基于小波和混沌优化LSSVM的周期来压预测

采煤工作面的液压支架是承受顶板压力的主体结构,选择支架的主要根据是其将要承受的周期来压荷载。为预测周期来压,构建了基于小波和混沌优化的最小二乘支持向量机(LSSVM)方法。该方法利用小波分解技术将所选的样本集数据分解成不同频率的分量,基于混沌理论对分量相空间进行重构。各重构分量分别使用LSSVM模型进行训练,其中LSSVM预测模型的参数由混沌粒子群算法进行优化。最后,将各LSSVM模型得到的预测分量进行小波重组得到完整的周期来压荷载预测波形。通过在重构时的计算发现,在某周期下,荷载的时序序列有一定的混沌性。与其他3种模型进行比较,基于小波和混沌优化LSSVM的预测模型得到的最终荷载波的精度更高,收敛性也较好。     

基于小波包熵与AFSA-SVM的压力管道泄漏识别

为了快速、准确地诊断出输气压力管道不同的泄漏状态,提出了一种基于小波包熵与人工鱼群优化支持向量机(AFSA-SVM)相结合的压力管道泄漏模式识别方法。该方法首先对管道泄漏时产生的声发射信号进行小波包分解,并对分解的最后一层节点重构信号进行相关性分析,以获得敏感的节点信号。然后求取这些敏感节点信号的小波包熵值,作为管道不同泄漏信号的特征向量。最后将小波包熵值输入到SVM中,并运用AFSA方法对SVM分类器中惩罚因子C与核函数参数g进行全局优化,以提高其分类准确率。实验结果表明,该方法能准确地识别压力管道不同的泄漏状态,为天然气管道泄漏状态监测提供新方法。     

基于多层感知器神经网络和统计小波特征的管道泄漏诊断

油气输送管道泄漏造成的主要问题包括环境危害和经济损失.为了降低管道泄漏造成的危害,提出了一种新的方法用于检测管道泄漏情况.该方法主要通过故障检测与隔离系统建立入口压力与出口流量之间的定量关系,首先,采用OLGA软件模拟获得管道入口压力和出口流量数据,为了提高模型精度,利用小波变换的多尺度分解和重构技术将获取的数据信号分为3级,并将其作为故障检测与隔离系统的训练数据.然后采用统计技术、小波变换及2种方法的融合等方式提取信号的均值、偏差、峰度等特征,将特征提取结果分别作为多层感知器神经网络分类器的输入来确定泄漏状态.最后,利用混淆矩阵对泄漏识别的精度进行验证.对一段长约5 km的天然气管道进行了泄漏检测,将泄漏类型分为10类,结果表明,提出的方法对泄漏位置和泄漏尺寸的自动检测识别率约为92％.该方法不仅可以检测泄漏故障的发生,还可以确定泄漏故障的位置和严重程度.     

基于图像融合技术的步态识别

步态识别作为一种新型的生物特征识别技术,主要是通过人的步态特征进行身份识别。而一般提取出的步态特征往往不是很清晰,为了获得比较清晰的步态特征,利用图像融合技术中的小波变换融合对步态序列图像进行分解,将其分解到不同的频率段上,并采用不同的融合规则进行融合来获取比较清晰的步态特征。在此基础上进行了仿真实验,通过实验结果分析证实小波变换融合相对于其他融合方法确实能有效提高步态特征识别率,能够获得比较好的识别效果。     

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.     

基于小波去噪-卡尔曼滤波的供水管网爆管检测

在应用卡尔曼滤波进行爆管检测时，若受到监测误差、用水量随机波动等因素形成的背景噪音影响会导致误报率偏高，进而带来爆管检测系统鲁棒性较低的问题。鉴于此，对原始卡尔曼滤波进行了改进，首先采用小波函数对监测数据进行处理，其可以成功将周期循环信号中的有效信号及噪声信号分解至不同频域，然后使用硬阈值函数去噪后再对信号进行重构；最后利用卡尔曼滤波对重构后的信号进行爆管检测。研究结果表明：通过小波去噪，重构的信号中噪声信号占比显著降低，且信号与有效信号相似性更大；利用实际管网数据验证发现，所提算法可成功应用于实际管网爆管检测且与卡尔曼滤波相比，信号持续稳定，无剧烈波动且误报次数由6次降至0次，极大提高了爆管检测系统鲁棒性。     

基于小波包分析的爆破振动危害评价初探

结合振动主频的质点振速判据是对单一质点振速判据的补充和完善.但该判据的振动主频是通过FFT变换的频谱分析的方法获得的,不能体现爆破振动波形的多主振频带特征,而且由于方法本身的局限性使得主振频率发生的时间段不能确定.小波包分析法则克服了FFT频谱分析的局限,有效地分解和重构原始信号中的细节信号,并将其作为评价不同频率细节信号的爆破振动危害效果的基础.本文针对爆破振动的小波包分析法进行了研究,对各小波包细节信号加载条件下的不同危害效果进行了讨论,得到了相应的质点振速判据,并将该方法所得到的判据与FFT变换的频谱分析方法所得到的判据进行了对比.结果表明,基于小波包分析法的质点振速判据更加符合爆破振动危害的真实情况.     

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。     

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。     

小波分析在语音识别系统中的研究与应用

在语音识别系统的不同处理阶段,大部分可以使用小波分析技术进行实现,并且这种实现方法比传统的方法具有更好的效果.本文重点探讨了在端点检测、噪声去除以及参数提取过程中使用小波分析技术的原理及方法,并提出现阶段所存在的问题及解决方案.     

基于小波分析的声发射信号处理

小波分析作为一种新的信号分析处理方法，可对任意信号，信号的任一时刻、任一频段进行时频分析。将小波分析用于声发射信号处理，有助于声发射技术的发展与推广应用。     

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研究

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。     

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。     

Leak location of pipelines based on characteristic entropy

The leakage of oil/gas pipelines is one of the major factors to influence the safe operation of pipelines. So it is significant to detect and locate the exact pipeline leakage. A novel leak location method based on characteristic entropy is proposed to extract the input feature vectors. In this approach, the combination of wavelet packet and information entropy is called “wavelet packet characteristic entropy” (WP-CE). The combination of empirical mode decomposition and information entropy is called “empirical mode decomposition characteristic entropy” (EMD-CE). Both pressure signal and flow signal of low noise and high noise of pipeline leakage are decomposed to extract the characteristic entropy. The location of pipeline leak is determined by the combination of the characteristic entropy as the input vector and particle swarm optimization and support vector machine method (PSO-SVM). The results of proposed leak location method are compared with those of PSO-SVM based on physical parameters. Under the condition of high noise, the results of proposed leak location method are better than those of PSO-SVM based on physical parameters.     

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。     

Experimental study on leak detection and location for gas pipeline based on acoustic method

The leak of gas pipelines can be detected and located by the acoustic method. The technologies of recognizing and extracting wave characteristics are summarized in details in this paper, which is to distinguish leaking and disturbing signals from time and frequency domain. A high-pressure and long distance leak test loop is designed and established by similarity analysis with field transmission pipelines. The acoustic signals collected by sensors are de-noised by wavelet transform to eliminate the background noises, and time-frequency analysis is used to analyze the characteristics of frequency domain. The conclusion can be drawn that most acoustic signals are concentrated on the ranges of 0-100 Hz. The acoustic signal recognition and extraction methods are verified and compared with others and it proves that the disturbing signals can be efficiently removed by the analysis of time and frequency domain, while the new characteristics of the accumulative value difference, mean value difference and peak value difference of signals in adjacent intervals can detect the leak effectively and decrease the false alarm rate significantly. The formula for leak location is modified with consideration of the influences of temperature and pressure. The positioning accuracy can be significantly improved with relative error between 0.01% and 1.37%.     

基于小波分析的入库径流变化研究

基于桂林市青狮潭水库1958—2011年入库径流资料,采用Morlet小波分析方法对入库径流在不同时间尺度下的变换时频分布特征及丰枯变化的情况进行了分析。结果表明,青狮潭水库入库径流序列具有多时间尺度变化特性,主要存在8,15,22,32 a左右的周期变化。这4个主要周期变化,主导着青狮潭水库入库径流的趋势变化特性,尤其是以32 a的周期变化为主,入库径流大致经历了枯→丰→枯→丰→枯的变化。     

基于梅尔倒谱系数的矿山复杂微震信号自动识别分类方法

为了实现矿山复杂微震信号的自动高效识别与分类,保证后续微震分析的时效性和准确性,运用梅尔倒谱系数法,将原始的4种微震信号(岩体破裂、爆破振动、电磁干扰和钻机凿岩)转化为梅尔标度上的非线性频谱,再转换到倒谱域上,结合其在时域上的差分得到1组24维的特征参数向量,利用这些特征参数向量训练构建各类事件对应的混合高斯隐马尔可夫识别模型,进而实现对微震信号的自动识别分类。研究结果表明:运用基于梅尔倒谱系数的微震信号识别分类方法对矿山实际微震数据进行测试,微震事件的识别分类准确率达到92.46%,具有较高的准确性,为实现微震监测系统的实时性分析提供了技术支持。     

基于贝叶斯网络的城市地下燃气管网动态风险分析

为研究城市燃气管网风险的动态性,针对传统风险分析方法的局限性,提出基于贝叶斯网络的燃气管网动态风险分析方法。构建燃气管网失效蝴蝶结模型并将其转化为贝叶斯网络模型;在事故发生状态下更新事件失效概率,识别出关键因素;根据异常事件数据和贝叶斯理论,对基本事件失效概率进行实时动态改变;随之更新管网失效及各后果发生的概率,从而实现管网的动态风险分析。研究结果表明:该方法克服了传统风险分析方法的不足,可动态反映燃气管网失效和事故后果发生概率随时间变化的特征,能够为城市地下燃气管网的风险分析与事故预防提供参考。