基于机器视觉之小波变换分析报告.pptVIP

* * 图3 基于小波分析测得的电机振动速度信号 * * 图4 基于小波分析测得的电机振动功率谱 * * HP3562A动态信号分析仪测得的结果 * * 图6为时域—频域谱图； 图7为电机某点振动速度信号的三维视图。 * * ） 横摇序列的多尺度 一维小波变换及分析 * * 母小波的例子： Mexico草帽小波： * * 母小波的例子： Morlet小波： * * * * 小波分解树与小波包分解树 由低通滤波器和高通滤波器组成的树 原始信号通过一对滤波器进行的分解叫做一级分解。信号的分解过程可以迭代，即可进行多级分解。 小波分解树(wavelet decomposition tree) 对信号的高频分量不再继续分解，而对低频分量连续进行分解，得到许多分辨率较低的低频分量。 小波包分解树(wavelet packet decomposition tree) 不仅对信号的低频分量连续进行分解，而且对高频分量也进行连续分解，这样不仅可得到许多分辨率较低的低频分量，而且也可得到许多分辨率较低的高频分量。 多分辨特性 * * 图 小波分解树 * * 图 三级小波包分解树 * * * * * * * * * * * * * * 小波神经网络技术 由于小波具有良好的时频局部特性和变焦特性，而神经网络具有自学习、自适应性、强鲁棒性和推广能力，如何把小波与神经网络结合起来，一直是人们关心的问题。小波分析和神经网络的结合有下述两种途径： （1） 松散型结合，即小波分析作为神经网络的前置处理手段，为神经网络提供输入特征向量。 （2） 紧致型结合，小波与神经网络直接融合，即用小波函数和尺度函数形成神经元。 * * * * 　　4． 基于小波变换的气、 液两相流系统软测量　　1） 软测量系统框架 　 图 软测量系统框架图 * * 　　2） 基于小波分析的软测量模型 　　基于小波分析的软测量技术就是利用易测辅助变量，采用小波分析处理技术，通过对所获得的信息进行分析处理并提取信号特征值，从而实现对某一参数的在线检测或过程状态的辨识。这里选用气、液两相流的差压波动信号作为软测量系统的易测辅助变量，而主导变量就是重要的参数变量——流型。 其软测量模型如图7-30所示。 * * 图 基于小波变换的软测量模型 基于小波变换的气、 液两相流系统软测量 * * 3） 小波特征值的提取 设系统信号总强度（即能量）E用小波分解系数来表示， 即: 其中：Ej称为细节信号的各尺度强度；EJ2称为平滑信号强度。 　　　 * * 图 气、 液两相流的测量装置和测量流程图 * * * * 　　5） 信号的小波分析及仿真 　　对采集的段塞流和波状流信号（测量信号）用小波分析算法进行4个尺度划分，4个尺度分别为：100～50 Hz(尺度1)、 50 ～ 25 Hz(尺度2)、25～12.5 Hz(尺度3)和12.5 ～6.75 Hz(尺度4)。段塞流和波状流信号的原始波形图和相应的小波变换结果如图7-32和图7-33所示。 　 * * 图7-32 段塞流信号的小波变换结果图 (a) 尺度2小波变换； (b) 尺度4小波变换 * * 图7-33 波状流信号的小波变换结果图 (a) 尺度1小波变换； (b) 尺度3小波变换 * * 实验工质采用空气和水,其流程如下:实验时,空气经空气压缩机升压后,由孔板流量计计量后进入两相混合器;同时,离心式水泵给水箱中的水进行加压,水流入实验系统,通过电磁流量计计量后也流入两相混合器。在混合器内充分混合后进入实验段进行实验 * * * * * * * * * * * * * * 电机振动自动检测系统的基本原理见图1。 * * 信噪 分离 * * * 小波分析发展历史 1807年 Fourier 提出傅里叶分析 ， 1822年发表 “热传导解析理论”论文 1910年 Haar 提出最简单的小波 1980年 Morlet 首先提出平移伸缩的小波公式，用于地质勘探。 1985年 Meyer 和稍后的Daubeichies提出“正交小波基”，此后形成小波研究的高潮。 基于小波变换的检测方法 　　小波变换与傅立叶变换，是都用信号在一簇基函数张成空间上的投影表征该信号。 * * 1988年 Mallat 提出的多分辨度分析理论，统一了几个不相关的领域：包括语音识别中的镜向滤波，图象处理中的金字塔方法，地震分析中短时波形处理等。 当在某一个分辨度检测不到的现象，在另一个分辨度却很容易观察处理。 * * 小波分析是纯数学、应用数学和工程技术的完美结合。从数学来说是大半个世纪“调和分析”的结晶（包括傅里叶分析、函数空间等）。 小波变