基于Matlab的涡街流量计小波去噪研究

应力式涡街流量计采用压电传感器,其输出的电荷信号不仅幅值极小,而且常受噪声影响,尤其是低流速情况下,噪声信号甚至能覆盖流量信号,使得信噪比很低,低流速时涡街信号处理成为研究难题。小波分析法是一种新兴的信号处理技术,通过将不同频率成分分解到多个不同频带上,能有效的解决信噪分离、信号滤波和特征提取等问题。应用小波阈值去噪法,在Matlab中对不同频率的涡街信号进行了仿真研究,得出当涡街信号的频率为5Hz到30Hz、采样频率为1k Hz时,可以在四至六这三层的小波分解频段中选择最佳分解尺度。并从处理结果来看,该方法有效的去除了由无规律振动引起的噪声,同时随着涡街信号频率的增强,去噪效果越来越好。     

跟踪型数字滤波方法在涡街信号处理中的应用

涡街流量计广泛应用于流量测量领域。由于测量现场工况复杂,涡街流量信号常会掺杂着各种噪声干扰。尤其低流速时,涡街信号微弱,常被噪声淹没,如何提取真实的涡街信号是涡街信号处理的难点。提出一种新的算法来滤除噪声并提取涡街信号。该算法是基于涡街信号特征来设计的一种特殊滤波器,它能够实现涡街信号幅1／f2值衰减并且动态跟踪真实涡街信号频率。实验结果表明该算法能够自动识别涡街信号,滤除噪声。该算法严格控制了计算量,信号处理精度高,适合于工业现场应用。     

涡街信号处理中基于FFT幅值区间约束的自适应滤波算法

在对涡街流量计的信号进行处理时,一般着重研究如何滤除干扰信号,对有效的涡街信号进行统计分析。但当现场环境恶劣时,信噪比很小,噪声的强度甚至超过有效信号,很难区分其是否为噪声,从而无法对其进行有效过滤。通过对涡街信号特点的研究,分析FFT在涡街信号处理中的可行性,提出FFT幅值区间约束的概念,对中低频涡街信号频率进行估计,并用该估计频率设计自适应滤波器进行信号处理。实验结果表明,该方法可得出很好的测量精度,并且有很强的抗噪声能力。     

基于EMD的幅值归一化涡街流量计信号处理

采用经验模态分解(EMD)方法对涡街信号中混杂的干扰噪声进行滤除,提取出真实的涡街信号。该方法首先将原始信号输至二阶低通滤波器进行幅值归一化,然后将处理后的信号经EMD算法分解成各噪声分量和真实涡街信号分量,进一步通过施密特阈值翻转法统计频率并且判别出真实的涡街信号所在的分量,从而达到提取涡街信号的目的。最后,通过对在线涡街流量信号进行仿真分析,验证了该数字信号处理方法的有效性。     

敏感SVD和EEMD的故障诊断方法研究

在噪声干扰下有效提取振动信号所包含的微弱故障特征,是轴承故障诊断的关键问题,提出了一种基于敏感奇异值分解(SSVD)和总体平均经验模态分解(EEMD)的故障诊断方法.对时域振动信号进行敏感SVD分析,通过敏感因子选择反映故障冲击特征的敏感SVD分量,并利用定位因子定位分量信号所对应奇异值进行振动信号重构,以滤除噪声干扰;对降噪信号进行EEMD,根据峭度准则选取故障信息丰富的敏感固有模态分量(IMF),有效提取局部微弱故障信息;利用Teager-Kaiser能量算子(TKEO)计算故障信息的瞬时能量,并对其进行频谱分析,获取故障特征频率,以识别故障类型.方法应用于轴承故障诊断,实验证明了所提方法的有效性.     

基于SVD-形态降噪的TKEO故障诊断方法研究

针对强噪声干扰背景下微弱故障特征信息难以提取的问题,提出了一种基于奇异值分解(SVD)-形态降噪的Teager能量算子(TKEO)故障诊断方法.首先对轴承振动信号进行SVD,对得到的分量信号进行形态滤波,以滤除噪声干扰;然后利用峭度准则对分量信号进行筛选,并对其进行重构;最后利用TKEO计算重构信号的瞬时能量,得到信号的能量谱,提取振动信号的特征.将提出的方法应用于滚动轴承故障分析,结果表明该方法能清晰地提取故障特征信息.     

小波变换与FFT相结合在涡街信号处理中的应用

针对工业现场对涡街流量信号处理测量精度的问题,利用小波变换与F F T相结合的方法,有效地去除干扰噪声,提取出涡街信号主频率。最后通过MATLAB仿真,并与直接用FFT算法相比较,结果表明改进后的算法测量精度明显提高。     

涡街流量传感器信号处理方法研究

设计一种基于变增益运算放大器和DSP数字信号处理单元的新型涡街流量计信号处理电路.利用DSP上集成的模拟数字转换电路(A/D)实时检测涡街流量计传感器输出信号的幅度和频率,采用数字模拟转换电路(D/A)对变增益运放进行控制,控制传感器输出信号幅度的相对稳定.针对涡街流量计输出信号的频率特性,设计基于DSP的FIR滤波算法,实现输出信号噪声的初步抑制,削弱原始信号中强噪声干扰.滤波后信号由DSP进行频率信息的精确计算以及流量的解算.实验结果表明,变增益运算放大电路有效解决了涡街流量计传感器输出信号幅度变化范围大而造成的放大电路复杂,分段放大信号幅度不连续等问题;采用DSP进行数字滤波及频率计算,实现了信号中噪声的抑制以及高精度流量解算.     

基于SVD优化EMD的电梯导靴振动信号故障 特征提取

针对电梯导靴振动信号采用经验模态分解(Empirical Mode Decomposition,EMD)难以直接提取早期微弱故障特征的问题,提出基于奇异值分解(Singular Value Decomposition,SVD)优化经验模态分解的电梯导靴振动信号故障特征提取方法。该方法首先对原始信号进行SVD分解,通过奇异值贡献率原则来确定相空间重组的最佳Hankel矩阵结构,利用曲率谱原则与奇异值贡献率原则相结合来确定有效奇异值的阶次;筛选出包含主要故障信息的奇异值进行信号重构,得到剔除噪声信号与光滑信号的突变信号;然后对突变信号进行EMD分解,得到信号的本征模态函数(Intrinsic Mode Function,IMF)分量。最后,对IMF分量作Hilbert变换,求得其Hilbert边际谱,从而获得电梯导靴故障特征频率信息。仿真结果表明该方法有效改善了EMD难以直接提取早期微弱故障特征的问题,更准确地提取了振动信号的故障特征频率,验证了所述方法的有效性。     

车桥振动噪声信号特征提取方法的研究

从相关性原理出发给出了一种对两路非稳态随机振动噪声信号进行解耦的算法,通过对人工合成的两路信号进行解耦验证了此算法的正确性。利用小波包对解耦后的信号进行分解,提取其各频段的能量值,通过其统计量作为信号的特征值。并将这种方法应用到车桥的振动噪声信号的特征提取上,取得了良好的效果。     

基于混沌理论的涡街微弱信号检测方法研究

针对涡街流量传感器在小口径、低流速下信号微弱,易被强噪声淹没而难于提取的特点,提出了利用Duffing振子检测微弱信号的方法.通过仿真对涡街信号中含有白噪声以及谐波干扰的情况进行分析,仿真和实验均表明:这种基于混沌理论的微弱信号检测方法对涡街信号中较强的白噪声以及频差较大的谐波干扰具有很好的免疫力,并且通过计算最大Lyapunov指数的波动频率能够准确估计出涡街有用信号频率,实现低流速下涡街微弱信号检测.     

基于SVD-EMD的有效微弱信号提取算法

针对奇异值差分谱的信号提取方法不能有效提取出强噪声环境中的微弱信号这一问题,提出了一种基于奇异值分解(SVD,singular value decomposition)和经验模态分解(EMD,empirical mode decomposition)相结合的微弱信号提取方法。采用奇异值差分谱选择奇异值进行信号重构,提取出带噪部分信号,对其进行EMD分解和SVD降噪处理,叠加得到降噪后的信号。仿真结果表明,该方法能够准确提取微弱信号信息,并能有效地去除信号噪声。     

基于SVD-AR模型与VPMCD的轴承故障诊断方法

针对强噪声背景下振动信号故障特征难以提取的问题,提出了基于奇异值分解的自回归(SVD-AR)模型,用于提取振动信号的特征,并与变量预测模型模式识别(VPMCD)方法相结合应用于轴承故障诊断.对轴承振动信号进行SVD;然后,利用奇异值差分谱对分量信号进行筛选,对能够反映故障信息的分量信号建立AR模型,提取轴承振动信号的特征信息;采用VPMCD对滚动轴承运行状态进行识别.实验证明了方法的合理性和有效性.     

一种基于MUSIC算法的涡街信号处理方法

针对涡街流量计易受管道振动和流场扰动引起噪声干扰的问题,提出了一种基于MUSIC算法的涡街信号处理方法.介绍了涡街流量计的测量原理,建立了噪声环境下的涡街信号模型,并阐述了MUSIC算法的基本原理,在此基础上,分别对多种噪声环境下的涡街信号进行仿真研究.仿真结果表明:所提的涡街信号处理方法能有效地抑制噪声,高精度地分辨频率点,对改善涡街流量计的性能有良好的效果.     

差压式涡街质量流量计信号处理系统的研制

差压式涡街质量流量计是一种新型的质量流量测量装置,通过测量旋涡发生体上下游管壁处的差压,同时获取涡街频率信号和压力损失信号.为了将差压中这两路信号分离并准确测量其值,研制了采用程控放大、自适应滤波技术及FFT算法的信号处理系统.实验结果表明,该信号处理系统能够准确地从差压式涡街质量流量计输出信号中测得管内流体的质量流量值,同时改善了装置的抗干扰能力和通用性,提高了涡街频率测量的准确度,并且具有结构简单、成本低、适用性广等优点.     

基于改进的SVD和Prony的谐波检测算法

针对传统的Prony算法在谐波及间谐波检测过程中对噪声敏感,导致辨识精度不高的问题,提出了一种基于奇异值分解(Singular Value Decomposition,SVD)和Prony的改进算法。基于SVD理论,提出了一种奇异点辅助算法,自适应地选取奇异值分解的有效阶次,从而精确地滤除噪声信号。基于已确定的有效阶次,利用改进的Prony算法对滤除噪声之后的信号进行参数辨识,可以准确地估计出各个谐波及间谐波分量的参数。通过MATLAB仿真分析,表明算法能够准确地提取出电力信号的参数信息,具有一定的应用价值。     

基于奇异值分解及形态滤波的滚动轴承故障特征提取方法*

针对滚动轴承振动信号故障特征信息往往被强背景噪声淹没的问题,提出一种基于奇异值分解和形态滤波的振动信号故障特征提取方法。该方法利用信号时间序列重构的吸引子轨迹矩阵奇异值分布特征与信号自身特征的关系,选择轨迹矩阵中主要反映冲击信息明显的奇异值进行信号重构的方法来滤除信号中的平滑信号和部分噪声,获取带噪声的冲击信号;然后利用形态滤波能有效滤除脉冲干扰噪声的特点,反其道而行之,从而提取信号的冲击故障特征的方法,并将该方法应用于轴承的振动信号的故障特征提取。仿真与实例表明,该方法能有效提取强背景信号及噪声中的弱冲击特征信号,是一种有效的弱信号特征提取方法。     

基于SVD和TKEO的轴承振动信号特征提取

为了解决滚动轴承振动信号中微弱故障信息难以提取的问题,提出了一种基于奇异值分解（Singular Value Decomposition,SVD）和Teager-Kaiser能量算子（Teager-Kaiser Energy Operator,TKEO）的轴承振动信号特征提取方法。采用SVD将突变信息从背景噪声和光滑信号中分离,提取信号的突变信息;利用TKEO计算突变信息的瞬时能量,对该能量信号进行频谱分析,从而提取出轴承振动信号的能量频谱特征,用于故障检测。将该方法应用于轴承外圈、内圈局部故障状态下的振动信号特征提取,利用特征信息能够准确检测并识别出故障类型,表明了该方法的可行性和有效性。     

基于多源信息融合的蓄能机组水轮机轴承故障检测方法

针对蓄能机组水轮机轴承故障检测准确率不足的问题,提出对多源信息特征进行提取和检测。具体则是对NMD算法进行改进设计,以提升分解信号的准确度,保证故障诊断的准确度。改进的NMD算法中,完善了主谐波与次谐波的提取终止条件,并对信号分解流程作出了调整,使其信号分解逻辑更为清晰;基于GMP拟合进行时频脊线提取,可有效避免噪声对时频脊线提取的影响,提升后续重构信号的准确度。仿真实验证明,改进的NMD算法具有较好的信号去噪性能,且重构的振动信号的准确度较高,不存在失真的情况,基本满足改进需求;经实体实验证明,改进的NMD算法能够从含有噪声和异常尖峰信号的原始信号中,准确将振动较大的振动信号准确提取出来,在蓄能机组水轮机轴承故障检测中具有一定的应用效果。     

基于耦合随机共振的涡街信号检测方法研究

涡街流量计在工业现场使用时,输出信号中会叠加噪声信号。涡街信号容易被噪声淹没,使小流量测量受限。近年来,基于非线性理论的随机共振(SR)方法为微弱信号检测提供了新途径。非线性系统设计及参数确定是其成功应用的关键。提出了一种基于遗传算法的耦合随机共振系统优化控制方法。对耦合系数、控制系统参数以及变换尺度3个参数进行并行优化,提高了输出信号的功率谱幅值,增强了对微弱信号的检测能力。理论分析和数值仿真结果表明:该方法能够自适应地对不同频率周期信号进行处理,快速搜索到参数最优值。将该方法用于小流量涡街信号分析,能够在信号微弱、噪声强的情况下有效提取涡街信号的特征频率,并获取流量值。该研究成果适用于其他涉及强噪声中微弱信号检测领域,对拓宽随机共振应用范围、解决工程实际问题具有重要意义。