简介：摘要滚动轴承发生故障时,振动信号各频带的能量会相应发生变化,各频带信号的能量中包含了丰富的故障信息。采用小波包对信号进行分解，并用小波包能量法对其分析。不同频带内的信号能量变化反映了运行状态的改变，根据不同的能量变化，可以有效对轴承信号进行故障诊断。

简介：摘要：爆破有害效应中，爆破振动的破坏效应尤为明显，且控制技术方面有待进一步提高，本文利用小波包技术分析高程效应下的爆破振动信号时频特征和能量分布特征，对信号进行小波包分析，对爆破振动进行综合研究。

简介：摘要提出了基于小波包节点能量相对变化量的结构损伤识别方法，采用节点能量平方比作为损伤定位依据，从而能对结构损伤进行无模型定位，最后通过数值算例验证了该方法的可行性。

简介：小波包是小波理论的重要组成部分，在非平稳信号特征检测和故障诊断中具有广泛的应用。小波包教学是小波分析教学的一个难点，也是一个较容易忽视的知识点。本文分析了小波包理论，归纳总结了小波包目标函数，以及它们适用的领域，并提出了新的目标函数。本文可以对小波包的教学提供一些新的思路。

简介：针对采集转子振动信号时信号中往往夹杂着噪声干扰的问题，提出了一种自寻优阈值的小波包降噪方法。该方法可对不同振动信号自寻优地设置阈值，且阈值的选取与所研究的信号有关而与信号长度无关；并根据采样定理计算不同转子转速对应的小波包分解的最低层数。对多种信号进行的降噪研究表明，该方法可有效降低转子振动信号中的噪声干扰。

简介：为适应屋盖结构随机脉动风速场谱分析的需要，根据数字信号处理基本原理和小波包分析理论，推导出小波包系数与功率谱的关系式，从而建立了一种基于小波包变换的随机信号功率谱估计的新方法．然后将该法应用于一个大跨屋盖模拟风速场的功率谱计算，检验了该法对随机信号的谱估计精度．计算结果显示，所提出的方法速度快、精度高，是一种适用于大型屋盖风速场的高分辨率谱估计算法．

简介：在小波变换对陀螺信号处理的基础上提出了用三层小波包消减阈值算法,处理陀螺仪的状态信号,小波包分解得到各个节点的分解系数。通过消减算法使得信号中大于阈值的瞬态高频部分置零,对消减阈值处理后的节点进行重构以消除信号中的噪声和周期分量。软阈值函数通过小波包分解的节点系数均值和方差来构建。仿真实验与已取得很好效果的强制降噪的重构信号和相应的功率谱进行比较,结果表明小波包软阈值降噪比强制降噪在随机漂移补偿上提高了13.1%,零偏改善了0.0526（°）/h。

简介：针对2D12往复式压缩机气阀的工作过程特点，提取了吸气阀与排气阀均关闭的压缩过程的局域信号为研究对象，提出了基于模态参数识别与小波包分析相结合的方法，利用该方法提取了阀片正常与故障时的几种状态下的时域特征参数，最后通过比较各种状态下的时域特征参数完成了对阀片的故障诊断。最终证实了该方法的可行性及有效性。

简介：通过对配电网单相接地故障暂态过程的分析,提出了对暂态接地电容电流进行小波包分解,利用能量法提取出能量最大的频带,对各条线路的特征频带利用模极大值和信号奇异性理论,从而判断出故障线路的新方法。对该方法的选线原理进行了一定的介绍,仿真实验表明该方法具有精确、可靠、适应能力强等特点,具有重要的实际应用价值。

简介：采用小波包去噪方法解决漏磁信号的噪声抑制问题。针对软、硬阈值处理中存在的缺陷,提出了模糊阈值处理方法,应用该方法对采集的漏磁信号进行消噪处理。实验结果表明,与传统小波包的去噪效果相比较,模糊小波包降噪方法不仅较好地剔除信号中的噪声,而且保留了原始信号中的有效成分,是一种可行的方法。

简介：针对传统的融合技术在IKONOS高分辨率卫星影像处理中的不适应性,提出一种更为精确细致的图像融合方法--自适应小波包分析法,既可以对图像低频部分进行融合处理,还可以对高频部分采取所需的融合处理策略,以综合多源多时相图像中的高频细节信息.该融合算法在信息量、光谱特征和边缘特征等方面具有综合优势.融合后影像不仅很好地保留了原多光谱图像的光谱特征,而且在增加融合结果信息量,改善解译的精度和可靠性以及使用率等方面均收到很好的效果.

简介：改进了基于最优小波包基的信号去噪算法，该算法以小波包分析为基础，根据最小代价原理搜索信号分解的最优基，然后对高频和低频系数采用不同的阈值算法进行量化，用量化后的系数重构得到去噪后的信号．

简介：摘 要：爆破振动信号具有短时非平稳随机性，所包含的能量信息对于其特征识别具有重要意义。对隧道爆破振动信号进行EMD分解，消除趋势项后得到纯净的爆破信号，在此基础上，采用多分辨率的小波包变换对爆破振动信号进行多层分解，得到信号能量分布的细节信息。结果表明：采用微差分段的爆破方式，其振动能量主要集中于0~250 Hz，且爆破能量的分布很不均匀，存在多个主震频带这从侧面反映了爆破振动频率成分的复杂性；选择幅值较大且波形衰减明显的模态分量，使用Hilbert 变换提取包络线，对包络线峰值点进行识别得到微差起爆时间分别为0. 0142 s，0.1116 s，0.2105 s，炸药起爆没有叠加现象，起爆时间较为合理。

简介：针对航空交流系统串联型故障电弧电流信号频谱范围宽、检测困难的问题，提出了小波包理论、信息熵理论与傅里叶变换相结合提取故障电弧特征频段的方法。首先开展了不同类型负载线路的航空交流系统串联型故障电弧模拟试验。其次，利用小波包技术、奇异熵理论和负熵理论，选择最优的小波母函数和分解层数，并对发生故障电弧前后的电流信号进行特征频段的提取。然后，对比特征频段下故障电弧发生前后电流信号的间谐波特征。结果表明，特征频段上的间谐波特征比没有经过特征频段提取计算出的间谐波特征更有利于故障电弧的检测。

简介：

简介：摘要本文基于小波包分解和支持向量机，提出了变压器差动保护中励磁涌流和内部故障电流鉴别的新方法。首先，采用离散小波变换来分解电流信号得到不同的频率分量，并计算这些频率分量的能量构成能量向量作为励磁涌流识别的特征参量。然后，将特征向量随机分为训练样本和测试样本。其中，将训练样本输入到支持向量机分类器中，得到能量特征参量与电流类型之间的映射关系，然后基于映射关系对测试样本进行分类，从而识别出电流的类型。为了研究该算法的准确性，利用matlab的simulink工具对励磁涌流和内部故障电流进行了波形仿真，作为实验的样本集。仿真结果表明，该方法能够准确地识别出变压器保护距离内的涌流和故障电流而且该方法相对与人工判断具有灵敏度高、可靠性高的优点，因此可以考虑将其应用到实际工程领域。

简介：利用小波包分析提取出齿轮箱在各种工况下振动信号的有效成分,根据时频域特点提取比较典型的特征参量,利用改进的BP网络进行训练,根据训练结果判别齿轮箱的故障状态.

简介：针对柴油机缸盖振动信号的非平稳时变特点，提出应用小波包能量法提取故障特征向量，并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的，对其他设备的故障诊断也具有借鉴意义。

简介：本文在阐述了发动机气门漏气声学特性及其振动诊断机理的基础上，针对发动机缸盖振动信号的特点，运用小波包对采集的振动信号进行3层分解、重构、提取特征向量。然后将特征向量作为概率神经网络的输入，构建网络模型。再用测试数据验证诊断模型的正确性。诊断结果表明该方法是可行的，并取得了较好的效果。

简介：针对传统被动式孤岛检测法存在检测时间长、盲区（NDZ）大,而主动式孤岛检测法影响电能质量的缺点,提出一种新的基于小波包对数能量熵（WPLEE）与BP神经网络的孤岛检测方法。该方法首先采集公共耦合点（PCC）处的电压信号,再将该电压信号分别进行小波包变换,然后通过对数能量熵进行算法处理来获取适合于孤岛检测的特征向量,该特征向量通过BP神经网络进行模式识别来判断系统是否发生孤岛现象,特别在逆变器输出功率和本地负载功率匹配时。实验和仿真结果表明,该方法均能准确、有效地判断出是否存在孤岛状态,同时与传统的被动式孤岛检测方法相比检测速度快,检测盲区小,不会对电能质量产生不良影响。