基于最优阈值小波包分析的转子振动信号降噪研究

针对采集转子振动信号时信号中往往夹杂着噪声干扰的问题,提出了一种自寻优阈值的小波包降噪方法。该方法可对不同振动信号自寻优地设置阈值,且阈值的选取与所研究的信号有关而与信号长度无关;并根据采样定理计算不同转子转速对应的小波包分解的最低层数。对多种信号进行的降噪研究表明,该方法可有效降低转子振动信号中的噪声干扰。     

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.      

弹性支承振动应力信号降噪方法及其性能对比

针对弹性支承振动应力信号中存在的低频宽带噪声及宽频带的背景噪声干扰问题,提出基于EMD、CEEMDAN、LMD、ITD 和 VMD 5 种信号分解方法的信号降噪方法。利用5 种方法对原始信号进行分解,得到1 组初始模态分量,并结合归一化样本熵、SVD 和 峭度系数,有效地剔除噪声成分。弹性支承振动应力信号的降噪表明：在5 种信号降噪方法中,采用VMD-SampEn-SVD 方法降噪后 的弹性支承振动应力信号的信噪比为8.11dB,相关系数为0.92,均方误差为0.43,计算时间为18.04 s,其综合降噪效果最佳。     

基于CEEMDAN降噪与双谱分析的滚动轴承故障诊断

滚动轴承早期故障信号中的噪声成分会影响到故障特征的提取。为了提高含噪故障信号中滚动轴承早期故障特征提 取的准确性，将基于自适应噪声的完备经验模态分解（CEEMDAN）用于滚动轴承振动信号的降噪中，并对降噪后的轴承故障信号 进行双谱分析。结果表明：CEEMDAN可有效去除轴承振动信号中的低频噪声干扰，经CEEMDAN降噪后的不同轴承故障信号的 双谱全局图存在明显差异，根据这些差异可在宏观上对不同轴承故障加以区分；通过经CEEMDAN降噪后的不同轴承故障信号的 双谱细节图可以正确提取不同轴承故障的特征频率，从而实现对各轴承故障的有效诊断。CEEMDAN降噪结合双谱分析可为滚 动轴承故障诊断提供一种新的有效方法。     

基于Kalman滤波的高频CW电报信号自动识别

针对强噪声背景下高频CW电报信号检测算法性能严重下降、误码率较高的问题,文章提出一种基于卡尔曼滤波的高频CW电报信号同步检测识别算法。利用自同步法对CW电报信号实现位同步,进而利用卡尔曼滤波针对时变干扰噪声设置自适应阈值,对信号能量进行软判决,实现CW电报信号的自适应跟踪检测,提取有效信号进行识别。通过短波信道仿真软件和实际短波通信测试表明,该算法能够在强噪声背景下有效检测识别CW电报信号,且算法可由迭代实现。     

基于小波分析的航空发动机故障诊断方法研究

小波变换是一种多分辨率的时频分析方法,应用在振动信号处理、故障诊断方面较传统方法优越。在阐述小波分析理论基础上,对某型航空发动机的振动信号进行分析,采用小波分解和信号重构的方法,提取了噪声掩盖下振动信号中的故障信息,根据航空发动机整机振动的典型故障特征频率,判断该发动机是否发生故障。     

基于改进马田系统的发动机转子振动信号研究

针对发动机转子系统的振动信号分析问题,提出了一种基于改进马田系统的故障模式识别和分类方法。利用最优阈值小波包变换方法对振动信号进行降噪;对降噪后的振动信号进行小波包分解,提取时频域特征构建基准空间;然后利用岭估计回归分析消除马氏距离的复共线性,使用切比雪夫定理计算马田系统的概率阈值,运用有向非循环图方法对不同模式进行分类;将方法应用于转子振动数据中以验证算法的有效性。结果表明,基于改进的马田系统算法模式识别准确率高,是一种有效的振动信号故障模式分类方法。     

改进CEEMD–MRSVD降噪方法及应用研究

针对总体经验模态分解（Ensemble empirical mode decomposition,EEMD）阈值降噪处理方法难以取得理想效果问题,提出了改进互补集合经验模态分解–多分辨率奇异值分解（Complementary ensemble empirical mode decomposition–multi-resolution singular value decomposition,CEEMD–MRSVD）降噪方法。含噪信号经CEEMD处理,克服了EEMD时效性差及EMD模式混叠缺陷,然后利用信号和噪声的相关特性对分解得到的本征模态分量进行信号主导和噪声主导分量区分,根据噪声强度不同,提出对噪声主导和信号主导的本征模态分量进行策略性优化的多分辨率奇异值处理方法,最后经Savitzky–Golay平滑滤波,剔除信号粗糙细节,重构达到降噪目的。试验通过仿真信号和超声回波信号降噪处理,结果表明,此方法不仅有效剔除了噪声干扰,而且减少了有用细节流失。     

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。     

一种提高脉冲雷达多普勒相位精度的方法

针对低信噪比条件下脉冲雷达模糊多普勒相位精度较低,可能导致相位测距时不能正确解相位模糊问题,基于EMD（Empirical Mode Decomposition,经验模式分解）区间阈值去噪方法,提出了一种新的提高多普勒相位精度的方法：利用EMD分解后各层信号的频率特性和能量特性,选取合适的阈值,并对各层信号进行区间阈值化处理,在提高信号信噪比的同时保持了信号的连续性.分别在回波信号噪声为高斯白噪声和AR（2）相关噪声的情况下,以及不同信噪比条件下,对该方法进行验证.仿真结果表明：在低信噪比条件下,当回波信号噪声为白噪声和相关噪声时,EMD区间阈值去噪方法能将回波信号信噪比提高5 dB,去噪性能优于小波阈值去噪方法,其对应多普勒相位精度能提高1倍以上.     

基于LCD-ICA的水声信号降噪方法

针对水下目标信号易受噪声影响、信噪分离难的问题,提出一种基于 LCD和 ICA分析相结合的水声信号降噪方法,给出了该方法在水声降噪领域中应用原理和方法步骤;并通过仿真信号,验证了该方法在水声信噪分离中的有效性。结果表明,采用文中所提的方法能够有效降低噪声干扰,提高目标检测的可靠性。     

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EMD样本熵-LLTSA的故障特征提取方法

针对振动信号的非线性、非平稳性以及微弱故障特征难以提取的问题,提出了一种基于经验模态分解(EMD)、样本熵和流形学习的故障特征提取方法.该方法将EMD、样本熵和流形学习相结合.首先,利用EMD的自适应多分辨率的特点计算分解得到的IMF(固有模态函数)信号的样本熵,初步提取滚动轴承状态特征值;然后利用流形学习方法对初步的提取的滚动轴承状态特征进行进一步的提取;最后利用支持向量机(SVM)对该特征提取方法进行分类评估,并将该方法运用在滚动轴承故障诊断实验中,实验证明该特征提取方法与基于小波包样本熵的故障诊断方法相比具有很好的聚类性能,且对于SVM的分类结果可达100%,在降低了特征数据的复杂度的同时,增强了故障模式识别的分类性能,具有一定的优越性.     

基于相关与小波变换相结合的弱信号检测

针对强噪声背景中的弱信号检测问题,在传统的相关检测方法的基础上,利用小波良好的去噪性能,提出了相关检测与小波变换相结合的弱信号检测方法。仿真结果表明,该方法优于传统的相关检测方法,无须知道有用信号的先验知识和同步信号便可以有效的检测周期性弱信号,并获得更高的输出信噪比。     

基于四阶累积量和小波降噪的干扰抑制算法

针对盲信号分离算法在低信噪比下分离效果较差的情况,提出了一种基于四阶累积量和小波降噪的含噪盲分离算法,并将该算法用于卫星通信干扰抑制。首先,利用基于四阶累积量的盲分离算法进行信扰盲分离;然后对分离出的已被噪声污染的通信信号进行小波降噪处理。最后,对提出的算法在单音干扰下进行了性能仿真。仿真结果表明,该算法不仅使抗噪性能提高了3dB左右,而且在低信噪比下对强单音干扰具有较好的抑制效果。     

基于Birge-Massart阈值降噪与EEMD及谱峭度的滚动轴承故障特征提取

针对传统共振解调方法易受噪声干扰导致故障特征提取效果不佳的问题,提出了一种基于Birge-Massart策略的阈值降噪与集成经验模态分解(EEMD)和快速谱峭度算法相结合的滚动轴承故障特征提取方法。对原始故障信号进行EEMD并采用峭度准则筛选出含有故障信息的本征模态函数(IMF)分量;采用Birge-Massart策略和快速谱峭度对故障信号进行滤波降噪;对滤波后信号进行Hilbert包络解调,提取轴承故障特征。采用该方法分别对仿真信号和实验信号进行特征提取,结果表明该方法可以有效提高故障信号信噪比,清晰准确地获取轴承内、外圈故障的频率特征。利用峭度因子准则筛选IMF分量能有效保留原始故障信号中的冲击特征,去除无关IMF分量的影响。      

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.      

基于谱插值和奇异值差分谱的滚动轴承静电监测信号去噪方法

采用静电传感器进行滚动轴承故障监测实验研究.针对滚动轴承静电监测中各种强噪声、故障特征难以提取的问题,提出了基于谱插值和奇异值差分谱的联合去噪方法.首先采用谱插值抑制工频干扰,然后将所得信号构造Hankel矩阵,求取奇异值差分谱并自动确定有用分量个数,最后重构信号.仿真和实验结果表明:仅采用奇异值差分谱或者小波去噪方法,无法从含有强工频干扰的信号中提取有用成分;所提出的方法相比较谱插值和小波去噪方法能够凸显早期故障特征频率.     

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。     

航空发动机中介轴承振动故障分析方法

针对中介轴承振动故障信号微弱、较难提取的问题,提出一种基于小波变换的航空发动机中介轴承故障诊断方法:首先对中介轴承故障信号进行小波分解,得到各层细节信号,并对细节信号进行重构;然后对重构信号进行频谱变换,从频谱图上清晰观察出中介轴承的故障特征频率。对真实发动机中介轴承故障信号进行的实例分析表明,本文方法具有较好的降噪能力,较频谱分析更能突出中介轴承的故障特征。