基于SDAE-BP的联合收割机作业故障监测

为了解决联合收割机作业故障的非线性特征信号难以提取的问题,该研究提出了一种基于堆叠去噪自动编码器(Stack Denoising Auto Encoder, SDAE)和BP神经网络(Back Propagation,BP)融合的联合收割机作业故障监测及诊断的方法(SDAE-BP)。以转速传感器采集联合收割机脱粒滚筒转速、籽粒搅龙转速、喂入搅龙转速、杂余搅龙转速、风机转速、输送链耙转速、割刀频率以及逐稿器振动频率,并将采集的数据集作为系统的输入。利用SDAE提取输入信号的深层次特征,并由BP神经网络辨识收割机作业状态,实现联合收割机故障监测。在SDAE-BP模型训练过程中,去噪自动编码器(Denoising Auto Encode, DAE)依次经带有不同分布中心噪声的原始数据进行训练,然后将其堆叠,并通过误差反向传播算法对模型参数进行优化,以提升模型识别故障性能和泛化能力。试验结果表明,对于2018年联合收割机田间试验数据,模型的故障诊断准确率达到99.00%,与SDAE和BP神经网络相比,分别提高了1.5和4.5个百分点。将SDAE-BP故障诊断模型用2019年的试验数据进行更新,并用2018年和2019年试验数据进行测试,结果表明,更新后的模型对2018年试验数据的故障识别准确率为99.25%,对2019年试验数据的故障识别准确率为98.74%,更新后模型在2019试验数据集上的故障识别准确率较未更新模型提高了6.52个百分点。该文所建模型能够准确识别联合收割机的故障类型,且具有较好的鲁棒性,对旋转型机械故障监测及预警具有参考价值。     

小波分析在水文预报中的应用概述

阐述了小波分析在水文预报中的应用现状,讨论了小波消噪在水文序列中的中的重要性,并介绍了基于小波消噪的偏最小二乘回归模型,得出消噪后的水文序列的相依性会大大提高,能更好地为建立水文预报模型奠定基础。     

基于局域波分解的信号降噪算法

局域波分解可以把信号分解成多个内蕴模式分量的和，此分解过程等效于用自适应滤波器库对信号进行滤波，各模式分量的频率随着分解阶数的增大而降低，具有小波分解类似的特征。用局域波分解法对信号进行降噪处理，同时用互相关法和自相关法建立了噪声评判准则，得到了较好的降噪效果。     

有机磷农药气敏传感阵列检测信号小波包降噪方法

针对有机磷农药气敏传感阵列测试信号含有噪声,严重影响测试结果准确性与可靠性这一问题,选择辛硫磷和乙酰甲胺磷农药残留为研究对象,采用基于小波包分解与重构的气体传感阵列信号降噪方法,并借助主成分分析（PCA）和Fisher判别分析（FDA）,分别研究了信号降噪前后两种农药不同质量比的鉴别情况。结果表明：传感阵列信号降噪后两种农药的不同残留样品均能被鉴别区分。小波包降噪可有效地提高气敏传感阵列对蔬菜农药残留的鉴别效果。     

平移不变量小波去噪法在齿轮故障诊断中的应用

平移不变量小波去噪方法是对Donoho阈值法的改进，该方法不仅能有效地抑制伪吉布斯现象。而且能减小原始信号和估计信号之间的均方根误差，提高信噪比，将这种方法用于变速箱齿轮故障信号的去噪处理，同时与阈值法去噪的结果进行比较。结果表明，该方法可以有效地去除强噪声的干扰，提取齿轮故障特征信息，具有很好的工程实用性。     

林区TM图像噪音消除方法的比较研究

遥感图像会因成像系统和地理环境而产生噪音,这些噪音将会影响从TM图像中提取森林信息的精确性和有效性.消除噪音对图像的分类十分重要.本研究的目的是评估应用Landsat 5 TM 图像提取森林相关信息时,目前所使用的空间滤波处理方法的有效性.对低通滤波、中值滤波、均值滤波、求和滤波、增强型自适应滤波五种空间滤波方法做以检验.通过设计一系列的评估指数,分析每种噪音消除方法的平滑能力、边界保持和增强能力.基于所设计的评价指数和图片对比表明,对林区土地利用和森林类型分类而言,求和滤波（D=1）和增强型自适应滤波是消除Landsat 5 TM图像噪音的最有效的方法.     

林区TM图像消除噪声方法的比较

介绍了几种消除噪声滤波方法的数学基础,并结合吉林省汪清林业局数据,分别用低通滤波、统计滤波、增强型自适应滤波、均值平滑滤波、中值滤波方法对研究区TM遥感图像进行滤波消噪处理,并以平滑指数FI、边缘保持因素T和峰值信噪比PSNR为评价指标,对实验结果进行了对比分析,结果表明,统计滤波（D=1）和增强型自适应滤波用于林区TM图像消除噪声的滤波器中比较好。     

木材近红外光谱小波阈值去噪方法

采用小波分析对木材近红外光谱进行阈值去噪研究,分别采用硬阈值、固定阈值、最大最小阈值和rigsure阈值对光谱信号进行去噪.结果表明,小波变换可以有效去除光谱噪声,并很好地保留了信号中的尖锐和突变部分,在近红外光谱分析中具有很好的应用前景.     

噪声环境下机械故障源的盲分离

在机械故障盲分离中,传感器所获得的信号常常受到未知的不同类型的噪声干扰,忽略噪声的影响往往产生很差的分离效果。为克服此不足,结合小波变换和盲源分离,提出了一种在未知强背景噪声环境下的机械故障源分离方法,即小波消噪-BSS-小波消噪方法,仿真和实验结果表明该方法是有效的。     

小波消噪原理及在轧辊偏心补偿控制中的应用

由于以快速傅立叶变换为基础的轧辊偏心补偿控制算法具有时域和频域局部化矛盾的局限性,且不能处理非平稳信号,本文利用在小波变换下奇异信号和随机噪声在多尺度空间中的模极大植传递特性的不同,提出了一种基于皮消噪的毗辊偏心补偿控制算法,并设计了一种轧辊偏心的小波分析器（ＷＡＲＥ）。仿真研究表明,对于提高轧件的厚度精度ＷＡＲＥ优于轧辊偏心的傅立叶分析器（ＦＡＲ０和其改进算法（ＭＦＦＴ和ＬＳ算法）,并可使轧辊偏心对厚度的影响减小９０％。通过对基于小波分析的轧辊偏心补偿控制的探索,为开发高精度轧机控制系统指出了一个新的研究方向。它对设计新型轧机和改造旧轧机都具有现实意义,有利于促进轧制过程自动化的发展。