一种新的小波阈值函数去噪算法

小波阈值去噪算法是一种经典的振动信号去噪算法,但仍有一定局限性。为了更好地消除噪声对被测振动信号的干扰,提取信号的有用成分,本文对比分析了几种不同小波阈值去噪算法,并在经典小波阈值去噪算法的基础上改进了阈值函数,提出了一种新的小波阈值去噪算法。对模拟信号及实测风机振动信号进行去噪处理并分别与经典及改进的小波阈值去噪效果进行定量比较。结果表明:新的小波阈值函数更好地抑制了噪声污染和保持信号细节,有效地消除了背景噪声,提高了信号特征的可分离性,具有较高的实用价值。     

一种新的小波自适应阈值函数振动信号去噪算法

小波阈值去噪算法是一种经典的振动信号去噪算法,但仍有一定局限性。为了更好地消除噪声对被测振动信号的干扰,提取信号的有用成分,本文对比分析了几种不同小波阈值去噪算法,并在经典小波阈值去噪算法的基础上改进了阈值函数,提出了一种新的小波阈值去噪算法。对模拟信号及实测风机振动信号进行去噪处理并分别与经典及改进的小波阈值去噪效果进行定量比较。结果表明:新的小波阈值函数更好地抑制了噪声污染和保持信号细节,有效地消除了背景噪声,提高了信号特征的可分离性,具有较高的实用价值。     

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。     

第二代小波在振动信号去噪中新方法的研究

在传统小波去噪中,小波分解的结果与所采用的小波基函数有关,一旦选用不适当的小波基函数会冲淡振动信号的局部特征信息,而造成原始信号的细节信息丢失.为了克服上述缺陷,WimSweldens博士提出了一种使用提升模式构造小波的方法.本文讨论了一种基于插值细分原理,利用奇偶空间的相关性的新的提升方法,并且通过对仿真信号的处理和对齿轮故障信号的降噪分析,证明了该方法在降噪方面的优越性.     

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。     

基于改进小波域阈值法的平移不变振动信号去噪

针对含噪振动信号的去噪问题,采用了目前最有效的小波算法。在传统小波域阈值法的基础上,克服了软、硬阈值的缺陷,采用了新的闽值函数,并通过平移不变小波变换对去噪效果进行了强化。通过与几种方法去噪效果的仿真对比,其结果表明,新的去噪方案可以获得最大的信噪比（SNR）,其去噪效果明显优于传统的软、硬阈值函数,并在实际振动信号的处理中得到了很好的应用。     

提升小波变换在轴承故障诊断中的应用

提升小波变换可以通过设计预测系数和提升系数获得具有某种特性的小波基函数,因而对信号的适应能力更强.介绍了提升小波变换的原理,提出了一种自适应阈值小波去噪方法,并将其应用于轴承故障诊断中.     

一种改进的基于小波变换的包络提取算法研究

结合“模极大值小波域去噪”原理，提出了一种基于小波变换和希尔伯特变换的包络提取算法。首先用小波变换作为包络分析的前置处理手段，再利用希尔伯特变换对处理后的信号进行包络提取。针对希尔伯特变换解包络的不足，采用模极大值小波域去噪算法对包络信号进行消噪，从而解决了一般算法难以解决的由于随机噪声的干扰造成的提取的包络轮廓信息粗糙的难题。实验结果表明，该方法可以精确提取信号的包络并通过包络细化谱分析全面获得信号所隐古的故障特征。     

基于小波包变换和小波阈值消噪的语音特征提取

为了实现强噪声背景下语音信号的特征提取,根据小波变换的多分辨率特性,以及与人耳耳蜗滤渡相一致的特性,利用小波包变换,在各语音特征频率段上,提取出包含丰富的非平稳信息的语音特征;并在小波包分解去噪的基础上,构造了模糊阈值函数,利用小波模糊阈值去噪,得到了信噪比较高的语音信号.研究结果表明,小波包变换和小波阈值去噪,较好地消除了强噪声背景下的噪声,并有效地提取出了语音信号特征.     

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。     

第二代小波变换及其在故障诊断中的应用

第二代小波变换是一种基于提升原理的时域变换方法,介绍了第二代小波变换原理,给出了一种第二代小波变换过程中预测算子和提升算子的求取方法,在此基础上将第二代小波变换应用于矿用通风机的故障诊断中。结果表明该方法可以有效地分解信号和提取特征信息,在矿山机械故障诊断中具有良好的应用前景．     

第二代小波变换在旋转机械故障诊断中的应用

不同类型的机械故障在振动信号中会反映出不同的波形特征 ,选用不适当的小波基函数会冲淡故障的特征信息 ,给故障诊断造成困难。第二代小波变换可以通过设计预测系数和提升系数获得具有某种特性的小波基函数。本文介绍了第二代小波变换的原理 ,研究了预测系数和提升系数与低通和高通滤波器系数之间的关系 ,根据信号的特征构造了基于插值细分方法的双正交小波 ,在旋转机械的轴系不对中故障诊断中取得了满意的效果。     

NEW METHOD FOR WEAK FAULT FEATURE EXTRACTION BASED ON SECOND GENERATION WAVELET TRANSFORM AND ITS APPLICATION

A new time-domain analysis method that uses second generation wavelet transform (SGWT) for weak fault feature extraction is proposed. To extract incipient fault feature, a biorthogonal wavelet with the characteristics of impact is constructed by using SGWT. Processing detail signal of SGWT with a sliding window devised on the basis of rotating operation cycle, and extracting modulus maximum from each window, fault features in time-domain are highlighted. To make further analysis on the reason of the fault, wavelet package transform based on SGWT is used to process vibration data again. Calculating the energy of each frequency-band, the energy distribution features of the signal are attained. Then taking account of the fault features and the energy distribution, the reason of the fault is worked out. An early impact-rub fault caused by axis misalignment and rotor imbalance is successfully detected by using this method in an oil refinery.     

非平稳振动信号的小波去噪及其应用

在机械故障诊断中,对故障信号的消噪处理,一直是其重要内容之一。工程中设备运行状态多样,有着大量的非平稳动态信号,但传统的信号处理方法在处理非平稳信号上有所不足。利用小波包分解信号,白噪声的方差和幅值随小波尺度的增加而减小,但是信号的方差和幅值和小波变换无关。按照信号能量的观点,首先把信号进行多层小波包的分解,然后利用其中几个能量大的小波包来重构原始信号。利用该方法在测试信号的去噪处理中,同传统的阈值去噪相比较,该方法可以有效地消除白噪声的干扰,计算简单且有较好的消噪效果。     

内积型和卷积型小波变换对信号处理效果的研究

内积型和卷积型小波变换是小波变换的两种定义形式,由于其迭代算法不同,因而对同一信号有不同的处理效果。以对一个轴承振动信号的处理为例,详细分析了这两种小波变换形式的频带分离效果和对信号中故障特征的提取效果,结果表明,卷积型小波变换对信号的处理效果要优于内积型,不仅其频带分离效果比内积型优越,而且它所提取的故障特征信息也比内积型小波变换要明显得多。最后对比较结果从理论上给予了解释。     

基于提升模式的非抽样小波变换及其在故障诊断中的应用

由于传统离散小波变换在分解信号时采用抽样操作,使原始信号的部分时域特征不能保留在分解结果中;另外,分解结果的平移可变,使得分解结果不能完美地描述故障的时域特征。为了克服上述缺陷,根据非抽样小波变换的原理,提出一种基于提升模式的非抽样小波变换框架。首先,通过信号变换方法去除提升小波变换的剖分环节,得到提升模式下的非抽样小波变换框架;在此基础上,建立提升模式下非抽样小波变换与抽样小波变换的预测器和更新器之间的转换关系,提出非抽样提升小波变换的分解和重构算法。采用这种非抽样小波变换从齿轮箱的振动信号中有效提取幅值调制和瞬态冲击的摩擦故障特征。     

液压泵故障的小波变换诊断方法

分析了小波变换的时 -频局部化特性及基于多分辨分析的信号小波分解重构算法 ,研究了信号局部奇异性在小波变换下的特性。根据故障信号和噪声的局部奇异性在小波变换下的模极大值在不同尺度上的传播特性不同的特点 ,并利用小波分解重构算法 ,对泵壳振动加速度信号进行了分解、去噪和重构。大大改善了监测信号的信噪比 ,对故障特征信号进行了时域定位 ,提取了故障特征频率。     

机械故障诊断内积变换原理与验证

工程实际常用的快速傅里叶变换、短时傅里叶变换、小波变换、第二代小波变换和多小波变换等先进信号处理方法,为关键设备运行监测与故障诊断奠定了基础。为深刻认识其共性问题,对机械故障诊断信号处理方法物理本质与关键技术等基础问题进行研究。指出它们的变换原理都是内积变换,探求信号中包含与"基函数"最相似或最相关的分量,关键在于构造和选择动态信号中与故障特征波形相匹配的基函数,实现科学、正确的状态监测与故障诊断。通过仿真试验和工程案例,对机械故障诊断的内积变换原理进行验证,证明该原理的正确性和可靠性。同时,根据试验现象得出若干基函数性质对内积变换的影响规律,补充和完善了机械故障诊断内积变换原理。     

基于小波包变换的局部放电包络信号模式识别

为实现GIS故障检测和缺陷的模式识别,针对GIS出现的典型绝缘缺陷及其放电特点,设计了4种常见的GIS绝缘缺陷模型并进行放电试验。对获取的大量超高频包络信号,提出了一种基于小波包变换奇异值分解的时域特征提取方法。该方法首先对包络信号进行小波包变换,构建各尺度的小波包分解系数矩阵,然后对其进行奇异值分解,提取特征向量,在此基础上,采用BP神经网络进行模式识别,结果表明采用此方法获得了良好的识别效果。     

基于改进经验小波变换的行星齿轮箱故障诊断

行星齿轮箱振动信号具有复杂多分量和调幅-调频的特点。幅值解调和频率解调方法能够避免传统Fourier频谱中的复杂边带分析,有效识别故障特征频率。经验小波变换通过对信号Fourier频谱的分割构造一组正交滤波器组,能提取具有紧支撑Fourier频谱的单分量成分,再对单分量成分运用Hilbert变换即可实现信号的解调分析。经验小波变换能够有效分离出调幅-调频成分,不存在模态混叠现象,具有完备的理论基础,自适应性好、算法简单、计算速度快。将改进的经验小波变换应用于行星齿轮箱振动信号的解调分析;提出了一种单分量个数的估算方法,解决了经验小波变换中的Fourier频谱划分问题;给出了对故障敏感的信号分量的选取方法,提高了分析的针对性。将改进方法应用于行星齿轮箱振动仿真信号和实验信号分析,验证了该方法的有效性。