振动信号处理中数学形态滤波器频率响应特性研究

数学形态学滤波方法作为一种非线性的滤波工具拥有良好的消噪特性和低通特性,准确描述形态学滤波器特性是其应用的理论依据和前提条件。通过对给定的数学形态滤波器输入激励信号,得到了数学形态滤波器的频响特性,给出结构元素宽度与形态学组合滤波器截止频率的对应关系表。研究表明:在采样频率确定时,结构元素宽度越大,截止频率越低,截止频率随着结构元素宽度的增长而变小,并呈非线性关系。当结构元素宽度确定时,采样频率越大,截止频率越高,采样频率与截止频率成正比例变化。仿真分析表明,形态学组合滤波器具有更好的滤波效果,且具有保相的突出优点。形态学滤波器对实际故障信号的处理验证了结论的有效性。研究成果为形态学在振动信号处理中的应用提供了理论依据。     

基于数学形态滤波的电力系统采样信号降噪处理

由于常用的形态滤波器采用相同尺寸结构元素而导致的输出存在统计偏移现象以及滤波效果不理想,针对电力系统采样信号,设计采用不同尺寸结构元素级联而成的开-闭和闭-开组合广义形态滤波器实现电力信号的降噪。选取与水平方向夹角为零度的直线型结构元素,比较了广义形态滤波器与常用形态滤波器在脉冲噪声与随机噪声干扰下的降噪效果。仿真表明,广义数学形态滤波器能够更有效地消除噪声干扰,获得更高的信噪比。广义形态滤波降噪算法只涉及加减和极大、极小运算,运算简单且执行高效,具有较好的实用价值。     

自调整复合级联形态滤波算法及应用

针对反射式光纤位移传感器拾取的润滑膜厚度信号中的脉冲和随机噪声干扰,提出一种自调整复合级联数学形态滤波算法。采用三角结构元素和半圆结构元素,通过开闭和闭开组合滤波及串联构造了复合级联形态滤波算法。仿真结果表明,复合级联滤波算法可提高信号的信噪比。针对传统形态滤波方法结构元素宽度随机选取造成滤波后信号信噪比低的问题,通过在不同采样频率情况下对不同信号进行滤波仿真计算,提出一种结构元素参数自调整选取方法。仿真实验和对实际润滑膜厚度信号滤波处理结果表明,自调整复合级联形态滤波算法可有效滤除信号中的脉冲干扰和随机噪声干扰。     

基于数学形态学的旋转机械振动信号降噪方法

基于数学形态学实现振动信号降噪。研究了数学形态滤波器对振动信号在不同类型、不同强度噪声干扰下的降噪能力,提出了采用开—闭和闭—开组合数学形态滤波器实现旋转机械振动信号降噪处理的方法。通过仿真计算及实例,检验了形态滤波器的滤波效果,表明数学形态滤波器可以有效剔除脉冲、降低随机噪声干扰,提高振动信号的信噪比。对强烈噪声干扰采用傅里叶变换与形态滤波器结合的处理方法可以取得明显的滤波效果。并具有算法简单、运算速度快的特点。     

基于数学形态滤波的齿轮故障特征提取方法

针对齿轮故障特征的提取问题,提出一种根据信号形态特征对齿轮故障信号进行形态滤波的新方法.形态滤波是一种新的非线性滤波方式,可以有效地提取出信号的边缘轮廓以及信号的形状特征.对Lorenz信号进行不同结构元素的数学形态滤波处理,证实形态滤波对抑制信号噪声、保留信号非线性特征方面的作用.采用长度为齿轮冲击周期长度的0.6～0.8倍的扁平结构元素,对齿轮断齿故障振动信号进行形态闭运算处理,并对滤波后的信号进行频谱分析.结果表明,利用形态滤波可以从齿轮断齿信号中成功提取隐含在噪声中的冲击故障特征.     

正弦变载荷工况下液压泵振动信号的形态学滤波方法

液压泵的振动信号在受到大幅度变载荷作用时将引起振动特征的变化,特别是在正弦载荷变化的作用下,将会产生幅值调制现象。采用传统的单一尺度结构元素的形态学方法对该类信号进行滤波的效果不一定理想。因此,针对正弦载荷液压泵振动信号的特点,在单尺度形态滤波分析方法的基础上,提出了兼顾形态学结构元素长度和高度尺度的多尺度形态学滤波方法。首先,以冲击特征比值和二阶原点矩作为评价指标,提出综合考虑结构元素长度和高度尺度的寻优方法,确定最优长度和高度尺度算子组合。然后,用最优尺度组合对正弦载荷模拟仿真信号和变载荷液压泵故障振动信号进行滤波处理,分析结果证实其滤波效果优于单尺度滤波方法滤波效果。     

一种改进的转子振动信号消噪方法研究

为提高转子振动信号消噪方法的性能,通过分析噪声成分和对应消噪方法的特点,提出了一种基于改进中值滤波与小波包消噪技术相结合的信号降噪新方法.该方法首先根据信号采样频率计算中值滤波器的窗口宽度,从而可以有效滤除含噪信号中的脉冲噪声和部分白噪声;然后再用阈值及其处理函数都经过改进的自适应小波包消噪方法去除残留在信号中的白噪声,最终得到信噪比提高的振动信号.通过仿真信号和转子实验振动信号的降噪处理,对新方法的性能进行了验证.降噪结果表明,该方法在有效消除混合复杂噪声对振动信号干扰的同时,保留了故障信号的细节特征,比一般的小波域中值滤波降噪方法更为有效.     

基于梳状滤波器和二维灰度图的滚动轴承故障诊断

通过设计梳状滤波器和构造二维灰度图,保留振动信号的时域特征,解决了传统信号时域平均方法的滤波性能受信号周期估计误差和采样截断误差影响的问题,为提取振动信号的时域特征提供新的方法.推导了梳状滤波器的数学模型,给出了二维灰度图的构造方法,并通过仿真试验和应用实例验证了该方法的正确性.     

融合量子理论的结构元素尺寸自适应调整策略

受量子理论启发,提出一种针对数学形态学结构元素尺寸自适应调整的新策略,以达到更优的冲击响应信号形态学提取效果。首先,结合量子理论建立起振动信号的量子系统,在此基础上提出了振动信号的量子比特数学表达式,用于刻画振动信号的状态;然后,针对机械振动信号的局部特点,分析1×3邻域的振动信号相关性,提出了机械振动信号在量子概率特征下的结构元素尺寸衡量算子;最后,依据尺寸衡量算子和自适应控制结构元素的长度达到更优的滤波效果。利用该策略对轴承冲击故障信号进行形态滤波,并与传统方法进行了比较,结果表明该方法可以有效提取信号的全局和局部特征。     

参数优化的组合形态-hat变换及其在风力发电机组故障诊断中的应用

开闭-闭开组合形态滤波(Combination morphological filter,CMF)可以有效剔除振动信号中的脉冲干扰,顶帽(Top-hat,TH)变换充分反映出信号周期性的冲击特征,借鉴此两种形态算子的理论思想,提出一种新的数学形态算子——组合形态-hat变换。为准确描述形态学算子在振动检测应用中的理论依据,通过非线性滤波器频响特性的分析方法考察形态学算子的滤波性质。此外,针对数学形态算子中结构元素的尺度按经验选择的问题,采用粒子群优化算法(Particle swarm optimization,PSO)对组合形态-hat变换的结构元素尺度进行参数优化,提高数学形态算子在振动信号处理中的精确度。通过仿真信号和实测风力发电机组振动信号的分析结果表明,参数优化的组合形态-hat变换在抑制背景噪声和提取冲击特征方面具备优良的性能,并能够准确高效地识别出风力发电机组齿轮箱高速轴齿轮的磨损故障,具有一定的实际工程应用价值。     

Detection of Bearing Faults Using a Novel Adaptive Morphological Update Lifting Wavelet

The current morphological wavelet technologies utilize a fixed filter or a linear decomposition algorithm, which cannot cope with the sudden changes, such as impulses or edges in a signal effectively. This paper presents a novel signal processing scheme, adaptive morphological update lifting wavelet (AMULW), for rolling element bearing fault detection. In contrast with the widely used morphological wavelet, the filters in AMULW are no longer fixed. Instead, the AMULW adaptively uses a morphological dilation-erosion filter or an average filter as the update lifting filter to modify the approximation signal. Moreover, the nonlinear morphological filter is utilized to substitute the traditional linear filter in AMULW. The effectiveness of the proposed AMULW is evaluated using a simulated vibration signal and experimental vibration signals collected from a bearing test rig. Results show that the proposed method has a superior performance in extracting fault features of defective rolling element bearings.     

正弦加载液压泵故障振动信号的阶比多尺度形态滤波方法研究

 液压泵在变载荷作用下会引起转速波动且发生幅值调制现象,振动信号呈现出明显的非平稳性,传统的滤波方法难于进行有效滤波。针对正弦加载液压泵故障振动信号提出一种阶比多尺度形态滤波方法,利用基于EEMD理论的时频阶比分析方法将正弦加载液压泵故障振动非平稳信号转化成角域平稳信号,再用多尺度形态滤波方法对角域平稳信号进行多尺度寻优和解调处理获得多尺度解调信号,并进行阶次谱分析得到振动信号的特征阶次。通过实验证实,该方法能对正弦加载液压泵故障振动信号进行有效滤波,且能提取出更多的有用故障信息。     

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.

     

基于粒子群优化的形态学滤波器消噪方法

为了有效地消除信号的噪声,提出了基于粒子群优化的数学形态滤波器构造方法。首先,根据数学形态学算法的特性构造了形态学滤波器;然后,对于形态学滤波运算中的重要参数形态结构算子,采用具有全局优化性能的粒子群算法自适应选取,以最大信噪比作为整个优化过程的判定标准,从而实现了最优滤波器的构造;最后,通过仿真实验和轴承故障信号的分析表明,该形态学滤波器能够实现较好的滤波效果,可以有效地对机械设备的故障信号进行消噪。     

最小熵反褶积的数学形态法在滚动轴承故障特征提取中的应用

针对强噪声背景下滚动轴承故障特征提取,提出了基于最小熵反褶积的数学形态法。该方法先应用最小熵反褶积算法加强信号中的冲击特性,再利用数学形态法进行故障特征提取,其中选取具有双向脉冲提取能力的DIF滤波器作为形态算子,并以峭度值作为结构元素长度选取依据。仿真信号和滚动轴承的内外故障实例分析表明该方法具有较好的特征提取效果。通过对比发现:最小熵反褶积算法能够增大信号中峭度值,有效加强信号脉冲特性。     

A joint adaptive wavelet filter and morphological signal processing method for weak mechanical impulse extraction

Periodical impulses are vital indicators of rotating machinery faults. Therefore, the extraction of weak periodical impulses from vibration signals is of great importance for incipient fault detection. However, measured signals are often severely tainted by various noises, which makes the detection of impulses rather difficult. As such, a proper signal processing technique is necessary. In this paper, a hybrid method comprised of wavelet filter and morphological signal processing (MSP) is proposed for this task. The wavelet filter is used to eliminate the noise and enhance the impulsive features. Then, the filtered signal is processed by the morphological closing operator and a local maximum algorithm to isolate periodical impulses. To select the proper parameters of the joint approach, i.e., the center frequency, the bandwidth of wavelet filter, and the length of flat structuring elements (SE), a novel optimization algorithm based on differential evolution (DE) is developed. The results of simulated experiments and bearing vibration signal analysis verify the effectiveness of the proposed method.     

多尺度柔性形态滤波在轴承故障诊断中的应用

针对经典的形态学滤波在取单一结构元素的情况下存在缺陷的问题,提出了一种基于多尺度柔性形态滤波的轴承振动信号滤波方法。多尺度柔性数学形态学在保留柔性形态学好的鲁棒性、滤除正负噪声和保留细节等优点的同时,进一步对其结构元素进行改进,以期获得更好的脉冲提取性能。将多尺度柔性形态滤波应用于轴承故障诊断,结果表明,其比经典的柔性形态滤波能更好地保留振动信号中的冲击脉冲,为轴承故障的进一步诊断打下基础。     

基于形态滤波和Laplace小波的轴承故障诊断

针对强噪声背景下,轴承故障冲击响应的提取易被周围噪声干扰的问题,提出了一种基于数学形态学滤波和Laplace小波的包络谱分析方法。首先通过形态学滤波来滤除信号中的复杂噪声,增强信号的冲击特征,然后采用Laplace小波相关滤波法提取信号的冲击响应,最后对提取的冲击相关系数进行包络谱分析,即可诊断出故障。该方法结合了数学形态滤波和Laplace小波两者的优点,可以准确地捕捉到强噪声下的故障脉冲。将该方法应用于轴承内圈、外圈的故障诊断,与传统包络谱分析方法的对比结果很好地验证了所提方法的有效性。     

基于柔性形态滤波和支持矢量机的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的强噪声背景以及现实中不易获取大量典型故障样本的特点,提出一种基于柔性形态滤波和支持矢量机(Support vector machine, SVM)的滚动轴承故障诊断方法。柔性形态滤波既可以有效地提取出信号的边缘轮廓和信号的形状特征,同时又具有稳健性;SVM具有良好的分类性能,特别在小样本、非线性及高维特征空间中具有较好的推广能力;SVM分类器的惩罚因子和核函数参数采用经典粒子群优化算法进行优化,避免传统方法对初始点和样本的依赖。首先对振动信号进行柔性形态滤波,然后提取滤波后信号的故障特征频率的归一化能量为特征矢量作为SVM分类器的输入参数,用于区分滚动轴承的外圈、内圈和滚动体故障,SVM分类器的参数采用标准粒子群优化算法进行优化。试验结果表明了方法的有效性。