基于小波分析的FastICA联合降噪方法在滚动轴承故障诊断中的应用研究

采用小波分析方法进行振动信号降噪存在选取参数依靠经验的问题,采用独立分量分析(ICA)方法进行振动信号降噪存在欠定问题,为了避免小波降噪以及ICA方法单独使用的缺点,提出了将小波降噪分析和基于负熵的FastICA独立分量分析相结合来处理滚动轴承含噪振动信号的方法。首先对原始信号进行小波降噪处理,然后将处理后的信号与原始信号组成FastICA的输入矩阵,进行FastICA降噪处理,最后利用滚动轴承振动信号对该方法进行有效性验证。实验分析表明:该方法增大了振动信号的峭度值,达到了滚动轴承振动信号降噪的目的。

改进小波降噪算法在轴承缺陷图像的应用

针对传统Bayes阈值不能随小波分解尺度变换以及提高传统算法图像降噪效果的问题,文章提出一种改进的基于小波维纳滤波与Bayes自适应阈值估计图像降噪算法,该算法在多层小波变换的基础上,对小波分解后的第一层细节系数进行维纳滤波处理,对其他层细节系数进行改进Bayes软阈值估计算法处理,最后对处理后的小波系数进行重构,得到降噪图像。实验结果表明,该方法在图像峰值信噪比(PSNR)定量指标上优于传统的小波Bayes软阈值估计图像降噪方法,并将该方法成功的应用于轴承缺陷图像的降噪预处理以及轴承缺陷图像边缘检测中,达到了图像降噪的优化效果。

基于对角切片谱和灰色关联度的滚动轴承内圈损伤程度评价方法研究

针对滚动轴承前期故障特征信息微弱且易受噪声影响,导致轴承故障损伤程度难以判断的问题,提出一种基于三阶累积量对角切片谱和灰色关联理论的新方法,来获取轴承故障部位以及损伤直径大小。利用三阶累积量对角切片谱抑制高斯噪声以及能够识别二次相位耦合信号等特性,判断出轴承故障部位信息;利用灰色关联理论对三阶累积量对角切片数据进行峭度指标、脉冲指标以及裕度指标分析,得到轴承前期故障损伤程度曲线图。通过该方法对实际信号进行分析,非常清楚的得到轴承故障部位以及损伤直径大小,表明了该方法的可行性以及实用性。

基于模平方阈值—FastICA的滚动轴承降噪方法研究

针对小波阈值降噪时硬阈值和软阈值存在的连续性差和小波系数高频损失的问题,以及经典独立分量分析(independent component analysis,简称ICA)方法降噪时的欠定问题,提出了模平方阈值与Fast ICA结合的联合降噪方法。首先将采集的单通道信号进行模平方阈值降噪处理,然后将降噪后信号与原振动信号组成输入矩阵进行Fast ICA降噪,最后对降噪后信号进行包络谱分析,实现滚动轴承特征提取和故障诊断。仿真和实验结果分析表明:该方法能使振动信号的峭度值增大,有效地滤除噪声,凸显故障特征信息,证明了该方法的有效性。

改进的小波与Bayes阈值估计图像降噪算法

针对传统小波与Bayes阈值估计算法存在的不足,将小波多层变换方法和Bayes阈值估计算法相结合,提出了基于小波与Bayes自适应阈值估计的一种新的图像降噪方法。该算法改进了小波系数并进行Bayes阈值估计算法的处理,重构了经过处理的小波系数。经过仿真实验验证,该方法相对于传统的小波与Bayes阈值估计图像降噪算法在图像峰值信噪比(PSNR)指标衡量上更加优良,达到了图像降噪的优化效果。