飞吻蜡笔小豆的博客

摘 要:在简单介绍小波分析的发展和基本原理的基础上,系统综述了小波分析在故障 诊断中的研究进展与状况,详细介绍了小波分析在故障诊断中应用的各种方法,重点阐述了 小波分析信号处理的故障诊断方法,以及小波分析与各种智能理论与技术结合的故障诊断方 法,如小波分析与神经网络相结合的方法、小波分析与模糊理论相结合的方法和小波分析与 数据融合等理论相结合的故障诊断方法,并对各种方法做了分析与讨论。分析了小波分析在 故障诊断中的应用研究现存的几个问题,并对解决这些问题和未来的发展进行了探讨。

摘要:以实测的爆破震动信号为例,分别应用小波分析和HHT(Hilbert-Huang Transform)变换从不同 方面进行对比分析,讨论了爆破震动信号的特征提取和时频分布。结果表明:小波分析和HHT变换都是处 理非平稳信号的两种好方法,都能很好地提取信号的主要特征信息和进行滤波、消噪。然而,小波分析存在选 择小波基的困难,而HHT变换不需要预先选择基函数,其EMD(empirical mode decomposition)得到的IMF (intrinsic mode function)能反映原始信号的固有特性,通常具有实际物理意义;小波谱的能量在频率范围内 分布较宽,而Hilbert能量谱能清晰地表明能量随时频的具体分布,大部分能量都集中在有限的能量谱线上; 小波分析中时间、频率分辨率受Heisenberg测不准原理的限制,而HHT变换中时间分辨率不变且精度很 高,其频率分辨率则可随信号内在的特性进行自适应调节。分析表明:HHT变换在分析非平稳信号时较小 波分析更具适应性,在岩石中波的传播、衰减规律、结构动态响应特征和爆破震动破坏等研究中有着广阔的应 用前景。

摘要：将基于统计学习理论的支持向量机方法引入到测井资料处理和解释中。在测井岩性识别方面研 究发现，支持向量机方法克服了神经网络的固有缺陷，提供了一种识别岩性的新方法。应用效果表明 该方法具有适应性强、识别精度高的优点。、 关键词：岩性识别；测井曲线；支持向量机

分类用的数据，主要用于Libsvm工具箱用的数据