摘要：点云数据的平滑处理是逆向工程曲面建模前的必要环节。提出了基于小波包的点云数据平滑处理方法,通过小波包变换将点云数据分解成不同层次的小波系数,而点云数据中的噪声点属于高频信息范围,所以在小波系数域内通过去除高频信息重构点云数据,一方面可以实现点云数据的平滑处理,另一方面则可以针对不同的频谱信息进行噪点云除。同时,由于点云数据的离散间隔信息不均匀,采用离散小波进行处理时在采样方式上存在误差,故根据点云数据的获得原理,采用图像域的二维信息作为索引代替原三维点云数据的x,y坐标。小波包重构后通过索引信息将原来的坐标信息还原,从而达到点云数据平滑的目的。整个算法通过图像域、小波系数空间和三维欧式空间的相互转换完成点云数据的平滑处理。最后以具体的实例验证所提方法的有效性。

摘要：随着经济发展,通过舰船进行货物运输越来越频繁,保证舰船的安全性,快速准确的检测到舰船的状态并对舰船的故障进行排除具有非常重要的现实意义。本文从对混沌理论和小波包的分析中获取各自特点,并且将二者相结合进行舰船状态的检测,首先利用小波包分析分解可能引起舰船状态发生变化的特征信号,其次利用混沌理论对信号进行特征提取,确定是哪个部位发生故障,最后通过实验验证本文所设计算法的可靠性。

摘要：由于负载波动导致混合动力船舶存在燃料电池电能质量下降及蓄电池使用寿命缩短的问题,因此,针对该问题首先对船舶动力系统进行模拟改装。采用超级电容、磷酸铁锂电池构成复合储能系统,设计基于小波包及模糊控制的能量控制策略,通过搭建动力系统及能量控制策略的Simulink仿真模型对所提控制策略有效性进行验证。仿真结果表明,该控制策略能够有效地优化电池充放电过程,延长电池使用寿命、降低燃料电池输出功率的波动及稳定母线电压提高电能质量。

摘要：为了在滤除图像噪声的同时能很好地保持图像的细节,提出了一种基于自适应边缘检测的小波包图像去噪方法,先用自适应滤波多尺度边缘检测方法检测出图像的边缘,小波包去噪时就可选用全局阈值而不必担心损害图像的边缘特征。实验结果表明,该方法不但可以保持图像的边缘信息,而且能够提高去噪后图像的信噪比。

摘要：为研究干式变压器局部放电超声信号的模式识别,设计制作了针-板、沿面和气隙3种局部放电模型,用超声检测系统得到3种局部放电的超声信号波形数据。运用小波包理论对采集到的局部放电超声信号进行分解,用Shannon熵代价函数来确定最优小波包基,得到最优小波树,提取在最优基下包含绝大部分信息能量的小波包分解系数的统计量作为模式识别的输入特征量,并应用CPN网络分类器进行放电类型的识别,取得了很好的效果。

摘要：为了实现对故障轴承的特征提取和对故障特征的准确分类,该文提出了应用小波包变换与改进的多元最小二乘支持向量机(LS-SVM)相结合进行滚动轴承故障模式识别的方法.首先,利用小波包对滚动轴承振动信号进行分解和重构,并构造特征向量;然后,针对传统的单个核函数不能兼顾学习能力和泛化能力的缺点,提出了应用混合核函数对多元LS-SVM进行改进的算法;最后,将特征向量作为输入,分别应用于常用核函数和基于混合核函数的多元LS-SVM对滚动轴承故障类型进行仿真判别对比实验.结果证明了所设计方法的有效性.

摘要：提出基于小波包分析的网络流量随机模拟算法,通过应用小波包变换将实际测量的网络流量分解为2个不同分量(n为分解的层数),再将这些分解长度相等的每个分量进行等分,进行这些等分分量的随机组合形成2个分量,再重构,最后对模拟合成的网络流量进行自相似特性的分析。实验结果表明,用该方法模拟的网络流量具有较好的自相似性。

摘要：为了高效准确地在线监测加工高温合金过程中的刀具磨损,有效地提取刀具磨损相关特征显得尤为重要。文章提出了基于小波包分解的刀具磨损特征提取方法,将刀具切削过程中的切削力信号在时频域下分解重构,分析了各频段重构信号能量值与刀具磨损的相关性,提取了信号分解重构后小波包系数能量值中与刀具磨损相关的两个频段信号作为刀具磨损监测的特征参数,最后通过试验结果表明,采用小波包分解方法在切削力信号中提取的切削力特征和切削振动特征可作为刀具磨损特征,从而为后续研究刀具磨损在线监测提供有效输入。

摘要：针对当前利用小波包变换算法提取直流提升机中非稳定型信号时存在的信号混叠问题,提出一种改进型小波包变换算法,该改进型算法在起始时对引起混叠的基波进行分离,从而消除引起的影响,进而能准确地提取出非平稳信号的特征信息。仿真实验表明,0.04 s后重构的信号与基波信号的重合精度在1%以内,并通过设计硬件检测系统进行现场实验。实验结果证明改进型小波包变换算法有较高的精度,能够很好地满足有源滤波器对谐波检测的要求。

摘要：基于小波包分解结果,针对信号在不同频段内能量的变化,进行故障辨识。信号发生故障一般都伴随着能量的变化,而小波包提供了一种将信号划分到不同频段的方法,借助小波包将信号细分到各个频段,分别求出频段内信号的能量,观察能量的变化就可以判断出是否发生了故障以及故障的程度。以一组转子系统正常与故障时的实验数据为例,详细地说明了该方法的可行性,取得了准确的结果。该方法可以被广泛应用于各种平稳信号或非平稳信号的故障监测。