基于小波阈值降噪方法风机监测信号的研究

风机监测信号采集噪声问题非常严重,采取小波分析法进行去噪,该方法的关键就是阈值的选取和阈值的处理方法。对阈值处理函数和阈值选取形式进行了比较,并在MATLAB环境下进行仿真研究,结果表明软阈值函数启发式阈值小波降噪比较适合于风机监测信号的降噪处理。     

煤矿钢芯输送带缺陷信号小波降噪研究

煤矿钢芯输送带缺陷电磁检测信号受到煤矿工况中宽频带随机噪声影响,因此需对缺陷电磁检测信号进行降噪。一种改进阈值的小波降噪方法被提出,并运用小波硬阈值、软阈值和提出的改进阈值3种方法对缺陷电磁检测信号进行降噪对比实验,实验结果表明:提出的改进阈值处理方法能快速地对缺陷信号降噪,并且降噪性能优于软、硬阈值处理方法。     

小波消噪在基桩完整性检测中的应用

小波分析作为一种全新的信号处理方法,为信号滤波、信噪分离和特征提取提供了有效的途径。通过研究小波分析方法的基础上,针对随机噪声,采用基于小波变换的阈值去噪方法,结合工程实例将小波降噪与常规数字降噪方法分别处理的结果进行比较,结果显示小波降噪具有较明显的优势。     

基于变分模态分解和小波能量熵的微震信号降噪

微震监测技术被广泛应用于矿业工程、石油天然气开采、安全监测等领域。 针对微震监 测采集到的微震信号存在随机噪声的问题,本文提出了一种变分模态分解(variationalmodedecomposition,VMD)和小波能量熵(waveletenergyentropy,WEE)结合改进阈值函数的降噪算法。 对原始信号进行VMD分解,将得到的各模态分量(intrinsicmodefunction,IMF)进行多尺度小波 分解,用小波能量熵表征各尺度信号的含噪状态,并以小波能量熵最大子区间的小波系数计算各 尺度层的阈值,通过改进阈值函数进行降噪处理后得到新的IMF,重构微震信号。 对仿真信号和 实测信号进行降噪处理,结果表明,该算法优于经验模态分解(empirical mode decomposition, EMD)、集合经验模态分解(ensembleempiricalmodedecomposition,EEMD)、VMD结合小波硬阈值 和软阈值降噪方法,提高了微震信号的信噪比。     

基于小波分形理论的轮式装载机运行状态检测技术研究

基于小波阈值方法对装载机实测信号进行降噪处理,并以关联维数作为描述装载机运行状态的特征量。通过对小波类型、分解层数以及小波阈值函数对信号降噪效果的分析,建立起实测信号的小波降噪方法,然后采用关联维数对运行状态特性进行提取,有效提高了运行状态检测的准确性。     

第二代小波降噪法在故障诊断中的应用

介绍了基于插值细分法的第二代小波变换的基本原理和变换过程,给出了小波降噪的阈值选取方法。用仿真信号进行验证,并将该算法应用于矿用通风机振动信号的降噪处理中,提高故障诊断的准确率。     

边坡变形监测数据小波去噪研究

变形监测中获得的观测资料不可避免地存在着噪声,如何从受噪声干扰的数据序列中提取特征信息,提高变形监测的精度是变形监测系统所涉及的关键技术之一。利用小波方法对边坡监测的数据进行去噪研究,着重研究了降噪方法(算法)、小波基函数以及阈值等的影响。硬阈值比软阈值处理后的信号更加粗糙,软阈效果好于硬阈,阈值和小波基函数都有重要影响。采用强制去噪后的效果很明显,重构层数选取对滤波效果有重要影响。     

基于小波阈值的通风机故障特征提取应用研究

为了对原始信号进行有效的降噪,从而获得的客观的煤矿主通风机的振动特征,确保通风机故障的诊断,采用小波阈值的方法,分析了小波阈值降噪的基本思路以及小波去噪阈值的选取原则;对小波降噪的特点进行分析,对比了小波分析和傅里叶变换分析2种方法下的去噪能力,研究为通风机故障的诊断提供了理论基础。     

基于Shannon熵的钢丝绳断丝损伤信号小波包去噪研究

以钢丝绳断丝损伤信号去噪方法为研究背景,采用基于Shannon的小波包分解进行信号的降噪处理。Shannon熵作为信息代价函数,进行最优基的选取。建立差值信号Shannon熵与阈值之间的关系曲线,发现差值信号Shannon熵越大则表明该阈值去噪效果越好。采用均方根误差对去噪结果进行评价,验证了该去噪方法在钢丝绳断丝损伤信号降噪处理时的实用性。     

基于小波降噪和CEEMD的轴承故障诊断

针对滚动轴承故障振动信号难以提取出准确的故障特征的问题,提出了一种基于小波新阈值降噪与互补集合经验模态分解(CEEMD)的轴承故障诊断方法。该方法充分结合了以上2种方法的优点,有效地解决了故障特征提取难的问题。首先构建出新的小波阈值函数,再用此小波阈值降噪,可以有效地消除背景噪声的影响;将降噪后的故障信号用CEEMD方法进行处理,然后重构根据信号的相关系数挑选出的相关性较大的分量;最后将重构信号进行Hilbert变换包络,从包络图中提取故障特征。运用此方法对轴承进行试验分析,结果证实了该方法的有效性和实用性。     

基于包络谱分析的滚动轴承故障诊断方法研究

分别用小波分解、小波包分解和EMD分解处理滚动轴承故障数据,并结合Hilbert变换进行包络谱分析实现滚动轴承故障诊断。对滚动轴承故障数据进行小波阈值降噪。小波阈值降噪后分别进行小波分解、小波包分解和EMD分解。分别求出小波分解、小波包分解和EMD分解后各个频带的能量谱。再根据能量谱确定故障频带范围并对其进行信号重构。采用Hilbert变换对重构信号进行包络谱分析实现滚动轴承故障诊断。通过对滚动轴承内圈故障信号的分析验证了小波分解、小波包分解和EMD分解结合Hilbert变换进行包络谱分析的滚动轴承故障诊断方法的有效性。     

煤矿监测图像去噪算法中小波基的选取

图像去噪是煤矿监测图像处理中重要的预处理过程。小波阈值法是一类重要的图像去噪算法。在Matlab7.0环境下,采用不同消失矩的Daubechies族小波函数对加噪图像进行处理,分析消失矩对降噪后图像信噪比的影响,为小波基的选取进行指导。     

提升机载荷小波降噪参数的选取

采用基于小波分析的降噪方法对载荷信号进行降噪,并对选择不同参数时的降噪效果进行了直观比较与定量分析。结果表明,小波降噪方法适于提升机载荷信号的处理,但根据降噪信号平滑性、与原始相似性的等不同的实际需求,应选择相应的工作参数。     

小波降噪在煤岩微震信号处理中的应用

根据微震信号噪声强度ε,利用FFT滤波以及缺省的阈值确定模型、Birge-Massart策略的阈值确定模型和小波包变换中的penalty阈值确定模型对原煤单轴全程压缩加载破坏实验的微震信号进行降噪处理。理论分析及降噪结果表明,FFT滤波得到的降噪信号过于平滑,抑制了很多有用的信息成分,而小波三种阈值确定模型能够更加有效去除微震信号中的噪声成分,降噪后的信号与原信号有着很好的相似性,最大限度的反应了原始信号本身的性质。     

基于AWSST和GCV的矿山微震信号联合降噪新方法

由于露天矿山开采环境的复杂性和各异性,传感器采集得到的微震信号包含大量的噪声干扰,为了获得更加准确的微震信号特征,提出了基于自适应同步压缩小波变换（Adaptive Synchrosqueezing Wavelet Transform,AWSST）和广义交叉验证（Generalized Cross-Validation,GCV）的联合降噪方法,从而对微震事件定位和判断开挖过程中岩体状态提供可靠的数据保障。首先在自适应小波变换（Adaptive Wavelet Transform, AWT）的基础上,对每个尺度中的小波系数进行阈值化处理,利用GCV方法自动确定每个成分的最佳阈值水平,达到去除噪声的目的。然后,通过同步压缩变换（Synchrosqueezing Transform,SST）的后处理操作,在时频平面对小波变换系数进行二次重分配,从而提升时频表达的能量聚集性。最后,应用于微震信号的降噪处理,并与现有的时频分析方法进行比较,结果表明提出的联合去噪方法降噪效果更好、时频分析的分辨率更高。     

基于小波降噪和改进HHT的滚动轴承故障诊断方法研究

提出了一种基于小波域阈值降噪和改进Hilbert-Huang变换的滚动轴承的振动信号分析方法。利用小波域阈值消噪的方法对振动信号进行降噪,采用基于包络极值延拓和相关系数法的HHT方法得到信号的Hilbert谱和Hilbert边际谱,根据谱图幅值特性判断轴承的状态。该方法能够有效地提取信号特征,具有良好的诊断效果。     

综放煤岩垮落声压信号小波降噪及识别研究

设计实验采集煤矿井下真实煤、顶板岩石垮落冲击液压支架后尾梁的声压信号与一段液压支架不放煤,仅前后刮板输送机运行时的环境噪声信号,并将该噪声添加到正弦信号,得到含噪信号。利用小波变换对含噪信号分别使用sym18、db19 2种小波和相同类型小波不同阈值参数进行降噪,比较信噪比和均方根误差,发现在db19小波,参数选用sqtwolog函数且取默认阈值one时降噪效果最为理想。     

利用经验模态分解及小波变换压制微震信号中的随机噪声

随机噪声的压制是微震信号分析过程中的重要环节,目前大多数降噪技术都不同程度的存在去噪效果差、易损伤有效信号等问题。针对微震信号的随机非平稳特征,提出一种联合经验模态分解(EMD)及小波阈值的降噪方法,压制微震信号中的随机噪声。该法首先使用EMD对微震信号进行自适应分解,得到有限个本征模态函数(IMF)。考虑到随机噪声主要集中在高频IMF分量中,基于噪声能量突变原则找出低频IMF分量与高频IMF分量的分界后,利用小波阈值方法对高频IMF进行降噪处理,最后将降噪后的高频IMF分量与剩余的低频IMF分量重构即可实现微震信号降噪。仿真分析及实验结果表明,该方法能充分保留微震信号的随机非平稳特征,较对比方法具有更好的降噪效果。     

矿用风机故障诊断方法研究

为了保障煤矿通风安全，提高矿用风机故障诊断的准确性，采用时域统计分析方法对风机轴承振动数据进行分析，综合利用峰值因子、均方根值、峭度指标和裕度系数对煤矿风机轴承进行在线监测；利用小波包络的方法对风机轴承信号进行处理分析，设计并训练了收敛速度快、精度高的BP神经网络。结果表明，峭度指标和裕度系数对轴承的缺陷比较敏感，不受轴承型号、载荷、转速等条件的影响；小波包络的方法对于处理强噪声环境下的非平稳振动信号有良好的效果，能够准确地提取信号中的故障特征。运用小波包和神经网络相结合的方法能够高效诊断出风机故障类型，指导设备维护。     

基于阈值降噪的测量机器人监测基础数据粗差剔除方法研究

在露天矿及排土场的边坡监测中由于放炮震动等因素影响使得测量机器人监测基础数据中总是含有一定量的粗差。针对如何快速而准确的剔除监测数据中的粗差,文中提出利用小波阈值降噪的方法剔除数据中的粗差,该方法通过有用信号最小频率确定分解层数,根据确定的分解层数对含有粗差的监测基础数据进行软阈值消噪处理。该方法取得良好效果,为基于测量机器人监测基础数据的粗差剔除提供了一种有效的方法。