独立分量分析在结构振动信号降噪中的应用

结构振动信号中混杂的噪声对信号的分析处理以及结构状态的诊断识别有很大影响。本文引入独立分量分析方法对结构动力信号进行降噪处理。通过增加实测噪声通道对多通道传感器信号进行扩展,利用有用信号与噪声成分之间相互独立,对信号进行ICA计算,将噪声与有用信号分离开来。对实验梁的实测振动信号进行分析处理表明,该方法降噪效果比较理想,而且降噪后的信号并没有改变结构动力特性。     

Wiener滤波在有噪ICA中的应用研究

由于实际所观测信号常常掺杂有噪声,直接对其进行独立分量分析(Independent Component Analysis,ICA)将会影响ICA的分离性能.本文将Wiener滤波与ICA进行结合,先对有噪信号进行Wiener滤波,再进行ICA分离.应用上述算法,对有噪图像信号进行仿真实验研究,通过比较降噪前后的峰值信噪比(Peak Signal to Noise Ratio,PSNR),说明该算法的可行性和有效性.     

小波阈值降噪在岸桥小车轨道振动信号处理中的应用

针对测量时振动信号易受噪声干扰的特点,采用小波降噪法对原始信号进行降噪处理。小波具有“变焦距”、较好的时频局部分析能力等特性,适合非平稳信号振动噪声处理。分别通过小波阈值降噪法对仿真信号并口岸桥小车轨道铰点振动信号进行降噪处理。试验表明,小波阈值降噪法能够较好的消除噪声,能有效提高信噪比、降低均方误差,为进一步分析振动信号奠定了基础。     

基于小波的浮筏振动信号特征提取方法

针对浮筏振动信号受到强烈的随机噪声干扰,给它的特征提取带来很大困难的问题,对浮筏振动信号特征进行小波降噪.通过仿真实验,对比分析了几种不同小波函数和阈值函数对浮筏振动信号降噪性能的影响.分析结果表明,在选取的小波函数和阈值函数中高阶db小波以及最优预测变量阈值函数有利于减小小波重构信号与真实信号的误差,降噪效果明显.通过振动测试验证了其降噪效果.     

基于低频振动信号的断路器机械故障诊断方法

针对当前断路器机械故障诊断方法过度降噪,导致故障诊断信号重叠、不完整,造成故障诊断结果可信性较低的问题,提出基于低频振动信号的断路器机械故障诊断方法.根据连续信号小波、噪声小波系数传播特性,去除低频振动信号噪声,利用总体平均经验模态分解法,改善断路器低频振动信号的不连续问题,重新选定测点和加速传感器安装方式,实现断路器机械故障诊断.实验结果表明:在两组类型不同故障测试中,该方法诊断的故障波形更加完整、连续,其故障诊断结果具备较高的可信性.     

基于独立分量分析的噪声消除技术研究

为了消除观测信号中的噪声,利用独立分量分析的冗余取消特性,提出一种新的信号消噪方法.引入虚拟噪声分量对观测信号进行扩展,将一维带噪观测信号变换为多维虚拟观测信号.利用高阶累积量,对扩展的多维加噪观测信号进行盲源分离,得到源观测信号,从而实现噪声的有效消除.进行仿真研究以及转子实验台的松动故障振动信号的实验研究,结果证明了这种消噪方法在消除各类加性噪声的有效性.该方法不需要大量的观测样本,无需观测信号为确定性信号的前提假设,实现了对单个观测样本的实时消噪处理.     

核独立分量分析在机械振动信号分离中的应用

针对旋转机械振动信号成分复杂,甚至表现出非线性特征,文章采用核独立分量分析(KICA)对其进行预处理。与独立分量分析(ICA)不同,KICA是通过非线性映射在高维特征空间上构建了核化的目标函数,并引入核方法实现该目标函数的优化操作。仿真实验中通过比较KICA、ICA和传统KICA(DKICA)的分离信号与源信号之间的相关系数,文中介绍的KICA对混合信号分离处理具有更高的准确性和鲁棒性;实测数据实验验证,经过KICA处理的机械振动信号,其表征的振动信息更为单一,使得隐含的特征频率得到凸显,为进一步处理和分析奠定良好基础。     

基于CEEMDAN-改进小波阈值的水工结构振动信号联合降噪方法

针对水工结构在泄流激励作用下动力响应信号被噪声淹没的实际问题,提出一种基于自适应噪声的完整集成经验模态分解(CEEMDAN)和改进小波阈值函数联合降噪的方法。对水工结构振动信号先进行CEEMDAN分解,将信号分解成一系列固有模态(IMF)分量,运用自相关函数和互相关系数剔除无效IMF分量,实现振动信号的初次降噪;再利用改进小波阈值函数对含有主要振动信息的IMF分量进行降噪处理,实现含噪信号的二次降噪;最后,将包含主要结构振动信息的IMF分量和残量进行信号重构,得到降噪后的振动信号。通过数值仿真分析,发现CEEMDAN-改进小波阈值联合降噪后信号(10%噪声水平)的信噪比从20.21提升到23.54,均方根误差从0.19降低到0.09,验证了联合降噪具有更高的信噪比和更低的均方根误差,更为接近纯净信号。结合国内某水电站导墙实测数据,运用该方法进行降噪分析,结果表明该方法具有较好的降噪性能和应用前景,可为水工结构流激振动安全诊断提供有效依据。     

基于FxLMS算法和预测滤波器的数字耳机降噪研究

通常数字降噪耳机的自适应滤波器采用最小均方差(LMS)、归一化最小均方差(NLMS)等算法,但是由于降噪耳机电路中存在次级通道延迟和AD/DA转换延迟,导致这些滤波器输出信号无法与噪声信号协调起来.FxLMS算法能够有效补偿次级通道延迟,同时在FxLMS滤波器基础上,增加预测滤波器用于补偿AD/DA转换延迟.仿真中,用增加预测滤波器的FxLMS滤波器对已采样的发动机噪声进行降噪,并将其降噪效果与LMS自适应滤波器的降噪效果进行比较.结果表明,在处理低频噪声时,改进后的FxLMS滤波器降噪效果优于LMS自适应滤波器.     

基于随机共振和BBS/ICA的轴承故障诊断

提出了一种基于变尺度级联单稳随机共振和盲源分离/独立分量分析(BBS/ICA)相结合的轴承故障诊断方法.首先,通过高频信号控制下的变尺度单稳随机共振将信号所含的噪声能量转化为信号能量,再用BSS/ICA分离残余噪声.理论分析及仿真结果表明:该方法能利用噪声来增强信号频率特征,使得大参数信号能从系统中获得更多能量,又能消除噪声,从而实现故障的有效诊断.试验台模拟了滚动轴承内圈及外圈故障,验证了该方法的有效性.