基于平移不变小波的声发射信号去噪研究

小波阈值去噪算法在信号的奇异点处会产生Pesudo-Gibbs现象。平移不变小波去噪方法是对闽值法的改进，该方法可以有效地抑制Pesudo-Gibbs现象，而且能够减少原始信号和估计信号的均方根误差，提高信噪比。将该方法用于声发射信号的去噪处理，并与闽值法进行了比较。仿真结果表明该研究方法可以有效地去除噪声，提取声发射信号的特征信息，具有较强的工程实用性。     

基于数学形态学的汽车轮毂单元振动信号消噪算法研究

针对轮毂单元故障信号中的脉冲信号往往被背景噪声淹没的问题,将数学形态学滤波技术应用到一维振动信号的消噪中,并与3σ规则结合,提出了基于数学形态学运算和软阈值的振动信号消噪方法.首先,采用形态滤波对染噪的轮毂单元信号进行了过滤,并提取了峰谷信号;然后,采用3σ规则对峰谷信号进行了阈值处理,并将形态滤波结果与阈值处理后的峰谷信号相加,作为最终消噪结果;最后,对其进行了频谱分析以提取特征,并在Matlab中对该算法仿真试验进行了有效性评价以及轮毂单元振动信号的消噪试验.研究结果表明,该算法不仅运算简便,并且在最大限度抑制噪声的同时保留了绝大部分的有用信号,取得了较好的消噪效果,故障信号识别率提高了20％左右.     

Application of RLS adaptive filtering in signal de-noising

针对信号中混有噪声的问题,介绍了一种基于RLS算法的自适应信号消噪系统,并阐述了自适应滤波的原理以及RLS算法的步骤与流程。通过实例仿真,得到了基于RLS算法的自适应消噪系统仿真图。经过对比分析可知,RLS自适应滤波能较好地消除噪声,获得有用信号,从而验证了该方法的有效性和系统的合理性。     

局部投影算法及其在非线性时间序列分析中的应用

引入了非线性时间序列的局部投影消噪算法。该算法将时间序列先进行相重构,在高维的相空间上采用局部投影的方法将相空间分解成正交的子空间,来分离时序中不同的分量。通过Lorenz模型的数值仿真分析,证实了该算法在消除非线性时间序列中随机噪声的效果。此外还讨论了局部投影算法在提取微弱特征信号中的应用。     

基于改进小波阀值的振动信号去噪方法研究

采取小波算法,运用小波变换阀值法对振动信号进行去噪。对比了传统的软阀值函数和硬阀值函数的优缺点,并在软、硬阀值函数的基础上,提出了一种改进的阀值函数的方法。通过与软、硬阀值函数方法去噪效果的仿真对比分析,新的去噪方法提高了重构信号的信噪比,可以有效去除噪声,并对原始信号的细节特征保留较好。     

一种新的小波阈值去噪算法研究

为了更好地消除噪声对被测信号的干扰,针对传统小波软、硬阈值函数与全局阈值去噪算法的不足,综合考虑了小波阈值的估计与阈值函数的选取,提出了一种新的小波阈值去噪方法。对仿真信号与实验轴承振动信号进行去噪分析,并与几种不同的小波阈值去噪算法结果相对比。结果表明:新的小波阈值去噪算法更好地去除了噪声并保留了信号的原始特征,是一种更加优越的去噪方法,具有较高的实用价值。     

一种基于多分辨分析的小波压噪方法

本文基于小波变换的多分辨分析算法,提出了一种对受白噪声污染的数据进行除噪处理的算法,尤其适用于对含有高频分量的信号进行除噪.仿真实验表明该算法既能有效除噪又能保护真实信息的细节特征.     

基于小波脊线的解调方法及其在旋转机械故障诊断中的应用

通过分析小波脊线与信号瞬时频率和瞬时幅值的关系,提出一种利用小波脊线进行旋转机械故障特征提取的新方法.针对小波脊线迭代提取算法中存在的迭代发散问题,提出一种在发散点处自适应改变迭代阈值的改进脊算法;通过仿真分析表明了该算法具有较好的抗噪特性,进而研究其在提取多分量信号小波脊线中的特性;将该方法应用于齿轮箱和滚动轴承的故障诊断中,结果表明,基于小波脊线的解调方法能有效地提取旋转机械故障振动信号的特征.     

数学形态学和HHT在轴承故障诊断中的应用

数学形态学滤波算法具有很强的抑制脉冲干扰的能力,但滤除白噪声的能力却不及小波算法。针对这一不足,在对信号进行形态滤波之前先进行小波消噪,再进行HHT分析提取故障特征频率。通过仿真和示例证实了该方法可以有效地消除信号干扰噪声,提取轴承故障特征,达到对滚动轴承故障诊断的目的。     

基于样本熵的最优小波包阈值估计去噪算法

为了更加有效地去除噪声对被测信号的干扰,分析了传统小波阈值估计方法的局限性,提出了一种基于样本熵的最优小波包阈值估计去噪算法。该方法利用样本熵作为信息价值函数以确定最优小波包,且以样本熵为判据,对不同的分解层数设置不同的阈值,选取使得去噪后得到的噪声估计信号样本熵值最大的阈值作为最优阈值。对仿真信号进行分析证明了该方法的有效性,将该方法应用于滚动轴承振动信号去噪分析且与其他阈值方法相对比,结果表明该方法去噪后的信号较其他方法而言频谱中的干扰频率更少且滚动轴承的基频以及故障频率更为突出,去噪效果更好,是一种更为优越的去噪算法。     

自适应二代小波变换在振动信号降噪中的应用

小波分析技术已成功应用于振动信号的降噪处理。第二代小波变换是一种比Mallat算法更为有效的算法。文中介绍第二代小波变换的基本理论和特点,提出基于二代小波的线性适应性信号分解算法和尺度适应性信号分解算法,并将其应用于对含噪的齿轮箱振动信号进行降噪处理。结果证明,与其他降噪方法相比,使用线性适应性二代小波降噪后的信号具有最佳的信噪比和最低的重构误差。     

A hybrid fault diagnosis method based on second generation wavelet de-noising and local mean decomposition for rotating machinery

In order to extract fault features of large-scale power equipment from strong background noise, a hybrid fault diagnosis method based on the second generation wavelet de-noising (SGWD) and the local mean decomposition (LMD) is proposed in this paper. In this method, a de-noising algorithm of second generation wavelet transform (SGWT) using neighboring coefficients was employed as the pretreatment to remove noise in rotating machinery vibration signals by virtue of its good effect in enhancing the signal–noise ratio (SNR). Then, the LMD method is used to decompose the de-noised signals into several product functions (PFs). The PF corresponding to the faulty feature signal is selected according to the correlation coefficients criterion. Finally, the frequency spectrum is analyzed by applying the FFT to the selected PF. The proposed method is applied to analyze the vibration signals collected from an experimental gearbox and a real locomotive rolling bearing. The results demonstrate that the proposed method has better performances such as high SNR and fast convergence speed than the normal LMD method.     

二代小波降噪与盲分离结合应用于航空发动机振动信号分析

传感器采集的飞机发动机振动信号必然是各个部件振源信号以及周围环境强烈干扰的混合信号,传统的振动信号处理方法抗扰去噪效果并不理想,很难得到振源信号。笔者介绍了利用第二代小波阈值降噪、并结合盲源分离得到振源信号的方法。在对某型航空发动机空中停车振动信号进行二代小波分解、利用阈值处理并重构取得了理想的降噪效果的基础上,进一步应用盲源分离技术(FastICA)分离得到转子振动源信号,这样可以有效的提取故障特征,提高故障诊断的准确性。     

基于提升算法的自适应小波变换及应用

为了克服传统小波变换的不足，提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法。该方法以第二代小波变换为基础，用变换样本与相邻样本之间的相关性，来检测信号的局部特征。并根据相关系数的大小，来确定每一尺度上的每个样本的最佳预测器和更新器，使小波能够较好地适应信号的局部特征。在信号相关性强的情况下，采用了最优插值估计的改进算法。模拟实验和工程应用的结果表明，该方法克服了传统小波变换降噪方法丢失原始信号局部信息的缺陷，不仅可以有效地去除原始信号中的噪声，而且能够保留原始信号的局部特征。     

基于第2代小波和EMMD的转子系统复合故障诊断

针对转子不平衡故障和滚动轴承微弱损伤性故障的复合故障诊断问题,提出了基于第2代小波和极值域均值模式分解(extremum field mean mode decomposition,简称EMMD)的故障诊断方法,进行了复合故障的耦合特征分离和故障特征频率的提取.该方法首先应用第2代小波对原始信号进行分解与重构;然后针对分解与重构出的低频信号进行频谱分析提取低频非调制故障特征;最后针对高频共振调制信号进行基于EMMD的解调分析,以准确提取调制故障特征.通过工程实例信号的分析结果表明,该方法能够提取转子系统的复合故障特征.     

基于改进小波神经网络的旋转机械故障诊断

根据旋转机械复杂的故障特点，提出了结合第2代小波分析、模糊理论和神经网络形成的改进小波神经网络。该诊断方法利用第2代小波分析对信号进行预处理-征向量的提取，然后用训练好的模糊神经网络进行故障识别，并对相应算法进行了优化。将改进小波神经网络运用于旋转机械的故障诊断，通过计算机仿真和试验的结果表明，该方法在处理多故障耦合的情况时优势明显，不仅可以正确识别故障的类型，还可以进一步对故障的严重程度及其发展趋势进行可靠的诊断。这表明改进的诊断方法是行之有效的，为旋转机械的故障诊断提供了理论支持。     

基于第二代小波变换的转子碰摩故障特征提取方法研究

为了能够提取隐含在振动信号中的故障特征,利用第二代小波对称、紧支撑和冲击振荡衰减的特点,有效地提取具有冲击响应特性的故障特征。实验证明,即使采用较小支撑区间的此类小波,也可获得理想的效果。另外,为了获得与原始信号相同的时间分辨率,采用单支重构的方法分别对逼近信号和细节信号处理,得到了转子碰摩故障的时域响应特征,为故障诊断和预示提供了一种分离故障时域特征的方法。     

Structural damage detection using the combination method of EMD and wavelet analysis

The use of the combination method of empirical mode decomposition(EMD) and wavelet analysis is explored for the detection of changes in the structural response data. Firstly, we adopt the EMD technique to decompose the response signal of structure vibration into several mono-component signals which become analytic signal by means of Hilbert transform. Then each mono-component signal is analysed via wavelet transform to detect the exact location and severity of damage. The results demonstrate that the combination method of EMD and continuous wavelet transform can be used to identify the time more sharply and effectively at which structural damage occurs than by using the wavelet transform method alone. The numerical simulation and the analysis of the response signal data from the shear building show that this method is effective.     

基于小波分析的齿轮箱振动信号消噪处理

基于小波变换具有良好时频分析的特点,介绍了小波变换用于去除噪声的原理和方法,建立齿轮箱齿轮人工点蚀故障模拟实验台,通过Matlab对故障振动信号进行小波分析,并且和没有经过信号消噪就进行小波分解进行对比,从而得出对含噪声的非平稳信号进行消噪,再进行小波分解可以较好的提取齿轮点蚀故障特征频率的结论。     

基于小波变换的引擎故障诊断方法研究

小波分析是近年来迅速发展起来的一门理论,在图像处理和故障诊断等方面都取得了成功的应用。本文从诊断理论和故障信号特点两方面说明对引擎故障信号进行小波分析是引擎故障诊断过程的内在要求;阐述了小波分析的理论基础,得到适合故障信号分析的小波母函数;应用了基于“能量-故障”的引擎故障诊断模式识别方法。通过小波包变换,成功提取了转子振动平台预设故障状态下的特征向量,通过模拟实验验证了该方法的可行性。