基于小波和EMD的时频矩阵DEM降噪方法

针对强噪声背景下振动信号容易被非平稳强噪声干扰问题,提出了一种小波和EMD结合的时频矩阵DEM降噪方法,该方法拟解决小波变换对信号局部自适应性差的问题,同时增强EMD本征模态函数的选取和重构。通过该方法对仿真信号和实测振动信号降噪,结果表明:该方法能够有效提取强噪声背景下有效的振动信号,提高信噪比。这一方法为旋转机械在强噪声干扰运行环境下提取有效故障信息提供支持。     

含噪振动信号中早期碰摩的故障检测研究

 研究了在有噪环境下发动机转子系统早期碰摩故障的检测问题。利用最优参数搜索法改进了独立分量分析( ICA) 算法, 用于求解转子系统振动信号与噪声的盲分离问题。在此基础上, 对分离后的振动信号利用小波包分解进行早期碰摩信号的检测。结果显示最优搜索的ICA 算法运行效率高, 信号分离纯度好, 对振动信号有高效的降噪作用, 并利用小波包分解准确地检测出振动信号中的碰摩信息, 其效果优于小波分解法。信噪分离与小波包分解相结合有望用于工程实践中的早期碰摩故障检测和诊断。     

基于小波分析的转子故障信号自适应降噪技术研究

在转子故障信号的小波降噪研究中,降噪效果常常依赖小波分解层数、故障转子转速和信号的采样频率,难于自动完成.针对该问题,提出了一种转子故障信号的自适应小波降噪新方法,该方法先对原始数据进行重采样,然后将重采样信号用小波变换分解到规定的层数,最后运用Donoho软阈值法实现降噪.该方法无需人为选取小波分解层数,降噪过程自动完成.大量的仿真和实验算例验证了方法的正确有效性.      

双树复小波域MCA降噪在齿轮故障诊断中的应用

齿轮箱早期故障信号中往往包含强烈的干扰噪声,而基于简单阈值规则的小波系数降噪方法往往不能取得良好的效果.针对该问题,提出了基于形态分量分析(MCA)的双树复小波降噪方法.首先,对强背景噪声故障信号进行双树复小波变换,得到不同层的小波变换系数;然后,选取小波系数周期性较为明显层的小波系数进行MCA降噪;最后,将降噪后的系数进行单支重构后便可获得故障特征信号,对降噪信号进行包络分析便可以确定信号的故障特征频率.利用该方法对仿真分析和某轧机齿轮箱打齿故障早期信号进行了处理,结果表明:该方法能够在有效去除信号中的强背景噪声,比单独MCA降噪及软阈值降噪具有更好的效果,得到了更清晰的故障特征频率,从而为齿轮早期故障诊断提供了一种新方法.      

基于PSO-RWE的自适应小波阈值函数滚动轴承振动信号去噪方法

针对现有小波去噪方法存在阈值函数中未知参数选取依赖经验,导致去噪不充分或去噪后信号失真的问题。提出了一种基于相对小波熵(RWE)的粒子群优化(PSO)算法,用于小波阈值函数中未知参数的自适应寻优,达到滚动轴承振动信号自适应降噪目的。改进了一种含两未知参数的小波阈值函数;以相对小波熵为优化算法的适应度函数对未知参数进行自适应寻优,得到最优小波阈值函数;通过对模拟仿真信号和试验采集的滚动轴承振动信号进行分析。结果表明:优化后的小波去噪方法能够更好地将噪声从染噪信号中滤除,去噪后信号波形的平滑度更好,信噪比相较硬阈值去噪提高294%,而且保留了原始信号更多的细节特征,具有更好的去噪性能和应用实用价值。     

小波包分析在电机信号消噪处理中的应用

在检测航空高速直流电机的机械特性信号时,采样信号中含有大量干扰噪声,对信号的消噪是进行信号提取、分析、故障诊断和处理的前期工作,其效果将直接影响到后期工作.针对电机起动过程中的噪声干扰信号,采用小波包分析的软阈值方法消噪,取得了良好的效果.     

小波包变换对遥测速变数据噪声消除效果的改进

在介绍小波包定义和降噪声原理的基础上,提出了采用小波包变换降低噪声的方法。为验证该方法的有效性,将其用于某型导弹试验中所测遥测数据的降噪处理中,并与小波变换降噪效果进行比较。结果表明,小波包变换改进了遥测速变数据的消噪效果,是速变信号降噪一种更为有效的方法。     

一种改进阈值法陀螺信号消噪的研究

在光纤陀螺输出信号时,使用小波包消噪法可以在各尺度上更加细致地对噪声进行抑制.这里分步估计陀螺信号中白噪声和分形噪声的强度,根据各尺度噪声强度对各层阈值进行自适应调节,并提出一种连续的阈值量化函数,克服以往软、硬阈值函数存在的不足.仿真结果证明,与通用阈值消噪法相比,新阈值法能更好地去除随机噪声,对于不同信噪比信号均表现出较好的性能.     

基于阶次小波包的转子加速阶段振动故障研究

针对发动机转子在加速阶段的振动信号为非稳态、且该阶段的振动信号无法直接使用谱分析等技术处理的问题,提出了利用改进的阶次跟踪分析技术对信号进行等角度重采样,将时域非稳态信号转换为角域稳态信号,然后对信号进行小波包分析及能量特征向量提取。结果表明,利用阶次小波包方法可以很好地处理变速振动信号,效果好于直接使用小波包分析非稳态的时域信号,计算后的结果可用于进一步的数据处理。     

小波消噪在测试信号处理中的应用

结合某测试信号,介绍了阈值消噪的三种方法：强制阈值、默认阈值和给定阈值。通过分析不同阈值消噪后信号波形,计算消噪信号的信噪比、均方根误差和相关系数,对几种方法的准确度进行了对比。结果表明,通过合理选择小波分解的尺度,对小波系数进行阈值重构,能有效地去除信号中含有的噪声,而选用不同规则下的阈值函数或者同一阈值函数对小波系数的处理方式不同,消噪的效果会有很大差异,而阈值函数的选取,更应充分考虑信号的实际特征。