基于小波分析的振动攻丝动态切削力提取

介绍了小波分析理论及小波变换的快速算法,并将它应用于提取振动攻丝动态切削力.通过对所获得的振动攻丝切削力(扭矩)信号进行小波变换,将动态切削力从中分离出来,并对分离前后的信号频谱进行对比分析.结果表明:经小波变换后的动态力频谱结构比未经分离的信号更为清晰,其特征谱线尤为突出.这将为深入研究振动攻丝动态切削力对整个系统的影响提供有力的工具.     

小波分析在振动攻丝扭矩信号滤波中的应用

介绍了小波分析理论及小波变换的快速算法，讨论了该理论在振动攻丝扭短采样信号滤波中的应用，通过对所获得的扭矩信号进行小波变换，将其分解成若干个互不重叠的频带，利用阈值量化处理的方法去除噪声（高频信号），再将剩余部分进行重构，形成了抑制噪声的滤波信号，实验结果表明，该方法对采样信号进行滤波是十分有效的，对提高扭矩测量值的计算精度很有利。     

小波分析在振动攻丝扭矩信号滤波中的应用

介绍了小波分析理论及小波变换的快速算法 ,讨论了该理论在振动攻丝扭矩采样信号滤波中的应用 ,通过对所获得的扭矩信号进行小波变换 ,将其分解成若干个互不重叠的频带 ,利用阈值量化处理的方法去除噪声 (高频信号 ) ,再将剩余部分进行重构 ,形成了抑制噪声的滤波信号 .实验结果表明 ,该方法对采样信号进行滤波是十分有效的 ,对提高扭矩测量值的计算精度很有利     

螺孔振动攻丝实施方案及其运动关系分析

本文通过对振动攻丝加工特点的分析，提出省掉攻丝靠模的新方案。并从理论上证明了这一新方案的可行性。     

振动攻丝扭矩信号的最优估计

简述了信号最优估计的基本理论及主要算法,讨论了如何应用该理论进行振动攻丝扭矩信号的最优估计,给出具体实现步骤,并通过振动攻丝机实测信号对这一方法进行验证.结果表明,该方法能够准确、有效地估计出振动攻丝扭信号,获得清晰的特征谱线.     

螺孔振动攻丝实验方案及其运动关系分析

本文通过对振动攻丝加工特点的分析，提出省掉攻丝靠模的新方案．并从理论上证明了这一新方案的可行性．     

振动攻丝的实验系统设计

介绍了振动攻丝的原理和特点，探讨由ＰＣ系统微机构成的步进电机控制及数据采集分析系统，以及实验系统的软件结构，硬件接口和步进电机的高频正反转的控制方法，最后还介绍了振动攻丝的实验方法和数据处理方法。     

基于小波包的水力机组振动故障信号消噪方法研究

在水轮发电机组故障诊断中,提取监测信号中的奇异信号特征,对准确判断机组运行状态具有重要意义。研究充分利用水力机组振动故障信号的特征和小波包的特点,采用小波变换的方法,通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析,并针对南桠河姚河坝水电站水轮发电机组实测数据进行检验,取得了良好效果。表明所研究的故障信号消噪方法能有效地从信号中提取信息。     

基于正交小波包变换的工程图纸降噪方法

针对工程图纸数字图像的特点，对小波包降噪方法中阚值和阈值函数的选择进行了讨论，给出了适合工程图纸数字图像降噪的小波包方法的具体实现步骤。实际应用结果表明，该方法可有效消除图像中的噪声，所选阈值和阈值函数是合理的。     

基于小波包分析的农业机械故障诊断的研究

本文通过分析小波变换的基本原理及小波包用于农业机械故障检测的基本原理,提出了一种以小波包为基础的判断农用器械缺陷的理论,这个理论主要是对经过初步处理的信息使用小波包原理进行分析、分解、重构,有效识别了机械故障信号,提高了农业机械故障诊断精度和稳定性。     

基于小波包分析的滚动轴承的故障诊断方法研究

用基于非平稳信号的分析方法,研究滚动轴承的故障诊断模型与算法。在充分分析故障机理及特点的前提下,重点开展对滚动轴承故障振动信号的小波包分析的研究工作,提取出反映故障模式的有效故障特征。并基于所获取的故障特征向量,建立BP神经网络分类器,实现对滚动轴承典型故障的识别与诊断。     

1CrNi9Ti不锈钢M3螺纹振动攻丝技术

首先对不锈钢材料的切削性能和不锈钢材料的攻丝特点进行分析,介绍了振动攻丝的基本原理,利用自行设计的振动攻丝机进行振动攻丝与传统机械攻丝和手动攻丝的对比实验分析,结果表明振动攻丝具有降低攻丝扭矩、提高牙形精度和螺距精度的效果.最后通过对振动攻丝的攻丝现象进行分析,利用振动攻丝弹塑性再切削和丝锥刚性化效果解释高强度材料攻丝过程的本质是降低攻丝扭矩,提高攻丝质量.     

振动攻丝的实验系统设计

介绍了振动攻丝的原理和特点,探讨由 Ｐ Ｃ 系统微机构成的步进电机控制及数据采集分析系统,以及实验系统的软件结构、硬件接口和步进电机的高频正反转的控制方法．最后还介绍了振动攻丝的实验方法和数据处理方法．     

小波和神经网络在色木孔洞缺陷超声定量检测中的应用

为了实现对木材孔洞缺陷的定量检测,在室内常温下,用RSM-SY5非金属超声波检测仪对50个孔洞缺陷的色木试件进行透射检测.通过对超声检测信号的小波变换特征分析,得到32个从低频到高频的小波包系数,提取其各频带内信号的能量变化量,构造一个32维特征向量,作为BP神经网络的输入参数,最后将这些特征输入神经网络进行训练和识别.结果表明:色木孔洞大小的总识别率达到88%;网络仿真的输出结果和目标输出做线性回归分析,得到的相关系数在0.8~0.9之间,训练结果比较理想.     

小波和神经网络在色木孔硐缺陷超声定量检测中的应用

为了实现对木材孔洞缺陷的定量检测，在室内常温下，用RSM-SY5非金属超声波检测仪对50个孔洞缺陷的色木试件进行透射检测．通过对超声检测信号的小波变换特征分析，得到32个从低频到高频的小波包系数，提取其各频带内信号的能量变化量，构造一个32维特征向量，作为BP神经网络的输入参数，最后将这些特征输入神经网络进行训练和识别．结果表明：色木孔洞大小的总识别率达到88％；网络仿真的输出结果和目标输出做线性回归分析，得到的相关系数在0．8—0．9之间，训练结果比较理想．