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%,肯定了小波阈值去噪方法在MEMS陀螺仪噪声处理中的理想效果。     

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...     

斜拉桥健康监测信号改进小波相关降噪

为提高斜拉桥健康监测动态信号的降噪效果,针对传统小波相关降噪算法的缺陷,提出一种改进小波相关降噪算法。该算法将各层小波系数的主要能量周期作为相关检测邻域范围,并根据斜拉桥动态响应信号特征设置降噪阈值,最后采用一种全新的信号重构算法,得到降噪后的信号。将该算法与传统小波相关降噪和小波默认阈值降噪算法进行仿真试验比较,结果表明,改进小波相关降噪算法具有较好的降噪效果,能够应用于斜拉桥健康监测动态响应信号的降噪处理。     

EEMD结合小波包的振动筛轴承信号降噪效果分析

为解决振动机械故障诊断中如何更有效地在复杂信号中提取有用的故障信号的问题,提出了一种优良降噪算法。先将原始信号用小波包降噪,对降噪后的信号进行EEMD分解,然后将分解得到的固有模态分量(IMF)构建不同的带通滤波器,利用算法逼近度指标和相关系数建立优良降噪算法的判断准则,以此来选择最优的滤波器组合。对振动筛轴承信号进行仿真,用新算法处理仿真信号,结果显示,故障信号被保留下来,其他信号均被滤除。同时用该降噪算法分析了实测振动筛轴承信号,所得的结果合理有效。     

基于MCKD降噪和改进EWT信号分解的轴承故障识别

为了提高在传动系统振动信号识别过程中经验小波变换(Empirical wavelet transform, EWT)微弱故障识别能力,设计了一种通过MCKD降噪与IEWT相结合得到的新算法。先以MCKD算法完成轴承故障信号的消噪过程;接着通过IEWT算法完成降噪数据的频谱分类,生成多个分量信号的情况下再对信号进行平方包络谱处理;最后再对故障特征开展识别确定故障特征。研究结果表明：轴承外圈和内圈信号冲击特征获得显著增强的效果。根据平方包络谱确定外圈故障特征频率与倍频,由此准确检测轴承的外圈和内圈故障。以MCKD-IEWT算法处理包含强噪声的信号时,可以实现Fourier频谱的准确分段,也可根据峭度指标从中确定最佳信号分量,满足强噪声条件下的故障识别要求。该研究适用于其它的机械传动系统,具有很好的理论支撑价值。     

基于ISVD和小波降噪理论的轴承故障诊断

针对滚动轴承振动信号的非平稳等复杂特点,在分析迭代奇异值降噪和小波阈值降噪的原理和特点的基础上,将两者理论结合应用于轴承振动信号降噪中。试验证明,结合降噪法能有效剔除噪声,并可较好地保留冲击信号中的尖峰和突变部分,最后通过计算降噪后信号的样本熵可准确地实现轴承的故障诊断。     

基于小波包变换的油液磨损信号降噪研究

为提高油液分析对润滑系统磨损状态监测的准确性和可靠性,通过采用小波包变换(WPT)对光谱和直读铁谱检测信号进行降噪,得到反映稳态和奇异状态的近似系数、细节系数,为挖掘有效诊断特征作准备。结果表明,对于油液磨损信号的降噪,小波包变换有效,且Daubechies1小波基效果最好,噪声类型很可能是未知刻度白噪声。     

基于小波和奇异谱降噪理论的轴承故障诊断研究

提出一种基于小波分析和奇异谱降噪理论的新方法，在分析滚动轴承故障特性的基础上，将奇异谱理论的障噪方法与小波分析理论结合应用于滚动轴承故障诊断中。实例表明，这种结合后的新方法能够更有效地降低噪声，突出振动信号的故障特性，从而提高设备故障诊断的准确率。     

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。     

基于改进LMD与小波包降噪对故障弱信号的提取

针对微弱故障信号易被强噪声淹没的难题,提出了一种基于小波包降噪与改进LMD相结合的提取微弱信号特征向量的方法。首先选择恰当的小波基进行小波包分解,再根据计算出的最优小波包树进行信号重构,实现对原始信号的降噪处理。然后对重构的信号进行LMD分解,再计算PF分量的互相关系数和峭度值,减少虚假分量同时增强故障信号幅值。最后对真实的PF分量进行包络谱分析,提取弱信号的故障特征。实例研究结果表明:该方法能够有效地提取出淹没在强噪声中的故障弱信号的特征向量。     

基于小波变换的齿轮箱振动信号降噪处理

应用了小波变换理论和小波降噪的原理,对齿轮箱的振动信号进行了小波降噪处理,有效的从含有噪声的齿轮箱振动信号中提取出该信号更加准确和真实的故障特征,从而为提高齿轮箱故障诊断的准确性以及检测齿轮箱的早期微弱故障信号提供了重要的参考价值。通过对仿真信号的降噪处理,然后进行FFT变换,并且和没经过信号降噪处理就进行FFT变换的对比,显示了小波降噪的优越性。最后通过对齿轮箱的实际振动信号的降噪处理,进一步表明了小波降噪在消除噪声干扰方面有效性。     

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.     

基于小波模极大值的自动机信号降噪方法

自动机的运动信号主要包括位移信号、速度信号等,这些信号中的噪声严重地影响我们分析判断自动机运动的真实过程.运用小波模极大值方法对自动机运动信号降噪,并对处理结果进行了详细的分析.分析结果表明:小波模极大值降噪方法在武器自动机运动信号分析中有比较好的去噪效果.     

基于小波降噪的船用行程传感器电磁干扰信号抑制研究

针对船用行程传感器工作环境电磁干扰严重的特点,采用小波阈值法对船用行程传感器输出信号进行降噪。并通过软硬阈值折中法来克服单纯采用硬阈值或软阈值对低信噪比信号降噪效果较差的缺点。通过仿真分析,确定sym8小波对信噪比为2的含噪信号分解6层后可以较好地重构原信号。在此基础上,通过仿真对比,确定采用启发式阈值规则对信号进行降噪可以起到更好的降噪效果,误差在0.05%以内。最后,通过一个实验验证了结论,除个别点上的信号误差较大外,误差均值为0.3%。     

转子系统轴承载荷信号降噪方法的研究

针对传统的形态学滤波和小波降噪算法不能很好地对转子轴承载荷信号进行降噪,在这两种算法的基础上提出了一种小波形态滤波方法。给出了该方法的降噪原理,研究了该方法在随机噪声干扰下的降噪效果。比较了小波形态滤波与形态学滤波分别对仿真信号与工程实际信号的滤波效果。结果表明:小波形态滤波方法可以很好地消除转子轴承载荷信号中随机信号的干扰,提高信号的信噪比,并且抑制了信号失真现象的出现,实现信号的降噪处理。     

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.     

活塞涡流信号的小波阈值降噪优化研究

涡流检测信号在产生、传输及接收过程中,会引入大量的随机噪声,为了后续信号特征提取识别处理,降噪在信号处理中是必不可少的一个环节。阐述了小波阈值降噪的基本原理,搭建了活塞喉口涡流检测实验平台。采集多组涡流检测信号,结合信噪比、均方根误差两项指标,评价降噪过程中阈值、阈值函数选取的不同对降噪效果的影响,对降噪方法进行比较优选。实验结果表明:当涡流检测信号中含有大量白噪声时,启发式阈值准则和改进指数型阈值函数能够很好的实现真实信号的提取,降噪效果最优。     

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。     

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。     

基于小波分析的声发射信号降噪处理方法

声发射检测过程中的噪声干扰问题,一直是困扰声发射技术工程应用的主要障碍之一,介绍了一种新兴的基于小波分析的声发射信号降噪处理方法,能有效降低噪声。