基于梯度的自适应更新提升小波及其应用

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (34): 226-228.

基于梯度的自适应更新提升小波及其应用

周建萍^1,2,郑应平²

1.上海电力学院电力与自动化工程学院，上海 200090
2.同济大学电子与信息工程学院，上海 200092

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-01 发布日期:2007-12-01
通讯作者: 周建萍

Adaptive update-lifting wavelet and its applications using gradient

ZHOU Jian-ping^1,2,ZHENG Ying-ping²

1.School of Power and Automation Engineering，Shanghai University of Electric Power，Shanghai 200090，China
2.School of Electronics and Information，Tongji University，Shanghai 200092，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-01 Published:2007-12-01
Contact: ZHOU Jian-ping

摘要/Abstract

摘要： 针对电厂汽轮发电机组振动信号的噪声抑制问题，采用提升小波变换的方法构造小波。在讨论了提升小波变换基本原理及特点的基础上，根据信号的局部梯度大小对提升格式的更新算子Ｕ（Update）进行自适应设计。用此方法对电厂汽轮发电机组的振动信号进行消噪处理，并通过实例仿真证明了该方法的可行性和有效性，从而为汽轮发电机组振动信号的故障诊断提供有力依据。

关键词: 梯度, 自适应, 提升小波, 消噪

Abstract: The lifting wavelet transform is used to construct wavelet to de-noise the vibration signal of turbo generator units.According to the theory and characteristics of the lifting wavelet transform，the adaptive update operator is designed depending on the local gradient of the signal.This method is used to de-noise the vibration signal of turbo-generator units.The feasibility and validity are proved through example simulation，which provides support for fault diagnosis of vibration signals for turbo-generator units.

Key words: gradient, adaptive, lifting wavelet, de-noising

周建萍^1,2,郑应平². 基于梯度的自适应更新提升小波及其应用[J]. 计算机工程与应用, 2007, 43(34): 226-228.

ZHOU Jian-ping^1,2,ZHENG Ying-ping². Adaptive update-lifting wavelet and its applications using gradient[J]. Computer Engineering and Applications, 2007, 43(34): 226-228.

[1]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[2]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[3]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[4]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[5]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[6]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[7]	周友行，赵晗妘，刘汉江，李昱泽，肖雨琴. 采用DDPG的双足机器人自学习步态规划方法[J]. 计算机工程与应用, 2021, 57(6): 254-259.
[8]	刘建宇，范平清. 基于改进的RRT*-connect算法机械臂路径规划[J]. 计算机工程与应用, 2021, 57(6): 274-278.
[9]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[10]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[11]	王晓，唐伦，贺小雨，陈前斌. 基于深度强化学习的服务功能链多维资源优化[J]. 计算机工程与应用, 2021, 57(4): 68-76.
[12]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.
[13]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[14]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[15]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.