数控加工数据传输过程中存在丢包、噪声干扰等现象,导致数据点位出现误差。针对现有方法对误差的修正大多适用于平面,且基本都是只对单独一段的大弧段修正等限制,提出一种空间整体的光顺处理方法。该方法借由小波光顺分离出细节部分,定义修正因子后配合有局部自检效果的改进灰狼粒子寻优优化算法再对细节修正,构建新的稀疏模型进行光顺效果的判别。实验结果表明提出的方法不仅可用于多弧段的情况,且可适用于空间样条的光顺。

针对现有数值图谱法无法实现开区间设计要求的空间RRSS机构轨迹综合,基于小波分解理论提出了空间RRSS机构轨迹综合的方法。通过将空间RRSS机构轨迹综合问题转化为机构的基本尺寸型匹配识别问题和机构实际尺寸的计算问题,实现了开区间设计要求的空间RRSS机构轨迹综合,弥补了数值图谱法在求解开区间尺度综合问题上的不足。通过数值算例证明了提出方法的实用性和有效性。

起重机齿轮箱的振动信号具有信噪比低、非线性的特点,需要一定的专业知识和经验才能实现故障诊断。为了实现起重机齿轮箱的智能故障诊断,提出了一种基于变分模态分解(Variation?al modal decomposition,VMD)改进小波降噪和粒子群算法(Particle swarm optimization,PSO)优化支持向量机(Support vector machine,SVM)的智能故障诊断方法。首先,利用VMD将振动信号分解,得到不同尺度的本征模态函数(Intrinsic mode function,IMF),将分解的高频分量进行改进小波降噪后和低频分量完成信号重构;然后,提取重构信号的特征参数构建特征向量,使用核主分量分析(Ker?nel principal component analysis,KPCA)对向量降维处理实现特征信息融合;最后,利用PSO优化后的SVM进行故障识别分类。实验验证表明,基于VMD改进小波信号预处理和PSO算法优化SVM的模型具有很高的识别准确率,能够有效、准确地对起重机齿轮箱...

同步带传动噪声可以分为啮合冲击噪声、横向振动噪声、空气流动噪声和摩擦噪声,每种噪声所处的具体频段不同。为了研究汽车同步带噪声信号的频率分布特性,首先,理论分析了同步带传动各种噪声的频域分布情况;然后,针对ZA型汽车同步带进行变转速变张紧力试验;最后,基于小波分解的分析方法,得出同步带传动噪声信号的频段分布特性。结果表明,随着转速的增加,啮合冲击噪声增加,同步带传动噪声源中啮合冲击噪声能量比重增加,啮合冲击噪声主要集中在高频段,横向振动噪声主要集中在低频段。研究为汽车发动机的减振降噪提供了依据。

对于同时具有可变形分块式主镜和变形镜的空间望远镜光学系统,提出一种基于小波分解的并联波前校正法。该方法根据分块式主镜和变形镜的空间校正能力不同,利用小波分析的多分辨率分析的特点按不同尺度分解波前误差,将空间频率高于主镜空间带宽的各层波前误差合并为高频波前误差由变形镜校正,余下的低频误差由主镜校正;应用MATLAB小波工具箱对并联波前校正法进行数学仿真,并与依光路顺序的串联波前校正法进行比较,结果说明基于小波解耦的并联校正法波前校正精度高于串联校正法,适用于空间望远镜光学系统。

利用近红外光谱技术的无创血氧测量得到了广泛应用。分析了传统的双波长光源测量低血氧的误差原因，采用三波长测量算法提高了测量精度。定标实验证明了文中选取的三波长光源的准确性。通过对系统性能的测试比较，得出该系统具有较高的准确度和较好的实时性。此系统在低血氧饱和度监护方面具有广泛的应用前景。

为在系统动力学仿真中动态表达不同工况下工程机械液压元件所受剧烈变化的不确定性载荷,提出一种液压元件载荷集总参数动态响应模型。针对液压元件所受非平稳随机循环载荷,采用小波分解法将其分解为趋势项与随机项,其中非平稳的趋势项用经现场试验数据标定的集总参数模型进行表达,平稳的随机项根据能量等价原则用随机谐和函数进行表达,并由两者合成得到载荷模型;然后以某型液压挖掘机回转载荷为实例,建立了回转马达的载荷模型,对比某工况下载荷模型的响应与现场试验数据,证明了该载荷模型搭建方法的可行性和有效性。研究结果表明:该载荷集总参数动态响应模型能实现不同工况下液压元件载荷的动态表达,有助于改善工程机械液压系统动力学仿真对复杂多变工况的适应性。

针对钻削加工时难以直接观察刀具磨损状态的问题,基于声发射采集系统设计了超声轴向振动钻削刀具磨损状态监测装置,并在7075铝板上进行超声振动钻削试验。分析刀具磨损状态对声发射信号RMS值的影响,并通过小波分解技术对比分析刀具在不同磨损状态下的声发射信号变化规律;根据声发射信号对刀具磨损状态进行实时监测。试验结果表明:声发射信号的RMS值与刀具的磨损程度呈正相关;通过小波分解可知,随着刀具磨损的增加,信号的能量逐渐由低频段向高频段转移,可以通过监测声发射信号RMS值与能量的变化实现刀具磨损状态的有效识别。

风机齿轮箱振动信号具有非平稳、非高斯特性,多种模式混叠和复杂的传递路径使得故障信息微弱完全淹没在噪声之中.针对故障特征提取的难题,将双树复小波变换引入振动信号分析,提出了一种新的工业风力发电机齿轮箱故障诊断方法.首先对风机齿轮箱振动信号进行双树复小波分解,然后计算各频带分量的峭度值,利用峭度筛选故障敏感分量.最后对故障敏感分量进行频谱分析提取故障特征频率.实验结果表明双树复小波变换可将复杂信号分解为不同频带分量,抑制平移敏感性和频率混叠.与传统离散小波变换相比,能有效抑制虚假频率出现并准确提取故障特征.本文提出的方法已成功用于风力发电机工业运行监测并准确诊断多种类型的齿轮箱故障.

为了有效地消除流体压力信号中的噪声，提出了一种基于小波变换的自适应滤波算法，该算法针对信号和噪声经小波变换后在不同尺度上的特征不同，先对信号进行小波多尺度分解，然后对各尺度分解的信号分别选用不同的滤波参数，进行自适应滤波处理，并用该方法对液压系统运行中采集的压力信号进行降噪处理。试验结果表明，该方法比普通的自适应滤波方法能更有效地消除流体压力信号中的噪声。