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 |
| |
引用本文: | 孟宗,李姗姗.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[J].机械强度,2014(1). |
| |
作者姓名: | 孟宗 李姗姗 |
| |
作者单位: | 河北省测试计量技术及仪器重点实验室(燕山大学); |
| |
基金项目: | 国家自然科学基金(51105323);河北省自然科学基金(E2012203166)资助项目~~ |
| |
摘 要: | 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。
|
关 键 词: | 小波改进阈值 经验模态分解 旋转机械 故障特征提取 |
本文献已被 CNKI 等数据库收录! |
|