基于小波熵的微弱磁异常信号降噪处理

针对地下磁性掩埋物检测时,磁异常信号信噪比低的问题,提出基于小波熵的微弱磁异常信号降噪方法。小波变换对弱磁异常信号进行提取的关键在于确定小波系数的阈值。为此,引入反映信号能量分布特性的小波熵概念和一个调节因子,最终确定阈值,利用软阈值方法处理高频系数。通过计算机仿真对算法进行了检验。结果表明:该算法可以有效地提高信噪比,还原原始信号。     

五筒晶格光子晶体的带隙分析

针对地下磁性掩埋物检测时,磁异常信号信噪比低的问题,提出基于小波熵的微弱磁异常信号降噪方法。小波变换对弱磁异常信号进行提取的关键在于确定小波系数的阈值。为此,引入反映信号能量分布特性的小波熵概念和一个调节因子,最终确定阈值,利用软阈值方法处理高频系数。通过计算机仿真对算法进行了检验。结果表明:该算法可以有效地提高信噪比,还原原始信号。     

滚动轴承早期冲击性故障特征提取的综合算法研究

针对滚动轴承早期微弱冲击性故障信号特征难以提取的问题,提出了共振解调结合小波包系数熵阈值降噪的综合算法,用于准确确定并提取早期微弱冲击性故障引起的共振调制边频带。该算法应用时延相关和小波包系数熵阈值算法实现信号的双重降噪,并依据共振带能量比确定小波包分解的最佳分解尺度和选取熵阈值的最佳阈值,寻求共振带的最优解,然后进行共振解调提取故障信号特征。实验数据分析结果表明了该算法对滚动轴承早期冲击性故障提取的可行性和有效性。     

基于时延相关及小波包系数熵阈值的增强型共振解调方法

针对滚动轴承等旋转机械早期微弱损伤性故障,提出一种基于时延相关及小波包系数熵阈值的增强型共振解调方法,以解决传统共振解调技术中共振带难以确定的问题.该方法对原始故障信号做时延相关预处理,然后进行小波包分解,求出各叶结点系数香农熵,依据熵值谱图,设定有效阈值来取舍叶结点系数,重构信号并做频谱分析,有效确定并提取故障信号共振带,对共振带进行包络解调分析,有效提取出机械设备早期微弱损伤性故障的冲击特征.滚动轴承试验数据分析结果表明该方法的可行性和有效性.     

基于DT-CWT自适应Teager能量谱的轴承早期故障诊断

针对滚动轴承早期故障特征信息难以识别以及带通滤波器参数设置依赖使用者经验等造成共振带不能有效确定并自适应提取的问题,提出了频带幅值熵的概念。在此基础上,将双树复小波变换和Teager能量谱结合,提出了基于双树复小波自适应Teager能量谱的早期故障诊断方法。首先,利用双树复小波将采集到的振动信号分解为不同频带的子信号,并计算各子带的频带幅值熵;然后,将熵值按升序排列后依次作为阈值,提取频带幅值熵大于阈值的子带,依据峭度指标确定最佳阈值,从而自适应并且有效地提取出共振带;最后,对共振带进行Teager能量谱分析,即可从中准确地识别出轴承的故障特征频率。通过信号仿真与实验数据分析验证了该方法的有效性。     

基于小波包自适应Teager能量谱的滚动轴承早期故障诊断

针对滚动轴承早期故障特征信息难以识别以及从小波包分解后的频带不能有效确定并自适应提取共振带的问题,提出了频带幅值熵的概念。在此基础上,将小波包变换和Teager能量谱结合,提出了基于小波包变换自适应Teager能量谱的早期故障诊断方法。该方法首先利用小波包对采集到的振动信号进行分解,并计算各子带的频带幅值熵。然后将熵值按升序排列后依次作为阈值,提取频带幅值熵大于阈值的子带,依据峭度指标确定最佳熵阈值以及小波包最佳分解层数,从而自适应并且有效地提取出共振带。最后对共振带进行Teager能量谱分析,即可从中准确地识别出轴承的故障特征频率。通过信号仿真与实验数据分析验证了该方法的有效性。     

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Morlet小波变换的滚动轴承早期故障特征提取研究

针对轴承故障初期振动信号中的特征成分极易被噪声信号淹没而不能及时检测的问题,结合Morlet小波变换降噪的基本原理,提出一种由尺度相关能量分布确定最优尺度参数的方法,从而在该尺度下对信号滤波来提取冲击特征成分.以最小Shannon熵优化Morlet小波的形状参数,实现母小波与信号故障特征的最佳匹配;以最优Morlet小波在不同变换尺度下的小波系数绘制尺度-能量谱,利用信号故障特征能量在特定尺度范围内聚集的特性,从谱图的极值点中选择滤波效果最好的尺度参数.对轴承全寿命数据的实际应用结果表明,与信号的均方根趋势相比,该方法能够提前从信号中提取微弱故障特征并检测到轴承的外圈故障,为轴承早期故障诊断提供了一种有效途径.     

变分模态分解和熵理论在超声信号降噪中的应用

针对超声检测信号中结构噪声难以去除的问题,提出了一种变分模态分解(Variational Mode Decomposition,VMD)和小波能量熵阈值(Wavelet Energy Entropy Threshold,WEET)联合降噪的算法.分析了含噪系统熵增的特性以及结构噪声在不同时间段的分布特征,提出了用小波能量熵表征信号的含噪状态,并以小波能量熵最大子区间的小波系数参与计算各个尺度层的阈值.对仿真及实测信号进行处理,结果表明,该方法(VMD-WEET)能很好地抑制超声回波信号中存在的白噪声及结构噪声,还原了准确的波形特征,验证了其有效性.     

基于样本熵的改进空域相关去噪算法

针对传统的小波空域相关去噪算法存在噪声与信号系数误判以及终止滤波迭代过程的阈值确定困难等问题,提出了1种基于样本熵的改进空域相关去噪算法。考虑到不同频率段的小波包系数中噪声含量的不同,对不同小波包节点系数分别进行归一化相关系数计算与去噪迭代,且对每1次迭代后的小波包节点系数进行样本熵计算,选取当各节点小波包系数样本熵取最大值时做为终止迭代条件,认为此时的小波包系数全为噪声系数。对仿真信号进行分析,结果证明了该方法的有效性;将该方法应用于故障滚动轴承振动信号去噪中,能够较好地还原信号的特征频率,取得了较其他传统算法更好的去噪效果。     

NEW METHOD OF EXTRACTING WEAK FAILURE INFORMATION IN GEARBOX BY COMPLEX WAVELET DENOISING

Because the extract of the weak failure information is always the difficulty and focus of fault detection. Aiming for specific statistical properties of complex wavelet coefficients of gearbox vibration signals, a new signal-denoising method which uses local adaptive algorithm based on dual-tree complex wavelet transform （DT-CWT） is introduced to extract weak failure information in gear, especially to extract impulse components. By taking into account the non-Gaussian probability distribution and the statistical dependencies among wavelet coefficients of some signals, and by taking the advantage of near shift-invariance of DT-CWT, the higher signal-to-noise ratio （SNR） than common wavelet denoising methods can be obtained. Experiments of extracting periodic impulses in gearbox vibration signals indicate that the method can extract incipient fault feature and hidden information from heavy noise, and it has an excellent effect on identifying weak feature signals in gearbox vibration signals.     

Separation of fault features from a single-channel mechanical signal mixture using wavelet decomposition

This study reports a joint wavelet decomposition and Fourier transform approach to the separation of periodic mechanical source signals from single-channel signal mixture. With this method, the signal mixture is first decomposed to certain wavelet scales. The resulting wavelet coefficients are then Fourier transformed to extract the information pertinent to each signal source from these scales. Next, the number of signal sources is determined and the wavelet coefficients for each signal are constructed in all scale levels. Finally the source signals can be reconstructed using these wavelet coefficients. Since this method does not require the number of sources to be known a priori, it is particularly suitable for mechanical fault signal separation as the number of source signals varies with time and is unpredictable. It is also important to point out that the number of sources is determined without the commonly adopted sequential extraction/learning process and hence the proposed method can be used for on-line fault detection due to the reduced computing burden. The application of this method has been demonstrated using mixed bearing data containing both inner and outer race fault signals.     

Early fault detection method for rolling bearing based on multiscale morphological filtering of information-entropy threshold

The scale of structure element is especially important to obtain good filtering results in multiscale morphological filtering (MMF) method. In general, the optimal scale of structure element is set to be a fixed value in traditional morphological filter, therefore it is difficult to extract the fault feature from rolling bearing vibration signal effectively. A novel multiscale morphological filtering algorithm is proposed based on information-entropy threshold (IET-MMF) for early fault detection of rolling bearing. Compared with traditional MMF method, several optimal scales of structure elements are achieved according to the energy distribution characteristic of different vibration signals. The information entropy theory is applied to quantify the analyzed signals, and the optimal threshold of information entropy is obtained by iterative algorithm to ensure integrity of useful information. The simulation and rolling bearing experimental analysis results show that the IET-MMF method can extract fault features of vibration signals effectively.

     

基于LCD的自适应小波脊线解调及齿轮故障诊断

针对最佳小波参数的设定和齿轮裂纹故障振动信号频率成分复杂、信噪比低等问题,将遗传优化算法、小波脊线解调与局部特征尺度分解(local characteristic-scale decomposition,简称LCD)相结合,提出了基于LCD的自适应小波脊线解调方法。首先,采用LCD方法将原始信号分解为若干个内禀尺度分量(intrinsic scale component,简称ISC),并通过选择蕴含特征信息的ISC来实现信号降噪;然后,以小波能量熵为目标函数,采用遗传算法优化小波参数,得到自适应小波;最后,通过自适应小波分析提取ISC的小波脊线,从而实现对原始信号的解调分析。通过齿轮裂纹故障诊断实例验证了该方法的有效性和优越性。     

基于小波变换的微弱生命信号去噪问题研究

为了解决生命探测雷达回波中微弱生命信号提取难的问题,采用小波变换的阈值去噪法对强噪声背景下的微弱的人体心跳信号时域波形进行了提取,在MATLAB环境下,利用软件程序对实采的人体心跳信号进行去噪处理,得到了较好的人体心跳时域波形,验证了小波变换可以在生命探测雷达回波中微弱生命信号的提取时发挥重要作用。     

DT-CWT相关滤波在齿轮箱故障诊断中的应用

根据小波系数的相关分析理论,提出了基于双树复小波变换的小波相关滤波法。该方法根据相邻层小波系数的相关性,通过迭代过程自适应地进行滤波,能够在达到良好降噪效果的同时保留微弱故障特征信息。对降噪后的信号进行希尔伯特包络分析便可准确得到故障特征频率。试验信号分析与工程应用结果表明,该方法能够有效提取强背景噪声下的齿轮箱轴承早期故障特征信息。     

光伏发电系统直流串联微弱故障电弧检测方法研究

光伏发电系统直流故障电弧因随机性强、信号微弱、容易受负载突变影响而难以准确检测.根据光伏电池U-I输出特性,文中分析光伏发电系统直流串联微弱故障电弧产生机理,通过搭建光伏发电系统故障电弧模拟实验平台,分析了微弱直流串联故障电弧信号特性;进而提出了一种基于电流小波能量熵特征的检测直流串联微弱故障电弧的方法.该方法先计算电...     

基于小波相关排列熵的轴承早期故障诊断技术

针对机械系统早期故障诊断困难的问题,引入滤波效果良好的小波相关滤波法(Wavelet transform correlation filter,WTCF)和对信号微弱变化特征敏感的排列熵算法,定义一种新的小波相关排列熵(Wavelet correlation permutation entropy,WCPE)的概念,并提出基于WCPE的特征提取方法。对采集到的设备振动信号进行WTCF处理,得到信噪比较高的各层小波系数,在此基础上计算小波系数的排列熵复杂度,构造信号沿各小波分解层分布的WCPE特征矢量,并据此分析振动信号的微弱变化。通过对滚动轴承全寿命振动数据的分析,证明基于WCPE提取的信号特征不但能够准确表征轴承由正常状态到故障状态的详细变化过程,还能及时检测出轴承的早期故障。对比小波熵及小波相关特征尺度熵等其他早期故障诊断方法,该方法可显著提前滚动轴承早期故障的检出时间。