摘要：超声流量计通常采用时差法进行流量测量,但面对锅炉等环境噪声较强的复杂环境,传统的阈值法和互相关法等方法的流量测量精度会受到极大影响。提出一种基于小波包去噪与LSTM的超声飞渡时间测量方法,利用实际锅炉换热管道中采集到的超声信号数据开展实验,结果表明文章所提测量模型相较于传统的GCC、QCC等算法,在超声飞渡时间测量准确率方面提高了20.03%以上,平均绝对误差方面至少降低了0.1860,均方根误差方面至少降低了0.2829,提高了锅炉管道流量的测量精度。

摘要：经验模态分解(Empirical Mode Decomposition,简称EMD)方法是一种被广泛应用于故障诊断领域的信号处理方法,但是分解的结果容易受到高频噪声的干扰。因此本文提出利用小波包去除噪声,同时利用EMD分解进行故障电弧信号处理的研究方法。首先根据国标GB/T 31143-2014搭建故障电弧实验平台,采集故障电弧信号,利用小波包去除信号中的噪声,然后利用EMD方法对正常电弧和故障电弧进行分解得到一系列本征模态分量,通过计算求出这些分量的能量熵并进行归一化处理得到特征向量,最后进行支持向量机(SVM)训练,进而诊断得出故障电弧的故障类型。实验结果表明该方法可以有效准确地对故障电弧进行判断。

摘要：文章提出了变形分析的小波包去噪方法,并和变形分析的小波去噪方法进行了对比,仿真和实例应用表明,该方法不但能很好的去除噪声,而且可以很好的保留变形监测信号的真实。

摘要：传统的小波包阈值函数如软、硬阈值函数等其去噪形式固定,对全部小波包系数进行相同的阈值化处理,然而噪声在小波包系数中的分布却并不均匀。为了弥补这一缺陷,提出了一种新的带参数的阈值函数,对最大分解尺度与其相邻尺度的小波包系数进行相关性计算,且以该值作为调节参数,对相关性弱的小波包系数进行大尺度收缩而对相关性强的小波包系数尽可能地保留,以达到自适应去噪的目的。利用此方法对滚动轴承振动信号进行去噪分析且对去噪后信号进行功率谱分析,与其他方法进行对比,结果表明该方法去除噪声较为彻底,且能更好地还原信号的特征信息。

摘要：以圆柱齿轮为对象,提出了基于双谱图像的机械故障嵌入式诊断方法。首先,通过小波包阈值去噪、小波包重构、双谱分析生成故障信号的双谱图,并通第一类灰度矩来表征双谱图特征。这些特征统计量,作为BP神经网络模式识别算法的输入特征向量,从而对这些特征集合进行分类,识别出相应的齿轮故障类型。实验证明在具有噪声的情况下,该方法取得了比较理想的识别率,验证了基于图像识别的齿轮箱故障诊断方法的可行性。以OpenCV库编写的代码移植到嵌入式系统简单易行,开发效率高,程序运行可靠。