基于小波阈值滤波的轴承故障诊3断

针对软阈值滤波和硬阈值滤波的缺陷，设计出了一个线性和非线性相结合的新的阈值函数。在试验仿真后，将其用于实际的振动信号处理。实践证明，此方法不仅滤除了大量的噪声，而且很好地保留了信号的细节，为提取到清晰的故障特征以及分析故障特征创造了条件。     

最优Morlet小波滤波及其在机械故障特征分析中的应用

分析了Morlet小波及其滤波特性,结合小波变换技术和奇异值分解技术,提出了基于最优Morlet小波和奇异值分解的滤波消噪方法,解决了传统小波去噪方法的不足,即如何选取小波基、阈值方法和阈值。依据最优Morlet小波滤波方法,研发了基于小波变换的故障特征分析仪,并应用于轴承故障的特征提取,实验结果表明,该方法具有良好的去噪性能,用于故障特征提取是有效的。     

结合频谱聚类与经验小波的轴承故障诊断方法

实测轴承振动信号就有非平稳、非线性特征,因此,对该类信号的分析需要进行解调得到特征频率,在众多解调法中包络分析是最为常用的方法;为了使解调结果更加清晰,常在解调前进行滤波,达到滤除干扰成分可有效提升解调的效果.经验小波变换提供了基于频带划分的小波滤波框架,划分后频带可滤除部分干扰信号,突出故障信号.对此,受"箱型图"和层次聚类法的启发,对"突出值"聚类法进行频带划分,通过平方包络互相关系数选取合理的频带划分个数.最后选取平方包络峭度值最大的滤波子信号进行Teager能量算子解调,获取特征频率.文章针对不同工况下的不同故障类型轴承运行数据进行分析,验证算法的有效性.特别地,在复合故障分析中,利用动态阈值法到达分别突出不同轴承故障频率的效果.     

弧焊过程电信号的小波包分析

CO2弧焊过程电信号的实际测试过程中,消除噪声干扰是一个重要的环节,小波包滤波方法可以有效地将信号和噪声区别开来。在Windows环境下,采用Visual C++6.0编程实现了小波包软阈值算法。测试结果表明:基于软阈值的小波包滤波是一种更有效的降噪方法,它可以改善信号特征信息的提取。     

轴承早期微弱故障特征提取的新方法

针对滚动轴承早期故障特征微弱,在强噪声下难以识别的问题,提出了一种基于软阈值归一化奇异值占比（SNSR-SVD）为准则的奇异值分解重构的方法。这种方法能够兼顾轴承早期故障特征的周期性和非平稳性,在重构信号中引入更多故障特征的细节信息。并且为了能够更好的提取轴承的冲击信号,将使用本方法重构后的信号通过以最大谱峭度法优化最优频率与带宽的滤波器,最后对滤波后的信号进行包络解调分析。通过与其他方法进行仿真与实验的对比验证,证明本方法的优越性。     

涡轮泵实时故障检测的多特征参量自适应阈值综合决策算法

为了实时监控液体火箭发动机涡轮泵的状态,提高安全性,降低故障带来的破坏程度,提出了一种多特征参量自适应阈值综合决策算法(MATA)。研究了该算法的特征参量选取、阈值区间的确定、阈值的自适应计算(包括特征参量均值与标准方差的自适应计算)、故障综合决策逻辑、故障数据对阈值贡献的剔除等方法,利用某型火箭发动机地面试车涡轮泵振动测量数据和某型转子试验平台实时测量数据对该算法进行离线和实时在线故障检测试验验证,结果表明MATA没有发生误检测情况,具有实时故障检测的能力。因此,MATA适合于液体火箭发动机涡轮泵的实时故障检测。     

基于AMD和小波阈值去噪的电机轴承故障诊断

轴承是异步电机常见故障类型中发生故障概率最大的部件.谐波法是目前轴承故障诊断的常用方法,想要准确的获取故障特征谐波分量,需要对故障信号进行去噪预处理.针对故障信号提取特征频率的噪声干扰问题,结合电机轴承故障机理分析,提出运用解析模态分解(AMD)算法和小波阈值去噪算法相结合的谐波检测方法来提高电机轴承故障特征谐波分量提取的准确性.实验结果表明,所提方法能够准确的提取故障信号的特征分量,可有效提升故障诊断的准确性和可靠性,降低了电动机故障发生概率.     

改进EMD阈值小波滤波方法

下肢自主康复训练机器人中交流伺服电机电流信号噪声严重影响电机力矩辨识精度。为解决非线性非平稳信号的滤波去噪问题,提出一种基于经验模态分解(EMD)的改进阈值小波滤波算法。首先对EMD最佳去噪层数和阈值小波的阈值处理函数进行分析和改进,然后将两种改进方法相结合,最后对Matlab中的Heavy sine信号添加高斯噪声,分别利用改进方法和软、硬阈值等滤波方法进行去噪实验。仿真实验结果表明,改进算法能有效去除非线性非平稳信号中噪声信号。与EMD和阈值小波等其他滤波方法相比,本文滤波算法去噪后信噪比更大,均方根误差更小,滤波效果更好。     

基于信号特征的复合字典多原子匹配算法研究

在经典匹配追踪算法的基础上,提出基于信号特征的复合字典多原子匹配的改进算法,并应用于轴承故障诊断领域。针对滚动轴承损伤性故障振动信号特点,构造高频段冲击时频特征原子库与低频段Fourier特征原子库相结合的复合字典。研究复合字典多原子匹配的稀疏分解及重构算法以用于提取故障特征,并在重构算法中引入阈值降噪原理。滚动轴承故障试验信号和工程信号分析结果证明,在冲击性故障特征提取效果上,基于信号特征的复合字典多原子匹配优于单原子匹配,并且硬阈值降噪处理效果优于无阈值处理效果。     

t分布随机近邻嵌入机械故障特征提取方法研究

将t分布随机近邻嵌入(t-SNE)流形学习方法应用于机械振动信号的故障特征提取,实现高维特征信息降维处理。通过小波包分解算法将原始振动信号分解为多层小波子空间,通过计算各层的小波阈值熵构造高维特征数据,然后采用t-SNE方法对构造的高维特征数据进行数据降维,获取低维故障特征信息。采用本特利转子试验台进行故障仿真实验,对采集获得的几种典型故障状态下的振动数据分别基于小波包阈值熵及统计特征构造2组高维数据,并对2组高维特征数据分别采用t-SNE方法进行数据降维处理获得其二维特征数据,通过对比验证了基于小波包阈值熵法构造高维数据后进行t-SNE数据降维的特征提取方法能够更有效的区分故障特征。     

基于CEEMD的滚动轴承振动信号自适应降噪方法

针对滚动轴承故障特征信号容易被噪声掩盖难以提取的问题,提出了基于互补集合经验模态分解(CEEMD)的滚动轴承振动信号自适应降噪方法。为了准确判定噪声分量和有用信号分量的分界点,在对振动信号进行CEEMD分解后,设计了依据信噪分量自相关函数的单边波峰宽度特性自适应地判定分界点的方法。为了保证重构信号的完整性,利用改进的小波阈值降噪方法提取低频IMF分量中的高频有效信息。实验分析表明,结合改进阈值函数的CEEMD自适应降噪方法能够有效地去除故障振动信号中夹杂的噪声,并且很好地保留了滚动轴承振动信号的突变细节,达到了不错的降噪效果。     

一种新的小波阈值函数去噪算法

小波阈值去噪算法是一种经典的振动信号去噪算法,但仍有一定局限性。为了更好地消除噪声对被测振动信号的干扰,提取信号的有用成分,本文对比分析了几种不同小波阈值去噪算法,并在经典小波阈值去噪算法的基础上改进了阈值函数,提出了一种新的小波阈值去噪算法。对模拟信号及实测风机振动信号进行去噪处理并分别与经典及改进的小波阈值去噪效果进行定量比较。结果表明:新的小波阈值函数更好地抑制了噪声污染和保持信号细节,有效地消除了背景噪声,提高了信号特征的可分离性,具有较高的实用价值。     

CEEMD和小波半软阈值相结合的滚动轴承降噪

针对滚动轴承振动信号降噪处理时如何保证信号边缘信息完整性的问题,提出将互补集合经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)与小波半软阈值相结合的信号降噪方法,对滚动轴承故障高频振动信号进行降噪处理。首先,采用CEEMD方法对故障振动信号进行分解,针对信号特点自适应获取不同频段模态分量;其次,将对包含噪声污染的高频信号模态分量进行相关性分析,得到含噪成分较高的高频模态分量,进一步采用小波半软阈值进行降噪处理;最后,将降噪后的模态分量同残余分量进行信号重构,完成降噪过程。分析结果表明,相对于传统小波阈值降噪和CEEMD强制降噪方法,提出的方法能够有效去除高频信号的噪声,且最大程度地保证了原始信号的完整性,降噪效果更好。     

基于CEEMDAN与自适应阈值降噪的滚动轴承故障诊断

针对滚动轴承故障信息受到噪声污染而难以识别的问题,提出一种基于自适应噪声完备集合经验模态分解和自适应阈值降噪(CEEMDAN-ATD)的滚动轴承故障诊断方法。首先对原始振动信号进行CEEMDAN分解;其次利用灰色关联分析法(GRA)筛选出噪声主导和信号主导的分量;然后对噪声主导分量分别进行自适应阈值降噪(ATD)处理,并与信号主导分量进行重构;最后通过分析重构信号的Teager能量谱实现滚动轴承故障的识别。采用凯斯西储大学轴承数据对所提方法进行验证,并与完全总体经验模态分解-自适应阈值降噪(CEEMD-ATD)和CEEMDAN-小波阈值降噪(CEEMDAN-WTD)2种方法作比较,结果表明,所提方法表现出较好的自适应性和去噪效果,能够较好地服务于滚动轴承故障诊断。     

基于盲源分离与小波降噪的旋转机械故障分析

基于小波降噪和盲源分离相结合对机械信号进行分离与故障诊断。首先使用经分析选择的较好小波阈值对非平稳振动信号进行降噪,然后运用盲源分离技术分离出激振信号,结果表明利用小波阀值降噪后进行盲源分离时分离信号与源信号相似系数优于直接盲源分离;将小波降噪和盲源分离相结合应用于某燃气轮机的实测故障信号提取,诊断出转子发生了不平衡及碰摩等故障现象,与实测情况相符,有效说明了该方法在旋转机械故障诊断中的实用性。     

奇异值小波降噪法在柱塞泵振动信号处理中的应用

针对小波阈值和奇异值分解降噪法的不足,研究一种新的小波阈值函数。提出一种基于改进阈值的奇异值小波降噪方法,该方法利用奇异值分解技术,将噪声非均匀分布的信号正交分解为噪声分布相对均匀的分量,并对每个分量进行小波阈值降噪,重构降噪后的分量,得到降噪信号。仿真实例证明,该方法与小波软、硬阈值及改进阈值法相比,不仅提高信噪比,而且能够更好地消除高斯噪声。利用该方法对柱塞泵不同状态振动信号进行降噪,结果表明,该方法能有效抑制噪声,为柱塞泵振动信号预处理提供一种更为有效的方法。     

平稳小波变换在轴承振动信号去噪中的应用

为有效提取振动信号中的故障特征,提出了一种基于平稳小波变换的降噪方法,阈值大小取决于不同尺度上故障信号的小波分解系数的峭度。实例分析表明,该方法具有良好的去噪性能,并能很好地提取振动信号中的故障特征。     

基于同步压缩小波变换的滚动轴承故障诊断

针对滚动轴承故障诊断中存在的非平稳故障信号的特征提取困难这一难题,提出利用同步压缩小波变换(SWT)对故障信号的监测数据进行处理的方法。首先对信号进行连续小波变换(CWT),其次对小波变换系数进行同步压缩变换(SST),然后对SST系数进行自适应阈值去噪,之后在有效信号数据的频率中心附近进行积分提取,最后用提取到的有效信号进行重构。对实测的滚动轴承故障信号进行处理验证,结果表明,SWT具有较高的信号提取精度以及降噪能力,同时具有较高的时频分辨率,能够将故障信号转换为高分辨率的时频谱,弥补了CWT在这方面的不足。     

基于改进平移不变量小波阈值法的齿轮泵振动信号降噪

齿轮泵的振动信号中含有大量噪声,在对其进行应用之前必须降噪处理。传统的小波阈值降噪法在信号的奇异点附近会产生振荡现象,为此研究了一种新的小波阈值函数,把新的阈值函数和平移不变量相结合,提出了改进小波阈值法的平移不变量降噪方法。该方法克服了软、硬阈值的缺陷,同时抑制阈值法降噪时产生的伪吉布斯(Pseudo-Gibbs)现象。利用该方法对仿真信号和实测齿轮泵振动信号进行降噪处理,并与小波软、硬阈值法及新阈值法进行了对比。结果表明:该方法具有更好的降噪效果,可应用于齿轮泵振动信号降噪处理。     

小波阈值降噪技术在齿轮箱振动信号处理中的应用研究

阐述一维信号的小波降噪原理及小波阈值降噪方法,用MATLAB软件对齿轮箱振动信号进行降噪处理。利用图像和计算数据说明不同小波函数和不同阈值规则的消噪效果,得出Stein无偏似然估计阈值(Rigrsure阈值)方法对强噪声复杂的齿轮箱振动信号降噪效果最佳。