一种细节信号提取方法及其在信号处理的应用

液压泵性能退化过程中,振动信号复杂度高、非线性强,导致特征信息微弱,为此,提出一种基于MUWDF与LCD-BSS的液压泵故障细节信号提取方法。首先,利用MUWDF对双通道振动信号进行融合,通过对不同分解层近似信号的筛选与融合,有效降低噪声及干扰成分的影响,改善重构信号中的特征信息;在此基础上,提出LCDBSS方法,利用BIC准则与互信息相结合选取独立性较高的ISC分量,通过盲源分离得到包含故障特征信息的细节信号;最后,通过对液压泵不同松靴程度下振动信号的应用分析,验证了该方法的有效性。

基于WMUWD和MF-DFA的无意调制特征提取方法

为了能够有效提取信号中包含的无意调制信息,提出了一种基于WMUWD和MF-DFA的特征提取方法。以发射机原理为基础,建立无意调制信号数学模型。在此基础上,提出了WMUWD的信号分解方法,并利用互信息对近似信号进行融合以减少无用信息。提出了MF-DFA方法并提取奇异指数作为特征。通过仿真分析发现,在信号处理层面,较传统小波分析方法而言,所提方法具有更好的信号处理效果,能够有效地去除无用信息与噪声分量;在特征识别方面,所提取的特征能够很好地识别5类无意调制信号,识别率均达到100%,表明所提方法的有效性。