导读:本文包含了小波脊线论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:小波,信号,混沌,分解,故障诊断,重构,特征。
小波脊线论文文献综述
刘景良,任伟新,王超,黄文金[1]（2018）在《基于最大坡度法提取非平稳信号小波脊线和瞬时频率》一文中研究指出提出一种基于最大坡度法的非平稳信号小波脊线提取和瞬时频率识别新方法。该方法首先对非平稳响应信号进行连续复Morlet小波变换,其时间轴、小波尺度轴及小波系数模值构成一个叁维坐标系(x,y,z);其次从预先设定的小波脊线初始点出发,在一定范围内进行搜索,并分别计算其在时间-尺度平面(x-y)的距离、z方向的距离及小波脊线的坡度值。最后,求解位于最大坡度方向上的各空间点并将其连接成线即为所求的小波脊线。采用叁个非平稳信号数值算例和一个拉力时变的拉索试验验证了最大坡度法的有效性,并与基于小波系数模局部极大值的脊线提取方法、动态规划法及瞬时频率理论值进行比较。数值模拟和试验结果表明,该方法能够有效提取非平稳响应信号的瞬时频率,且识别精度优于基于小波系数模局部极大值和基于动态规划的小波脊线提取方法。(本文来源于《工程力学》期刊2018年02期）
黎聪,李炜[2]（2016）在《基于Morlet小波变换的自适应小波脊线提取算法》一文中研究指出传统小波脊线提取算法在不同信号环境下选择小波参数较为困难。为此,提出一种针对Morlet小波变换谱自适应提取小波脊线的算法。通过分析小波脊线算法,以迭代运算的成功与否作为反馈来调节Morlet小波的形状参数,使小波参数可以在各种信号情况下自适应做出调整。仿真结果表明,该算法可以在同一初始参数设置下,准确地提取出各类信号的小波脊线,且与传统小波脊线提取算法相比,具有更高的检测概率和噪声抑制能力。(本文来源于《计算机工程》期刊2016年04期）
罗颂荣,程军圣[3]（2015）在《基于LCD的自适应小波脊线解调及齿轮故障诊断》一文中研究指出针对最佳小波参数的设定和齿轮裂纹故障振动信号频率成分复杂、信噪比低等问题,将遗传优化算法、小波脊线解调与局部特征尺度分解(local characteristic-scale decomposition,简称LCD)相结合,提出了基于LCD的自适应小波脊线解调方法。首先,采用LCD方法将原始信号分解为若干个内禀尺度分量(intrinsic scale component,简称ISC),并通过选择蕴含特征信息的ISC来实现信号降噪;然后,以小波能量熵为目标函数,采用遗传算法优化小波参数,得到自适应小波;最后,通过自适应小波分析提取ISC的小波脊线,从而实现对原始信号的解调分析。通过齿轮裂纹故障诊断实例验证了该方法的有效性和优越性。(本文来源于《振动.测试与诊断》期刊2015年05期）
姜万录,李宁宁,朱勇[4]（2015）在《基于小波脊线的滚动轴承故障诊断方法》一文中研究指出滚动轴承发生故障时的振动信号会呈现丰富的非线性动力学特征。基于小波脊线对非线性、非平稳信号分析优势,提出了基于小波脊线的混沌程度刻画方法用于滚动轴承多类故障诊断。通过对故障振动信号共振频带包络信号提取小波脊线,并与故障振动信号K熵对比。结果表明,小波脊线不仅能识别滚动轴承故障类型,亦能由小波脊线表征的混沌程度反映故障严重与否。(本文来源于《振动与冲击》期刊2015年14期）
刘思远,胡浩松,丁琳琳[5]（2015）在《小波包和小波脊线相结合的解调方法在液压泵故障诊断中的应用》一文中研究指出针对轴向柱塞泵故障振动信号呈现出的非平稳和非线性特点,提出了一种基于小波包能量法与小波脊线法相结合的信号解调方法,将其用于液压泵故障诊断中的信号解调过程。该方法首先对原始振动信号进行功率谱分析,明确故障振动信号反映出的能量集中频带带宽;根据确定的带宽和原始信号分析频率设定小波包分解的层数,采用小波包能量法提取出分解系数对应频带能量最大的特征信息进行信号重构;利用小波脊线法对重构后的频带信号进行解调处理,通过信号的包络解调谱提取故障的特征频率,利用解调后的时频谱对液压泵单柱塞滑靴磨损、斜盘磨损以及中心弹簧故障进行分析。通过实验结果验证,该方法能有效地对液压泵的故障信号进行解调,并能找出反映故障的敏感特征频率。(本文来源于《液压与气动》期刊2015年04期）
井波,金炜东,秦娜[6]（2016）在《基于EMD的小波脊线法轨道检测》一文中研究指出轨道的波浪弯曲不平顺是引起列车振动的直接因素。针对波浪不平顺提出了一种新的检测方法。基于经验模态分解的小波脊线法,滤去原始信号的高频部分,再对低频分量进行EMD处理,提取包含了故障信息的固有模态函数分量(IMF)的小波脊线。通过分析小波脊线的时频域,检测出突变信号发生的时刻。对列车在某线路的实测数据分析,研究结果表明,基于EMD的小波脊线法能方便而有效地检测出信号的突变成分,从而准确地识别轨道的不平顺位置。(本文来源于《计算机工程与应用》期刊2016年04期）
张焱,汤宝平,邓蕾[7]（2014）在《基于小波脊线的多分量信号瞬时参数估计及应用》一文中研究指出通过分析小波脊线与信号瞬时幅值和瞬时频率的关系,提出一种基于能量重心脊点定位策略的脊线跟踪提取算法实现多分量信号瞬时参数估计。针对小波脊线提取中定中心频率参数优化方法优化复Morlet小波参数存在的局限性问题,提出中心频率自适应参数优化方法优化复Morlet小波参数并计算归一化小波尺度谱,根据能量重心脊点定位策略定位小波脊点,配合局部方向估计算法实现小波脊线迭代跟踪提取,进而估计信号瞬时参数。仿真分析表明该算法具有良好的抗噪特性,齿轮箱和滚动轴承的故障诊断工程实例结果表明该方法可有效提取旋转机械故障振动信号的特征。(本文来源于《机械工程学报》期刊2014年10期）
程锦[8]（2014）在《小波脊线提取算法及应用研究》一文中研究指出信号的恰当表示是信号与信息处理的核心任务之一。对于许多实际信号,如青蛙、鸟类发出的声音、还有各种海洋生物的叫声等生物信号以及生产生活中如机器中仪器受损后发出的异常的信号,其时频信息反应了信号的重要特征,是许多后续工作如特征提取、模式识别的基础。小波作为一种强有力的非平稳信号分析工具,既可以得信号的轮廓特征,也可以得到信号的细节特征。信号的连续小波变换系数虽然存在大量的冗余,但却包含了信号的所有的瞬时频率信息。平稳相位原理表明：当信号满足渐进性要求时,小波系数在时间尺度平面上呈现出“山脊”的特征,脊上的系数包含了信号的所有信息,能够用来重构信号。自90年代起,出现了许多种脊线提取和基于脊线的信号重构算法。本文在前人研究的基础上,提出了一种基于“图像”分割的脊线提取算法,因为模值较大的小波系数往往集中在时间-尺度平面上几个分散的区域(脊线区域),将小波系数模值矩阵看作一个“图像”,对其分割,再对分割得到的每个区域确定极值位置可得到小波脊线。利用脊线区域内的小波系数可以很好很快的重构信号。本文算法相比传统算法,精度、速度有了很大的提高。(本文来源于《大连理工大学》期刊2014-04-01）
潘加松[9]（2014）在《小波脊线提取方法研究及其应用》一文中研究指出小波脊线的提取是非平稳信号时频分析领域的一项重要内容。利用小波脊线包含的信息可以实现对信号瞬态特征的估计、对信号的分解重构和滤波，以及对系统的模态参数识别。目前，基于小波系数模极大值和相位信息的脊线提取算法有其各自的缺陷性。因此，为了减少小波变换的冗余性、提高脊线提取的效率、实现对多脊线信号的精确提取，本文研究了基于小波变换偏微分方程的脊线提取算法，探讨了算法中每个过程的实现以及各参数对结果的影响，并成功地将该算法应用于信号的分解重构以及系统的模态参数识别中，仿真实验的结果验证了算法的有效性和准确性。本文的主要研究工作如下：（1）研究了连续小波变换的原理和实现过程，从信号小波脊线和小波骨架的概念、方法和应用等方面进行了理论研究，对小波变换的基函数进行了变参数的改进。（2）实现了一种基于小波变换偏微分方程的脊线提取算法。从小波脊线的模极大值定义和连续小波变换的偏微分方程开始，详细推导了算法的原理，设计了算法的数值计算实现步骤，结合该算法和改进的Morlet小波形式，对算法过程中多个参数的选取进行了详细地研究，并给出了各参数选取的基本原则。成功实现了该算法对信号小波脊线的提取和信号各分量的重构。（3）将脊线提取算法应用于系统的模态参数识别中。研究了小波脊线和系统模态参数的关系，推导出了小波脊线识别模态参数的计算公式。分别用叁自由度仿真系统和弧形结构模态实验对算法的有效性进行验证。仿真信号的识别结果具有很高的精度，弧形结构的模态频率识别具有较高的精度，分析了阻尼比产生偏差的原因。（4）编制开发了基于MATLAB图形用户界面的小波时频-脊线分析软件。对软件进行了总体设计和需求分析，设计了软件的主界面，合理安排软件各功能模块的布局，对各功能模块进行了详细设计。选择简单实用的控件，采用结构化的编程方式，实现了算法的各个功能。对软件的主要功能模块进行了仿真测试与应用，验证了软件的算法有效性和技术实用性。(本文来源于《南京航空航天大学》期刊2014-03-01）
姜万录,李宁宁,朱勇[10]（2013）在《基于小波脊线的混沌运动识别新方法》一文中研究指出基于小波脊线和混沌理论,提出了一种基于小波脊线法的混沌运动识别新方法。首先对Lorenz系统进行了从周期运动到混沌运动的详细演化分析,通过对相轨迹图、功率谱密度图和小波脊线图的对比,证明了小波脊线可以有效地区分系统的周期运动、倍周期分岔运动及混沌运动。然后通过对多个典型混沌系统进行分析,归纳总结了混沌运动在小波脊线图上表现出的规律性和细节特征。最后证明利用小波脊线法可以对混沌运动和随机噪声进行清晰的区分。(本文来源于《燕山大学学报》期刊2013年06期）
小波脊线论文开题报告
（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：
传统小波脊线提取算法在不同信号环境下选择小波参数较为困难。为此,提出一种针对Morlet小波变换谱自适应提取小波脊线的算法。通过分析小波脊线算法,以迭代运算的成功与否作为反馈来调节Morlet小波的形状参数,使小波参数可以在各种信号情况下自适应做出调整。仿真结果表明,该算法可以在同一初始参数设置下,准确地提取出各类信号的小波脊线,且与传统小波脊线提取算法相比,具有更高的检测概率和噪声抑制能力。
（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。
小波脊线论文参考文献
[1].刘景良,任伟新,王超,黄文金.基于最大坡度法提取非平稳信号小波脊线和瞬时频率[J].工程力学.2018
[2].黎聪,李炜.基于Morlet小波变换的自适应小波脊线提取算法[J].计算机工程.2016
[3].罗颂荣,程军圣.基于LCD的自适应小波脊线解调及齿轮故障诊断[J].振动.测试与诊断.2015
[4].姜万录,李宁宁,朱勇.基于小波脊线的滚动轴承故障诊断方法[J].振动与冲击.2015
[5].刘思远,胡浩松,丁琳琳.小波包和小波脊线相结合的解调方法在液压泵故障诊断中的应用[J].液压与气动.2015
[6].井波,金炜东,秦娜.基于EMD的小波脊线法轨道检测[J].计算机工程与应用.2016
[7].张焱,汤宝平,邓蕾.基于小波脊线的多分量信号瞬时参数估计及应用[J].机械工程学报.2014
[8].程锦.小波脊线提取算法及应用研究[D].大连理工大学.2014
[9].潘加松.小波脊线提取方法研究及其应用[D].南京航空航天大学.2014
[10].姜万录,李宁宁,朱勇.基于小波脊线的混沌运动识别新方法[J].燕山大学学报.2013
论文知识图
