基于小波变换的随钻测试数据降噪方法研究

为消除随钻测试装置采集信号中的噪声,给工程人员提供准确的现场信息,提出了基于小波变换的方法对随钻测试数据进行降噪处理。首先,根据含噪声的随钻测试数据模型建立起小波变换降噪的基本流程。其次,在对含噪信号的小波变换特性分析的基础上,运用自相关函数对其在小波变换尺度空间中进行白噪声检验,确定小波最优分解层数。在分析对比小波降噪阈值的不同选取方式后,采用广义交叉确认理论来计算最优降噪阈值,从而在对信号降噪的同时还最大程度地保留了信号的有效特征成分。最后给出了基于该方法小波变换的随钻测试数据降噪的详细步骤,对实测的钻压和扭矩数据进行了小波降噪,取得了良好的降噪效果,为钻井工程后续分析提供了可靠的数据支撑,证明了本方法的优越性。     

基于小波神经网络的服务器预警系统

提出了采用紧致型小波神经网络来构建服务器预警系统,将小波和神经网络直接融合,使网络训练过程从根本上避免了局部最优等非线性优化问题,小波神经元的低相关性,也使得小波神经网络有更快的收敛速度;将服务器中的日志数据数值化后进行网络训练,获得一个基于小波神经网络的入侵分类器。实验结果,表明小波神经网络系统自适应能力强、学习速度快、预警精度高、在入侵检测领域有良好的实用性。     

基于时空相关性和遗传小波神经网络的路网短时交通流预测

根据城市路段交通流在时间维度的变化规律和在空间维度的分布特征,以及智能算法对交通流数据的较强适应性和降噪能力,提出了基于时空相关性和遗传小波神经网络(GA-WNN)的路网短时交通流预测。首先,分析了路网交通流的时空特性和数据特征,建立了适用于交通路网的空间邻接矩阵;其次,以时空相关性函数量化不同时间延迟下路段与周边相邻路段交通状态之间的影响程度,并将其作为交通流预测模型输入变量的判断指标,结合遗传算法的全局搜索及小波神经网络的自适应学习优点构建了交通流预测模型;最后,通过实例验证表明,基于GA-WNN的交通流预测方法比其他方法更有优势,对比单一时间序列和空间序列预测方法,考虑了交通流时空相关性的预测方法能提高短时交通流预测精度。     

基于小波阈值和ACMD的滚动轴承瞬时转频估计

针对变转速工况下滚动轴承瞬时转频估计精度受噪声影响大的问题,提出一种基于小波阈值和自适应chirp模式分解(ACMD)的转频估计方法。该方法首先利用小波阈值对原始信号做降噪处理,然后对降噪后的信号做ACMD,得到高时频分辨率时频谱,最后利用峰值搜索算法从时频图中估计瞬时转频。通过对轴承仿真信号和实测信号的分析,证明了该方法能准确估计出瞬时转频,同时增强了噪声鲁棒性,为后续变工况轴承无转速计诊断工作奠定了基础。     

小波分析在动态测试信号降噪中的应用

论述了小波分析在动态测试信号降噪中的应用。主要分析如何引入小波变换理论并通过它去除动态测试信号中的白噪声。随后阐述小波分析去除噪声的工程实现方法及其相对FFT除噪方法的优势。对一例加入白噪声的力脉冲信号进行了计算机仿真实验 ,结果表明 ,用小波变换处理含噪信号 ,具有明显效果     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数网络中的基函数 ,得到小波神经网络。通过小波的去噪和神经网络的自学习功能 ,获取系统输入输出的非线性动力学特性 ,进而实时计算出残差并进行逻辑判决 ,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真 ,结果表明了该方法的有效性     

基于邻域相关性小波去噪的滚动轴承包络解调及故障分类

将邻域相关性的冗余第二代小波应用于滚动轴承信号降噪,用Hilhert包络解调法提取的故障特征频率,比较不 同转速和载荷下的提取效果,提出包络幅值峭度指标,并将其输入BP神经网络进行故障诊断。结果表明：基于邻域相关 性的冗余第二代小波降噪方法能很好的抑制噪声,保留原信号的信息;降噪后的故障信号经过Hilbert包络解调能找到 特征频率及其倍频,其效果优于原始信号的包络解调分析。工况会影响分析效果,且速度对提取效果的影响大于载荷。 包络幅值峭度指标能很好区分不同工况的故障信号,结合BP人工神经网络诊断正确率为100%。     

干法窑控制中的解耦方法与专家系统

介绍了干法窑的生产工艺。讨论了热工系统稳定的控制问题。提出了一种用解耦方法处理正常工况下主要参数之间的关系，以及用专家系统处理非正常工况的问题及其他干扰问题的控制策略。通过计算机仿真和现场应用试验，表明本设计方案是可行的。     

小波神经网络应用于电子政务信息系统安全风险评估

针对电子政务信息系统风险评估的复杂性和不确定性,作者提出了小波神经网络评估方法,建立了小波神经网络评估模型,最后采用Matlab7.1工具进行了仿真实验,并分别从网络的收敛速度、训练精度和训练效果上与BP神经网络算法作了对比。结果证实该方法有效克服了传统方法中人为分配权重带来的主观性,使评价结果更科学,更合理。     

小波降噪阈值选取的研究

小波分析用于信号降噪的过程中 ,核心的算法就是在小波系数上作用阈值 ,因为阈值的选取直接影响降噪的质量 .笔者就阈值的选取做了一些理论分析并在MATLAB环境下进行仿真研究 ,得出应用小波降噪过程中阈值选取的一些实际结论 .     

改进的FastICA算法在地震数据去噪中的研究

为了有效去除地震数据的干扰噪声,采用FastICA算法进行降噪处理。地震数据的有效信号和噪声是非线性混合的,不满足FastICA算法使用的线性混合条件,提出了一种改进的FastICA算法进行地震数据降噪。该方法首先利用小波变换将地震数据分解到不同尺度空间上,然后设计了一种新的阈值降噪函数,并将FastICA和小波变换进行有效结合,对不同尺度空间上的噪声进行消除,通过小波重构恢复有效信号,利用仿真实验确定了新算法的分解层数为3。将改进的方法进行实际地震数据降噪处理,结果证明改进的方法能有效去除地震数据的各类干扰噪声,通过信噪比得出改进的FastICA较原始FastICA降噪效果更理想。     

基于分数小波变换的空域相关特性的信号降噪新方法

简要介绍了分数小波变换的基本思想及在信号处理方面的特点。利用分数小波变换系数在不同尺度上对应点处的相关性对其进行选择和处理,这样处理后的分数小波变换系数基本上对应着信号的边缘,然后对信号系数进行重构,达到了降噪的目的。以数值仿真和实测齿轮箱振动信号为例,研究了该方法的降噪效果,同时和小波包直接降噪进行了比较。结果表明,该方法能够有效降低振动信号中的背景噪声。     

免疫进化算法和神经网络在建立财政收入预测模型中的应用

通过对历史数据的数学处理,采用人工神经网络的方法建立财政收入预测模型。针对前向网络BP（Baek-propagation Algorithm）算法——梯度下降搜索方法的不足,提出用免疫进化算法来训练BP模型网络参数。利用福建省1990-2004年的财政收入数据建立神经网络预测模型,并用2005、2006年的数据进行预测预报检验。结果表明：采用免疫进化算法建立的神经网络财政收入预测模型,模拟和预测精度高,具有实际应用价值。     

基于径向基神经网络的螺杆泵转速设定方法

为了研究受多种因素影响的螺杆泵转速控制系统,提出一种基于径向基神经网络的螺杆泵转速设定方法.利用径向基函数(RBF)神经网络对螺杆泵转速进行分析及预测,通过对螺杆泵的历史数据分析处理,得到螺杆泵转速的时间序列.将时间序列视为一个从输入到输出的非线性映射,并引入RBF神经网络来进行非线性映射的逼近.通过对网络进行学习与训练仿真实验,并与BP神经网络预测结果对比,表明应用RBF神经网络对螺杆泵转速进行短期预测精度更高、效果更好.该神经网络结构简单,非线性逼近能力强,通过对非样本点数据的实验验证,证明了该系统的可行性,具有一定的实用价值.     

基于支持向量机的模糊小波神经网络

针对高维输入小波网络的初始参数和网络结构非常复杂且计算量大的问题,提出用支持向量机(SVM)确定小波网络的初始参数和网络结构的方法。首先,使用有监督模糊聚类算法从聚类中抽取模糊规则,然后对每一个规则的后件使用支持向量机方法确定小波网络的结构和初始参数,最后采用梯度下降方法调节模糊小波网络中的参数,使得模糊小波网络输出与期望输出之间的误差较小。仿真结果表明:该算法与传统的模糊神经网络(FNN)相比显著提高了分类精度。     

基于小波神经网络的国际铀资源价格趋势分析

铀资源是核能发展的物质基础。研究国际铀资源价格的走势对制定我国核能开发及利用的政策和发展规划具有重要的参考价值。构建小波神经网络,预测了国际铀资源价格的趋势。通过比较发现小波神经网络的预测精度高于与之结构相同的传统BP网络以及时间序列模型。研究表明短期内国际铀资源价格将呈下降趋势,而2至5年内将呈现先抑后扬的趋势,但相比2006-2007年仍处于价格的低位,建议在这一时期逐步增加铀资源的战略储备。     

基于小波和模糊BP神经网络的金融股票市场预测

为了提高金融股票价格预测的准确性,在分析了金融股票价格时间序列的特点和规律的基础之上,采用一种小波分析和模糊BP神经网络联合建立的时间序列预测模型,对中国石油股票价格进行了预测研究。结果表明基于小波分析和模糊BP神经网络联合建立的时间序列预测模型具有良好的自组织性和自适应性,有很强的学习能力和抗干扰能力,基于小波分析和模糊BP神经网络对金融股票价格进行预测是行之有效的。     

小波变换在轴承故障声发射信号降噪中的应用

噪声消除是小波变换最成功的应用之一，其基本思想是将信号的小波变换系数通过阈值处理，然后进行小波重构得到降躁的信号。根据故障轴承声发射信号的脉冲特性选取Morlet小波．以“小波熵最小”原则确定Morlet小波的波形参数，然后进行连续小波变换。采用软阈值方法处理小波东数，通过小波重构得到降噪后的故障声发射信号，噪声得到了很好的抑制，故障脉冲特征明显增强。采用实验数据，通过与离散小波变换的比较，得到了用连续小波变换可以有效降低噪声、提取故障声发射信号特征的结论。     

小波分析在CRT电磁泄漏分析中的应用研究

CRT电磁泄漏问题越来越得到人们的重视,泄漏信号的分析成为其中极其重要的一环。小波分析具有良好的局部化性质,可以进行时频域的多分辨率分析。将小波分析用于CRT电磁泄漏的分析中,对泄漏信号进行了滤波降噪处理,并对行同步信息进行了提取。     

基于组合降噪的卷积神经网络轴承故障诊断方法

针对滚动轴承振动信号包含不同频率复杂噪声,单一降噪方法难以去除多种噪声,导致最终故障诊断率低的问题。提出一种基于组合降噪的卷积神经网络的轴承故障诊断方法。首先,通过SVD分解方法,根据奇异值差分谱,一次降噪并重构信号,去除信号内能量较低的宽频率噪声;再根据降噪重构信号,自适应选取CEEMD分解的参数,并进行自适应CEEMD分解,利用线性相关系数与峭度交集法滤除相关程度低、故障特征信息少的IMF分量,同时二次降噪并重构信号;最后,构建一维卷积神经网络并进行轴承故障诊断。通过原信号和组合降噪后信号的时频分析,轴承故障诊断实验,验证了该方法的有效性。