基于双树复小波包的发动机振动信号特征提取研究

针对柴油机缸盖振动信号的特征提取问题,提出了一种基于双树复小波包变换和自适应块阈值降噪的标准化相对能量提取方法,双树复小波包利用并行双树实小波变换分解系数达到信息互补,从而获得近似平移不变性和减少了信息的丢失.自适应分块阈值能够随所分析的信号自适应估计最优阈值,达到更好的降噪效果,同时引入消除频率混叠的算法,抑制了双树复小波包分解过程中虚假频率的产生.仿真信号和试验分析该方法能够更有效地消除噪声影响,所提取的相对能量特征具有更好的可区分度.     

基于量子高斯混合模型的振动信号降噪方法

由于机械设备振动信号受到背景噪声的干扰,造成机械设备故障状态特征不明显,因此提出了一种基于量子高斯混合模型的振动信号降噪方法。首先,对振动信号进行双树复小波包变换,对双树复小波包系数建立高斯混合模型,根据贝叶斯最大后验估计准则,得到双树复小波包系数收缩函数;然后,利用双树复小波包系数父代和子代的空间相关性,结合量子叠加态理论计算噪声信号和有用信号小波系数出现的概率值;最后,根据量子叠加态得到的概率参数值调节高斯混合模型中的小波包系数收缩函数,使小波包系数自适应非线性收缩,提高高斯混合模型的局部自适应性,实现机械振动信号的降噪处理。仿真信号和实测行星齿轮箱振动信号实验结果表明,该方法能够有效地去除振动信号中的噪声,凸显机械设备的故障状态特征。     

双树复小波域隐Markov树模型降噪及在机械故障诊断中的应用

提出一种基于双树复小波变换的隐Markov树模型的信号降噪方法,并将其成功应用于机械故障诊断中。机械设备的振动信号中不可避免的存在着噪声,使得微弱故障信息的提取一直是故障诊断的难点和热点。双树复小波变换具有近似平移不变性,而隐Markov树模型能有效刻画小波系数间的相关性和非高斯性,两种优势的结合可以获得比常规软、硬阈值小波降噪法和小波域隐Markov树模型降噪法更好的降噪效果。它不仅能有效抑制高斯白噪声,还能够去除异常冲击干扰,仿真信号验证了这一点。对于实际滚动轴承信号,使用该方法同样可以获得满意的结果     

基于双树复小波与非线性时间序列的降噪方法

针对双树复小波变换传统软阈值降噪方法对实、虚部树系数分别进行阈值处理时提取的强背景噪声下轴承故障特征信号效果不理想,且实、虚部分离的阈值处理方法会引起局部相位失真问题,利用故障信号小波变换系数具有周期性与双树复小波系数模震荡小等特点,提出双树复小波变换与非线性时间序列方法相结合的强背景噪声下轴承故障特征提取方法。对故障信号进行双树复小波变换,获得各层小波系数并求模,选择系数模周期性较强层系数进行非线性时间序列处理,增强系数中周期性成分,抑制随机噪声;对增强后系数进行软阈值处理消除直流成分对提取结果的影响;将处理后系数还原为复数形式进行双树复小波重构,可成功提取弱故障特征信号。仿真、试验信号处理结果表明,该方法能有效提取强背景噪声下的故障特征信号。     

基于量子叠加态参数估计的机械振动信号降噪方法

提出基于量子叠加态参数估计的机械振动信号降噪方法。考虑双树复小波系数虚、实部关系,建立带自适应参数的二维概率密度函数模型;研究父-子代小波系数相关性,提出量子叠加态信号与噪声出现概率,并结合贝叶斯估计理论推导出基于量子叠加态参数估计的自适应收缩函数;分析仿真信号与滚动轴承故障振动信号。结果表明该方法较传统软硬阈值算法适应性更好,降噪效果显著。     

基于双树复小波包峭度图的轴承故障诊断研究

针对传统包络谱和峭度图分析技术的缺陷,提出了一种基于双树复小波包峭度图的轴承故障诊断方法。该方法综合利用了双树复小波包变换和峭度图分析技术,克服了原峭度图方法只采用FIR和短时傅立叶变换滤波器的缺点,提高了从强噪声环境中提取瞬态冲击特征的能力。首先利用双树复小波包变换,将振动信号分解成不同频带的分量,然后计算各小波分量的谱峭度,再利用谱峭度的滤波器作用,计算最大峭度值对应分量信号的包络谱,根据包络谱就可识别齿轮箱轴承的故障部位和类型。齿轮箱轴承故障振动实验信号的研究结果表明：该方法不仅提高了信噪比和频带选择的正确性,而且能有效地识别轴承的故障。     

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。     

基于双树复小波包自适应Teager能量谱的滚动轴承早期故障诊断

针对滚动轴承早期故障特征信息难以识别以及带通滤波器参数设置依赖使用者经验等造成共振带不能有效确定并自适应提取的问题,提出了频带幅值熵的概念。在此基础上,将双树复小波包变换和Teager能量谱结合,提出了基于双树复小波包变换自适应Teager能量谱的早期故障诊断方法。该方法首先利用双树复小波包将采集到的振动信号进行分解,并计算各子带的频带幅值熵。然后将熵值按升序排列后依次作为阈值,提取频带幅值熵大于或等于阈值的子带,依据峭度指标确定最佳熵阈值和双树复小波包最佳分解层数,从而自适应并有效地提取出共振带。最后对共振带进行Teager能量谱分析,即可从中准确地识别出轴承的故障特征频率。通过信号仿真与工程实验数据分析验证了该方法的有效性与优越性。     

基于偶树复小波和改进型阈值函数的降噪方法 及其应用

为更好地保留原有用信号信息,有效恢复强噪声背景下微弱故障信号,提出了一种基于对偶树复小波和改进型阈值函数的降噪方法,将其应用于机械故障诊断,取得了较好效果。运用对偶树复小波变换滤波器设计方法和改进型阈值函数,以实施降噪的具体步骤。该法充分利用了对偶树复小波变换的平移不变的优良特性,同时,改进型阈值函数与传统软、硬阈值降噪算法相比,克服了软阈值信号失真和硬阈值信号不连续、振荡等缺点。实验表明：此法有效去除了噪声,是一种较好的提取微弱故障信号的方法。     

基于波原子变换的三维地震信号盲去噪

基于波原子变换的三维地震信号盲去噪算法,利用基于块的噪声估计算法估计信号噪声,采用循环平移处理信号并进行波原子变换,利用估计的噪声标准差按不同尺度分层设置阈值并进行修正,再采用改进的阈值函数处理波原子变换系数,进行波原子反变换与逆循环平移,得到去噪后三维地震信号。对含噪的合成与实际地震信号去噪,并与小波、双树复小波、曲波及传统波原子变换的去噪结果对比;结果表明,该算法较其它对比算法有明显优势,且随含噪量的增加,去噪优势愈加明显。从输出信噪比、均方误差以及峰值信噪比等评价指标可知,基于波原子变换的三维地震信号盲去噪算法去噪效果最佳,其次为传统波原子变换算法,然后为曲波变换与双树复小波变换算法,传统小波变换算法的去噪效果最差。     

基于双树复小波变换的转静碰摩响应分析

针对碰摩故障诊断中转静碰摩响应消噪及特征提取构造分段圆弧平滑阈值函数,利用小波、小波包及双树复小波(Dual-tree Complex Wavelet)分别对非平稳信号降噪处理,以信噪比为指标判断降噪效果。结果表明,构造的阈值函数消噪具有高效性。通过计算单转子局部碰摩动态响应,用双树复小波对位移响应进行特征提取。与小波及小波包相比,双树实小波近似解析性及采样插值具有互补特点,能完整提取动态响应特征,减少信息丢失。并用仿真及转子碰摩实验验证该方法的有效性。     

双树复小波和局部投影算法在齿轮故障诊断中的应用EI北大核心CSCD

齿轮故障振动信号往往表现为非线性非平稳特性,并且早期故障振动信号往往包含较强的背景噪声,不利于故障特征的提取。针对该问题,提出了基于双树复小波变换和局部投影算法的齿轮故障诊断方法。首先,对故障信号进行双树复小波变换,得到不同尺度下的小波系数和最后一层的尺度系数,并计算各层小波系数的模与相角。然后,选择模周期性较强的小波系数或尺度系数进行局部投影算法处理,得到周期性增强的系数的模,并选择合适的阈值进行软阈值处理。最后,利用处理后的系数进行双树复小波重构,从而提取出齿轮故障特征信号,进行希尔伯特包络解调分析便能准确地得到故障特征频率。仿真信号和工程应用表明,该方法能够有效地提取齿轮故障特征信息,提供了一种齿轮故障特征提取的新方法。     

双树复小波和双谱在轴承故障诊断中的应用

针对非线性、非平稳且包含强烈的噪声的轴承故障振动信号难以有效提取故障特征信息进行故障识别的问题,提出基于双树复小波变换和双谱的故障诊断方法。首先利用双树复小波变换将故障轴承振动信号分解为若干个不同频带的分量,选择出包含故障特征的分量;然后对该分量进行希尔伯特包络解调;最后对包络信号求其双谱图,从而有效地提取出故障信号的特征频率,准确地进行故障识别。滚动轴承故障实验和工程应用表明,该方法能有效地提取故障轴承的故障特征频率,并且几乎可以完全抑制噪声,验证了方法的可行性和有效性。     

基于双树复小波和奇异差分谱的齿轮故障诊断研究

针对故障齿轮振动信号的非平稳特征和包含强烈噪声,很难提取故障特征频率的情况,提出了基于双树复小波和奇异差分谱的故障诊断方法。首先将非平稳的故障振动信号通过双树复小波分解为几个不同频段的分量;由于噪声的影响,从各个分量的频谱中难以准确地得到故障频率。然后对包含故障特征的分量构建Hankel矩阵并进行奇异值分解,求奇异值差分谱曲线,确定奇异值个数进行SVD重构降噪,由此实现对故障特征信息的提取。最后再求希尔伯特包络谱,便能准确地得到故障频率。实验结果和工程应用表明,该方法可以有效地提取齿轮的故障特征信息,验证了方法的可行性和有效性。     

小波域高斯混合模型方差估计近红外降噪方法

针对抑制近红外光谱噪声与保留光谱信号细节的矛盾,提出一种基于噪声方差估计的小波域降噪方法.该法对光谱信号小波域高频系数建立了两状态高斯混合模型,用EM算法估计模型系数,推证模型对噪声方差准确估计特性,将估计得到的噪声方差建立了阈值降噪模型.实验建立黄酒近红外光谱快速预测酒精度偏最小二乘模型,对比分析Penalty阈值、...     

K-SVD小波降噪在齿轮故障诊断中应用

针对早期齿轮故障诊断中噪声干扰大,故障特征难以提取的问题提出基于K-SVD稀疏表示小波降噪算法。该算法克服传统小波阈值降噪算法只对小波系数进行逐点处理,而忽略小波系数整体架构的缺点,充分考虑小波系数结构特点,在强噪声下仍具有很好稳健性。通过对模拟信号和实测发动机减速器齿轮毂信号分析,证明小波降噪算法正确性和在实际工程应用中的价值。     

基于小波包变换的汽车发动机降噪方法研究

利用小波包变换理论及小波包降噪原理,对汽车发动机含有噪信号进行小波包降噪,有效的提取其中的信号特征.通过对降噪后残差的频谱分析和统计量分析,得到噪声信号的特征频率.通过计算机仿真和实例分析对小波包降噪方法进行验证,表明小波包分析在汽车发动机降噪中有效性.     

经验模态分解和小波包变换的表面等离子体共振光谱降噪方法

针对经验模态分解(Empirical Mode Decomposition,EMD)降噪时信号端点处极值不确定和小波变换降噪信号失真的问题,综合经验模态分解自适应性和小波包变换更加精确的数据分析能力,提出一种EMD和小波包变换的表面等离子体共振(Surface Plasmon Resonance,SPR)光谱降噪方法.利用SPR系统模型模拟共振光谱信号,借助EMD对信号进行分解处理,再对低频项及残余项做小波包变换降噪处理得到共振信号.最后将EMD和小波包变换的方法用于对实际SPR光谱进行滤波处理.结果表明:EMD和小波包变换方法既能有效去除噪声,又能准确得到SPR光谱信号中的光强反射率信号,有效提高了共振波长的辨识精度,是一种实效的SPR光谱信号降噪方法.     

分层自适应小波阈值轴承故障信号降噪方法

针对轴承振动信号易受到噪声干扰的问题,提出了一种分层自适应小波阈值降噪方法。首先将轴承振动信号进行小波分解,获得各分解层的小波系数;之后保留低频信号的小波系数,对高频信号的小波系数进行分层自适应阈值处理;最后将阈值处理后的小波系数进行小波重构,得到降噪后的信号。通过构建一种在阈值处连续且在小波域内可导的分层自适应阈值函数,可以改进传统阈值函数重构偏差和过度降噪的缺陷。轴承故障仿真信号的降噪实验结果表明,该方法的信噪比和均方根误差均优于其他方法,有更好地降噪效果;机械故障模拟实验台的轴承故障信号降噪实验结果表明,该方法在降噪的同时保留了更多的故障信息,能够有效提升故障诊断率,更有利于轴承故障信号的降噪。     

航空发动机转静子碰摩故障信号用小波分析的方法检测和分析

针对试飞中发动机转静子碰摩故障信号,首先应用小波阈值方法对原始信号进行降噪处理,由此滤除高频噪声干扰,同时可保留含有重要故障特征的突变信息;对降噪后信号进行连续小波变换,时频分析结果具有很好的实时跟踪转速频率能力,且频带清晰,故障特征明显,为今后真实飞行载荷下的实时故障监测提供一种有效途径。