一种新的小波自适应阈值函数振动信号去噪算法

小波阈值去噪算法是一种经典的振动信号去噪算法,但仍有一定局限性。为了更好地消除噪声对被测振动信号的干扰,提取信号的有用成分,本文对比分析了几种不同小波阈值去噪算法,并在经典小波阈值去噪算法的基础上改进了阈值函数,提出了一种新的小波阈值去噪算法。对模拟信号及实测风机振动信号进行去噪处理并分别与经典及改进的小波阈值去噪效果进行定量比较。结果表明:新的小波阈值函数更好地抑制了噪声污染和保持信号细节,有效地消除了背景噪声,提高了信号特征的可分离性,具有较高的实用价值。     

一种新的小波阈值去噪算法研究

为了更好地消除噪声对被测信号的干扰,针对传统小波软、硬阈值函数与全局阈值去噪算法的不足,综合考虑了小波阈值的估计与阈值函数的选取,提出了一种新的小波阈值去噪方法。对仿真信号与实验轴承振动信号进行去噪分析,并与几种不同的小波阈值去噪算法结果相对比。结果表明:新的小波阈值去噪算法更好地去除了噪声并保留了信号的原始特征,是一种更加优越的去噪方法,具有较高的实用价值。     

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。     

基于改进小波域阈值法的平移不变振动信号去噪

针对含噪振动信号的去噪问题,采用了目前最有效的小波算法。在传统小波域阈值法的基础上,克服了软、硬阈值的缺陷,采用了新的闽值函数,并通过平移不变小波变换对去噪效果进行了强化。通过与几种方法去噪效果的仿真对比,其结果表明,新的去噪方案可以获得最大的信噪比（SNR）,其去噪效果明显优于传统的软、硬阈值函数,并在实际振动信号的处理中得到了很好的应用。     

小波包尺度相关性阈值函数去噪算法研究

传统的小波包阈值函数如软、硬阈值函数等其去噪形式固定,对全部小波包系数进行相同的阈值化处理,然而噪声在小波包系数中的分布却并不均匀。为了弥补这一缺陷,提出了一种新的带参数的阈值函数,对最大分解尺度与其相邻尺度的小波包系数进行相关性计算,且以该值作为调节参数,对相关性弱的小波包系数进行大尺度收缩而对相关性强的小波包系数尽可能地保留,以达到自适应去噪的目的。利用此方法对滚动轴承振动信号进行去噪分析且对去噪后信号进行功率谱分析,与其他方法进行对比,结果表明该方法去除噪声较为彻底,且能更好地还原信号的特征信息。     

基于新阈值函数的小波阈值去噪算法及仿真

针对小波阈值去噪算法中传统软、硬阈值函数以及现有的一些文献所设计阈值函数的不足,提出一个新的阈值函数,此函数具有更好的光滑性,其随着小波分解尺度的变化而发生变化,具有很好的适应性,函数中无不确定参数,提高了去噪稳定性。仿真结果显示,采用新阈值函数去噪后的信号信噪比和均方根误差均优于传统阈值函数及现有的两种改进阈值函数,去噪效果良好,具有广阔的应用前景。     

基于样本熵的最优小波包阈值估计去噪算法

为了更加有效地去除噪声对被测信号的干扰,分析了传统小波阈值估计方法的局限性,提出了一种基于样本熵的最优小波包阈值估计去噪算法。该方法利用样本熵作为信息价值函数以确定最优小波包,且以样本熵为判据,对不同的分解层数设置不同的阈值,选取使得去噪后得到的噪声估计信号样本熵值最大的阈值作为最优阈值。对仿真信号进行分析证明了该方法的有效性,将该方法应用于滚动轴承振动信号去噪分析且与其他阈值方法相对比,结果表明该方法去噪后的信号较其他方法而言频谱中的干扰频率更少且滚动轴承的基频以及故障频率更为突出,去噪效果更好,是一种更为优越的去噪算法。     

小波新阈值法在振动信号去噪中的应用研究

针对传统的软、硬阈值函数去噪方法的缺陷,提出了一种基于小波的新阈值函数去噪算法,运用该方法对风力发电机齿轮箱的振动信号进行分析,排除振动信号中的噪声干扰,准确地提取故障信息。通过实验分析,对比了新阈值函数和传统软、硬阈值函数的去噪效果,证实新阈值函数在去除高斯白噪声方面表现出了良好的特性,重构信号更贴近真实信号,为风力发电机齿轮箱的故障诊断奠定基础。     

基于改进小波阀值的振动信号去噪方法研究

采取小波算法,运用小波变换阀值法对振动信号进行去噪。对比了传统的软阀值函数和硬阀值函数的优缺点,并在软、硬阀值函数的基础上,提出了一种改进的阀值函数的方法。通过与软、硬阀值函数方法去噪效果的仿真对比分析,新的去噪方法提高了重构信号的信噪比,可以有效去除噪声,并对原始信号的细节特征保留较好。     

小波改进阈值去噪和经验模态分解相结合的旋转机械故障特征提取

针对实际工程信号易受噪声干扰导致提取的故障特征不明显的问题,将小波改进阈值方法和经验模态分解(Empirical Mode Decomposition,EMD)相结合,提出一种基于小波改进阈值的经验模态分解去噪方法,并应用到旋转机械故障特征提取中。首先,为了克服传统小波阈值方法在阈值函数的连续性以及重构误差等方面的不足之处,研究小波改进阈值方法并利用其进行振动信号预处理,减少随机噪声对振动信号的干扰,同时减少EMD分解过程中的分解层数以及其边缘效应对有用信号分解质量的影响。在实际应用中,由于振动信号中混有多种不同性质的噪声,预消噪处理常常不足以消除全部噪声的干扰,因此有必要用EMD相关度方法适当地消噪后处理,提高故障特征提取的准确度,研究为旋转机械故障进一步识别诊断提供了重要的参考。     

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。     

基于改进平移不变量小波阈值法的齿轮泵振动信号降噪

齿轮泵的振动信号中含有大量噪声,在对其进行应用之前必须降噪处理。传统的小波阈值降噪法在信号的奇异点附近会产生振荡现象,为此研究了一种新的小波阈值函数,把新的阈值函数和平移不变量相结合,提出了改进小波阈值法的平移不变量降噪方法。该方法克服了软、硬阈值的缺陷,同时抑制阈值法降噪时产生的伪吉布斯(Pseudo-Gibbs)现象。利用该方法对仿真信号和实测齿轮泵振动信号进行降噪处理,并与小波软、硬阈值法及新阈值法进行了对比。结果表明:该方法具有更好的降噪效果,可应用于齿轮泵振动信号降噪处理。     

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.     

小波变换在超声探伤仪检测回波处理中的应用

超声检测时探伤仪的电噪声和被检粗晶材料的散射噪声严重影响检测回波的信噪比。研究小波变换软阈值去噪方法在超声检测回波处理中的应用。在分析仪器电噪声、材料散射噪声和缺陷回波的小波变换特性的基础上，提出一种用一个尺度问变化的门限阀值来抑制噪声回波的小波变换系数再重构检测回波的方法提高信噪比。距离一波幅一当量曲线测定实验结果表明，该方法具有很好的去噪效果，处理后的回波损失小，能保证超声探伤的定量准确性。     

基于循环多核相关熵的故障检测方法及应用* .txt

摘要：针对传统基于二阶统计量的循环平稳信号处理方法不能有效处理脉冲噪声干扰的问题,提出了一种基于循环多核相关熵的故障检测方法。首先,给出了多核相关熵的定义,推导了循环多核相关熵函数和循环多核相关熵谱密度函数计算公式,分析了循环多核相关熵的降噪机理;其次,用仿真信号验证了在低噪声比（SNR=-5）情况下循环多核相关熵的降噪性能,表明了循环多核相关熵不仅能有效抑制高斯噪声,而且能有效抑制非高斯噪声,循环多核相关熵为高斯、非高斯噪声的处理提供了一种鲁棒性处理方法;最后,将循环多核相关熵方法应用于齿轮箱齿轮齿面磨损故障诊断,实验结果表明：循环多核相关熵具有解调功能,能准确刻画齿轮齿面磨损故障的频谱特征,可有效提取淹没在强噪声环境中的微弱信号,提高了信噪比,证明了此方法为一种齿轮故障诊断的有效方法。 .txt     

基于混合时频分析方法的风电机组故障诊断

针对风电机组传动链系统振动信号非高斯、非平稳性的特点,提出了一种基于混合时频分析的风电机组故障诊断方法。该方法首先采用参数优化Morlet小波消噪方法对原始振动信号进行分析,滤除强大的背景噪声干扰;进而通过自项窗方法抑制时频面的干扰项,增强信号特征成分,提取故障特征以实现故障诊断。在Morlet小波参数优化过程中,采用交叉验证法优化波形参数及连续小波变换的尺度参数;在自项窗的设计过程中,采用基于平滑伪魏格纳分布的函数进行设计,并通过两次阈值处理以减少运算量、提高运算效率。通过对风电机组监测振动数据分析,证明了该方法可以有效地实现背景噪声的消除和故障诊断。     

基于Birgé-Massart阈值的烟气发电机组状态特征弱信息提取方法

烟气发电机组是石油化工行业中的一种高速旋转大型机械,用于将催化裂化再生烟气中具有的能量转变成机械能。为保证机组安全、稳定运行而进行的运行状态监测,需解决机组在大量背景噪声下状态特征弱信息提取的问题。为此研究基于Birgé-Massart惩罚函数策略获取阈值的信号小波变换模极大值抑制噪声算法。由Birgé-Massart惩罚函数策略获取阈值,在小波变换不同分解尺度上构建不同的模极大值点邻域来影响模极大值点搜索过程,获得小波分解各尺度上合适的模极大值点序列,凸显状态特征信息,利用Mallat的交错投影法重构信号。为验证该算法的有效性,将该算法与Rigrsure、Sqtwolog、Heursure、Minimaxi四种阈值抑噪方法进行比较,结果表明该算法具有更好的信噪比和方均根误差。应用该算法对现场采集的振动信号进行状态特征弱信息提取处理,结果表明处理后的信号在保留突变点的同时,具有良好的光滑性,可以用来进行烟气发电机组状态特征信息的提取。     

基于改进CEEMD的薄层污垢超声检测信号去噪

对换热管污垢回波振型特征有效提取是实现污垢厚度定量检测的关键。针对薄层污垢回波声束能量不集中,易产生模态混叠等特点,提出一种基于改进CEEMD的小波收缩阈值信号处理方法。首先引入夹角余弦计算原始信号与固有模态函数相似程度,判断信号和噪声主导模态分界点,并结合能量密度谱判断分界点选取准确性,然后利用小波收缩阈值方法拾取噪声主导模态中的细节信息,最后重构得到降噪后信号。仿真和实验结果表明:该方法分界点判断准确性较高,去噪效果优于传统小波阈值方法,数值模拟与实验结果一致,对薄层污垢回波振型特征提取有重要指导意义。     

奇异值小波降噪法在柱塞泵振动信号处理中的应用

针对小波阈值和奇异值分解降噪法的不足,研究一种新的小波阈值函数。提出一种基于改进阈值的奇异值小波降噪方法,该方法利用奇异值分解技术,将噪声非均匀分布的信号正交分解为噪声分布相对均匀的分量,并对每个分量进行小波阈值降噪,重构降噪后的分量,得到降噪信号。仿真实例证明,该方法与小波软、硬阈值及改进阈值法相比,不仅提高信噪比,而且能够更好地消除高斯噪声。利用该方法对柱塞泵不同状态振动信号进行降噪,结果表明,该方法能有效抑制噪声,为柱塞泵振动信号预处理提供一种更为有效的方法。     

用小波变换提高散斑能见度光谱测量法的灵敏度

在分析被动层颗粒温度含噪特点的基础上模拟了低信噪比的方波信号,根据变化规律,采用Mallat快速算法分析低信噪比的方波信号,并根据噪声分布特性设计了用于抑制被动层颗粒温度中干扰噪声的算法。对所设计算法进行仿真实验,结果表明,该算法可以最大限度地滤除信号中的噪声。通过搭建滚筒实验装置,测量滚筒被动层的颗粒温度,对测量数据进行分析,有效地测出了内部颗粒温度状态变化,表明了小波变换能有效提高测量被动层颗粒温度的信噪比。