基于改进小波算法的轴承信号降噪研究

针对传统阈值函数降噪在阈值处不连续和存在恒定偏差的问题,采用层层递进的改进方法对小波阈值和小波阈值函数做了去噪研究.小波阈值的改进是基于不同分解尺度小波阈值算法,改进阈值考虑了轴承故障信号在不同分解层上的去噪特性和噪声在各分解层上的分布情况.小波阈值函数改进是基于对数逼近阈值函数算法,改进阈值函数考虑了传统软阈值函数的...     

LS-SVM与小波指数阈值结合的振动信号降噪

为了能够更好的保持液压泵轴承振动信号的峰形,解决软阈值函数存在的恒定偏差和硬阈值函数存在间断点的问题,引进了一种最小二乘支持向量机(LS-SVM)与小波指数阈值结合的振动信号降噪方法.首先对液压泵的机械轴承振动信号进行小波阈值分解,进而采用LS-SVM方法将小波系数分为与噪声相关的及与噪声无关的小波系数,采用小波指数阈...     

基于新型小波阈值函数的降噪方法研究

为了使经典的小波阈值降噪算法更好地兼顾噪声抑制和细节信息保留,以避免函数不连续和减小小波系数恒定偏差为原则,基于双曲正切函数构造了一个具有高阶可导性质和小波系数自适应收缩能力的阈值函数.通过仿真分析,验证了构造的阈值函数具有一定的自适应性,增强了小波阈值降噪能力.     

基于改进阈值策略的多小波循环平移降噪方法

在机电设备的故障诊断过程中,故障特征辨识通常会受到背景噪声的干扰,如何剔除干扰成分、有效捕捉隐含的故障特征是诊断成败的关键。为了实现这一目的,提出了一种基于改进阈值策略的多小波循环平移降噪算法。针对传统阈值降噪算法的不足,同时结合软、硬阈值函数的特点,对已有的阈值函数进行改进。考虑到降噪过程中产生的PesudoGibbs现象,将循环平移算法引入多小波的降噪过程中。通过滚动轴承的模拟故障实验和轧机齿轮箱的现场诊断,表明循环平移多小波改进阈值降噪方法能有效地滤除背景噪声;运用峭度指标和均方根误差作为量化参照,结果表明该方法处理后的信号信噪比明显提高。     

基于动态小波阈值的齿轮箱振动信号降噪方法

在齿轮箱的故障诊断、在线监控等领域,通常将振动信号作为最主要的分析来源。齿轮箱在起重机的实际运行过程存在多种机构相互交联影响的情况,且信号多数时候只能通过间接的形式采集获取,造成信号中存在大量杂乱无章的干扰噪声,影响了对信号的识别和特征的提取,容易造成对故障的错报和漏报等问题。文中深入分析硬阈值函数、软阈值函数、半软阈值函数和Garrote函数,提出动态调整小波阈值的算法。动态阈值算法可以在有效抑制噪声和保留信号中有用成分之间取得更好的平衡。通过模拟信号和实测故障振动信号进行对比测试,结果表明这种动态小波阈值降噪的方法相对于半软阈值函数和Garrote阈值函数的降噪算法具有更高的信噪比和较低的均方根误差。     

基于小波分析的MEMS陀螺仪信号降噪算法研究

MEMS陀螺仪由于制造工艺比较简单,故在性能上存在精度低、噪声高、误差大等问题.为了获得精确的陀螺仪信号,采用了小波阈值降噪法对MEMS陀螺仪的输出数据进行实时消噪处理.围绕选择最优小波基、最佳分解层数和阈值函数等方法对陀螺仪信号进行降噪,并通过MATLAB进行仿真分析.仿真结果表明,采用小波降噪误差减小了近73.95...     

基于改进小波阈值的激光陀螺漂移信号降噪

针对固定阈值法对激光陀螺漂移信号去除噪声会出现"过扼杀"小波系数的现象,提出一种称为E-median的小波阈值.信号进行平稳小波变换,计算各尺度高频小波系数的E-median阈值,采用软阈值法修正高频小波系数,通过平稳小波逆变换重构信号.对激光陀螺漂移仿真信号和实测信号去除噪声,该阈值均能保留原信号的特征并有效去除噪声...     

基于小波变换的齿轮振动信号降噪分析

在齿轮的故障诊断中,振动信号常常夹杂着大量的噪声信号,表现出极大的非平稳性,采用基于小波变换的降噪方法,通过实例对齿轮振动信号进行降噪分析,收到了较好的效果.     

基于复小波块阈值的降噪方法及其在机械故障诊断中的应用

提出一种基于对偶树复小波块阈值的信号降噪方法,并将其成功应用于机械故障诊断中.机械设备的振动信号都或多或少地含有噪声,导致弱故障信息的提取一直是故障诊断的难点和热点.提出的降噪方法充分利用对偶树复小波变换的平移不变性和块阈值法的更优估计特性,可以获得比常规的小波降噪方法以及基于常规离散正交小波变换的NeighBlock降噪法更高的信噪比,不仅能有效抑制高斯白噪声,还能够去除冲击信号中的脉冲噪声.对实际信号的研究表明:这种降噪方法可以提取齿轮箱早期故障信息和强噪声背景情况下的隐含故障信息,特别对提取弱冲击故障信号非常有效.     

基于CEEMD与小波阈值的机械密封声发射信号自适应降噪方法

针对机械密封声发射信号容易受到环境噪声干扰,难以有效地从背景噪声中分离的问题,提出将互补集合经验模态分解(CEEMD)与改进小波阈值降噪方法相结合的声发射信号自适应降噪方法。根据白噪声经经验模态分解(EMD)后其固有模态函数分量的能量密度与其平均周期的乘积为一常数的特性,自适应地判定CEEMD信噪分量的分界点;为避免小波原阈值函数的缺陷,应用改进小波阈值函数对高频IMF分量进行降噪处理,然后同其余的IMF分量进行信号重构,完成降噪过程。对仿真信号和采集的机械密封声发射信号的降噪结果,证明了该降噪方法的有效性和可行性。     

基于短时傅里叶变换的滚珠丝杠副丝杠滚道故障定位研究

针对滚珠丝杠副丝杠滚道故障定位困难问题,对存在单一点蚀故障的滚珠丝杠副进行了研究,提出了一种基于短时傅里叶变换(STFT)的滚珠丝杠副丝杠滚道故障定位方法,通过理论分析确定了针对滚珠丝杠副振动信号STFT理想的窗函数及其参数。利用STFT分析了滚珠丝杠副仿真与实验振动加速度信号,根据丝杠滚道出现故障时的频率响应特性以及信号瞬时频率随时间的变化,以瞬时频率为特征确定了故障位置。仿真与实验研究结果对比表明,STFT时频分析方法能够用于有效地识别出滚珠丝杠副的故障位置。     

一种脊线提取方法在轴承故障诊断中的应用

针对Crazy Climber算法脊线识别能力低、提取脊线与实际脊线有差距等问题,通过对该算法中Climber的移动规则和局部最优峰值提取方法进行改进,提出了一种改进的Crazy Climber算法.首先对时域信号进行短时傅里叶变换获取时频矩阵,再用改进的Crazy Climber算法对时频矩阵进行脊线提取,最终获得可...     

基于样本熵的改进小波包阈值去噪算法

为了更好地消除噪声对被测振动信号的干扰,分析了样本熵算法与噪声的关系,提出了一种基于样本熵的改进小波包阈值去噪算法。在阈值函数方面,该方法利用样本熵作为特征参数,对含噪信号小波包系数的噪声分布进行表征,且依据此特征参数值对阈值函数进行改进,使其能够根据信号的小波包系数受噪声影响的情况进行自适应的调整;在阈值选取方面,定义去噪后信号与原始信号之差作为噪声信号的估计,利用样本熵作为判别依据,选取使得噪声估计的样本熵值最大的阈值作为最优阈值。该方法与其他方法进行对比,结果表明,该方法能够有效地去除噪声且更好地还原信号的频率特征,是一种更为优越的去噪算法。     

超细颗粒悬浊液超声衰减谱与声速谱测量研究

将短时傅里叶变换应用于超细颗粒两相介质中超声脉冲信号处理和时频谱联合分析,采用变声程方式,提出了一种对超细颗粒两相介质声衰减谱与声速谱同时测量的方法,并对平均粒径281nm的ZnO-H2O悬浊液超声衰减谱与声速谱进行实验研究。     

基于同步压缩小波变换的滚动轴承故障诊断

针对滚动轴承故障诊断中存在的非平稳故障信号的特征提取困难这一难题,提出利用同步压缩小波变换(SWT)对故障信号的监测数据进行处理的方法。首先对信号进行连续小波变换(CWT),其次对小波变换系数进行同步压缩变换(SST),然后对SST系数进行自适应阈值去噪,之后在有效信号数据的频率中心附近进行积分提取,最后用提取到的有效信号进行重构。对实测的滚动轴承故障信号进行处理验证,结果表明,SWT具有较高的信号提取精度以及降噪能力,同时具有较高的时频分辨率,能够将故障信号转换为高分辨率的时频谱,弥补了CWT在这方面的不足。     

基于多尺度Hermitian小波包络谱的轴承故障诊断

提出了一种基于多尺度Hermitian小波包络谱的轴承故障诊断方法。该方法综合利用了Hermitian小波和包络谱分析技术的优点,首先对轴承故障振动信号进行Hermitian连续小波变换,得到小波分解的实部和虚部,然后计算振动信号的多尺度包络谱。对齿轮箱轴承故障振动信号的分析表明,该方法在强噪声环境下能有效识别轴承内圈故障和外圈故障。     

改进的HHT方法在旋转机械不对中故障特征提取中的应用

HHT(希尔伯特-黄变换)能够将振动信号分解为有限的具有实际物理意义的模态分量,并由此可对机械故障信号进行特征提取,但噪声的干扰对分解过程和分解结果影响却很大。针对这一不足,本文提出了先利用小波变换技术对含噪故障信号进行消噪处理,再作HHT分析的方法;利用此方法对实测的不对中振动信号进行了故障特征提取和分析。结果表明,该方法克服了直接运用HHT分解方法由噪声带来的不必要的干扰,提高了参数提取的准确性,并由此提高了机械故障诊断率。     

基于VMD的故障特征信号提取方法

变模式分解(variational mode decomposition,简称VMD)能够将多分量信号一次性分解成多个单分量调幅调频信号(variational intrinsic mode function,简称VIMF),但对噪声比较敏感。利用VMD对噪声的敏感特性,提出了一种基于VMD的降噪方法。利用排列熵定量确定VMD分解后各分量的含噪程度,对高噪分量直接剔除,对低噪分量进行Savitzky-Golay平滑处理,然后重构信号。运用该方法降噪后,对重构信号进行变模式分解,能够有效提取故障特征信号。仿真和实例分析表明,基于VMD的降噪方法的降噪效果优于小波变换降噪方法,VMD能有效提取故障特征信号。     

基于形态分量分析和包络谱的轴承故障诊断

滚动轴承出现局部损伤时,其振动信号往往由包含轴承自身振动的谐振分量、包含轴承故障信息的冲击分量及随机噪声分量构成。提出了基于形态分量分析和包络谱的滚动轴承故障诊断方法。该方法根据轴承振动信号中各组成成分的形态差异,利用改进的形态分量分析对滚动轴承故障振动信号中的谐振分量、冲击分量和噪声分量进行分离,然后对冲击分量进行Hilbert包络解调分析,根据包络谱诊断滚动轴承故障。算法仿真和应用实例表明,该方法能有效提取滚动轴承故障特征。     

基于FSWT细化时频谱SVD降噪的冲击特征分离方法

为有效提取滚动轴承故障振动信号的故障冲击特征,提出了基于FSWT细化时频谱SVD降噪的冲击特征分离提取方法。首先对原始信号进行频率切片小波变换得到全频带下的时频分布,然后根据时频谱能量分布特点选择出感兴趣的时频区域,再以较高的时频分辨率对感兴趣的时频区域进行细化分析得到细化的时频谱,从而分割出含有故障特征时频区域。为克服噪声对细化时频谱精度的影响,FSWT细化分析过程融入SVD降噪,通过对FSWT细化时频谱系数矩阵进行奇异值差分谱阈值降噪,使得FSWT细化时频谱的冲击特征更加明显,最后通对降噪后的细化时频谱进行FSWT逆变换重构,分离出故障冲击信号。仿真分析和故障诊断实例表明,基于FSWT细化时频谱SVD降噪的冲击特征分离提取方法能够成功从低信噪比信号中提取出周期性的冲击特征,有效地实现对滚动轴承各种故障的诊断。