基于样本熵的改进小波包阈值去噪算法

为了更好地消除噪声对被测振动信号的干扰,分析了样本熵算法与噪声的关系,提出了一种基于样本熵的改进小波包阈值去噪算法。在阈值函数方面,该方法利用样本熵作为特征参数,对含噪信号小波包系数的噪声分布进行表征,且依据此特征参数值对阈值函数进行改进,使其能够根据信号的小波包系数受噪声影响的情况进行自适应的调整;在阈值选取方面,定义去噪后信号与原始信号之差作为噪声信号的估计,利用样本熵作为判别依据,选取使得噪声估计的样本熵值最大的阈值作为最优阈值。该方法与其他方法进行对比,结果表明,该方法能够有效地去除噪声且更好地还原信号的频率特征,是一种更为优越的去噪算法。

基于Shannon熵的自适应小波包阈值函数去噪算法研究

小波包去噪算法的关键问题在于对信号进行去噪时,如何有效地消除噪声且尽可能地保留原始信号的小波包系数。传统阈值函数由于无可调节参数,其去噪形式固定,无法根据小波包分解系数的噪声成分自适应地进行调整,去噪效果有待提升。据此,将Shannon信息熵作为调节参数引入小波包阈值函数中,提出一种基于Shannon熵的自适应小波包阈值去噪算法,对信号进行小波包分解并计算最大分解尺度小波包系数的Shannon熵值,依据该值对阈值函数进行调整,以实现在强噪声背景下对小波包系数进行大尺度的收缩,而在弱噪声背景下实现阈值收缩的平滑过渡。采用该方法对仿真信号与轴承振动实验信号进行去噪分析,并与其它小波包阈值去噪算法相对比,结果表明该方法去噪效果更好且在滤除噪声的同时有效地保留了信号的原始特征。

基于排列熵的振动信号小波包阈值去噪研究

工程实践中的振动信号往往存在噪声干扰而导致信号特征信息无法显露,传统小波包软、硬阈值函数去噪形式固定,无法依据信号小波包分解系数的噪声干扰情况进行调整。据此,提出一种新的介于软、硬阈值函数之间的改进小波包阈值函数,并将排列熵作为信号含噪情况表征参数引入阈值函数中。对信号小波包系数进行排列熵计算,并依据该值对阈值函数进行自适应调整,使得新的阈值函数能够对含噪较多的小波包系数进行大尺度收缩而对含实际信号特征较多的小波包系数尽可能地保留,从而达到最佳的去噪效果。对滚动轴承振动实验信号的去噪分析,并与其他方法进行对比,验证了该方法的有效性与优越性。

一种新的小波阈值去噪算法研究

为了更好地消除噪声对被测信号的干扰,针对传统小波软、硬阈值函数与全局阈值去噪算法的不足,综合考虑了小波阈值的估计与阈值函数的选取,提出了一种新的小波阈值去噪方法。对仿真信号与实验轴承振动信号进行去噪分析,并与几种不同的小波阈值去噪算法结果相对比。结果表明:新的小波阈值去噪算法更好地去除了噪声并保留了信号的原始特征,是一种更加优越的去噪方法,具有较高的实用价值。

基于样本熵的最优小波包阈值估计去噪算法

为了更加有效地去除噪声对被测信号的干扰，分析了传统小波阈值估计方法的局限性，提出了一种基于样本熵的最优小波包阈值估计去噪算法。该方法利用样本熵作为信息价值函数以确定最优小波包，且以样本熵为判据，对不同的分解层数设置不同的阈值，选取使得去噪后得到的噪声估计信号样本熵值最大的阈值作为最优阈值。对仿真信号进行分析证明了该方法的有效性，将该方法应用于滚动轴承振动信号去噪分析且与其他阈值方法相对比，结果表明该方法去噪后的信号较其他方法而言频谱中的干扰频率更少且滚动轴承的基频以及故障频率更为突出，去噪效果更好，是一种更为优越的去噪算法。

机器人光学自由曲面气囊抛光工具的位姿研究

为了更好实现光学自由曲面的有效加工,根据计算机控制光学表面成型技术原理,将工业机器人与气囊抛光技术相结合,提出一种光学自由曲面加工的新方法。本文首先建立了机器人抛光系统,分析了气囊抛光工具与工件表面的抛光位姿关系,然后根据气囊抛光工具与工件表面的数学关系,提出一种气囊抛光工具的位姿求取算法。在此基础上,以六轴工业机器人为实验平台,对确定的自由曲面进行计算验证,规划出抛光路径,推导了气囊抛光工具姿态控制算法。结果表明,该位姿求取算法满足机器人气囊抛光技术的要求,能够实现理想的抛光工具姿态控制。