改进阈值小波去噪方法在机床冲孔声音信号处理中的应用

机床冲孔产生的声音信号包含了许多有用信息,为了滤除声音信号提取过程中的工厂环境产生的噪声,使用改进阈值小波去噪方法对声音信号进行处理。利用信噪比(SNR)和均方误差(MSE)作为去噪效果指标,使用新的阈值选取规则,提出了一种分段连续的阈值函数,对传统小波去噪方法进行改进。该改进函数通过引入常数a,解决了传统阈值函数中软硬阈值函数不连续和恒定偏差问题。采集机床冲孔声音信号并叠加高斯白噪声作为机床冲孔含噪信号进行验证。通过实验确定了最佳小波函数类型和分解层数,将改进阈值小波去噪算法与传统算法进行对比,结果表明:改进后的算法去噪效果良好,且有效保留了较低的信号能量。     

基于改进阈值法的平移不变小波压力脉动去噪研究

针对传统软、硬阈值函数和广义阈值在消噪处理中存在恒定偏差、不连续等缺点,提出一种改进阈值函数和新阈值相结合的新方法.为避免传统的小波变换去噪在信号的不连续点上产生Pseudo-Gibbs现象,将平移不变量方法与上述改进阈值去噪方法相结合.采用该方法对实验测取的压力脉动信号进行消噪处理,结果表明:该方法提高了重建信号的信噪比,降低了均方根误差值,有效地消除了信号噪声.     

基于改进阈值函数及SVM的滚动轴承故障诊断

为了提高稀缺的滚动轴承故障样本的利用价值,以及针对支持向量机对噪声敏感的特点,提出了基于小波阈值去噪和SVM的轴承运行状态识别的新方法。对现有故障轴承振动信号样本进行小波阈值去噪,得到相应的去噪后样本。在此基础上结合SVM的参数寻优进行SVM模型的初步建立,并将错分样本重新去噪后进行SVM模型的重建,直到惩罚因子和交叉验证的精度达到预定标准,从而实现最优模型的建立以及轴承状态的识别。但是传统的软硬阈值函数各自存在的不足制约了信号去噪和特征提取的效果,并且无法实现去噪处理的可调性,因此,首先提出了一种改进的阈值函数,并结合MATLAB仿真实验分析了其优点。最后的滚动轴承诊断实例表明,引入改进阈值函数的去噪法能有效提高样本数据利用率和SVM的抗噪与泛化能力以及滚动轴承智能诊断的可靠性。     

一种基于改进阈值函数的小波域超声信号去噪方法

针对超声无损检测中超声信号受噪声污染、信噪比不高的情况,提出了一种新的基于改进阈值函数的小波域超声信号去噪方法.通过仿真实验,证明了该方法能够取得很好的去噪效果.相对于经典的阈值函数,改进的阈值函数在超声信号去噪中更具有优势.     

基于小波分析的交流CMT焊接电信号滤波

在传统阈值去噪法的基础上提出一种改进阈值去噪算法.该算法在阈值区间加入处理函数和调节系数,填补阈值区间内的空白,从而实现灵活调整信号衰减程度和平滑程度,提高重构后信号的连续性和逼近程度.试验利用coif小波对交流CMT焊接不锈钢电流电压信号进行3层分解,采用改进阈值法对分解后的小波系数进行处理.结果表明,通过灵活调整调节系数,改进算法能够很好地去除交流CMT焊接电信号中的高频噪声,保留有用突变成分和规则脉动信号,对有用信号的衰减比软阈值方法小,提高了与真实信号的逼近程度,适用于交流CMT焊接电信号的滤波.     

样本熵改进小波包阈值去噪的轴承故障诊断

为了准确诊断出轴承故障,提出了样本熵改进小波包阈值去噪算法的轴承故障诊断方法。分析了样本熵与噪声大小、数据长度、信号固有特征的关系,得出了样本熵可以很好表征噪声大小、与数据长度、信号固有特征相关性极小的结论。使用样本熵从三个方面改进了小波包阈值去噪算法:提出了自适应阈值函数,使阈值函数随噪声分布情况进行自适应调整;以噪声信号样本熵值最大为依据,提出了最优阈值估计方法,使阈值随噪声大小自适应调整;以相邻分解层数的样本熵均值差值为依据,提出了分解层数确定方法。将样本熵改进小波包阈值去噪算法应用于轴承故障信号去噪中,去噪信号功率谱中轴承转动频率及倍频、外圈故障特征频率及倍频、两者的调制频率显露明显,能够明确判处出轴承为外圈故障,体现了极好的去噪效果。     

光纤缺陷的超声信号小波阈值去噪改进算法

光纤熔接缺陷的超声检测中,由于受噪声干扰,一些弱结合缺陷很难被正确检测出来。在多分辨分析小波阈值去噪方法基础上,提出了一种改进的闽值函数,并将其应用于缺陷信号的去噪。实际缺陷信号去噪结果表明,该算法与传统方法相比,具有重建信号均方误差小,信噪比高的优点,具有很好的去噪效果。     

基于改进小波去噪和EEMD的轧辊偏心提取与补偿

为准确提取轧辊偏心信号,进而实现偏心补偿控制,提高冷轧机的厚度控制,提出了将一种改进小波阈值去噪和EEMD相结合的偏心信号提取方法。该方法结合了小波的强去噪性以及EEMD的抗模态混叠的优点,采用一种含参数的可变阈值函数,在阈值选择时通过人工蜂群优化算法自适应确定最优阈值。利用改进的小波阈值法对轧辊偏心扰动信号进行去噪预处理,然后经过EEMD将信号分解,提取表征偏心信号的特征模态函数,将重构的偏心信号补偿到冷轧机系统中。最后,通过仿真实验表明,此方法能有效补偿轧辊偏心,且所得补偿效果明显优于小波算法的补偿效果。     

基于改进阈值函数的提升小波变换超声信号去噪研究

在焊接缺陷的超声检测中,噪声和伪信号大大降低了检测结果的可靠性和质量。因此消除噪声、提高超声检测信号的信噪比,已成为超声无损检测与评价技术成功应用的关键。首先介绍了提升小波变换的基本理论,分析了小波阈值法去噪的原理和方法;然后在软、硬阈值函数的基础上,提出了一种基于改进阈值函数的提升小波去噪方法;最后对实际焊接缺陷超声回波信号进行了去噪实验研究,并从信噪比和均方根误差两个方面对去噪性能进行了比较分析。结果表明,该方法在一定程度上改进了软、硬阈值去噪法的缺点,获得了更好的去噪性能和更高的信噪比,并且提升小波变换的去噪速度快、设计灵活、编程简单,因此在实时信号去噪方面具有很好的应用前景。     

基于小波改进阈值去噪与LMD的滚动轴承故障诊断研究

为从含有强烈噪声干扰的滚动轴承振动信号中提取故障特征信息,提出了一种小波改进阈值去噪与局部均值分解(LMD)相结合的故障诊断方法。首先,根据构造小波改进阈值函数需满足的必要条件以及滚动轴承振动信号特征,提出了适应于滚动轴承振动信号的抛物线平滑阈值函数,利用其对振动信号进行去噪预处理;然后,对去噪后的振动信号进行LMD分解得到若干乘积函数分量(PF);最后,根据相关系数筛选出有效PF分量,并对其进行包络解调,提取故障特征频率。仿真分析和应用实例结果表明,该方法能有效提取滚动轴承故障特征信息,实现滚动轴承的故障诊断。     

基于小波阈值法和改进移动平均法的电梯钢丝绳断丝损伤信号去噪方法研究北大核心

针对使用传统方法进行电梯钢丝绳断丝损伤信号降噪过程中存在Gibbs效应,去噪后信噪比较低的问题,提出一种基于小波阈值法和改进移动平均法的降噪方法。对实测信号进行小波变换多尺度分解,得到不同的尺度系数;将各尺度系数与确定的固定阈值比较,去除小于该阈值的尺度系数,保留大于该阈值的尺度系数;对保留下的各尺度系数重构,得到初步降噪后的信号;运用改进移动平均法对其作平滑处理,得到最终信号。结果表明:该方法能够有效抑制Gibbs现象,具有很好的降噪效果,而且信噪比很高,有助于钢丝绳断丝故障的定量识别和特征提取。     

基于小波分析和RBF神经网络的轴承故障诊断研究

为了提高轴承故障信号的诊断性能,采用小波分析和RBF神经网络相结合的方法对轴承振动信号进行故障分类。首先对轴承振动信号进行小波变化,采用软阈值去噪方法滤除振动信号噪声,然后对振动信号矩阵化处理,接着构建RBF神经网络,输入轴承振动信号特征向量,初始化权重和阈值,最后通过不断反向迭代得到稳定的RBF神经网络故障判别模型。实验证明：通过差异化设置隐藏层神经元数量,确定合适的RBF神经网络规模,经过小波去噪可以有效提高轴承故障判别准确率,相比于常见轴承故障分类算法,算法具有更高的故障判别准确率。     

一种具有自适应特性的风电机组齿轮箱振动信号预处理算法的研究

采用自适应窄带干扰消除和改进软阈值去噪算法,实现对风电机组振动信号的滤波处理,凸显表征故障特征的源振动信号。风电机组的振动信号由设备正常运转产生的周期性信号、故障源振动信号及噪声信号相互混合而产生。自适应窄带干扰消除算法可合理消除振动信号中的周期性成分,改进软阈值去噪技术可有效剔除背景噪声,结合两种技术特点提出一种具有自适应特性的信号预处理算法,凸显表征故障源振动特性的信号模型。试验结果表明:添加自适应特性能有效提高信号预处理算法的鲁棒性和泛化能力。     

改进阈值去噪方法在电梯钢丝绳断丝检测中的应用

在电梯钢丝绳断丝检测中,阈值是噪声和断丝信号区分的关键,断丝信号的降噪效果直接受阈值的影响。经典的小波去噪包括软硬阈值两种方法,但硬阈值处理结果会有伪Gibbs震荡现象,软阈值处理结果有固定偏差,在现有阈值去噪基础上,改进软硬阈值函数的方法并结合加入的特征系数来调节小波系数的大小,能较准确地去除信号中的噪声,保留了断丝处的特性,为后续钢丝绳断丝定量识别的准确性提供了条件。     

一种具有自适应特性的风电机组齿轮箱振动信号预处理算法的研究

采用自适应窄带干扰消除和改进软阈值去噪算法,实现对风电机组振动信号的滤波处理,凸显表征故障特征的源振动信号。风电机组的振动信号由设备正常运转产生的周期性信号、故障源振动信号及噪声信号相互混合而产生。自适应窄带干扰消除算法可合理消除振动信号中的周期性成分,改进软阈值去噪技术可有效剔除背景噪声,结合两种技术特点提出一种具有自适应特性的信号预处理算法,凸显表征故障源振动特性的信号模型。试验结果表明：添加自适应特性能有效提高信号预处理算法的鲁棒性和泛化能力。     

基于WTD和CEEMD的轴承故障特征提取方法

针对轴承故障信号常混有噪声干扰且故障特征难以准确提取问题,提出一种基于小波阈值去噪(WTD)和互补集合经验模态分解(CEEMD)的轴承故障特征提取方法。采用WTD对原始信号进行降噪预处理;对去噪信号进行CEEMD分解得到一系列本征模态函数(IMF);然后计算各个IMF和去噪信号的互相关系数,通过设定互相关系数阈值筛选有用IMF;最后将有用IMF重构并利用包络谱对重构信号提取故障特征频率。实测信号表明：所提出的方法能降低噪声干扰并有效提取故障特征信息,证明该方法在噪声环境下具有较高的可行性和较强的实用性。     

小波阈值函数在合成金刚石超声信号消噪中的应用

在对合成金刚石进行超声波探测的过程中,部分缺陷信号因噪声信号的混入而难以准确获取。本研究运用多分辨分析小波阈值的消噪方法,设计出带有改进效果的新函数并应用在金刚石缺陷信号处理领域。该函数方法可以减少硬阈值和软阈值函数各自的不足,例如在离散估计值和分解小波系数两者间存在的定值误差,具有表达式简单、计算方便等优点。通过实际缺陷噪声信号的测试表明:这种改进的阈值消噪函数与传统的硬、软阈值消噪函数相比较,可获得均方误差值减小和重构波形信噪比提高的优异消噪表现,能明显提高合成金刚石缺陷识别的准确率。本研究将超声波检测与小波变换技术相结合,并将其应用于合成金刚石的缺陷识别,对人造金刚石产业具有重要意义。     

焊缝成形测量小波软硬阈值折衷去噪法

利用线激光视觉传感器对焊缝成形进行测量,焊缝图像往往存在噪声. 针对传统小波阈值去噪算法中硬阈值函数和软阈值函数的不足,研究焊缝图像软硬阈值折衷去噪算法. 利用db4小波基函数对激光条纹中心进行3层小波分解,对分解后的细节系数分别采用传统小波阈值函数和软硬阈值折衷法进行去噪,采用信噪比和均方根误差评价几种方法的去噪效果. 结果表明,软硬阈值折衷法的去噪效果优于传统小波阈值去噪法,能有效提高焊缝外形尺寸的测量精度及可靠性.     

栈式自编码器在强噪声环境下的轴承故障诊断

由于滚动轴承的工作环境复杂,所采集的信号中通常含有大量噪声,噪声的存在会影响故障诊断的结果.为了提高噪声数据的诊断精度,采用改进的小波阈值函数结合栈式自编码器(stacked auto-encoder,SAE)对强噪声环境下的轴承数据进行故障诊断.首先通过改进阈值函数对噪声数据进行去噪,其次用小波包变换提取去噪数据的小...     

基于改进滤波及峭度原则EEMD的转子故障特征识别方法

针对转子运转时的振动冲击和噪声较大从而容易掩盖振动信号中的故障特征的问题,提出了一种基于小波阈值去噪的EEMD故障特征识别方法。采用改进后小波阈值滤波方法对振动信号进行降噪预处理,对处理结果进行集合经验模态分解(EEMD),再依据峭度原则筛选分解得到的本征模态函数(IMF)。分析重构信号的频谱特征以识别故障。结果表明,该方法有效提高了信噪比且能提取到转子故障特征。