基于小波分析的电涡流检测信号消噪法应用研究

电涡流检测具有检测方便、快捷的特点。但电涡流检测信号微弱常伴有各种高频测量噪声,提取困难。多分辨小波分析具有区分信号高频部分和低频部分的功能。利用噪声的高频特点,可以采用小波分解、系数处理和小波重构来滤除噪声。Matlab的小波工具箱提供了一维小波分析函数,文中提出采用小波消噪方法进行滤除高频噪声,给出了实验结果,实际测试表明该方法有效可行。     

基于WT与LSSVC的信号消噪方法及其在转子故障诊断中的应用

噪声是影响转子早期故障特征有效识别与准确提取的主要因素.针对转子故障信号的消噪问题,提出一种基于最小二乘支持向量分类器的小波消噪方法.该方法以信号与噪声在小波域内的统计特征为理论依据,通过构造最小二乘支持向量分类器,以分类方式实现小波域内的信号与噪声判别,并对信号与噪声小波系数采取衰减策略以弱化噪声污染.模拟信号消噪分析与转子故障信号消噪实例表明,该方法可有效抑制信号中的噪声干扰,在信噪比与均方误差意义下的消噪性能优于小波阈值消噪方法.     

基于小波包的振动信号去噪应用与研究

小波包分析算法对上一层的低频部分和高频部分同时进行细分,具有更为精确的局部分析能力。基于小波包变换的优良时频分析特性,论述小波包分析的基本原理,研究小波包在振动检测信号消噪处理中的应用,给出应用小波包变换对基于MSP430F449单片机的信号采集电路所检测到的振动信号进行消噪处理的实例。结果表明小波包变换的方法可以降低系统噪声影响,通过变换分解出高频噪声部分,利用小波包收缩的阈值量化方法能够更好地去掉高频部分,从而达到有效去除信号中噪声的目的。     

基于小波能谱熵的信号消噪方法

以表面肌电信号和脑电信号为例,提出了一种基于小波能谱熵的生物电信号消噪方法.将信号进行多尺度小波分解,对分解后各尺度的高频小波系数分区间计算小波能谱熵,根据能谱熵的分布特性确定滤波阈值,最后由低频部分小波系数和滤波后的各尺度上的高频小波系数重构得到消噪后的源信号.该方法具有阈值选取自适应性,操作方便.实验结果表明,基于小波能谱熵的消噪方法能有效滤除信号中的绝大部分噪声,且能较好地保留源信号的细节信息.     

小波分析在PWM整流器去噪中的研究

为了减少大功率PWM整流器中采集到的固有噪声信号的影响,提高其变流控制的精度,将小波分析理论引入到PWM整流领域.并利用db小波对PWM整流器交流侧的电流反馈信号进行了多层小波分解,把反馈的电流信号分解为多个层次的高频部分和低频部分,最后按实际需求对信号进行重构达到降噪的目的.实验结果表明,小波分析方法的应用能有效地消除PWM整流器中的噪声干扰,在机车变流器的信号降噪处理方面有广阔的应用前景.     

平移不变量小波阈值去噪法在齿轮振动信号处理中的应用

齿轮振动信号往往受到噪声干扰,用传统的小波阈值去噪法去噪时,由于信号中存在不连续点,会在不连续点处引起PseudoGibbs现象.采用平移不变量小波阈值去噪法对信号进行去噪,首先对含噪声信号进行循环平移,然后对信号进行小波阈值去噪,最后对信号进行反平移后平均,得到去噪后的信号.应用这种方法对仿真信号和实验采集的含噪声齿轮故障信号进行去噪,并和小波阈值去噪效果进行对比,结果表明这种去噪方法有效抑制了PseudoGibbs现象,并有更好的去噪效果.     

振动控制研究中的小波包降噪处理

在土木结构振动控制研究中,通常采用人工地震波或实测地震波进行输入,这些地震波往往受到椒盐噪声、脉冲噪声、高斯噪声等多种高频噪声的干扰,影响了振动控制研究的效果.提出一种小波包降噪的处理方法,用以降低高频噪声干扰和简化地震波有效特征向量提取.把实测地震波与降噪处理的地震波应用在一般结构主动控制理论研究中,运用LQR控制算法,通过编制计算机程序进行仿真分析.分析结果表明:地震波经降噪处理前后主动控制地震响应变化非常小,控制系统对于实测地震波的干扰成分具有良好的鲁棒性.     

利用小波尺度谱同步平均的时频脊故障特征提取

旋转机械的早期故障特征微弱,容易受到噪声的干扰,不容易准确识别。小波尺度谱存在受噪声干扰影响大、高频部分频率分辨率低等缺点, 对小波尺度谱进行重排可以提高其时频聚集性。为此,结合小波尺度谱同步平均和小波脊线分析的优点,提出了基于时频脊线特征提取方法。首先对多周期的振动信号进行小波连续变换,并重排小波尺度谱;再根据信号的周期性,对尺度谱进行同步平均;最后提取同步平均后的尺度谱小波脊线,计算信号的包络幅值并进行频谱分析,最终提取出弱故障特征。通过仿真和实例验证了本方法的有效性,为旋转机械的早期故障诊断提供了新方法。     

小波变换在冲击信号去噪应用

由于冲击信号测试环境的复杂性,噪声干扰的存在对信号分析的结论有一定影响.本文基于小波变换下设计了一种实用的针对冲击信号小波去噪方法.     

基于小波包和LMS自适应降噪的柴油机振动诊断

由于柴油机振动信号的特征频带和噪声频带存在重叠现象,利用小波阈值消噪时难以选取合适的小波阈值,针对该问题提出一种基于小波包的LMS自适应滤波降噪方法。该方法将小波包与LMS自适应滤波相结合,首先利用小波包变换对信号进行多层分解,然后以噪声干扰对应尺度上的第一层“细节”分量及最大分解尺度上的逼近分量重构信号,将重构后的信号作为LMS自适应滤波器原始输入信号,再以小波包最大分解尺度上的高频细节信号作为自适应抵消器的参考输入信号,进行LMS自适应滤波降噪处理。仿真计算和工程应用表明,该方法参数设置较少,易于控制,不涉及小波阈值降噪中阈值的选取问题,对比试验信号的分析验证了方法的有效性,将该法应用在柴油机振动诊断中提高了故障识别率。     

基于支持向量机的齿轮故障诊断方法研究

故障样本的不足从一定程度上制约了基于知识的方法在实际故障诊断中的应用，针对这一问题，利用支持向量机在小样本情况下具有较强分类能力的特点，提出了一种基于支持向量机的齿轮故障诊断方法。该方法采用小波变换对齿轮的振动信号进行处理来构造特征向量，并直接输入到支持向量机的多故障分类器中进行故障识别。试验结果表明该方法是有效、可行的，且在小样本情况下比BP神经网络具有更高的诊断精度。     

基于NIC-DWT-WOASVM的齿轮箱混合故障诊断

由于齿轮箱中振动信号的复杂性和非平稳性,致使齿轮箱混合故障诊断工作具有一定难度。针对这一问题提出基于NIC-DWT-WOASVM的齿轮箱混合故障诊断方法。首先通过窄带干扰消除(Narrow Band Interference Canceller, NIC)滤除原始信号中齿轮啮合和转轴等窄带干扰信号,接着对信号进行离散小波变换(Discrete Wavelet Transform, DWT),重构小波系数得到小波分量,提取分量的方差作为特征参数构成特征矩阵样本。针对传统优化支持向量机收敛速度慢及容易局部最优等问题,提出鲸鱼算法优化的支持向量机(Whale Optimization Algorithm Support Vector Machine, WOASVM),运用训练样本对WOASVM进行训练得到优化分类模型,将测试样本输入到优化模型中得到诊断结果。为验证方法的有效性,开展了变工况下齿轮箱混合故障实验,通过实验分析及与其他方法的比较,证明方法对于齿轮箱混合故障诊断是有效的。     

柴油机缸盖振动信号分形特征研究

针对柴油机振动信号的非线性特征,将小波变换与分形理论结合;由此进行缸盖振动信号的分析及故障特征的提取,进而对柴油机气阀间隙异常故障进行诊断。随后计算信号小波包频带盒维数、小波变换模极大及信号的多重分形谱。结果表明,这种将分形维数和多重分形谱的结构作为系统的衡量指标和故障的表征参数,使诊断结果简单、现实可行。     

声信号的主分量分析应用于滚动轴承故障诊断

利用声信号来进行故障诊断具有"采集比较容易,非接触式测取,设备简单,速度快,无须事先粘贴传感器,不影响设备正常工作,易于实现早期预报和在线监测,疳可在不易测量振动信号的场合得到广泛应用"等优点.由于外界噪声的影响,有效信息的提取较为困难.采用主分量分析对传声器测取的声信号进行了预处理;在此基础上应用基于Morlet小波变换的包络分析和频谱分析来提取故障特征向量,并以滚动轴承为例进行实验.结果表明,这是诊断滚动轴承早期故障的一种可选方法.     

利用小波分析和EMD的机械故障特征提取

故障特征提取是机械设备故障诊断的关键所在。利用小波变换多分辨率分析和经验模式分解的时频特性,将某机械运转机构的振动信号进行分解及重构,得到原始信号在不同频段上分布的详细信息,进而对不同尺度下的细节信号进行频谱分析,通过对比提取出运转过程中的失步故障特征。     

基于Hermitian小波的信号奇异性识别

机械设备由于故障而诱发的信号往往具有奇异性(Singularity),正确识别奇异性对设备监测诊断十分重要.采用高斯函数的一阶、二阶导数构成复数Hermitian小波进行奇异性识别,具有两个优点:其一是由于Hermitian小波的Fourier变换是实数,对信号进行变换时不会有相位的改变;其二是与Morlet小波相比较,Hermitian小波的实部和虚部振荡次数少,可用较少的数据点对信号进行卷积,从而不会损坏信号的奇异性.本文提出了基于Hermitian小波变换的时间-尺度幅图和相图的信号奇异性识别方法,在大型空气压缩机的齿轮箱撞击摩擦故障诊断中取得了成功的应用.     

同步压缩-交叉小波变换及滚动轴承故障特征增强

为了更有效地对轴承故障进行监测和诊断,提出了一种基于同步压缩-交叉小波变换的滚动轴承故障特征增强方法。该方法首先将信号分成长度相等的两路信号,然后分别进行同步压缩小波变换,并将得到的同步压缩小波系数作为交叉小波变换的输入,进而获得交叉小波尺度谱,实现轴承故障特征频率的增强。将该方法应用于滚动轴承的故障诊断,与连续小波变换、交叉小波变换和同步压缩小波变换方法相比,所提方法可有效提取轴承在时频域内的细节特征,使轴承特征频率在时频域上的可读性增强,进而实现轴承故障的精确可靠诊断。     

小波函数性质及其对小波分析结果的影响

分析了小波变换在图像处理、语音处理领域和设备故障诊断领域的应用特点 ,指出了两者的不同之处。并进一步讨论了小波函数的性质及其对小波变换结果的影响 ,指出在用小波变换进行诊断信号分析和特征提取时 ,小波函数的影响是不容忽视的     

小波消噪-HHT的四通阀故障诊断

提出一种基于小波阈值去噪和希尔伯特-黄变换(HHT)的故障诊断方法.先用小波变换实现信噪分离,然后对提纯的信号进行经验模式分解(EMD)和HHT,分析HHT边际谱,进行故障诊断.结果表明,该方法减少了噪声对EMD分解的干扰,能有效地突出故障特征频率成分,提高机械故障诊断率.此外,结果还验证了传感器安装在四通阀顶部能最及时有效地进行故障诊断.     

基于小波系数包络谱的滚动轴承故障诊断

提出了基于正交小波变换诊断滚动轴承故障的新方法，利用正交小波基将滚动轴承故障振动信号变换到时间－尺度域，对高频段尺度域的小波系数进行包络细化谱分析，不仅能检测到滚动轴承故障的存在，而且能有效地识别滚动轴承的故障模式