针对滚动轴承故障精密诊断的需要,采用小波包分析方法提取了滚动轴承故障的特征信号,通过小波包分析将高频信号分解到8个频带中,以频带能量作为识别故障的特征向量,应用RBF径向基神经网络建立了从特征向量到故障模式之间的映射,现场采集的数据分析表明,采用小波包和神经网络相结合的方法可以比较准确地识别滚动轴承的故障

中厚板表面裂纹缺陷在图像中容易受背景噪声和氧化铁皮的影响,传统的图像处理方法很难将裂纹缺陷从图像中检测出来.提出了将形态小波变换应用于中厚板表面裂纹缺陷检测的方法.该方法利用小波分解对突变信号的检测能力,结合裂纹缺陷在形态上近似于直线的性质,将裂纹缺陷从图像中准确提取出来.实验证明形态小波用来检测中厚板表面裂纹缺陷比用其他方法更有效

3.1 信号的正交分解 3.2 周期信号的傅里叶级数 3.3 周期信号的频谱 3.4 非周期信号的频谱——傅里叶变换 3.5 傅里叶变换的性质 3.6 周期信号的傅里叶变换 3.7 LTI系统的频域分析 3.8 取样定理

3.1 信号的正交分解 3.2 周期信号的傅里叶级数 3.3 周期信号的频谱 3.4 非周期信号的频谱——傅里叶变换 3.5 傅里叶变换的性质 3.6 周期信号的傅里叶变换 3.7 LTI系统的频域分析 3.8 取样定理

一、 信号与多维矢量之间的相似关系 二、空间感念

第六章信号分析和电路的频率特性 本章主要内容: 1、非正弦周期信号的傅里叶级数分解、信号频谱概念 2、非正弦周期信号电路的稳态计算,非正弦周期函数有效值,平均功率 3、对称三相电路中的高次谐波分析 4、电路的频率特性分析,滤波器

12-1非正弦周期信号 12-2周期函数分解为傅利叶级数 12-3有效值、平均值和平均功率 12-4非正弦周期电流电路的计算

4.1 信号分解为正交函数 4.2 傅里叶级数 4.3 周期信号的频谱 4.4 非周期信号的频谱——傅里叶变换 4.5 傅里叶变换的性质 4.6 周期信号的傅里叶变换 4.7 LTI系统的频域分析 4.8 取样定理

2.2 单位阶跃信号和单位冲激信号 2.3 连续时间信号的分解和连续时间信号的运算 2.4 傅里叶级数与傅里叶变换 2.5 双边拉普拉斯变换 2.6.3 线性时不变因果系统应具备的时域充要条件 2.7 抽样定理 2.9.1线性时不变因果稳定全通系统应具备的充要条件

由于基于频域的经典小波变换运算时间较长,不能很好地满足轧辊偏心信号在线实时控制的要求,提出了用提升结构小波变换对偏心信号进行不同分辨率下分解处理的新方法.通过对轧制力信号和厚差信号的分析,利用提升和对偶提升原理将偏心信号从干扰信号和噪声信号中提取出来并通过参数自校正控制实现对轧辊偏心的在线动态控制.仿真结果表明,该方法获得了比较理想的效果,并且在同样数据长度下,提升小波变换运算速度比经典小波变换至少提高1倍以上