基于数学形态滤波的电力系统采样信号降噪处理

由于常用的形态滤波器采用相同尺寸结构元素而导致的输出存在统计偏移现象以及滤波效果不理想,针对电力系统采样信号,设计采用不同尺寸结构元素级联而成的开-闭和闭-开组合广义形态滤波器实现电力信号的降噪。选取与水平方向夹角为零度的直线型结构元素,比较了广义形态滤波器与常用形态滤波器在脉冲噪声与随机噪声干扰下的降噪效果。仿真表明,广义数学形态滤波器能够更有效地消除噪声干扰,获得更高的信噪比。广义形态滤波降噪算法只涉及加减和极大、极小运算,运算简单且执行高效,具有较好的实用价值。     

基于数学形态学的旋转机械振动信号降噪方法

基于数学形态学实现振动信号降噪。研究了数学形态滤波器对振动信号在不同类型、不同强度噪声干扰下的降噪能力,提出了采用开—闭和闭—开组合数学形态滤波器实现旋转机械振动信号降噪处理的方法。通过仿真计算及实例,检验了形态滤波器的滤波效果,表明数学形态滤波器可以有效剔除脉冲、降低随机噪声干扰,提高振动信号的信噪比。对强烈噪声干扰采用傅里叶变换与形态滤波器结合的处理方法可以取得明显的滤波效果。并具有算法简单、运算速度快的特点。     

转子系统轴承载荷信号降噪方法的研究

针对传统的形态学滤波和小波降噪算法不能很好地对转子轴承载荷信号进行降噪,在这两种算法的基础上提出了一种小波形态滤波方法。给出了该方法的降噪原理,研究了该方法在随机噪声干扰下的降噪效果。比较了小波形态滤波与形态学滤波分别对仿真信号与工程实际信号的滤波效果。结果表明:小波形态滤波方法可以很好地消除转子轴承载荷信号中随机信号的干扰,提高信号的信噪比,并且抑制了信号失真现象的出现,实现信号的降噪处理。     

形态滤波与平移不变量小波增强EEMD的故障诊断方法

针对集成经验模式分解(Ensemble empirical mode decomposition,EEMD)在轴承故障特征提取中的问题,提出一种混合故障诊断方法。首先,将"形态滤波-平移不变量小波"作为EEMD的前置滤波器,实现对原始信号中窄带脉冲和随机噪声干扰的有效消除;其次,针对本征模式分量(Intrinsic mode functions,IMFs)中真实分量的选取问题,提出一种轴承振动信号EEMD分解的筛选规则,即计算各IMFs和原信号的自相关函数并作归一化处理,然后计算各IMFs自相关函数和原信号自相关函数的相关系数,以最大相关系数的一半作为阈值剔除虚假的IMFs,与此同时保留第1和第2阶IMFs,从而实现对EEMD的改进。仿真和实验轴承故障诊断研究表明了该方法的有效性,方法的优点在于:将"形态滤波-平移不变量小波"作为集成经验模式分解的前置滤波器,可有效去除故障轴承振动信号中的窄带脉冲和随机噪声干扰;本文的筛选规则可有效选取去噪信号EEMD分解后的IMFs中真实分量,从而可靠地获取故障特征频率。本研究为轴承故障诊断提供了一种新的手段。     

基于形态滤波与EEMD组合方法的声发射去噪

针对声发射信号传递和采集过程中干扰噪声多态性、随机性等问题,研究形态滤波与集合平均经验模态分解(EEMD)的组合方法,从空间域和时频域不同角度对信号进行降噪处理。首先采用加权级联形态滤波,对闭开和开闭运算进行适当搭配,通过权值调整有效滤除声发射信号的尖峰脉冲干扰;然后应用EEMD对处理后的信号进行分解,依据相关系数去除虚假分量并重构信号,提取信号特征信息。对模拟声发射信号和实测声发射信号的仿真结果说明了此方法的有效性。     

转子系统振动信号形态滤波器的设计

针对转子系统振动信号中可能夹杂的各种干扰,通过数值仿真定量分析了结构元素的形状、宽度、高度等因素对形态滤波器性能的影响程度以及振动信号的采样频率对结构元素尺寸的影响.对不同信号干扰的滤波处理,证实了形态滤波器对抑制各类信号干扰、保留信号原有特征方面的作用.在形态滤波器设计时,应优先选取正弦形状的结构元素,而结构元素的尺寸应考虑实际振动信号,即宽度Ls取信号基频一周期内的采样点数Ps的1/12,高度As取信号的最大振幅Amax的0.22~0.26倍.采用按此原则定义的结构元素对实例振动信号进行形态滤波处理验证,取得了令人满意的降噪滤波效果.     

最小熵反褶积的数学形态法在滚动轴承故障特征提取中的应用

针对强噪声背景下滚动轴承故障特征提取,提出了基于最小熵反褶积的数学形态法。该方法先应用最小熵反褶积算法加强信号中的冲击特性,再利用数学形态法进行故障特征提取,其中选取具有双向脉冲提取能力的DIF滤波器作为形态算子,并以峭度值作为结构元素长度选取依据。仿真信号和滚动轴承的内外故障实例分析表明该方法具有较好的特征提取效果。通过对比发现:最小熵反褶积算法能够增大信号中峭度值,有效加强信号脉冲特性。     

参数优化的组合形态-hat变换及其在风力发电机组故障诊断中的应用

开闭-闭开组合形态滤波(Combination morphological filter,CMF)可以有效剔除振动信号中的脉冲干扰,顶帽(Top-hat,TH)变换充分反映出信号周期性的冲击特征,借鉴此两种形态算子的理论思想,提出一种新的数学形态算子——组合形态-hat变换。为准确描述形态学算子在振动检测应用中的理论依据,通过非线性滤波器频响特性的分析方法考察形态学算子的滤波性质。此外,针对数学形态算子中结构元素的尺度按经验选择的问题,采用粒子群优化算法(Particle swarm optimization,PSO)对组合形态-hat变换的结构元素尺度进行参数优化,提高数学形态算子在振动信号处理中的精确度。通过仿真信号和实测风力发电机组振动信号的分析结果表明,参数优化的组合形态-hat变换在抑制背景噪声和提取冲击特征方面具备优良的性能,并能够准确高效地识别出风力发电机组齿轮箱高速轴齿轮的磨损故障,具有一定的实际工程应用价值。     

数学形态滤波在去除脑电伪迹中的应用

针对脑电信号在采集过程中容易受到伪迹(噪声)干扰的问题,提出了利用数学形态滤波器去除脑电伪迹的方法。根据脑电信号和伪迹的不同性质,采用不同的结构元素组成两级数学形态滤波器,对受到工频干扰的脑电信号进行处理,并通过信噪比和均方误差对滤波效果进行评价。仿真结果表明,与一级数学形态滤波器和小波软阈值法相比,该方法不仅可以有效地抑制工频干扰,提高信噪比,还能够降低均方误差,较好地保持脑电信号的特征形态。     

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。     

多尺度柔性形态滤波在轴承故障诊断中的应用

针对经典的形态学滤波在取单一结构元素的情况下存在缺陷的问题,提出了一种基于多尺度柔性形态滤波的轴承振动信号滤波方法。多尺度柔性数学形态学在保留柔性形态学好的鲁棒性、滤除正负噪声和保留细节等优点的同时,进一步对其结构元素进行改进,以期获得更好的脉冲提取性能。将多尺度柔性形态滤波应用于轴承故障诊断,结果表明,其比经典的柔性形态滤波能更好地保留振动信号中的冲击脉冲,为轴承故障的进一步诊断打下基础。     

自适应滤波算法消除泥浆脉冲信号中的泵冲噪声

随钻测量系统中自适应噪声抵消器可根据泥浆脉冲信号的特点,运用自适应噪声抵消算法抑制噪声干扰,但同时也会抵消掉部分有用信号,影响后续解码的可靠性。在分析泥浆脉冲信号噪声干扰及自适应滤波算法的基础上,提出一种新的滤波算法,用自适应陷波器来降低主通道信号与参考信号的相关性,保护有用信号不被抵消,克服了以往单采用自适应噪声抵消器存在的最大弊端。实验结果表明,自适应陷波器、自适应噪声抵消器相配合的自适应滤波算法,能在任何信噪比情况下有效滤除泵冲噪声并保护有用信号的能量,简单可靠且适用性强,对提高泥浆脉冲信号的信噪比,降低随钻测量通信的误码率,具有较高的实用价值。     

数学形态学和HHT在轴承故障诊断中的应用

数学形态学滤波算法具有很强的抑制脉冲干扰的能力,但滤除白噪声的能力却不及小波算法。针对这一不足,在对信号进行形态滤波之前先进行小波消噪,再进行HHT分析提取故障特征频率。通过仿真和示例证实了该方法可以有效地消除信号干扰噪声,提取轴承故障特征,达到对滚动轴承故障诊断的目的。     

基于粒子群优化的形态学滤波器消噪方法

为了有效地消除信号的噪声,提出了基于粒子群优化的数学形态滤波器构造方法。首先,根据数学形态学算法的特性构造了形态学滤波器;然后,对于形态学滤波运算中的重要参数形态结构算子,采用具有全局优化性能的粒子群算法自适应选取,以最大信噪比作为整个优化过程的判定标准,从而实现了最优滤波器的构造;最后,通过仿真实验和轴承故障信号的分析表明,该形态学滤波器能够实现较好的滤波效果,可以有效地对机械设备的故障信号进行消噪。     

基于迭代形态梯度解调算子的轴承故障检测

针对形态梯度算子结构元素需要单独选择,结构元素选择不当导致故障检测效果不佳的缺点,提出一种不需严格选择结构元素,通过形态梯度解调算子迭代提取脉冲信号的方法。对受到低频干扰的仿真脉冲调制信号和轴承故障信号的分析结果表明,此方法既抑制了噪声又充分突出了故障信号的冲击特征,对滚动轴承故障特征的提取效果更明显。具有计算速度快,不受低频干扰,结果准确稳定的特点。     

刀具声发射信号的组合去噪及特征分析

针对刀具切削加工过程产生的声发射信号进行噪音滤除,以有效监测刀具磨损情况,提高工件加工质量。研究形态滤波与集合平均经验模态分解(EEMD)的有效组合方法,在时域和频域对信号进行降噪处理。首先采用加权级联形态滤波,滤除声发射信号的尖峰脉冲干扰;进而采用EEMD分解处理后的信号,计算所得本征模态分量(IMF)的相关性以去除虚假分量,达到去噪效果。仿真实例分别对模拟加噪声发射信号和实测刀具声发射信号进行处理,并提取去噪前后信号频率特征进行比较,仿真结果说明了此方法的有效性。     

一种基于增强型最大二阶循环平稳盲解卷积的齿轮箱复合故障诊断

针对齿轮箱复合故障振动信号易受到背景噪声干扰,使得传统方法对复合故障冲击特征难以准确分离的问题,提出一种自适应最大二阶循环平稳盲解卷积(ACYCBD)与1.5维导数增强谱相结合的复合故障诊断方法。首先,利用循环谱分析检测复合故障振动信号中与故障特征相关的循环频率成分,构建不同目标类型的循环频率集;之后,根据不同类型的循环频率集,提出一种以三阶累积量稀疏度（TCS）为指标,自适应地选取最大二阶循环平稳盲解卷积（CYCBD）的最优滤波器长度的改进算法,从而更好地获得包含不同故障冲击成分的CYCBD最优滤波信号;最后,提出一种新的1.5维导数谱进行特征增强,提高信噪比,并分析谱图中突出的故障特征频率进而判别故障类型。通过仿真信号与故障实验平台数据对算法进行验证,结果表明该方法能够实现齿轮箱复合故障的准确分离与诊断。     

一种新的摆度信号去噪方法及其应用

受现场环境和设备的干扰,水轮机组摆度信号中存在较强的脉冲噪声和高斯白噪声,导致真实有效信号被淹没,这为信号提取带来很大的困难。针对这一问题,提出一种将中值滤波、小波阈值去噪以及Savitzky-Golay平滑滤波相结合的摆度信号去噪方法。首先,对待分析信号用中值滤波器进行去除脉冲噪声的预处理;其次,通过Savitzky-Golay平滑滤波和阈值去噪分别去除小波分解后的近似系数和细节系数中的白噪声分量。仿真结果表明,该方法能有效提高信噪比、局部相关指数以及平滑度,降低均方误差。实验结果表明,该方法既能去除水轮机组摆度信号中的噪声,又能有效保留真实信号中的细节特征。     

基于数学形态滤波的齿轮故障特征提取方法

针对齿轮故障特征的提取问题,提出一种根据信号形态特征对齿轮故障信号进行形态滤波的新方法.形态滤波是一种新的非线性滤波方式,可以有效地提取出信号的边缘轮廓以及信号的形状特征.对Lorenz信号进行不同结构元素的数学形态滤波处理,证实形态滤波对抑制信号噪声、保留信号非线性特征方面的作用.采用长度为齿轮冲击周期长度的0.6～0.8倍的扁平结构元素,对齿轮断齿故障振动信号进行形态闭运算处理,并对滤波后的信号进行频谱分析.结果表明,利用形态滤波可以从齿轮断齿信号中成功提取隐含在噪声中的冲击故障特征.     

基于迭代自适应多尺度形态滤波的滚动轴承故障诊断

针对工业现场强噪声背景下振动信号特征信息提取困难和单尺度形态滤波时尺度选择的盲目性和随意性的问题,基于自适应多尺度形态分析(AMMA)的思想提出了一种迭代自适应多尺度形态分析(IAMMA)的滤波方法。该方法对振动信号进行多尺度形态差值迭代运算,每次采用的结构元素尺度逐渐增大,然后求多次滤波结果的平均值,达到滤除噪声成分的目的。对仿真信号和滚动轴承故障信号进行分析,结果表明,IAMMA较AMMA能够选取更为合适的结构元素尺度,提取更多的故障特征信息,滤波效果更佳,与Hilbert包络解调方法相比处理过程更加简捷,从而为轴承的故障诊断提供了一种有效的方法。