导读:本文包含了小波包分析论文开题报告文献综述、选题提纲参考文献，主要关键词:小波,故障诊断,刀具,故障,信号,特征,频带。
小波包分析论文文献综述写法
郝碧君,陈妮,李亮,郭月龙,何宁[1]（2019）在《基于小波包分析和LS-SVM的钻削刀具状态识别研究》一文中研究指出为了有效地识别钻削刀具磨损状态,提出一种基于小波包分析和最小二乘支持向量机(LS-SVM)的状态识别方法。通过在线监测钻削加工过程中的钻削轴向力和刀具状态,采用时域分析、频域分析以及小波包分析法对刀具磨损状态的信号进行特征向量提取,建立基于最小二乘支持向量机(LS-SVM)的分类识别模型。通过试验验证了该方法可以提高刀具磨损状态的识别精度。(本文来源于《工具技术》期刊2019年12期）
于岩,许继秀,张梦超,石浩[2]（2019）在《小波分析和小波包分析在轴承故障诊断中的对比分析》一文中研究指出结合轴承故障振动特点,以轴承滚动体故障为例,对比了小波分析和小波包分析在应用时的相同和不同之处。利用MATLAB仿真软件作为分析工具,通过定量分析和定性分析比较了它们在轴承故障信号降噪时的效果,通过计算功率谱、绘制功率谱图的方式比较了它们在轴承故障诊断方面的能力。结果表明,使用相同小波基和相同分解层数条件下,在降噪和故障诊断方面,小波包分析都优于小波分析,为选择合适的轴承故障诊断方式提供了参考。(本文来源于《煤矿机械》期刊2019年12期）
余忠潇,郝如江[3]（2019）在《基于小波包分析与互补集合经验模态分解的轴承故障诊断应用》一文中研究指出针对滚动轴承早期故障信号特征微弱且难以提取的问题,提出结合小波包分析与互补集合经验模态分解的故障诊断方法;凭借小波包在分解时能处理噪声的功能,通过预处理振动信号初步消除噪声,然后利用互补集合经验模态分解得到各本征模态函数分量,并结合快速谱峭度的频带范围和相关系数计算,从而筛选出真实分量用以重构获得有效的故障特征信号。结果表明,该方法能较好地识别并提取目标轴承的故障特征信息,具有一定的可行性和有效性。(本文来源于《济南大学学报(自然科学版)》期刊2019年06期）
柯炎,樊波,谢一静,吕伟[4]（2019）在《基于小波包分析和Elman神经网络的军用电源智能故障诊断》一文中研究指出军用电源作为地空导弹系统的供电设备,其可靠运转关系到地空导弹系统作战效能的发挥。为实现地空导弹电源逆变器的故障诊断与容错运行,将小波包分解与Elman神经网络结合进行故障特征提取及故障辨识,并应用于地空导弹静变电源的故障诊断。在准确诊断出故障的基础上,利用故障隔离切换电路,隔离故障桥臂,投入备用桥臂,保证静变电源继续正常运行。故障诊断和故障重构仿真的效果验证了该方法的有效性。(本文来源于《重庆大学学报》期刊2019年09期）
李沨,华霖,施莹,刘红奇[5]（2019）在《基于小波包分析的调距桨桨毂体零件加工刀具磨损监测技术》一文中研究指出介绍船用调距桨桨毂体的机械加工技术,研究刀具磨损对其关键工序加工精度的影响。通过对传统数控机床加装振动传感器以及对分析系统进行智能化升级,实现对加工过程的刀具磨损监测。提出基于小波包分析算法的刀具磨损判断方法,使传统设备具备智能切削功能,提高桨毂体加工精度。通过实例验证的方式,验证方法的可靠性和有效性。(本文来源于《船舶工程》期刊2019年S1期）
张冰,文小鹰,曹熙,衷鹏[6]（2019）在《基于小波包分析的城轨车辆受电弓实测动应力研究》一文中研究指出为研究受电弓应力变化并预估受电弓实际寿命,在上海地铁1号线和11号线实际运营线路上,开展受电弓动应力实测研究。通过受电弓动应力实测数据归纳和剪裁,获得动应力环境试验谱,采用雨流计数法分析评估了受电弓疲劳寿命。为避免传统去噪算法易将部分真实动应力信号视为噪声,从而导致动应力信号能量损失,采用小波包分析(Wavelet Packet Analysis)法对获取的受电弓动应力信号进行多层次高频和低频分解,并对分解所得系数进行阈值处理,有效地去除动应力信号中的真实噪声,结果表明:小波包法能明显改善受电弓动应力去噪性能-信噪比SNR和根均方误差RMSE,且在不同噪声水平下的去噪性能均优于传统去噪算法;既能有效去除受电弓动应力谱中的噪声成分,亦能保留动应力信号细节特征。(本文来源于《现代城市轨道交通》期刊2019年08期）
赵泽霖,曾水平[7]（2019）在《基于小波包分析和神经网络的铝电解槽阴极状态诊断》一文中研究指出铝电解槽阴极的电压信号能够反应铝电解槽的运行状况。通过对采集到的铝电解槽的阴极电压进行小波包分解,对重构后的包含主要信息的特征信号作为神经网络的输入,为了提高诊断准确率,本文采用LM优化算法,仿真结果表明,改进BP网络加快了收敛速度,提升了故障检测准确率,同时采用其他样本数据进行测试,模型具有很好的泛化能力,具有一定的生产实践意义。(本文来源于《中国科技信息》期刊2019年12期）
苏建芳,吴钦木[8]（2019）在《基于小波包分析的电机滚动轴承故障诊断》一文中研究指出电机滚动轴承发生故障时的信号是非平稳的,小波包变换对故障特征提取有明显的优势,给出了利用小波包对故障信号进行分析的方法。确定轴承参数以及对故障信号的采集,并计算各类故障特征频率,选择小波基和确定最佳的分解层数,之后在Matlab软件环境下对信号进行小波包分解和重构,得到滚动轴承各类故障信号的功率谱,最后把实验结果与计算结果做对比,证实了该方法可以有效地把轴承中的故障信息成分检测出来,从而判断滚动轴承的故障类型。(本文来源于《测控技术》期刊2019年04期）
刘明利,王新阳,付江永,田伟[9]（2019）在《小波包分析在变压器偏磁振动信号的应用》一文中研究指出某电站500 kV变压器直流偏磁时,噪声和振动增大,在油箱表面通过振动采集仪表进行振动信号采集。此文介绍了小波包分解和小波包能量提取方法,对变压器的振动信号进行了小波包分析,从而得出直流偏磁引起的振动的信号小波包能量布特点。(本文来源于《国网技术学院学报》期刊2019年01期）
杨晨,吴建星[10]（2019）在《基于小波包分析和SVM的爆破震动与岩石破裂微震信号的识别研究》一文中研究指出为提高爆破震动与岩石破裂微震信号辨识精度,以某金属矿山现场微震监测数据为基础,首先采用小波包分解对矿山爆破震动和岩石破裂信号进行2层分解,对比两类信号在4个频段内的能量分布的特征,进而以两类事件的低频段(0～125 Hz)能量百分比、中低频段(125～250 Hz)量百分比、中高频段(250～375 Hz)能量百分比、高频段(375～500 Hz)能量百分比为特征向量,利用支持向量机(SVM)对爆破和岩石破裂微震信号进行了训练和分类,结果表明:两类事件在0～125 Hz的能量分布差异最大,且以0～125 Hz的能量百分比10%作为分界值时的准确率达到87.5%;SVM的分类正确率为94%,取得了理想的分类效果。(本文来源于《科技通报》期刊2019年01期）
小波包分析论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
结合轴承故障振动特点,以轴承滚动体故障为例,对比了小波分析和小波包分析在应用时的相同和不同之处。利用MATLAB仿真软件作为分析工具,通过定量分析和定性分析比较了它们在轴承故障信号降噪时的效果,通过计算功率谱、绘制功率谱图的方式比较了它们在轴承故障诊断方面的能力。结果表明,使用相同小波基和相同分解层数条件下,在降噪和故障诊断方面,小波包分析都优于小波分析,为选择合适的轴承故障诊断方式提供了参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
小波包分析论文参考文献
[1].郝碧君,陈妮,李亮,郭月龙,何宁.基于小波包分析和LS-SVM的钻削刀具状态识别研究[J].工具技术.2019
[2].于岩,许继秀,张梦超,石浩.小波分析和小波包分析在轴承故障诊断中的对比分析[J].煤矿机械.2019
[3].余忠潇,郝如江.基于小波包分析与互补集合经验模态分解的轴承故障诊断应用[J].济南大学学报(自然科学版).2019
[4].柯炎,樊波,谢一静,吕伟.基于小波包分析和Elman神经网络的军用电源智能故障诊断[J].重庆大学学报.2019
[5].李沨,华霖,施莹,刘红奇.基于小波包分析的调距桨桨毂体零件加工刀具磨损监测技术[J].船舶工程.2019
[6].张冰,文小鹰,曹熙,衷鹏.基于小波包分析的城轨车辆受电弓实测动应力研究[J].现代城市轨道交通.2019
[7].赵泽霖,曾水平.基于小波包分析和神经网络的铝电解槽阴极状态诊断[J].中国科技信息.2019
[8].苏建芳,吴钦木.基于小波包分析的电机滚动轴承故障诊断[J].测控技术.2019
[9].刘明利,王新阳,付江永,田伟.小波包分析在变压器偏磁振动信号的应用[J].国网技术学院学报.2019
[10].杨晨,吴建星.基于小波包分析和SVM的爆破震动与岩石破裂微震信号的识别研究[J].科技通报.2019