基于Lab VIEW的声发射信号小波阈值去噪研究

虚拟仪器代表着目前测试仪器领域的发展方向，LabVIEW语言是一种功能强大的仪器开发平台。对淹没在噪声中声发射信号的有效提取（去噪）是声发射信号处理技术的第一步，也是声发射信号处理的关键所在。本文介绍了基于小波变换的阈值去噪方法。在LabVIEW平台上，通过仿真试验，对声发射信号的几种阈值法的去噪结果进行比较，选出一种适合声发射信号去噪的阈值准则。     

小波阈值去噪在深小孔钻削声发射信号处理中的应用

深小孔钻削声发射信号中往往夹杂着大量噪声信号,能否有效去除这些噪声对后续利用声发射信号实现钻头状态的在线监测具有重要意义。针对深小孔钻削声发射信号中存在噪声的问题,文章采用了小波阈值法进行去噪,并详细讨论了小波阈值去噪过程中各参数的选定方法和最优选取原则。对深小孔钻削声发射信号进行去噪对比实验,结果表明:在选取4层小波分解、Sym6小波基函数、rigrsure阈值以及改进的渐进半软阈值函数去噪时,获得的信号的信噪比最大为23. 616 8,均方根值最小为0. 112 8。说明其有效去除了声发射信号中的噪声,同时又很好地保存了信号的完整度,避免信号失真,显著改善了去噪效果。     

风力机叶片疲劳裂纹AE信号的小波变换优化方法

为实现风力机叶片的及时有效地监测和维护,使用声发射技术采集疲劳裂纹信号,从而提取裂纹特征。而声发射信号的突发性和冲击性需要具有时频分析能力的信号处理方式来提纯和降噪,小波变换方法作为常用的时频处理方式油漆有效性,但是现有的小波基函数不足以适应该信号的分析。提出基于Shannon熵理论计算疲劳裂纹扩展的声发射信号的小波基函数带宽参数,得到最适合此裂纹声发射信号的Morlet小波基函数,计算优化基函数的小波,获得风力机疲劳裂纹特征成分在时间尺度平面的高幅值能量分布。实验研究表明,优化小波基的方法具有很好的时频聚集性和抗噪能力,实现了风力机叶片裂纹声发射信号的时频特征清晰准确的提取。     

皮带机故障诊断中基于自适应小波阈值去噪法的应用

皮带机故障信号中包含大量运行信息，采集故障信号进行去噪处理有利于故障状态识别。为了进一步提高小波阈值去噪方法在强噪声背景下微弱故障信号提取能力，设计了一种基于改进自适应阈值的小波阈值去噪法的皮带机故障诊断方法。研究结果表明：进行小波阈值去噪时未进行阈值函数优化，在阈值选取缺乏灵活性。以自适应小波阈值去噪时，可以获得更平滑的阈值曲线，能够满足最优去噪性能。采用小波阈值去噪时并未达到理想去噪效果，存在明显噪声成分，并且获得了更大均方根误差；完成小波阈值改进后获得理想去噪效果，更准确保留有用信号，使噪声信号被充分去除，实现信噪比的明显提升。该研究可以拓宽到其它传动设备上，对后续的故障状态识别奠定理论基础。     

基于CEEMD与小波阈值的机械密封声发射信号自适应降噪方法

针对机械密封声发射信号容易受到环境噪声干扰,难以有效地从背景噪声中分离的问题,提出将互补集合经验模态分解(CEEMD)与改进小波阈值降噪方法相结合的声发射信号自适应降噪方法。根据白噪声经经验模态分解(EMD)后其固有模态函数分量的能量密度与其平均周期的乘积为一常数的特性,自适应地判定CEEMD信噪分量的分界点;为避免小波原阈值函数的缺陷,应用改进小波阈值函数对高频IMF分量进行降噪处理,然后同其余的IMF分量进行信号重构,完成降噪过程。对仿真信号和采集的机械密封声发射信号的降噪结果,证明了该降噪方法的有效性和可行性。     

基于小波能谱系数的风力机疲劳裂纹特征

提出了风力机叶片裂纹扩展声发射信号的优化小波重分配尺度谱及小波能谱系数相结合的分析法。基于Shannon熵理论计算裂纹扩展声发射信号的重分配尺度谱小波基函数带宽参数,得到最适合裂纹声发射信号的Morlet小波基函数。用优化后的小波基函数计算重分配尺度谱,获得裂纹扩展特征成分在时间尺度平面的高幅值能量分布,利用特征能谱系数表征其重分配尺度谱的特征。实验结果表明,该方法有良好的时频聚集性和抗噪能力,实现了风力机叶片裂纹扩展声发射信号的时频特征提取,得到了能谱系数作为特征向量表示信号特征。该方法可用来实现风力机叶片在复杂环境中的模式识别。     

滚动轴承故障声发射信号的小波包络谱分析

利用声发射信号的高频特性采集滚动轴承故障信息,采用小波分析技术把信号分解在不同频带,对信号进行重构,从而消除背景噪声,再采用小波包络谱分析方法识别故障信息.试验结果证明,基于声发射信号的小波包络谱分析可以有效地检测滚动轴承故障.     

分数阶小波包时频域的信号去噪新方法

为了提高信号去噪的效果,提出了一种基于分数阶小波包变换(FRWPT)的信号去噪新方法。该方法根据输出信号信噪比的大小,用迭代法寻找分数阶小波包变换的最优分数阶p值,通过分数阶小波包变换将带噪信号映射到最优分数阶小波包时频域内,对变换后的信号进行窄带通滤波,最后通过分数阶小波包逆变换对信号进行重构,实现分数阶小波包时频域内的信号去噪。以带噪Bumps信号和语音信号为例的去噪实验结果表明,采用该方法去噪后的信号信噪比明显提高,在抑制噪声的同时可以有效保持细节信息。     

空域相关和LMD结合的滚动轴承声发射信号特征提取

为了消除噪声对轴承诊断效果的影响,提出了一种局域均值分解(Local mean decomposition,LMD)和空域相关相结合的轴承声发射信号特征提取方法。首先,利用LMD将轴承故障的声发射信号分解为若干个乘积函数(Production Function,PF)的线性组合;然后,采用峭度准则选取能够反映轴承故障特征的PF分量,对选取的PF分量分别采用空域相关法进行去噪,再重构去噪后的PF分量。最后,对去噪后声发射信号进行Hilbert包络谱分析,并与所选PF分量直接Hilbert包络谱分析结果进行对比。仿真计算和实验分析表明,本文提出的方法能够有效地提取轴承故障声发射信号特征。     

CO_2气保焊电信号的平移不变量小波消噪

CO_2气保焊的焊接过程中电信号含有大量随机非平稳噪声,消噪预处理是电信号后期分析的重要环节。常见的信号滤波方法有硬件滤波和软件滤波,其中小波阈值消噪方法在软件滤波中应用最为广泛,该方法能够很好的消除电信号中的噪声,但在信号不连续点处易产生伪吉布斯现象。提出利用一种平移不变量小波方法(Translation invariant de-noising,TID)对焊接电信号进行去噪处理,其通过对信号进行多次循环平移,再将平移后的信号进行软(硬)阈值小波消噪处理,然后将消噪后的重构信号进行反向逆平移,最后再对去噪结果进行平均,该方法可消除软阈值小波消噪产生的伪吉布斯(Pseudo-Gibbs)现象。结果表明相对于传统软阈值小波去噪法,该方法去噪后的信噪比更高,去噪后信号更加逼近于真实信号。该方法在熔化极气体保护焊电信号降噪处理方面具有广泛的前景,进一步扩展了小波方法在焊接中的应用。     

基于最优小波基的电机故障信号特征提取研究

小波变换去噪中最关键的问题是最优小波基的选取,使其能够将噪声从原始信号中分离出来。针对电机故障的特点,提出了一种基于信号的最优小波基选取方法。将信号小波变换的能量阈值曲线作为小波基函数的适用性评价指标。通过训练神经网络,选取适合该信号的最优小波基,最后采用平移不变量(TI)小波阈值法实现信号去噪。在此基础上对750W化纤电机进行了测试,实验结果表明,该方法能准确找出适合特定信号的最优小波基。训练后的神经网络可直接用于其它类型电机的信号去噪处理,具有实用价值。     

基于小波变换的低场脉冲核磁共振系统高斯白噪声估计

介绍了以小波分析理论为基础，结合小波阈值去噪算法找到一种有效的噪声分离方法。采用该方法从实际低场脉冲核磁共振系统噪声信号中分离出高斯白噪声并对其进行了参数估计。该方法还可以用于其它信号处理领域高斯白噪声的估计。     

基于改进小波阈值的激光陀螺漂移信号降噪

针对固定阈值法对激光陀螺漂移信号去除噪声会出现"过扼杀"小波系数的现象,提出一种称为E-median的小波阈值.信号进行平稳小波变换,计算各尺度高频小波系数的E-median阈值,采用软阈值法修正高频小波系数,通过平稳小波逆变换重构信号.对激光陀螺漂移仿真信号和实测信号去除噪声,该阈值均能保留原信号的特征并有效去除噪声...     

奇异值小波降噪法在柱塞泵振动信号处理中的应用

针对小波阈值和奇异值分解降噪法的不足,研究一种新的小波阈值函数。提出一种基于改进阈值的奇异值小波降噪方法,该方法利用奇异值分解技术,将噪声非均匀分布的信号正交分解为噪声分布相对均匀的分量,并对每个分量进行小波阈值降噪,重构降噪后的分量,得到降噪信号。仿真实例证明,该方法与小波软、硬阈值及改进阈值法相比,不仅提高信噪比,而且能够更好地消除高斯噪声。利用该方法对柱塞泵不同状态振动信号进行降噪,结果表明,该方法能有效抑制噪声,为柱塞泵振动信号预处理提供一种更为有效的方法。     

基于小波空间适应的核磁共振碳谱信号消噪研究

本文讨论了小波空间适应的核磁共振谱信号消噪方法，选取具有7阶消失矩的Symmlet小波将受非白噪声污染的碳谱信号进行多层分解，利用每层小波变换的细节系数估计逐层细节系数中噪声均方差σj，选取各层阈值σj√2lnn（n为细节系数长度），对小波分解的各层细节系数进行分别阈值处理，然后进行信号重建，以达到对信号消噪和提纯，实验结果表明，这种去噪方法是非常有效的，它在消除噪声的同时保留了信号的奇异特征。     

基于轴承仿真信号的小波阈值及阈值函数的优化

针对传统小波阈值法在轴承信号去噪效果不佳的难题,对阈值和阈值函数采用层层递进的方法进行降噪研究。阈值函数方面,在软阈值函数基础上提出了指数阈值函数,在指数阈值函数的基础上结合硬阈值函数,提出了带有收缩性指数的阈值函数。阈值方面,给出了估噪阈值,在估噪阈值的基础上,结合噪声的小波系数,随着分解层的增大而减小并引入调节量,给出了分层估噪阈值,表征去噪效果优劣指标为SNR&RMSE。通过选取估噪阈值、分层估噪阈值、软阈值函数、指数阈值函数和收缩指数阈值函数进行去噪试验,结果表明,收缩指数阈值函数和分层估噪阈值去噪效果较好。从阈值函数选取上看,收缩指数阈值函数去噪效果最好(32.3118&0.0141),其次是指数阈值函数(30.4301&0.0175),最后是软阈值函数(23.5500&0.0385);从阈值选取上看,分层估噪阈值去噪效果最好(33.9360&0.0117),其次是估噪阈值(32.3118&0.0141)。该方法去噪效果好,可从噪声中提取有用信息,可用于对大型轴承运转的有效诊断。     

CEEMD和小波半软阈值相结合的滚动轴承降噪

针对滚动轴承振动信号降噪处理时如何保证信号边缘信息完整性的问题,提出将互补集合经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)与小波半软阈值相结合的信号降噪方法,对滚动轴承故障高频振动信号进行降噪处理。首先,采用CEEMD方法对故障振动信号进行分解,针对信号特点自适应获取不同频段模态分量;其次,将对包含噪声污染的高频信号模态分量进行相关性分析,得到含噪成分较高的高频模态分量,进一步采用小波半软阈值进行降噪处理;最后,将降噪后的模态分量同残余分量进行信号重构,完成降噪过程。分析结果表明,相对于传统小波阈值降噪和CEEMD强制降噪方法,提出的方法能够有效去除高频信号的噪声,且最大程度地保证了原始信号的完整性,降噪效果更好。     

DT-CWT相关滤波在齿轮箱故障诊断中的应用

根据小波系数的相关分析理论,提出了基于双树复小波变换的小波相关滤波法。该方法根据相邻层小波系数的相关性,通过迭代过程自适应地进行滤波,能够在达到良好降噪效果的同时保留微弱故障特征信息。对降噪后的信号进行希尔伯特包络分析便可准确得到故障特征频率。试验信号分析与工程应用结果表明,该方法能够有效提取强背景噪声下的齿轮箱轴承早期故障特征信息。     

基于小波熵的微弱信号检测方法研究

在科学技术研究领域中,经常会遇到非平稳、低能量、瞬时变化的微弱信号检测问题,然而,微弱的有用信号往往被环境噪声所湮没,最大程度地提取有用信息一直是弱信号检测中的一个难题。尤其对短时低能量的瞬变信号,采用传统信号处理方法提取其位置信息难以奏效。小波分析的方法为弱信号检测技术开辟了一条新途径,但小波变换对弱信号进行特征提取的关键在于确定小波系数的阈值。为此,在软阈值基础上引入反映信号能量分布特性的小波熵概念,利用信号在不同分解尺度上具有不同的小波熵,能够自适应地确定高频系数分量的阈值。仿真分析表明,基于小波熵分析的方法能够在强噪声环境中对微弱信号准确定位,实现低能量的瞬变信号有效提取。     

基于改进平移不变量小波阈值法的齿轮泵振动信号降噪

齿轮泵的振动信号中含有大量噪声,在对其进行应用之前必须降噪处理。传统的小波阈值降噪法在信号的奇异点附近会产生振荡现象,为此研究了一种新的小波阈值函数,把新的阈值函数和平移不变量相结合,提出了改进小波阈值法的平移不变量降噪方法。该方法克服了软、硬阈值的缺陷,同时抑制阈值法降噪时产生的伪吉布斯(Pseudo-Gibbs)现象。利用该方法对仿真信号和实测齿轮泵振动信号进行降噪处理,并与小波软、硬阈值法及新阈值法进行了对比。结果表明:该方法具有更好的降噪效果,可应用于齿轮泵振动信号降噪处理。