小波消噪在滚动轴承故障诊断的应用研究

滚动轴承振动信号容易受到随机噪声的污染,如何去噪成为滚动轴承故障诊断的关键问题之一。而传统的消噪方法可能会将信号中一些能量小的有用信号当作噪声消除,本文即提出一种改进的小波消噪方法,并用仿真信号和实测滚动轴承振动信号对额方法和传统消噪的方法进行性能比较。结果表明,在消噪方面,小波消噪能更好地提高信噪比,为进一步故障诊断决策提供了可靠的依据。     

基于EMD自相关的表面肌电信号消噪方法

为了更好地消除混杂在表面肌电信号(sEMG)中的噪声,提出一种基于噪声统计特性的EMD自相关消噪方法。首先,对含噪sEMG信号进行EMD分解,并根据噪声统计特性降低低信噪比的高频IMF分量的能量后重组信号。其次,对重组后的信号进行自相关函数特性的EMD分解,并对自相关函数方差低于阈值的高频IMF分量进行小波去噪。最后,把处理后的高频IMF分量和低频IMF分量重构,得到的信号即为消噪信号。实验结果表明,该方法不仅能更好的消除噪声,而且在低信噪比情况下有良好表现。     

基于ICEEMDAN-ACF的自适应MEMS陀螺信号去噪方法北大核心CSCD

针对基于EMD的MEMS陀螺信号去噪方法中存在模态混叠、Hurst指数筛选法和相关系数筛选法无法准确筛选含噪本征模态函数(IMF)的问题,提出一种基于改进自适应噪声完备集合经验模态分解-自相关函数(ICEEMDAN-ACF)的自适应MEMS陀螺信号去噪方法。首先使用ACF自适应阈值判断信号信噪比,对于包含低能量高频成分的低信噪比信号使用小波软阈值预降噪,之后使用ICEEMDAN算法将陀螺信号分解为多个IMF和一个余项,使用ACF自适应阈值筛选噪声主导IMF,剔除噪声主导IMF后重构陀螺信号。实验表明:文中改进算法在低、中、高信噪比条件下的去噪效果均优于小波软阈值法、EMD-Hurst指数法、EMD-相关系数法和EMD-ACF法。     

基于支持矢量机的小波域超声信号消噪技术

为了提高超声无损检测与无损评价基础数据的信噪比,提出一种基于支持矢量机模式识别理论的小波域超声信号消噪技术.该技术在研究材料内部散射体引起的结构噪声产生机理,以及分析传统裂谱分析算法局限性的基础上,利用小波变换方法将原始超声检测信号分解到小波空间,并通过采用以高斯函数为核函数的支持矢量机所构成的信噪分离器对信号和噪声进行识别、分离来消除噪声,得到高信噪比的超声回波信号.试验结果表明,与传统裂谱分析算法相比,该技术提高了消噪性能的稳定性,增强了湮没材料内部各种散射体散射中的缺陷回波信号能力.     

基于模糊间隔阈值EMD的微机械陀螺消噪

为了减小低成本微机电系统(MEMS)陀螺仪输出中的噪声,提出了一种经验模态分解(EMD)的模糊间隔阈值消噪方法。首先通过EMD将信号分解为多个本征模函数(IMF),并且IMF特性将这些IMF分为三类,即噪声主导IMF,混合噪声与信息的IMF,信息主导的IMF;对于混合噪声与信息的IMF,根据不同阈值的特性确定模糊阈值区域,并设置隶属度函数,根据IMF系数对应的隶属度值对IMF进行消噪处理;最后再将经过消噪处理的IMF与分解得到的信息主导的IMF进行重构,得到消噪信号。实验首先对一段模拟的"bump"信号进行消噪分析,然后在MEMS陀螺仪上进行验证,最后对此方法的消噪性能进行了Allan方差分析。实验结果表明,该方法能有效去除MEMS陀螺仪输出的噪声分量。静止状态下信号的信噪比提高了5.47dB,单轴匀速率旋转状态下信号的信噪比提高了2.64dB;陀螺信号的各项误差系数均有所降低。实现了陀螺仪输出中噪声与信号的分离,改善了信号质量,可以有效提取和识别出有用信息。     

基于小波包改进阈值方法的电能质量信号消噪

为了改善暂态电能质量扰动信号的消噪效果,提出了一种小波包改进阈值的消噪方法。在分析了软阈值消噪方法和硬阈值消噪方法的基础上,对阈值量化函数进行了改进,并通过小波包变换对消噪效果进行了强化。改进后的新阈值消噪法能有效克服＂硬阈值法不连续、软阈值法有偏差＂的缺点。对暂态电能质量扰动信号消噪处理的仿真结果表明,该新方法在消噪的同时能够减少信息的损失,在不同信噪比下都能有效地去除白噪声,其消噪效果优于软阈值函数消噪法。     

一种综合小波变换的心电信号消噪算法

针对心电信号中混有的基线漂移、工频干扰、肌电干扰等噪声,比较了适于心电信号的4种基于小波变换的心电信号消噪算法,结合消噪后的信噪比和信号失真度,提出一种综合小波变换的心电信号消噪算法.该算法先使用小波分解法消除心电信号中的基线漂移,再利用模极大值法消除工频干扰、肌电干扰等噪声.并且运用该算法对MIT-BIH心律失常数据库中的含有多种噪声的心电数据进行了仿真与实验,结果表明噪声被有效地消除并且失真度较小,可满足临床分析与诊断对心电波形的要求.     

一种改进的转子振动信号消噪方法研究

为提高转子振动信号消噪方法的性能,通过分析噪声成分和对应消噪方法的特点,提出了一种基于改进中值滤波与小波包消噪技术相结合的信号降噪新方法.该方法首先根据信号采样频率计算中值滤波器的窗口宽度,从而可以有效滤除含噪信号中的脉冲噪声和部分白噪声;然后再用阈值及其处理函数都经过改进的自适应小波包消噪方法去除残留在信号中的白噪声,最终得到信噪比提高的振动信号.通过仿真信号和转子实验振动信号的降噪处理,对新方法的性能进行了验证.降噪结果表明,该方法在有效消除混合复杂噪声对振动信号干扰的同时,保留了故障信号的细节特征,比一般的小波域中值滤波降噪方法更为有效.     

改进的非线性信号小波消噪方法

选用小波消噪用于生产系统的非线性传感器信号消噪,以便通过判断系统状态来找出系统运行过程中生产出次品和不合格品的因素。简介小波消噪的三种常用方法,并进行比较和分析。以均方误差最小、信噪比最大为原则,筛选出最适合的消噪方法,对其进行融合改进。MATLAB仿真证明改进后消噪效果显著提升。     

基于MATLAB的电弧铣削信号的小波消噪

提出一种基于MATLAB软件的电弧铣削信号的小波消噪分析方法,对受干扰背景下的检测信号进行消噪处理。比较了采用默认阈值消噪和软阈值消噪得到的不同效果的消噪信号,分析了电弧铣削过程规律,引弧时电压下降、电流上升、功率震荡,断弧时电压上升、电流保持较低、功率接近0。分析电弧铣削信号所得规律与电弧铣削理论相一致,证明了小波分析对电弧铣削信号消噪处理的有效性。     

一种融合小波包分析和神经网络的信号消噪

为了改善非高斯噪声背景下信号的检测性能,将粒子群算法优化的神经网络(PSO-BP)和滤波器组重构的小波包变换(WPT)相融合,提出一种改进小波包神经网络(WPT-BP)的信号检测方法。首先选用Ackley函数验证PSO-BP具有较强的函数极值寻优能力,然后采用仿真信号序列检验改进WPT-BP检测信号的有效性,最后利用改进WPT-BP方法对MIT/BIH心律失常数据库中的心电(ECG)信号进行消噪。MATLAB仿真结果表明,改进WPT-BP在非高斯噪声且信噪比较低的情况下具有良好的消噪能力,是一种非常有效的信号检测方法。     

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。     

进化小波消噪方法及其在滚动轴承故障诊断中的应用

阈值是小波阈值消噪方法中决定消噪结果的关键因素,传统阈值估计方法存在抑制噪声污染与保留信号细节间的矛盾,难以实现对滚动轴承故障信号的有效消噪.为准确估计阈值以改善小波阈值消噪方法的消噪性能,提出一种基于小波变换的进化阈值消噪方法.该方法以小波变换作为含噪信号分解与重构工具,构造含噪信号在各小波分解尺度上硬阈值收缩均方误差的近似函数,利用粒子群优化进化搜索与其最小值对应的最优阈值,以近似实现均方误差最小意义下的最优消噪.模拟信号消噪分析与滚动轴承故障信号消噪实例表明,该方法可有效消除噪声对信号的干扰,并准确提取淹没在噪声背景中的故障特征,消噪性能在信噪比与均方误差意义下优于传统小波阈值消噪方法.     

基于循环生成式对抗网络的一维时变信号自适应去噪研究

针对传统去噪方法自适应差、对低信噪比时变信号去噪能力不足的问题,提出了一种基于循环生成式对抗网络CycleGAN的信号去噪方法.将广泛用于二维图像数据风格迁移的CycleGAN改进为适用于时序信号的一维CycleGAN,通过含噪信号和无噪信号两个数据集的循环对抗训练,得到信号从含噪空间到无噪空间的端到端最佳映射,从而获得具备自适应降噪功能的去噪模型.经过6组添加了不同信噪比的高斯白噪声的含噪信号集的测试实验,结果表明,该方法对于低信噪比的含噪时变信号具有优越的去噪能力,在信噪比和均方误差这两项指标的评价上都显著优于传统方法.     

海洋可控源电磁数据的新型小波基消噪方法

海洋可控源电磁(MCSEM)信号极易受到多种噪声的干扰,从而影响后期数据的反演解释精度。基于小波技术的降噪理论和方法已被广泛应用于MCSEM信号的消噪领域,但小波基均为通用小波基,消噪效果有待提升,提出了构造专用于MCSEM信号的新型小波基。首先,通过粒子群优化算法(PSO),以新型小波函数与MCSEM信号的平均相似度作为约束条件,迭代求解滤波器组的最优系数;然后利用得到的系数构造新型小波基。其次,针对深海勘探中的海水扰动噪声,设计了基于新型小波基消噪方法,并利用仿真的含噪数据与传统小波基消噪方法进行了对比实验;通过信噪比(SNR)及均方误差(MSE)进行消噪效果评价,表明新型小波基消噪方法优于传统小波基消噪方法。最后,将新型小波基消噪方法应用到了实测MCSEM数据中;通过消噪前后的时域信号及振幅随偏移距变化(MVO)曲线对比分析,结果表明,该方法不仅可以去除海水扰动类噪声,还可以扩大MVO曲线偏移距的解释范围,证明了基于新型小波基消噪方法的有效性和实用性。     

转子振动信号消噪方法研究

针对转子振动信号周期性强而噪声信号具有随机性的特点，本文将时域平均法和小波软阈值消噪法相结合，先对振动信号进行时域平均，再对平均后的结果进行小波软阈值消噪处理。实验结果表明，这两种方法相结合，可以有效地去除振动信号的干扰噪声，提高信号的信噪比，取得良好的降噪效果。     

新的基于小波变换的振动信号消噪方法

噪声消除是小波变换最成功的应用之一,其基本思想是将信号的小波变换系数与给定的门限比较,保留比门限大的系数,而将其他的置零,然后进行小波重构。这种小波变换消噪方法很可能将信号中一些有用的小能量分量当成噪声消除。根据旋转机械振动信号的循环平稳性特征,提出了一种新的基于小波变换的振动信号消噪方法,并用数字试验信号和碰摩试验振动信号对新消噪方法和Matlab提供的小波消噪方法的性能进行了比较测试。结果表明,在振动信号消噪方面,新方法相比传统的小波消噪方法有更好的性能,能够有效地抑制信号中处于各频段的噪声分量。     

一种自适应小波消噪方法

为了消除噪声对被测信号的干扰,有效提取信号中的有用成分,根据信号和噪声小波变换系数的不同特性,在分析了传统阈值方法局限性的基础上,提出了一种自适应小波消噪方法.该方法首先对被测信号进行小波分解,并改进了阈值量化公式,使其具有能量分布自适应的降噪能力;然后,利用类别方差作为判别依据,选取使得类别方差最大和类内方差最小的阈值作为最佳的阈值.并根据每层分解后的小波系数进行自适应的阈值确定;最后,对信号进行重构,通过分解、阈值处理和重构等过程实现小波消噪.仿真信号和轴承故障诊断的实例结果表明该方法可在强噪声背景下消除噪声干扰,有效提取出滚动轴承的早期故障频率.     

基于小波半软阈值消噪的盲源分离方法

为了有效提取含噪机械故障信号中的故障特征信息,研究了一种基于小波半软阈值消噪的盲源分离方法。利用小波半软阈值对故障信号进行消噪处理;采用联合近似对角化算法对信号进行盲源分离;考虑在噪声干扰下预消噪常常不足以消除全部噪声,因此在盲源分离后再进行适当的消噪处理,以提高其分离性能。实验验证了所提出方法的有效性和可行性。     

基于蚁群算法优化选取阈值的EMD消噪方法

为了改进经验模式分解(EMD)算法的消噪性能,在传统EMD消噪分解的基础上,参照小波阈值的消噪方法,提出了一种基于自适应阈值的EMD消噪方法。首先,建立去噪阈值和均方误差之间的对应函数,在所选阈值保证均方误差最小的前提下,利用具有较好全局搜索性的蚁群算法,根据建立的函数搜索阈值,克服了传统方法中硬阈值和软阈值固定选取的缺陷,实现了最优阈值的选取。仿真信号分析和实际轴承故障信号分析表明,该方法与传统的EMD消噪方法、软硬阈值分析方法相比,消噪效果更加明显。