小波神经网络故障诊断系统的设计与应用

采用能量分布特征提取方法和优化BP算法，提出了一种基于小波变换和BP神经网络的故障诊断系统。利用该系统对汽车变速箱三挡齿轮磨损程度进行估计，诊断结果与实际完全吻合，表明该小波神经网络故障诊断系统的有效性。由于小波分析特别适用于非平稳信号的处理，因此该小波神经网络诊断系统对复杂机械设备的故障诊断有着广阔的应用前景。     

Gabor与PCA融合算法的人脸识别技术

本课题利用了Gabor的良好鲁棒性和PCA降维方面的优势,提出了Gabor与PCA融合算法的人脸识别方法。Gabor小波变换适用于局部特征提取,该算法的鲁棒性优良,但需要多维度、多频率分解图像,增加了计算量,降低了识别率。PCA是一种降维算法,识别率高,融合Gabor与PCA算法能很好地提高人脸识别系统性能。本课题提出一种基于二者融合算法的人脸识别系统,并对该算法进行实验设计和实现。     

基于双端不同步数据故障测距的自校正算法

提出了一种基于双端不同步数据的故障测距新算法。该算法利用小波变换能够检测信号奇异性的特点,分析双端采样数据,找出双端的故障开始时刻,从而计算出不同步角度,再进一步计算出故障点距离。仿真结果表明,该方法可以有效地校正两端数据的不同步对于故障定位的影响,即使GPS失效时间过长,该算法都能精确定位故障点。     

基于多小波的水电机组振动信号降噪方法研究

多小波可以同时满足对称性,短(紧)支撑性,二阶消失矩和正交性,在信号处理方面比小波更有优势。在多小波分解系数中,当一个系数包含某些信号成分时,其相邻系数也可能包含一定的该信号成分。与传统的小波去噪算法相比,相邻系数法能更好地解决变换系数之间的相关性,获得更好的降噪效果。在模拟振动信号降噪处理中,对信噪比和均方根误差进行定量分析,结果表明多小波相邻系数降噪法要优于小波阈值降噪法。在对水电机组实际采集的振动信号进行降噪研究时,通过对比降噪前后信号振动特征分量的保持完整程度,表明该方法滤波更彻底,保留振动特征分量更完整,是一种更加有效的降噪方法。     

自由曲面数控加工中过切的小波分析

将小波分析方法应用于自由曲面数控加工中过切信号分析和处理,在给出小波分析概念的基础上,较为详细地讨论了离散二进正交小波算法－Ｍａｌｌａｔ算法。通过小波变换将原始信号分解到不同频带,进而观察到过切的特征。研究表明：多分辨（多尺度）分析的方法,对于数控加工中曲面过切这种故障信号不但具有精确的时－频定位作用,而且还具有易于监测的优点,是继ＦＦＴ之后信号处理的又一有力工具。     

基于小波包和样本熵的齿轮故障特征提取

针对齿轮箱振动信号的复杂性和随机性,本文采用在时、频域内能更好地反映信号本质特征的小波包分解方法进行分析处理,然后用样本熵作为特征向量,首先把采样得到的时域数据进行三层小波包变换,然后计算分解获得的所有频段的样本熵,用来当作特征值。通过MATLAB实现算法,并用齿轮箱实验台模拟正常、齿顶磨损、断齿三种工况进行实验和分析验证了该方法的有效性。     

基于三维小波变换的农机CAD模型特征提取与评价方法

为提高三维CAD模型特征提取准确度,满足农业机械制造领域CAD模型智能化检索需求,提出一种三维CAD模型的特征提取与评价方法。首先对农业机械模型库中三维模型进行平移归一化、旋转归一化、尺度归一化处理,规范化后的CAD模型进行三维离散小波变换,CAD模型经过单层三维小波变换后被表示为8个维度的频域系数子空间;然后对低频子空间LxLyLz进行二次小波变换,二层级小波变换后单个CAD模型被分解为15个特征量,采用AHP层次分析法确定不同频域空间特征量权重,以距离度量法定义含有权重系数的相似性度量值,完成不同模型间特征提取及相似性比较,计算并建立三维CAD模型频域特征索引表;最后以VS2010与Matlab 2016b为开发环境,以Open Cascade为几何造型平台,使用ESB通用模型库及农业机械零部件参数化模型库验证算法有效性。在ESB模型库中T型零件检索结果表明,在保持相同查准率条件下,本文小波变换算法排序误差更小。拨禾轮CAD模型检索结果显示,相似性评价度量方法不仅考虑模型的形态相似性,同时兼顾了应用领域语义相似性,算法实用性高。农机装配体检索实例应用结果表明,借助本文检索算法,可从海量模型库中检索出所需模型,根据实际设计要求对检索出的相似模型进行编辑和修改,可快速完成零部件模块化设计。三维小波变换检索算法查准率受小波函数性质影响,coif类小波函数具有较强的检索适用性,层次分析法能有效区分不同分解层权重,二层级小波变换能够达到现阶段机械零件模型检索精度要求。小波变换设计重用检索算法可满足模型检索设计需求,拓宽设计者设计思路,促进智能化设计。     

多尺度SIFT特征匹配的足迹图像拼接方法

为了增强图像细节、提高匹配精度,提出了一种基于小波变换的多尺度SIFT特征匹配的足迹图像拼接方法.该方法对预处理的图像进行小波变换,把低频系数设为零,高频系数进行阈值调整并反变换后,再利用对于尺度具有鲁棒性的SIFT算法对处理后的图像进行特征点的提取与匹配.对于粗匹配产生的误匹配对,应用随机抽样一致性算法(RANSAC)进行筛选,并通过与原始图像的拼接作比较显示该方法的优越性.实验结果证明该方法使图像细节更为清晰,提高了匹配精度,而且较原始方法有一定程度的提高.     

一种基于小波包变换和有效值算法

近年来，随着科技的迅猛发展，各种敏感电力电子设备在工业中的应用越来越广泛，使得电压暂降与中断已上升为最严重的电能质量问题。对电压暂降扰动发生、恢复时刻和暂降幅值的检测是电压暂降补偿首先要解决的问题。在对现有的电压暂降检测方法进行仔细的研究和比较后，提出一种将小波包变换和有效值算法相结合的电压暂降检测方法，利用这种方法可以更加准确、简洁地检测出电压暂降扰动。利用小波包变换理论实现了电压暂降的精确定位和消噪处理，其消噪效果优于小波变换；利用有效值算法快速、直观地实现了电压暂降幅值的检测。仿真结果验证了该方法的有效性。     

小波随机耦合模型在查哈阳农场降雨量预测中应用

采用小波变换A Trous算法对小波信号进行分解后,对各小波变换序列进行互相关分析,建立各小波变换序列相应的随机模型,最后采用小波重构算法得到小波随机耦合模型.然后根据查哈阳农场1956-2008年作物生育期月降雨量数据资料,建立了小波随机耦合模型,对模型进行拟合预测精度检验,研究表明该模型拟合预测精度高,能够反映该地区的降雨量变化规律,是一种实用的预报模型.对当地制定合理的灌溉制度和高效利用降水资源具有重要意义.     

基于LabVIEW的果园开沟深度监测系统的设计与试验

针对开沟作业过程中存在作业深度依靠人工监测准确性低、人工工作量大等问题,研制了一种基于LabVIEW的开沟深度监测系统,配套搭建了单片机下位机系统,实现了开沟深度等参数的实时监测、计算、显示与保存。为了降低作业环境、机具抖动对数据造成的影响,分别采用中值滤波、卡尔曼滤波、小波降噪-卡尔曼滤波3种滤波方法对数据进行滤波修正处理。试验验证表明:系统能够实时监测开沟作业过程中的开沟深度,并实时计算开沟深度平均值、开沟深度标准差、开沟深度稳定、作业时间等参数;对比3种滤波算法,小波降噪-卡尔曼滤波降噪效果最好,能够实现对数据的滤波修正处理,修正后系统准确性较好,能够满足系统设计需求。     

基于图像边缘检测的红枣分级方法

我国红枣的种植规模庞大,但加工水平不高,影响了其竞争力和经济效益。分级是水果进入市场之前的重要处理环节,对经济效益有提升作用。与传统方法相比,计算机视觉分级的检测精度高,能实现无损分级。图像边缘检测是基于计算机视觉分级的核心,合适的边缘检测算法能够极大地减少计算量,提高分级效率。为此,建立了一种基于图像边缘检测的红枣分级方法,利用小波变换、自适应Canny算法和梯度算法分别检测边缘,并计算红枣的大小和表面缺陷比率作为等级划分依据。试验表明:3种算法对边缘的定位精度都很高,能有效检测到表面缺陷。这3种算法各有优缺点,自适应Canny算法是最为理想的检测算法。     

采摘机器人水果检测及定位研究——基于图像处理和卷积神经网络

首先,设计了一种采用K-means聚类算法和图像处理相结合的目标边缘识别算法,可以获得完整的目标边缘轮廓;然后,利用卷积神经网络和双目视觉技术实现了采摘机器人水果检测及定位方法。实验结果表明:该采摘机器人水果检测及定位方法较好,计算量小,处理速度快,误差较小,能够满足采摘要求。     

基于ZigBee技术与BP神经网络的棉田自动灌溉控制系统设计

针对新疆水资源紧缺、农业用水量大的一系列问题,基于ZigBee技术设计一种能够实现棉田自动灌溉系统,该系统进行了无线传感器网络节点设计,组建了模块化的设计方案包括信息采集模块、控制模块和通讯模块,通过采集模块采集到的模拟电压信号通过A/D转换成数字信号以便单片机进行处理。通过GPRS通讯模块将信息发送到由组态软件Labview设计人机交互界面,可以监控滴灌现场情况做出自动和手动调整。建立BP神经网络的监测预警模型,并利用这种计算量小的方法来实现稳定监测并达到预警稳定的效果。该系统运行稳定,能够实现数据采集,适用于棉田灌溉的实时监控。     

基于IRM和小波变换的圆度误差在线检测技术

针对提高圆度误差在线检测精度的两个关键问题--主轴回转误差分离和环境噪声消除,提出了一种基于IRM(改进反向法)和小波变换的圆度误差在线检测方法.运用IRM实现在线检测中主轴回转误差与圆度误差的分离;采用基于小波变换的消噪滤波方法,消除车间噪声和高、中频信息的干扰.实验结果表明,在线检测精度基本达到了三坐标机的离线检测精度,平均相对误差4%,重复测量精度基本一致.     

基于形态非抽样小波分解的滚动轴承故障特征提取

针对滚动轴承故障特征信息往往被强背景噪声淹没的问题,提出采用基于多尺度差值形态滤波的形态非抽样小波分解方法提取故障特征.形态非抽样小波分解具有形态学的形态滤波特性与小波分解的多分辨率特性,通过非抽样方式对信号进行分解,克服了传统形态小波分解信息丢失的问题.结合差值形态滤波能够提取信号冲击成分的特点,构造了一种基于多尺度差值形态滤波的形态非抽样小波分解方法,并将其应用于滚动轴承故障特征的提取.仿真与实例证明,该方法可有效提取信号中的故障特征,比传统小波包分解效果更好.形态非抽样小波分解算法只包含加减和极大、极小运算,具有计算简单、快速等优点,适用于滚动轴承的在线监测与故障诊断.     

基于IRM和小波变换的圆度误差在线检测技

针对提高圆度误差在线检测精度的两个关键问题——主轴回转误差分离和环境噪声消除，提出了一种基于IRM（改进反向法）和小波变换的圆度误差在线检测方法。运用IRM实现在线检测中主轴回转误差与圆度误差的分离；采用基于小波变换的消噪滤波方法，消除车间噪声和高、中频信息的干扰。实验结果表明，在线检测精度基本达到了三坐标机的离线检测精度，平均相对误差4%，重复测量精度基本一致。     

基于小波包能量谱的微电机故障检测方法研究

提出了一种基于小波包能量谱的微电机故障检测方法.测试了微电机在几种不同故障类型下的振动信号,利用小波包变换的分解和重构算法,计算出各子频带的能量谱,并进行归一化处理.各频带信号的能量变化包含着丰富的微电机运行状态信息,在正常情况和故障情况下,小波包分解后各频段信号的能量有明显差异,以频带能量谱构造的特征向量可以建立能量变化到故障的映射关系.初步实验结果表明,小波包能量谱可应用于微电机故障检测.     

小波变换在农田图像边缘检测中的应用

为了给农业机器人田间行走提供准确导航方向线,以农田景物为研究对象,提出用紧支撑双正交小波变换检测图像中的边缘,并改进了传统的小波算法。运用此方法,在计算机上对图像做边缘提取的实验。实验结果表明,该方法能够得到连续、光滑、单像素宽边缘链图像。程序的单幅图像处理平均效率为0.12s,不仅证明了该算法能够达到实时检测、自主导航的要求,而且也表明这种边缘提取方法是有效和可行的。     

WMSN节点的低内存开销图像压缩方法

基于比特平面及二值自适应算术编码提出了一种逐行小波系数编码方法,该方法能与低内存开销的逐行小波变换无缝、高效对接。处理器从图像节点FIFO通道中逐行读出图像信息,完成多级小波变换后,根据各层小波系数概率分布确定量化值,利用4个二值概率模型对系数各比特平面执行二值自适应算术编码,实现了基于小波变换的低内存开销图像压缩。利用该压缩方法处理一幅320像素×240像素仔猪灰度图像,结果表明,量化位数取3位时,存储开销、时间开销及峰值信噪比为5.749 KB、16.312 s及39.72 d B,内存开销低且重构图像质量较高。