基于冗余第二代小波变换的振动信号降噪

为了能够提取隐藏在振动信号中的冲击信号,设计了冗余第二代小波变换。采用拉格朗日插值细分原理设计各层的初始预测器和初始更新器,然后通过冗余方案对原始信号进行分解,并对各层细节信号进行阈值处理,将处理后的信号进行重构,即可获得降噪后的信号。对仿真信号和工程实际信号的降噪表明,用冗余第二代小波对原始信号降噪能获得更高的信噪比和更小的均方差,且能完整地保留信号中的冲击成分。在某油田往复压缩机状态监测和故障诊断中,采用该方法有效地提取了曲轴振动信号中的冲击信号。     

基于非抽样提升小波包及奇异值分解的液阀故障诊断

针对液阀故障微弱信号特征识别问题,提出一种结合非抽样提升小波包(Undecimated lifting scheme packet,ULSP)及奇异值分解(Singular value decomposition,SVD)的降噪方法.确定信号的分解层次及各层初始算子的长度后,通过拉格朗日插值公式算出初始算子,用非抽样算...     

基于一种改进提升方案的泵阀振动信号降噪

针对传统提升小波进行信号分解时会导致信号失真的问题,设计了自适应冗余提升混合小波,用于往复泵泵阀振动信号的降噪。该混合小波计算预测差值平方和时可对所有样本进行预测;通过计算目标函数,从预设的1组预测器和更新器中选取1个最佳预测器和1个最佳更新器作为该层次的初始预测器和初始更新器,以满足尺度函数和小波函数支撑区间的特殊要求;用冗余提升方案算出每层逼近信号,并用于下层初始预测器和初始更新器的设计。用自适应冗余提升混合小波降噪可获得较高的信噪比和较小的均方差,且能完整保留往复泵泵阀应有的冲击信号。     

基于改进Mallat算法及包络线的气阀故障诊断

气阀故障微弱信号特征不明显,常规方法难以通过计算结果来判断气阀状态,且传统Mallat算法存在频率混叠及边界震荡现象,难以提取出气阀故障特征。为此,提出一种结合改进Mallat分解算法及包络线的故障特征提取方法。改进传统的边界处理方式,对信号右边界进行数据延拓,用二阶Volterra模型对延拓信号进行预测,用递推最小二乘法求取预测系数,用非抽样算法对信号进行小波包分解。对分解得到的各频带信号进行奇异值降噪处理,通过奇异熵增量曲线选择降噪阶次,画出信号的上、下包络线,用于提取气阀故障特征。对仿真信号及工程信号的处理表明,用改进的Mallat算法对信号进行分解,消除了边界震荡及频率混叠现象,成功提取了阀片破损的微弱故障特征,取得了良好的效果。     

基于Volterra级数的提升小波变换边界处理及应用

针对现有的提升小波变换容易产生边界振荡和频率混叠的不足,提出了一种将Volterra级数模型和抗混叠提升小波包相结合的信号处理方法.首先对信号两端进行数据延拓,用二阶Volterra级数预测模型对延拓信号进行预测;然后用抗混叠提升算法对信号进行小波包分解.对仿真信号进行边界处理后,信号在边界不会出现振荡现象;用抗混叠提升小波包对信号进行分解不会引起频率混叠现象.工程应用中,从强大的背景噪声中提取出了往复泵柱塞与缸套碰磨产生的微弱振动冲击信号,诊断出了密封盘根过度磨损的故障.     

振动信号的自适应非抽样提升小波降噪方法

振动信号是机械故障诊断中应用最广泛的信号,为了能够提取隐含在强噪声背景下振动信号的故障特征,设计了一种自适应非抽样提升混合小波。该方法利用LMS自适应法则构造了可与提升小波更好匹配的初始预测器和更新器,在计算预测差值平方和时考虑所有样本的预测信息,以锁定第2代小波信号的局部特征。试验和工程振动信号分析表明,使用该方法降噪的信号获得了较高的信噪比和较小的均方差,且能较理想地提取出故障特征。