水电机组振动信号去噪的小波技术研究

概述了水电机组振动信号处理技术的现状,着重介绍小波技术中小波分析、小波包分析、第二代小波变换等特点及在水电机组振动信号去噪处理中的应用,并分析了水电机组振动信号去噪技术中的问题和前景。     

水电机组振动信号去除高频噪声技术综述

本文针对水电机组振动信号消噪方法进行了系统地总结.将现行的振动信号去噪方法中的基于Fourier变换的传统振动信号去噪方法和以提升法为代表的新型振动信号预处理技术两类技术进行了全面地分析,并比较了各自的优缺点.利用提升法的第二化小波变换对水电机组振动信号进行消噪具有计算速度快、无需选择小波基函数、处理结果更为合理的优势.最后,进一步给出了水电机组振动信号消噪技术的主要发展方向.     

基于中值滤波和改进提升小波的输电线路激光测距信号去噪方法

针对小波变换去噪算法精度不高,运行时间较长的缺点,并结合激光测距信号含有高密度高幅值脉冲噪声和白噪声的特点,提出一种基于中值滤波和改进提升小波的去噪算法。首先对实测输电线路激光测距信号进行中值滤波处理,以平抑占比较重的脉冲噪声;再进行提升小波变换,得到小波分解系数;同时,使用鸡群优化算法(chicken swarm optimization,CSO)寻找最优阈值;然后进行提升小波逆变换得到重构信号。结果表明:相对于传统提升小波变换去噪算法,应用该方法的去噪效果信噪比提升2倍以上。最后将几种去噪算法进行了综合比较,所提出方法可有效提高去噪效果并略微减少算法运行时间,优于传统去噪算法。     

基于可调Q小波变换与基追踪的电能质量信号去噪

现场采集的电能质量信号中夹杂着高斯白噪声和脉冲噪声,这些噪声的存在给电能质量信号的检测与分析带来困难,因此要对电能质量信号进行去噪预处理。针对传统去噪方法的局限性,本文给出了基于可调Q小波变换与基追踪的去噪算法,该方法先用不同品质因数的小波基函数对含噪信号进行稀疏分解,再利用基追踪去噪算法对得到的小波系数进行优化处理,最后对优化的小波系数进行重构,这样就实现了电能主特征信号与脉冲噪声和高斯白噪声的分离,从而达到去噪的目的。仿真结果表明该方法可以有效地去除电能质量信号中的高斯白噪声及脉冲噪声,且去噪效果和可靠性优于广泛使用的小波去噪和集合经验模态分解去噪。     

基于改进阈值函数的小波降噪分析在水电机组振动信号中的应用

小波阈值降噪算法是一种传统的水电机组振动信号的降噪算法,本文在其基础上提出了一种新的改进阈值函数的小波降噪方法,将改进阈值函数的小波降噪方法运用到水轮机机组振动监测中,解决了传统阈值函数存在抑制噪声污染与保留信号细节之间的矛盾。通过模拟振动噪声信号进行消噪比较,在信噪比和均方误差均优于传统小波阈值消噪方法,并结合虚拟仪器LabVIEW和MATLAB混合编程实现了水电机组振动信号采集及改进阈值小波的降噪处理,通过对降噪前后不同降噪方法在振动信号特征分量的保持程度进行比较,说明该方法在各分量保持均优于传统的阈值函数方法,是一种有效的降噪方法。     

EMAT回波信号提升小波降噪最佳分解层数研究

分析了分解层数不同时重构信号间的最小均方误差变化趋势并根据分析结果结合高频系数白化检验自适应确定了最佳的分解层数。讨论了提升小波变换的提升算法以及新的阈值函数,使用了基于提升小波变换的改进阈值函数的方法和选取了一种最优的阈值方法并结合最佳分解层数对电磁超声回波信号进行了去噪处理,验证了算法的有效性。     

基于SVD分解和小波去噪的振动位移提取∗

针对奇异值分解提取振动位移信号中存在白噪声的问题,提出采用小波去噪的方法进行信号去噪处理.首先采用奇异值分解提取图像序列中的振动信息;然后采用小波去噪方法进行去噪处理,针对传统固定阈值会导致每层小波分解系数做同样处理的问题,提出了一种改进型阈值;最后通过对比不同小波函数的去噪效果,确定最优小波函数.仿真和实验结果表明,该方法是有效的.     

基于结构风险最小化小波变换的故障信号消噪

基于结构风险最小化方法将改进的小波变换用于故障信号消噪,它考虑的三个重要因素是:基函数,基函数排序和基函数个数选取。通过对小波变换多尺度分解后的系数与频率相除所得的值进行排序,再根据其值的大小取舍,有效地抑制了高频小波系数,避免了传统的基于经验风险最小化理论的小波变换方法在信号处理中过于依赖小波基函数的不足,显示了基于结构风险最小化方法的合理性。通过仿真计算和电机故障信号消噪表明,新的方法在电机故障信号消噪中比一般小波方法效果好,精度提高1倍以上。     

基于自适应提升小波的局部放电信号噪声消除

为了解决在局部放电信号检测中的噪声抑制问题,采用提升小波变换的方法构造小波,在讨论了第二代小渡变换基本原理及特点的基础上,将自适应性引入提升小波方案中,提出了第二代小波变换的改进算法,并用先更新后预测的改进提升方案解决因自适应性引起的非线性问题。将提出的改进提升方案应用到局部放电信号的去噪处理中以验证其效果,并将其去噪效果与传统小波变换的去噪效果进行了比较。仿真结果表明,这种经过改进的提升方案取得了比传统小波变换更好的去噪效果。     

基于稀疏表示的TQWT在低频振荡信号去噪中应用

为了改善低频振荡信号的去噪效果,为低频振荡信号的检测与分析提供准确可靠的数据,在分析可调Q小波变换和稀疏表示原理的基础上,给出了一种基于稀疏表示的可调Q小波变换去噪方法。该方法先利用可调Q小波变换对含噪的低频振荡信号进行稀疏分解,得到初始的小波系数。再利用基追踪去噪算法对得到的小波系数进行优化处理。最后对优化的小波系数进行重构,获取干净无噪的低频振荡信号。通过仿真分析验证了该方法的去噪效果和可靠性优于目前广泛使用的小波软、硬阈值去噪法。     

采用非降采样第二代小波变换的信号降噪方法

信号降噪是机电设备故障诊断领域中的重要研究课题。根据噪声的小波变换系数随着小波分解尺度的增加而迅速趋向于零这一特性,基于小波变换的降噪方法得到了广泛应用。文中研究了非降采样第二代小波变换的构造方法,给出了非降采样第二代小波变换中预测算子和更新算子的时域计算公式,分析了算法的计算复杂度,并在此基础上提出采用非降采样第二代小波的信号降噪方法。由于非降采样小波分解后的各层系数和原始信号的长度均相同,因此在具备平移不变性的同时还能保留更多的时域信息,从而可以提高信号的降噪效果。对仿真信号和实际信号进行了试验,结果表明,该方法较理想地对信号进行了降噪处理,并且能够较好地保留原始信号中的故障特征。     

基于改进冗余提升方案的汽轮机组振动故障特征提取

故障特征提取是大型机械设备状态监测和故障诊断领域的核心问题。传统的振动故障特征提取方法主要是基于频谱分析的方法,小波变换的出现则为该领域提供了新的工具。文中提出并构造了一种改进的冗余提升小波变换算法来提取振动信号的时域特征。算法以第2代小波为基础,设计了冗余提升小波变换的算法,不进行分裂,直接利用构造的算子进行预测和更新,各层分量和原始信号的数据长度相同,从而保留了更多的时域信息。研究了提升小波和冗余提升小波算法中存在的频率混叠问题,阐述了产生频率混叠的原因。通过对冗余提升小波分解得到的近似信号和细节信号采用傅里叶变换的方法消除了与其对应频带无关的频率成分,以突出相应频带信号的时域特征。对仿真信号和实际汽轮发电机组振动故障信号进行了分析,结果表明,改进的冗余提升小波变换算法能够较理想地提取出故障特征,有效地解决了提升小波算法中存在的频率混叠问题。     

基于第二代小波变换和矢量量化理论的电能质量扰动分类方法

提出了一种将第二代小波变换和矢量量化相结合的电能质量扰动分类方法。该方法采用第二代小波变换对电能质量扰动信号进行时频分析,采用基于模极大值的小波变换后处理方法提取时频分析结果中表征扰动特征的模极大值、生成扰动特征量组,通过将扰动特征向量组送入基于矢量量化的树形分类器实现了对电能质量扰动的分类。仿真结果表明该方法噪声鲁棒性良好、简单可靠、分类准确率高、实时性好。     

基于提升复小波的暂态电能质量扰动的检测与定位

针对暂态电能质量扰动信号的检测与定位,提出一种基于第2代小波变换的提升复小波的提升算法。通过Euclidean分解算法得到复小波提升方案;利用该方案对常见的几种扰动信号进行提升变换,将变换后的幅值和相位信息用于暂态电能质量扰动的定位检测及扰动幅度估计;并与第1代小波变换进行比较。仿真结果表明,所提算法具有简单、运行速度快、检测精度高等优点,能够准确定位暂态电能质量扰动信号和计算扰动信号的变化幅度。     

基于提升小波包最优基的电能质量数据压缩

在小波压缩技术的基础上,使用提升小波包最优基的方法解决电能质量信号的数据压缩问题。利用先分解后搜索的提升小波包最优基分解信号,再对最优基下小波包系数作阈值处理,消除幅值较小的系数,达到压缩的目的,最后对压缩后的数据进行重构,并将其与小波变换、最佳小波包变换的数据压缩方法进行仿真比较。结果证明,提升小波包最优基变换的方法．在电能质量数据压缩中取得了满意的效果。     

基于ARM9的整数小波阈值压缩算法及其EVC实现

采用传统的一代小波变换进行数据压缩,存在实时性差,内存需求量大等问题.本文从小波滤波器的多相位矩阵出发,利用Euclidean分解方法,实现了小波变换由传统卷积模式到提升算法的转变,并进行了整数提升,克服了一代小波的不足.在此基础上提出了一种改进的整数小波阈值压缩算法,在ARM9上利用EVC予以实现.实验表明该算法在均方误差为0.3490%时,压缩比为11.875%,计算速度快,适合应用在实时性要求较强的场合.     

基于二进制采样快速S变换算法的 电能计量方法研究

大量非线性以及冲击性、波动性负荷的应用使电网环境变得复杂,将会产生非稳态信号。传统的电能计量方式及计量算法对非稳态信号电能计量不够精确。本文首先采用了一种把基波分量、畸变分量分开计量的方式,再借鉴快速S变换的思想提出了一种基于二进制采样快速S变换的电能计量算法。理论分析可知:电网信号畸变的情况下,基波、畸变分量分开计量的方式比传统的全电能以及基波计量方式更加合理;二进制采样快速S变换核函数形式固定,而不像小波算法那样很难选择合适的小波基函数。并且在相近的精度下,快速S变换比S变换节省很多的时间。最后通过仿真对比验证,无论是稳态信号还是非稳态信号,基于二进制采样快速S变换算法的电能计量结果的精确度都大大优于小波变换,并且比S变换运算效率更高。     

结合二代小波与快速傅里叶变换的L电能质量数据压缩算法

针对大量电能质量数据的传输和储存问题,提出一种结合快速傅里叶变换(FFT)和二代小波(SGWT)的电能质量数据压缩算法,包括FFT、SGWT有损压缩和LZW(字符串表编码)无损压缩的流程图。分别对暂态和稳态扰动信号进行仿真比较,结果表明所提出的算法与FFT以及SGWT相比,可有效降低存储空间,可得到更高的压缩率且在压缩比、均方误差与运行时间等性能指标上取得较好平衡。     

使用提升小波进行超分辨率图像重建

介绍了提升小波变换,研究了提升小波的优点,提出了使用提升小波进行超分辨率图像重建的方法。对原图进行旋转、平移、加噪并进行下采样,得到低分辨率图像序列。选取阈值,对低分辨率图像序列进行提升小波前向变换,然后通过提升小波逆变换得到重建以后的超分辨率图像。与传统的几种重建方法进行比较,实验结果表明,本文的方法能够使重建图像有更好的信噪比,而且在像素较大和低分辨率图像数目较多的情况下,有更快的重建速度。