传统的小波包阈值函数如软、硬阈值函数等其去噪形式固定,对全部小波包系数进行相同的阈值化处理,然而噪声在小波包系数中的分布却并不均匀。为了弥补这一缺陷,提出了一种新的带参数的阈值函数,对最大分解尺度与其相邻尺度的小波包系数进行相关性计算,且以该值作为调节参数,对相关性弱的小波包系数进行大尺度收缩而对相关性强的小波包系数尽可能地保留,以达到自适应去噪的目的。利用此方法对滚动轴承振动信号进行去噪分析且对去噪后信号进行功率谱分析,与其他方法进行对比,结果表明该方法去除噪声较为彻底,且能更好地还原信号的特征信息。

以圆柱齿轮为对象,提出了基于双谱图像的机械故障嵌入式诊断方法.首先,通过小波包阈值去噪、小波包重构、双谱分析生成故障信号的双谱图,并通第一类灰度矩来表征双谱图特征.这些特征统计量,作为BP神经网络模式识别算法的输入特征向量,从而对这些特征集合进行分类,识别出相应的齿轮故障类型.实验证明在具有噪声的情况下,该方法取得了比较理想的识别率,验证了基于图像识别的齿轮箱故障诊断方法的可行性.以OpenCV库编写的代码移植到嵌入式系统简单易行,开发效率高,程序运行可靠.

为了弥补传统小波包阈值去噪算法去噪参数选择完全依据人为经验的缺陷，引入对信号噪声含量变化敏感的排列熵算法，提出一种新的基于排列熵的小波包阈值去噪方法。对含噪信号进行小波包分解得到相应的小波包系数序列，并对其进行排列熵计算，通过分析小波包系数排列熵的变化规律来确定小波包分解层数与阈值以达到最优去噪效果。采用该方法对滚动轴承振动信号进行去噪分析，结果表明该方法去除噪声较为彻底，与其他参数去噪结果进行对比，验证了该方法的有效性。

为得到某电液伺服转台系统的频率特性，采用Chirp信号作为激励。为解决原始时域采样信号直接经FFT处理得到的频率特性曲线严重畸变问题，对原始时域采样信号依次进行传统低通滤波、小波包去噪、高频段相位跳变修正后，再进行FFT，最后采用Smooth平滑滤波方法得到系统最终的频率特性曲线，满足了系统调试和性能评价的要求。