基于分数小波变换的信号降噪新方法

简要介绍了分数小波变换的基本思想及在信号处理方面的特点.利用不同信号在分数小波域具有不同的相关性的特点,提出了一种基于分数小波变换的信号降噪新方法.分析了该方法的降噪特性,同时比较了小波包直接降噪和该方法的降噪效果.结果表明,该方法能够有效降低振动信号中的背景噪声.     

改进的经验小波变换在滚动轴承故障诊断中的应用

经验小波变换是一种基于Fourier 频谱特性,通过构建自适应小波滤波器组来分析复杂多分量信号的方法。该方法能够有效识别信号中的不同模态分量,但由于其Fourier 频谱分割问题,在处理噪声及不稳定信号方面有所欠缺。针对这一问题,采用改进的经验小波变换方法,将信号分解为具有物理意义的经验模态。改进的经验小波变换主要考虑被处理信号的频谱形状,通过采用基于顺序统计滤波器（OSF）的包络方法以及遵循三个准则来获取有效峰值的方法,改进Fourier 频谱分割过程。将改进的方法应用于滚动轴承故障诊断中,由于改进的经验小波变换能够将振动信号分解为一系列单分量成分,因此在轴承振动信号包络谱中能够清晰的发现故障特征。通过对滚动轴承振动模拟信号和实验信号的分析验证了该方法的有效性。     

分数阶傅立叶变换的线性调频信号降噪

本文在分数阶Fourier变换原理的基础上,提出了一种基于分数阶傅里叶变换的线性调频（LFM）信号的滤波方法,利用该变换等同于对信号在时频平面进行旋转,将混迭有噪声的信号以特定的旋转角作分数阶傅里叶变换,使得信号与噪声在变换域中的交迭达到最小：然后通过窄带通滤波器对LFM信号进行抽取,再经过分数阶傅里叶反变换,恢复出原信号。     

基于改进的自适应无参经验小波变换的滚动轴承故障诊断

为实现滚动轴承故障周期冲击特征的有效提取,解决经验小波变换Fourier谱分割存在的问题,提出了一种改进的自适应无参经验小波变换方法。首先,利用自适应无参经验小波变换对信号Fourier谱进行自适应分割;然后,利用峭度指标对谱边界进行合并,并重构滤波器组对信号进行分解;最后,选取峭度值最大的分量进行包络解调提取故障特征。仿真和工程应用验证了所提方法的有效性,分析结果表明该方法的性能优于集合经验模态分解和经典经验小波变换。     

基于分数阶Fourier变换的经验模式分解方法研究

在分析了经验模式分解(EMD)及分数阶Fourier变换的基础上,提出了一种基于分数阶Fourier变换的经验模式分解方法,并且深入探讨了该方法的分解特性.对仿真和实际振动信号的分析结果表明,对直接采用经验模式分解分析结果不够明确的信号,基于分数阶Fourier变换的经验模式分解方法对信号进行分析是比较有效的方法.     

基于Kaiser窗的分数阶Fourier变换与时频分析

分数阶Fourier变换作为传统Fourier变换的推广,与传统Fourier变换分析平稳信号类似,在实现对非平稳信号的时频分析过程中往往出现同样的频谱泄漏问题。为了提高分数阶Fourier变换与时频分析的精度,依据Kaiser窗可自由选择主瓣和旁瓣宽度的特性,提出一种基于Kaiser窗的分数阶Fourier变换算法,论述了Kaiser窗在分数阶Fourier变换中的作用原理,从理论上推导出一般信号基于Kaiser窗的分数阶Fourier变换解析时频表达式以及特性,最终得到非平稳信号的时频分布与时变结构参数识别算法。通过任意线性调频信号的仿真算例以及非平稳激励三层框架结构振动台试验,对结构进行瞬时频率识别和算法的验证。结果表明,瞬时频率识别值与理论值和试验结果吻合良好,Kaiser窗可以提高分数阶Fourier变换算法时频分析的精度,体现出该方法有一定的鲁棒性。     

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。     

基于自适应LMS算法的跨声速风洞模型系统辨识

针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)分析得到试验模型俯仰方向前两阶模态,其次利用快速Fourier变换进行模态解耦,接着利用自适应LMS滤波器模型、传递函数模型、多项式模型对俯仰方向单模态进行系统辨识,最后得到了基于自适应LMS滤波器模型的俯仰方向一阶、二阶模态滤波器系数。通过对比不同数学模型的输出与输入之间的相关系数和均方误差及辨识结果,表明自适应LMS滤波器模型具有更高的系统辨识精准度和更简洁的数学模型结构。为后续风洞试验模型振动主动控制计算法的设计提供有力支撑。     

遗传算法在分数阶Fourier变换域极值优化中的应用

分数阶Fourier变换采用线性调频基,因此,线性调频（Linear Frequency Modulation,LFM）信号在分数阶Fourier域平面能够聚焦,并形成峰值。为了克服传统步进式搜索法在LFM信号峰值搜索中效率低下的缺点,将遗传算法引入到分数阶Fourier变换极值搜索中。仿真结果表明,该方法优于传统的步进式搜索法。     

基于ASEGMF的旋转机械振动信号降噪方法研究

针对实测振动信号易受噪声污染而淹没有用信息的问题,提出一种基于自适应结构元素广义形态滤波(ASEGMF)方法对旋转机械振动信号进行降噪处理。首先,根据待分析信号的性质,选择正弦形结构元素,并定义了结构元素的长度尺度和高度尺度。其次,根据信号局部峰值特征,定义了峰值间隔和峰值高度,结合自适应方法得到了正弦结构元素的长度尺度和高度尺度。最后,采用一小一大自适应结构元素级联而成的广义形态滤波器对振动信号进行降噪处理。该方法克服了以往形态滤波器结构元素尺寸选择的随机性,完全根据信号局部峰值特征自适应地确定结构元素,消除了人为因素的影响。仿真和实例分析结果表明,自适应结构元素广义形态滤波具有更强的降噪性能,非常适合旋转机械故障的在线监测和诊断。