进行环状燃气管网的泄漏检测,采用支持向量机分类器将2种方法获得的特征向量进行训练与分类检验,进而将其分类准确率进行对比分析。研究结果表明:该2种方法均可用于环状燃气管网泄漏检测,提取压力图像特征向量法因有效地降低了特征向量的维度和数据波动的干扰,其结果更优。结合SCADA和GIS系统,可将该法应用于实际水、气、油管网泄漏检测和定位,有助于降低成本,提高检测效果。     

扩展卡尔曼滤波算法在矿用救生舱舱内气体浓度测控中的应用

为有效控制矿用移动式救生舱内气体浓度,确保救生舱内环境质量,保障舱内人员生命安全;根据《煤矿井下紧急避险系统建设管理暂行规定》的指标要求,采用扩展卡尔曼滤波方法对救生舱舱内气体参数的变化过程进行辨识,得出舱内气体浓度的状态空间模型,并应用迭代优化控制方法对气体浓度进行控制调节;在矿用救生舱模型和现场样机中分别进行了模拟和现场试验。结果表明,测控系统能有效控制救生舱舱内气体浓度进行,满足各项指标要求,且具有较好的鲁棒性。