Print

小波分析在信号诊断中的应用

论文摘要

目前,在一些工业信号诊断上主要应用快速富立叶变换,这种方法在大多数应用中是有效的.但傅立叶变换在实际应用中有它明显的缺陷,它不是局部化的时频分析工具。小波分析提供了一种自适应的时域和频域同时局部化的分析方法,而且时—频分析中有着很强的灵活性,能聚焦到信号时段和频段的任意细节,被喻为时—频分析的显微镜。论文中,前三章介绍小波分析的基本内容,包括Fourier变换,窗口Fourier变换及小波变换。在第四第五章,讨论了小波在信号处理中的应用。第四章是根据数据特征,构造了一个合适的小波,该小波具有很好的对称性和局部化特性。对称性保证了诊断信号突变点不发生时间前后的位移,这一点是小波工具箱中著名的Daubechies小波所没有的特性。局部化特性保证了计算的速度和精度。这个小波基本上保留了Daubechies小波的优点,而克服了它的缺点。通过实验得到了满意的结果。第五章,通过把小波和神经网络相结合,讨论这个方法在信号处理和函数逼近中的应用,通过实验表明,在信号故障诊断和函数逼近之中,这个方法也是一种有效的方法。

论文目录

  • 中文摘要
  • 英文摘要
  • 第一章 引言
  • 1.1 小波分析与分数傅立叶变换的有关介绍
  • 1.1.1 小波分析发展经过的几个阶段
  • 1.1.2 傅立叶变换的局限性
  • 1.2 构造小波的意义
  • 第二章 Fourier 变换
  • 2.1 Fourier 变换
  • 2.2 窗口Fourie 变换
  • 2.2.1 窗口Fourie 变换(WFT)的基本思想
  • 2.2.2 WFT 的局限性
  • 第三章 小波变换
  • 3.1 小波、小波变换的定义和条件
  • 3.2 小波变换的自适应时—频变化
  • 第四章 小波分析在信号诊断中的应用
  • 4.1 构造一个小波函数
  • 4.2 在MATLAB 系统中添加新的小波函数
  • 4.3 小波分析进行信号诊断
  • 第五章 小波神经网络信号诊断方法
  • 5.1 "频谱--故障"的小波预处理神经网络故障诊断方法
  • 5.1.1. BP 网络
  • 5.1.2 故障诊断
  • 5.2 小波神经网络
  • 5.2.1 小波神经网络的训练
  • 参考文献
  • 致谢
  • 在学期间发表的学术论文和参加科研情况
  • 相关论文文献

    本文来源: https://www.lw50.cn/article/34402b6816b474722db63e3d.html