基于小波分解和SVD降噪的齿轮箱特征提取研究

齿轮箱故障诊断的关键是对故障特征的提取。利用小波变换的多分辨特性,将齿轮箱振动信号进行分解及单支重构,获取原信号在不同频段上分布的详细信息,找出对应系统特征频率的尺度,并应用奇异值分解的方法对该尺度下的重构信号进行进一步的降噪处理,从中成功提取出信号的特征分量。     

基于EMD分解与小波包的滚动轴承故障诊断

针对滚动轴承故障信号分析中的问题,提出了将Hilbert-Huang变换和小波包分析相结合的滚动轴承故障诊断新方法,实测信号分析表明,该方法能有效地对滚动轴承故障信号进行检测.     

基于EMD降噪和谱峭度的轴承故障诊断方法

能否减小噪声干扰,提高信噪比,有效地提取故障信息是进行滚动轴承早期故障诊断的前提和关键。提出一种基于经验模态分解(empirical mode decomposition,EMD)和谱峭度(spectral kurtosis,SK)的滚动轴承故障诊断方法。首先对所提取的故障信号运用EMD分解,得到多个基本模式分量(intrinsic mode function,IMF),然后根据互相关系数去除伪分量,选取合适的IMF分量进行信号重构以达到降噪目的,突出高频共振成分,再应用谱峭度法确定带通滤波器的参数,最后对重构信号进行包络分析完成故障诊断。     

基于EEMD分解和改进小波阈值降噪的齿轮故障诊断

针对齿轮箱振动信号易受噪声影响以及齿轮箱振动信号比较复杂的特点,提出基于EEMD分解和改进小波阈值降噪的齿轮故障诊断方法。首先对经过EEMD分解的IMF分量中的高频分量进行改进小波阈值降噪处理,重构信号后得到降噪信号。实验结果表明应用该方法可以较为准确地识别齿轮故障。     

小波包最优基分解树的降噪滤波方法研究

装载机的传动系统工作时传感器所采集到的信号受环境干扰大,不利于数据分析,因此在研究其工作状态时需对数据信号进行降噪滤波。本文以5t装载机的前轴扭矩信号为研究对象,剥离其趋势项后采用小波包变换法进行db9-6尺度分解,进而通过小波包最优分解树得到重构信号。通过与巴特沃斯去噪、小波变换去噪法对比后得出:巴特沃斯滤波处理法相较于原始信号存在相位偏移;小波包最优基分解树去噪后的信噪比、均方根误差分别为16.38与74.71,与小波变换去噪法相比结果近似,更适用于工况识别、人工智能算法等领域。研究结果可为其他同类型工程机械数据信号处理提供方法依据。     

基于小波变换和EMD方法提取趋势项对比研究

分析了小波变换和经验模态分解方法 (EMD)提取信号趋势项的理论和算法,并通过对仿真确定信号加趋势项,基于小波变换和经验模态分解两种方法对振动信号趋势项提取分离,将两种方法所得结果进行比较研究。结果表明,EMD方法提取趋势项,过程更简洁,结果更准确、可靠。     

结合EMD和LSF的振动信号降噪方法的研究

针对原始振动加速度信号中存在的低频趋势项信号在通过数学积分变换时存在严重失真的问题,提出了采用最小二乘法（least squares fit,简称LSF）和经验模态分解（empirical mode decomposition,简称EMD）相结合的方法,实现过滤原始信号中干扰信号的目的。该方法通过对经验模态分解得到的固有模态函数（intrinsic mode function,简称IMF）去除趋势项后进行重构以达到信号降噪的目的。采用该方法分别对模拟信号和某型号干式真空泵的振动实测数据进行了降噪处理,再进行信号积分变换,通过对比证明了该方法能够弥补单一方法在处理信号低频趋势项时的不足,提高了振动信号分析的可靠性。     

基于小波包变换的齿轮箱降噪方法研究

应用小波包变换理论和小波包降噪原理,对轧机齿轮箱的振动信号进行小波包降噪,有效地从含噪信号中提取出故障特征。通过对计算机仿真信号的降噪效果比较和实例分析,显示了小波包降噪的优越性。最后对齿轮箱降噪前后小波包各频带能量向量的比较,进一步表明了小波包降噪在消除高频干扰,凸显故障特征方面的有效性。     

阻尼识别的小波和EMD方法仿真对比研究

利用具体的平稳仿真信号,分别应用小波分析方法和EMD(Empirical Mode Decomposition,简称EMD)方法进行了阻尼的识别,物理意义明确且非常直观,认为在未引入噪声的前提下,二者均具有较好的识别效果;而当信号受到噪声污染时,小波方法的识别效果要好于EMD方法.因此,应用本文处理方法于实际阻尼识别中时,应根据具体情形而决定,以达到较好的识别效果.     

基于小波-中值降噪的经验模式分解及应用

为提高经验模式分解(EMD)质量,降低模式混叠,使分解得到的固有模式函数(IMF)序列能较好地反映设备的振动模式,针对EMD在信号处理方面存在的不足,利用小波消噪对高斯噪声的滤除作用,以及中值滤波对脉冲干扰较好的抑制作用,引入小波-中值组合滤波设计,对待分解数据进行预处理以滤除随机噪声并抑制脉冲干扰.将该方法应用到航空发动机振动信号处理中,能够有效减少各IMF的“筛选”次数和EMD分解层数,降低端点效应在EMD分解过程中的累积作用,抑制模式混叠现象.分解结果表明,使用组合滤波设计能更好地反映出发动机的振动模式和工作状态,并能获取表征高压转子和低压转子振动特征的数据分量.     

基于小波包分解与主流形识别的非线性降噪

为解决工程实际中强噪声、非线性且频率成分复杂的振动信号降噪问题,提出了基于小波包分解和主流形识别的非线性降噪方法。采用小波包分解将原始振动信号正交无遗漏地分解到各频带范围内,根据各子频带中信噪空间分布,分别采用相应参数对小波包分解系数进行相空间重构;采用局部切空间排列(local tangent space alignment,LTSA)主流形识别方法在高维相空间中实现信号与噪音的分离,并重构出降噪后的一维小波包分解系数,最后进行小波包分解重构得到降噪后的振动信号。通过仿真实验和实例应用对本文所提方法的有效性进行了验证,试验结果表明本文方法具有良好的非线性降噪能力。     

基于自相关的旋转机械振动信号EMD分解方法研究

提出基于自相关的振动信号经验模态分解(empirical mode decomposition,EMD)方法,该方法的步骤为,首先对振动信号进行自相关处理,然后再用EMD方法进行分解.该方法与直接用EMD分解的方法进行相比,具有如下优点, 能把受到严重干扰的信号的主要振动模态更清晰地分解出来;不用信号延拓就可以获得较好的分解效果,避免了延拓不好对EMD分解效果的影响.研究结果表明,该方法相对直接EMD分解的方法能更好地把主要的振动模态从振动信号中分解出来.该方法可广泛用于旋转机械振动信号时频分析领域.     

基于小波包熵值和EMD结合的滚动轴承微故障诊断方法研究

滚动轴承是易损件,且从出现微故障到破坏扩展快。因此,发现滚动轴承早期微故障具有重要意义。利用小波包熵值和EMD相结合,来检测诊断轴承开始轻微故障的特征。首先运用小波包对采集信号实现信噪分离,突出了小波包降噪效果明显,然后以互相关、峭度准则提取经EMD分解降噪信号的分量,避免了IMF分量选择的盲目性。通过对仿真信号分析和实例分析,结果能够准确地检测出轴承故障,从而表明本方法的有效性。     

整数小波提升分解的刀具磨损检测方法

针对刀具磨损的特点,提出了一种新的刀具磨损检测方法.首先,利用提升格式,确定小波整数化单层提升分解的方法;其次,利用对小波单层分解的近似子图进行零均值化处理以消除光照的影响;然后,对零均值化的近似子图、水平细节及垂直细节子图进行标准化处理;在此基础上,对分解各子图进行选择性的图像融合处理;最后通过oust方差法进行分割从而实现对刀具磨损的检测.实验表明,所采用的方法能够有效抑制图像背景干扰,能够有效地实现刀具磨损检测.     

基于EMD分解和BP神经网络的发动机故障诊断

本文对发动机缸盖振动信号进行EMD分解,求出各分量的能量作为特征参数,应用BP神经网络算法对发动机活塞销不同程度的故障进行识别。实验结果表明:基于EMD分解和BP神经网络能够对发动机活塞销不同程度的故障进行识别。     

改进EMD阈值小波滤波方法

下肢自主康复训练机器人中交流伺服电机电流信号噪声严重影响电机力矩辨识精度。为解决非线性非平稳信号的滤波去噪问题,提出一种基于经验模态分解(EMD)的改进阈值小波滤波算法。首先对EMD最佳去噪层数和阈值小波的阈值处理函数进行分析和改进,然后将两种改进方法相结合,最后对Matlab中的Heavy sine信号添加高斯噪声,分别利用改进方法和软、硬阈值等滤波方法进行去噪实验。仿真实验结果表明,改进算法能有效去除非线性非平稳信号中噪声信号。与EMD和阈值小波等其他滤波方法相比,本文滤波算法去噪后信噪比更大,均方根误差更小,滤波效果更好。     

基于马氏距离和EMD的损伤信息量化提升方法

结构早期微损伤和环境噪声导致监测数据中损伤信息难以有效提取和辨识,针对此问题,提出一种基于马氏距离（Mahalanobis distance,简称MD）和经验模态分解（empirical mode decomposition,简称EMD）的结构损伤信息量化提升方法。首先,结构健康监测数据通过EMD,得到多阶本征模态函数（intrinsic mode function,简称IMF）,利用IMF的能量变化提取损伤敏感分量;其次,以分段马氏距离累积量（Mahalanobis distance cumulates,简称MDC）作为损伤信息量化提升的评价指标,根据其概率密度函数面积建立马氏距离累积量的累积停止准则;最后,通过数值模拟和模型试验数据验证了本研究方法在结构损伤信息提取和量化提升上的适用性和有效性。研究结果表明：结构损伤发生后各阶IMF能量转移明显,选择转移能量占自身能量多的IMF及相对能量变化率为正的多阶IMF作为损伤敏感分量,能够实现比原信号更好的损伤识别效果;利用MDC值概率密度函数面积变化作为累积停止准则,可实现微小损伤的有效识别。     

基于奇异值分解的频响函数降噪方法

为了提高外场测试中频响函数的信噪比,提出了一种基于奇异值分解的频响函数降噪方法。该方法首先对脉冲响应函数在相空间内进行重构;然后对重构轨道矩阵进行奇异值分解达到降噪的目的。其中,降噪阶次通过奇异熵增量进行确定。采用GARTEUR飞机模型建立具有密集模态的仿真算例进行验证。结果表明,在噪声干扰较大时,该降噪方法能够显著改善模态参数的识别精度,尤其是阻尼的识别精度。     

基于离散平稳小波的改进自适应降噪方法

提出一种基于离散平稳小波的改进自适应降噪方法.首先,利用离散平稳小波的冗余特性,解决离散二进小波变换降噪方法在奇异点存在振荡效应的问题;其次,针对传统小波阈值降噪算法忽略尺度系数噪声影响的不足,利用噪声强度估计各分解层阈值,对尺度和小波系数同时进行自适应降噪;最后,将此方法应用于不同信噪比下典型信号的降噪对比试验.仿真结果表明:该方法在消噪的定性和定量指标上,整体优于传统离散二进小波方法,消噪效果改善明显.