多小波预处理方法用于滚动轴承故障信号的去噪效果分析

针对不同预处理方法对多小波的影响问题,探讨了基于不同预处理方法的多小波对滚动轴承信号去噪效果的影响。通过仿真实验,先对GHM多小波、CL4多小波和SA4多小波进行重复行预处理、逼近预处理和平衡多小波处理,并将处理后的多小波应用于滚动轴承故障信号的去噪效果分析中。结果表明:经过平衡多小波预处理的CL4多小波在滚动体故障信号、内圈故障信号、外圈故障信号中的效果最好,相对于经过其他预处理方法处理的多小波的处理效果有明显优势。     

自适应小波降噪的泵机组故障诊断

泵机组故障诊断的难点在于信号特征向量的提取,而故障特征往往淹没在复杂的噪音中。本文利用自适应小波函数对采集到的振动信号进行降噪,滤掉了无关的噪声信息,根据振动能量的分布,对降噪过的信号进行四层小波包分解,提取出的特征向量分布明显。最后将分类特征向量输入神经网络进行训练,测试的结果证明,该方法识别精度高、速度快,具有良好的应用前景。     

序贯概率比检验在故障诊断中的应用

序贯概率比检验是一种非常有效的统计检验方法,常用于解决机械的故障问题。本文将序贯概率比检验应用于齿轮裂纹故障诊断中,选取一组正常和两组有裂纹的齿轮来进行模拟实验。实验中采集的振动信号先经过预处理后,再将经过小波包降噪处理后的信号代入序贯概率比检验算法中来检验与分析,结果显示该方法能很好地分辨出故障齿轮,这也说明了此方法是有效的。     

基于小波变换的语音增强算法研究

信号在实际的传输过程中会受到许多噪声的干扰，直接对信号的质量产生影响。语音增强技术的目的就是对含有噪声的信号进行去噪处理操作，是一种改善信号有效性和去除噪声的方法。本文是基于小波变换的阈值去噪方法，在小波变换的小波去噪处理中，研究一种新的阈值选取算法，达到较好的降噪效果，从而实现语音增强。在软件Matlab程序中加入事先录好的其他语音信号，对信号进行加入高斯噪声的处理，然后在算法代入语音信号处理程序中进行去噪，观察最后重构出的信号波形图，并与语音信号时域波形、软阈值降噪、硬阈值降噪后的波形进行对比，确认是否改善了信号去噪效果。     

基于ICA和小波相结合的信号降噪技术研究

针对信号的非线性、非平稳性和奇异性,提出一种联合独立分量分析和小波变化模极大值对强噪声下的振动信号进行降噪的方法.首先采用独立分量分析对含有强噪声的振动信号进行信噪分离,再对分离后的信号采用小波模极大值分解.结果表明,该方法降噪效果非常明显,并能够准确地检测出信号的奇异点位置.     

基于经验模态分解的注射机轴承故障诊断

针对注射机轴承信号进行故障诊断易受到工作环境中其他噪声影响的问题,提出一种基于经验模态分解(EMD)结合快速傅立叶变换(FFT)对轴承振动信号提取故障特征的方法。对振动信号使用EMD算法以完成信噪分离,选取出高信噪比分量进行FFT算法变换,通过频谱图分析轴承故障位置。结果表明:使用变分模态分解算法对含有较大噪声的仿真信号和强背景噪声下注射机轴承故障信号有较好的降噪效果,通过FFT能准确诊断注射机轴承是否出现故障,二者结合达到很好的故障诊断效果,去噪效果明显,为其他旋转机械的故障诊断提供了参考。     

小波去噪在压力容器声发射检验中的应用

压力容器是各个工业领域中必不可少的特种设备,在使用过程中有可能因故障发生爆炸、中毒等危害.通过声发射检测等方法,可发现压力容器早期形成的缺陷,有利于安全生产.但是由于压力容器检验现场各种噪声普遍存在,导致采集的声发射信号严重失真甚至淹没在噪声信号中.针对声发射信号及噪声信号特点,利用小波阈值去噪理论进行去噪处理,并分别...     

一种基于小波分解的储罐声发射源定位波形滤波算法研究

小波分解是以小波基为基础,对信号进行多层分解的一种数学方法。近年来,小波分解逐步应用于声发射源定位计算中,根据小波分解后信号时域不变的特性,可以对声发射源的位置进行计算。目前,小波分解定位精度的主要影响因素是声发射信号中的噪声信号。因此,在小波分解前对声发射信号进行降噪,对提高信号小波分解源定位的精度有重要意义。引入了一种基于阈值的降噪方法,结合小波分解,尝试研究了声发射信号降噪算法对定位精度的影响。     

面向机械故障智能诊断神经网络优化与识别方法研究

在齿轮箱的故障诊断中,将原始故障信号利用小波包变换进行降噪处理。采用时域分析方法提取特征参数,同时进行小波包能量特征提取。利用主元分析法可以对提取的特征参数进行降维处理,根据累计贡献率选取一定量的主元,再带入概率神经网络进行故障诊断分类并进行交叉验证。本文选取了四种不同裂纹等级的齿轮与正常状态下的齿轮进行模拟实验,结果显示主元分析法与概率神经网络的结合可以很好的分辨出不同程度的故障齿轮。     

小波降噪技术在差分吸收光谱浓度检测中的应用

为了实现对工业气体SO2的浓度进行监控,基于紫外差分吸收光谱法开发了SO2在线检测系统。针对系统噪声和Mie散射使吸收光谱叠加带来的误差,本文提出采用小波变换降噪技术代替传统光谱处理方法中的多项式平滑滤波技术来提高检测精度。通过对应用了Symlets、Daubechies、Coiflet和Biorthogonal这4种不同小波函数的实验数据分析和对传统小波阈值选取方式的改进,最终确定了基于rigisure阈值的小波阈值去噪的信号处理方法,并提出一种新的信噪比量来衡量信号处理的效果。这种方法可以快速可靠地处理光谱信号,处理后所得的监测浓度准确度基本控制在1.5%以内。在实验室环境下和工业现场环境下的大量实验结果表明本方法能有效的减小噪声对SO2浓度监测带来的影响。