皮带机故障诊断中基于自适应小波阈值去噪法的应用

皮带机故障信号中包含大量运行信息，采集故障信号进行去噪处理有利于故障状态识别。为了进一步提高小波阈值去噪方法在强噪声背景下微弱故障信号提取能力，设计了一种基于改进自适应阈值的小波阈值去噪法的皮带机故障诊断方法。研究结果表明：进行小波阈值去噪时未进行阈值函数优化，在阈值选取缺乏灵活性。以自适应小波阈值去噪时，可以获得更平滑的阈值曲线，能够满足最优去噪性能。采用小波阈值去噪时并未达到理想去噪效果，存在明显噪声成分，并且获得了更大均方根误差；完成小波阈值改进后获得理想去噪效果，更准确保留有用信号，使噪声信号被充分去除，实现信噪比的明显提升。该研究可以拓宽到其它传动设备上，对后续的故障状态识别奠定理论基础。     

基于平稳小波变换的X射线衍射信号消噪研究

讨论利用平稳小波变换进行X射线衍射信号消噪的方法,首先利用Haar小波将受噪声污染的X射线衍射信号进行多层平稳小波变换,利用小波变换的细节系数估计噪声均方差σ,选取阈值σ2lnN(N为细节系数长度),对小波分解的细节系数进行阈值处理,然后进行平稳小波逆变换重建信号,以达到对信号消噪和提纯。实验结果证明,这种去噪方法是非常有效的,它在消除噪声的同时保留了信号的奇异特征。     

半主动空气悬架自适应小波消噪与试验

为了消除半主动空气悬架系统因非线性、参数时变性及模型的不确定性带来的噪声干扰,研究了半主动空气悬架小波消噪的工作机理,设计了半主动空气悬架的小波消噪神经元自适应控制器,建立了基于小波降噪的半主动空气悬架的动力学模型。在仿真的基础上,进行了台架试验研究,分析了小波降噪的有效性。结果表明,基于小波消噪的神经元自适应控制的半主动空气悬架,改善了车辆质心加速度及俯仰角加速度,提高了整车综合性能。     

基于离散平稳小波的改进自适应降噪方法

提出一种基于离散平稳小波的改进自适应降噪方法.首先,利用离散平稳小波的冗余特性,解决离散二进小波变换降噪方法在奇异点存在振荡效应的问题;其次,针对传统小波阈值降噪算法忽略尺度系数噪声影响的不足,利用噪声强度估计各分解层阈值,对尺度和小波系数同时进行自适应降噪;最后,将此方法应用于不同信噪比下典型信号的降噪对比试验.仿真结果表明:该方法在消噪的定性和定量指标上,整体优于传统离散二进小波方法,消噪效果改善明显.     

基于样本熵的改进空域相关去噪算法

针对传统的小波空域相关去噪算法存在噪声与信号系数误判以及终止滤波迭代过程的阈值确定困难等问题,提出了1种基于样本熵的改进空域相关去噪算法。考虑到不同频率段的小波包系数中噪声含量的不同,对不同小波包节点系数分别进行归一化相关系数计算与去噪迭代,且对每1次迭代后的小波包节点系数进行样本熵计算,选取当各节点小波包系数样本熵取最大值时做为终止迭代条件,认为此时的小波包系数全为噪声系数。对仿真信号进行分析,结果证明了该方法的有效性;将该方法应用于故障滚动轴承振动信号去噪中,能够较好地还原信号的特征频率,取得了较其他传统算法更好的去噪效果。     

超声波测距系统中的小波去噪方法研究

针对远距离超声波测距系统中回波信号信噪比低的问题,采用小波变换对超声波的回波信号进行去噪处理。为取得较好的去噪效果,对小波变换的参数选取进行了研究。根据小波基的特性,通过能量与能量熵选取最优小波基;基于回波信号噪声的白噪声特征,采用白噪声检验自适应确定分解层数;引入参考噪声信号,确定小波系数处理阈值,并选用一种结合软、硬阈值函数的改进阈值函数进行小波系数处理。为验证方法的有效性,搭建基于NI数据采集卡和LabVIEW的超声回波信号采集平台,利用MATLAB小波工具包完成回波信号的去噪处理,并通过信噪比、均方根误差等指标对去噪效果进行综合评判。实验表明小波去噪可以达到很好的去噪效果,为大量程超声测距提供理论基础。     

角加速度信号自适应小波的去噪方法

针对多扰动、大负载环境下角加速度计输出信号中含有脉冲噪声和高斯白噪声的情况,提出一种改进的离散小波阈值法与中值滤波算法相结合的角加速度计信号自适应去噪算法。首先,使用中值滤波对原始信号进行去除脉冲噪声的预处理;其次,使用分解层数的自适应确定方法与改进的阈值选取准则,通过离散小波阈值去噪法去除高斯白噪声。仿真结果表明,该算法能够有效地提高信噪比,降低最小均方误差。实验结果表明,该算法既能去除分子型液环式角加速度计信号中噪声,又能很好地保留真实信号中的高动态部分。     

小波包尺度相关性阈值函数去噪算法研究

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。     

基于Grubbs准则的小波自适应阈值去噪算法

小波阈值去噪法是去除信号中白噪声的有效算法.根据白噪声和信号小波系数的特点,提出一种分解层数自适应确定法和一种基于Grubbs准则的各层阈值选取法,并结合软、硬阈值法的特点,改进了小波系数阈值估计的模型.     

基于双密度双树复小波变换的局域自适应图像去噪

提出一种基于双密度双树复小波变换的局域自适应图像去噪算法。首先,分析了双密度双树复小波变换的原理及特点,给出了双变量收缩函数(BSF)的推导。然后,对噪声图像并行使用四个二维双密度离散小波变换,且行和列采用不同的滤波器组,实现对噪声图像的双密度双树复小波分解。根据小波系数的统计特性以及层内和层间系数的相关性,采用结合局域方差估计的双变量收缩函数对小波系数进行处理。用收缩后的小波系数重构去噪图像。最后,将该算法用于灰度图像和彩色图像去噪。实验结果表明：在噪声方差为30时,经该算法去噪后图像与噪声图像相比,获得最高的峰值信噪比增益达11.72dB,平均结构相似度最高增加2.7倍,复合峰值信噪比增益达11.68dB。且对不同噪声方差下的不同噪声图像,该算法在滤除噪声的同时保留更多的细节,去噪图像的视觉质量得到很大的改善。     

基于改进小波阈值的激光陀螺漂移信号降噪

针对固定阈值法对激光陀螺漂移信号去除噪声会出现"过扼杀"小波系数的现象,提出一种称为E-median的小波阈值.信号进行平稳小波变换,计算各尺度高频小波系数的E-median阈值,采用软阈值法修正高频小波系数,通过平稳小波逆变换重构信号.对激光陀螺漂移仿真信号和实测信号去除噪声,该阈值均能保留原信号的特征并有效去除噪声...     

基于软阈值和小波模极大值重构的信号降噪

软阈值小波降噪是一种常用的非平稳信号特征提取方法.为了改进软阈值小波降噪法的性能,提出一种基于软阈值和二进小波变换模极大值的新小波降噪方法.首先,对信号进行二进小波变换,再对小波系数进行软阈值处理;然后,选择由信号产生的小波系数模极大值点;最后,用交替投影算法重建信号.理论分析表明,该方法能有效地降低软阈值小波降噪法的误差下界.仿真试验表明,该方法提高了降噪结果的信噪比,且较好地保留了信号中的奇异性.将该方法和二进小波变换软阈值降噪法结合起来,应用于滚动轴承故障振动信号降噪.结果表明,该方法能有效地提取到信号中的冲击特征.     

海洋可控源电磁数据的新型小波基消噪方法

海洋可控源电磁(MCSEM)信号极易受到多种噪声的干扰,从而影响后期数据的反演解释精度。基于小波技术的降噪理论和方法已被广泛应用于MCSEM信号的消噪领域,但小波基均为通用小波基,消噪效果有待提升,提出了构造专用于MCSEM信号的新型小波基。首先,通过粒子群优化算法(PSO),以新型小波函数与MCSEM信号的平均相似度作为约束条件,迭代求解滤波器组的最优系数;然后利用得到的系数构造新型小波基。其次,针对深海勘探中的海水扰动噪声,设计了基于新型小波基消噪方法,并利用仿真的含噪数据与传统小波基消噪方法进行了对比实验;通过信噪比(SNR)及均方误差(MSE)进行消噪效果评价,表明新型小波基消噪方法优于传统小波基消噪方法。最后,将新型小波基消噪方法应用到了实测MCSEM数据中;通过消噪前后的时域信号及振幅随偏移距变化(MVO)曲线对比分析,结果表明,该方法不仅可以去除海水扰动类噪声,还可以扩大MVO曲线偏移距的解释范围,证明了基于新型小波基消噪方法的有效性和实用性。     

基于小波熵的微弱磁异常信号降噪处理

针对地下磁性掩埋物检测时,磁异常信号信噪比低的问题,提出基于小波熵的微弱磁异常信号降噪方法。小波变换对弱磁异常信号进行提取的关键在于确定小波系数的阈值。为此,引入反映信号能量分布特性的小波熵概念和一个调节因子,最终确定阈值,利用软阈值方法处理高频系数。通过计算机仿真对算法进行了检验。结果表明:该算法可以有效地提高信噪比,还原原始信号。     

听觉诱发电位信号的小波消噪方法研究

本文对听觉诱发电位(auditory brainstem response,ABR)的信号消噪方法进行研究,采用Daubechies5(DB5)小波分析方法进行去噪处理。首先在MATLAB中对信号进行频谱分析,然后再利用小波工具箱找到DB5是适合于分析ABR信号的最优小波基,结合频谱分析结果提出小波系数的选取算法。研究表明选用DB5小波对测量信号进行变换处理,该分析方法不仅大大减少了叠加次数,同时也得到了更好的去噪效果。最后,在程序中实现了上述小波消噪算法,并依照临床感兴趣的Ⅰ-Ⅴ五波的波间潜伏期设计出波形评估程序,从而进一步证实了上述理论的可靠性。     

基于小波变换的声波法测油井动液面信号去噪

由于受到油套环空中各种噪声的影响,用声波法测油井动液面过程中,得到的反射声波信号异常复杂,常常出现液面反射位置不容易辨识的情况.该文分析了噪声产生的原因,将小波阈值去噪的方法用于声波法测油井动液面信号的噪声去除.结果显示,利用小波去噪方法处理油井动液面信号能够有效地去除噪声,随着小波分解层数的增加,利用小波方法去噪的效...     

基于小波分析消噪技术的燃气管道泄漏检测与定位

研究了基于小波分析的负压波管道泄漏检测与定位技术。并主要对小波分析消噪处理方法进行了分析。先选取合适的小波基和尺度对泄漏信号进行小波分解，再对各尺度下小波分解的高频系数进行阈值量化，并重构小波信号可得消噪后的泄漏信号。运用这种方法，可以更为精确地获得压力突降点，提高泄漏点定位的精度。通过对燃气管道泄漏检测与定位的实例分析，验证了此方法的精确性和有效性。     

Denoising ultrasonic pulse-echo signal using two-dimensional analytic wavelet thresholding

When an ultrasonic angle-beam pulse-echo setup is used, two kinds of noise are present in the received signal: (1) wedge noise, and (2) random noise. In this study, we propose a method for removing both random and wedge noises using a two-dimensional stationary wavelet transform (2D SWT). To improve the performance of the 2D SWT, we employ analytic wavelet thresholding. This requires calculating the analytic signal for a 2D signal and extracting the envelope of the signal, but no regular generalization of analytic signals to multi dimensions is available. We prove that under some certain conditions, the envelope of the ultrasonic B-scan can be extracted exactly by introducing a reference vector. The performance of the proposed denoising method is assessed using simulated and experimental data. The experimental results show that our proposed denoising method is able to reveal the echoes from a surface breaking crack as small as 0.1 mm.     

改进小波包多阈值去噪法及其工程应用

针对机械振动信号提取时面临的去噪问题,在小波包多阈值准则去噪法的基础上,提出一种改进的小波包多阈值准则综合去噪方法(改进FMC去噪法)。该方法首先采用探测插值法对机床原始振动信号进行预处理,剔除受外界干扰产生的突变噪声信号;再以小波包分析为基础,根据有用信号的最小频率确定最大分解层数,并按最小代价原理确定信号分解的最佳小波包基;最后采用小波包多阈值降噪准则对振动信号进行重构,得到去噪后的机床振动信号。针对含噪blocks信号、doppler信号及模拟的含噪振动信号进行的仿真实验结果表明,改进后的FMC去噪法去噪效果优于传统方法。将该方法应用于气囊修整机振动信号分析中,结果表明,改进FMC去噪法能够有效剔除振动信号各频段的噪声,提高信号特征的可分离性。     

Gear fault diagnosis using active noise cancellation and adaptive wavelet transform

Acoustic signal from a gear mesh with faulty gears is in general non-stationary and noisy in nature. Present work demonstrates improvement of Signal to Noise Ratio (SNR) by using an active noise cancellation (ANC) method for removing the noise. The active noise cancellation technique is designed with the help of a Finite Impulse Response (FIR) based Least Mean Square (LMS) adaptive filter. The acoustic signal from the healthy gear mesh has been used as the reference signal in the adaptive filter. Inadequacy of the continuous wavelet transform to provide good time–frequency information to identify and localize the defect has been removed by processing the denoised signal using an adaptive wavelet technique. The adaptive wavelet is designed from the signal pattern and used as mother wavelet in the continuous wavelet transform (CWT). The CWT coefficients so generated are compared with the standard wavelet based scalograms and are shown to be apposite in analyzing the acoustic signal. A synthetic signal is simulated to conceptualize and evaluate the effectiveness of the proposed method. Synthetic signal analysis also offers vital clues about the suitability of the ANC as a denoising tool, where the error signal is the denoised signal. The experimental validation of the proposed method is presented using a customized gear drive test setup by introducing gears with seeded defects in one or more of their teeth. Measurement of the angles between two or more damaged teeth with a high level of accuracy is shown to be possible using the proposed algorithm. Experiments reveal that acoustic signal analysis can be used as a suitable contactless alternative for precise gear defect identification and gear health monitoring.