基于参数优化VMD-小波阈值的轴承振动信号降噪方法

为了解决复杂工况下滚动轴承振动信号存在随机噪声的问题,提出了一种基于参数优化变分模态分解(VMD)-小波阈值的滚动轴承降噪方法。首先,利用以包络熵为适应度函数的天鹰算法对变分模态分解算法的模态分解数K和惩罚因子α进行了自适应选择,代入VMD分解中,得到若干本征模态函数(IMFs);然后,根据峭度-相关系数将IMF分量划分为纯净分量和含噪分量,对含噪分量进行了小波阈值降噪处理;最后,对处理后的分量进行了重构,并用重构信号进行了包络谱分析,实现了滚动轴承的信号降噪目的,并利用仿真信号和美国凯斯西储大学公开的轴承数据集对上述降噪方法的有效性进行了验证。研究结果表明:基于参数优化VMD-小波阈值的降噪方法减少了滚动轴承运行状态下的随机噪声,相对小波阈值降噪方法,所得仿真信号信噪比提升53%,均方误差降低13%;在故障特征频率为162 Hz时,所得实验降噪信号包络谱的前6倍频谱峰值更为明显,且受随机噪声影响较小。该研究方法在滚动轴承等旋转机械信号降噪方面具有一定的参考价值。

基于谱图小波自适应阈值降噪的滚动轴承早期故障诊断

针对滚动轴承早期故障信息微弱,被强大噪声干扰的问题,基于谱图理论在图谱域构建小波系数以分析图信号中包含信息的思想,提出一种谱图小波自适应阈值降噪(Spectral Graph Wavelet-adaptive Threshold Denoising,SGW-ATD)的滚动轴承早期故障诊断方法。首先,将一维振动信号转换为路图信号,引入谱图小波变换将路图信号分解。其次,保留低频尺度系数,构建自适应阈值对高频系数进行阈值处理,通过谱图小波逆变换得到降噪信号。最后,为进一步抑制噪声,求取降噪信号的自相关函数,通过对自相关函数进行包络谱分析实现故障特征提取。将所提方法与其他几种经典降噪方法进行对比;结果表明,所提方法得到的降噪信号信噪比更高,可以更有效地实现滚动轴承早期微弱故障诊断。

直流电能表计量信号自适应降噪方法

直流用电负荷包含DC/DC变换器等电力电子器件,非线性特性显著,导致直流输出端电压、电流信号存在大量纹波,需通过滤波降噪处理提升直流电能计量的准确性。针对现有的滤波降噪方法参数设置缺乏优化、滤波降噪效果尚待提升问题,提出了基于自适应变分模态分解与小波阈值去噪相结合的直流电能表计量信号降噪方法。建立输出端直流电压、电流信号变分模态分解的参数最优化模型,并联合互信息分析,实现原始信号的有效模态分量与噪声模态分量的自适应区分。在此基础上,建立以信噪比、均方根误差、平滑度、相关系数复合评价指标最优的小波阈值去噪参数最优化模型,实现噪声模态分量的最优滤波降噪。通过实测数据计算分析,验证所提方法的有效性。

平移不变多小波相邻系数降噪方法及其在监测诊断中的应用

为了提取大型动力设备中被强背景噪声淹没的微弱故障特征,提出一种基于平移不变多小波的相邻系数降噪方法。多小波具有多个尺度函数和小波函数,具备单小波无法同时满足的优良性质,可以匹配信号中不同的特征信息,而平移不变多小波有效地消除了Gibbs现象且其中的平均过程具有优越的消噪性并保持了信号的光滑性。同时相邻系数降噪法考虑小波系数之间的相关性,克服一般阈值消噪的不足。将相邻系数降噪思想引入到平移不变多小波中,并将平移不变多小波相邻系数降噪方法应用于齿轮箱试验台和电力机车滚动轴承的诊断中。齿轮箱试验台和滚动轴承实例的诊断结果表明该方法可以有效地揭示出齿轮早期裂纹的微弱故障特征信息,并成功提取出机车滚动轴承外圈轻微擦伤故障特征频率。

多小波自适应阈值降噪在故障诊断中的应用

为了提取淹没在强背景噪声下的微弱故障信息,引入多小波自适应阈值降噪方法实现滚动轴承的信号去噪,并结合包络解调提取故障特征.多小波具有多个尺度函数和小波函数,具备单小波无法同时满足的对称性、正交性、紧支性和高阶消失矩等优良特性,可匹配信号中的不同特征信息.基于轴承外圈点蚀故障的仿真信号,分别利用GHM多小波和Db2小波对其进行降噪处理.通过信噪比的定量分析表明,相比单小波而言,多小波的降噪优势明显.针对滚动轴承的微点蚀实验信号和现场实采集的工程数据,多小波自适应阈值技术比单小波方法具有更好的降噪效果,且更易于提取出滚动轴承的早期故障信息.

自适应小波阈值在磁记忆信号降噪处理中的应用

用金属磁记忆方法检测时信号常常被各种噪声污染,为了降低噪声的干扰,对传统阈值方法的局限性进行了分析,并在改进阈值函数的基础上提出了一种自适应小波阈值降噪方法。通过仿真实验对该方法的性能进行了验证,然后将其应用于磁记忆信号的降噪处理中,结果表明算法较好地剔除了信号中的噪声,提高了重建信号的噪声抑制率,降低了信号的失真率,是一种可行的磁记忆信号降噪方法。

改进的小波相邻系数降噪方法及其在机械故障诊断中的应用

为了提取被强噪声淹没的表征机械故障的微弱冲击特征信号,提出一种改进的小波相邻系数降噪方法。改变传统小波相邻系数的收缩因子计算方法以便更好地提取冲击信号特征。进行不同信噪比的轴承仿真信号降噪试验,试验结果表明,改进的小波相邻系数降噪方法与传统的小波相邻系数降噪方法相比,可以更好地提取强噪声背景下的冲击信号特征。将改进的小波相邻系数降噪方法用于实测轴承早期故障特征提取中,试验表明提出的降噪方法要优于传统的小波相邻系数降噪方法,可以更有效地提取轴承早期故障的特征频率。

基于CEEMDAN与改进小波阈值的电缆局部放电信号降噪方法

对检测到的电缆局部放电信号降噪是实现电缆绝缘诊断与评估的前提,为此提出一种基于自适应噪声的完备集合经验模态分解(CEEMDAN)与改进小波阈值的电缆局部放电信号降噪方法。首先,采用CEEMDAN算法将染噪局部放电信号进行分解,得到数个模态分量;然后,计算模态分量的峭度值,筛选出有效特征分量并重构;最后,将重构信号通过改进小波阈值法再次降噪去除冗余噪声,得到降噪后的局部放电信号。将该方法、传统小波阈值法及集合经验模态分解与改进小波阈值法分别用于不同噪声强度下局部放电仿真信号的降噪处理,结果表明该方法具有更高的信噪比与波形相似系数,能有效抑制周期性窄带干扰与白噪声。

电磁超声检测信号的小波自适应阈值降噪研究

针对电磁超声检测信号中通常混有大量噪声干扰,使用小波软硬阈值降噪后信号存在震荡失真、细节丢失等问题,构造了一种新的自适应阈值函数。该自适应阈值函数处处连续且高阶可微。试验结果表明,对电磁超声检测信号进行小波自适应阈值处理,不但可以保护信号的细微特征不被消除,防止信号震荡,增强光滑性;而且还能减小均方误差和失真,提高信噪比,从而提升电磁超声检测的可靠性和准确性。

基于邻域相关性的小波图像自适应软阈值降噪

提出了一种新的基于邻域相关性的自适应软阈值降噪方法。软阈值函数的构造充分考虑了待阈值化小波系数与其圆形邻域小波系数的相关性,同时结合自适应的贝叶斯阈值进行噪声滤除。并与NeighShrink、VisuShrink、SureShrink以及wiener2法进行比较试验,结果表明,本研究所提出的方法可以获得较之其它的方法更好的降噪效果。

结合小波自适应阈值与双边滤波的图像降噪

针对传统硬阈值函数不连续,造成图像重构后出现Pseudo-Gibbs现象,软阈值函数因估计小波系数与原小波系数之间存在恒定偏差,影响重构精度,提出一种改进的小波阈值函数以及自适应阈值。该阈值函数有效克服二者局限性,改进的自适应阈值抑制传统阈值对有效信号造成的过度扼杀。提出改进的双边滤波器与小波阈值结合方案,最大限度保护图像目标边缘和细节特征。仿真结果表明,改进算法提高了峰值信噪比,获得了良好的图像降噪效果。

基于局部化自适应阈值的小波图像降噪

为了能在去除图像噪声的同时有效地克服Gibbs现象,得到令人满意的视觉效果,提出了一种基于局部自适应阈值的小波图像降噪方法.该算法利用局部化信息和层间相关性理论,对小波系数进行分块分类处理.该算法首先把图像划分成子块,通过调节全局阈值得到各个子块阈值,从而有效地利用了局部信息,有选择地对图像进行降噪处理.算法加入自适应的步骤,对于不同尺度的子带,分别赋予大小不同的阈值,使算法具有更好的自适应性.试验结果表明,与其他几种传统降噪方法相比,该方法能获得较好的降噪效果.

基于coif-5小波的心音自适应阈值降噪方法

为改善小波阈值及阈值函数在心音信号降噪处理中性能,通过使用coif-5小波做5层小波分解,抑制分量极少的层次的系数,保留有用分量层次的系数,然后引入相关统计参量进行阈值自适应估计,并按提出的阈值函数对有用分量层次系数阈值化处理,最后通过处理后的系数重构出降噪信号;所提方法与硬阈值、软阈值、线性中间阈值函数降噪性能进行了对比,并采用了三类评价指标做出了有效评价。实验结果表明:提出方法降噪后的信噪比更高、均方根误差更小、听诊平均意见得分更高。可见,提出方法降噪性能更优。

小波系数局部特征的自适应图像降噪算法

在Visu Shrink和基于Bayes准则的Bayes Shrink去噪方法的基础上,提出一种基于小波系数局部特征的自适应图像降噪算法.该算法从含噪图像的HH1子带估算噪声信号的标准差,并据此优化小波分解所需的级数;然后,根据小波系数的局部特征,自适应地选择不同子带不同方向上的最佳阈值,运用软阈值函数对图像进行降噪.与传统方法相比,该方法不仅提高图像的峰值信噪比,使图像更清晰,而且具有实现简单、运算速度快的特点.

一种新的多小波自适应阈值降噪方法研究

为了能更好恢复强噪声中的微弱信号,提出一种多小波的自适应阈值降噪方法.该法首先将多小波引入降噪,克服传统单小波的不足,可以匹配信号中不同的特征信息;其次,在传统软、硬阈值降噪方法的基础上,提出了一种自适应阈值算法,克服每一级尺度上都采用同一阈值的缺点.将本方法和多小波软阈值法、D4小波自适应阈值法进行降噪对比实验,显示该方法不仅有效消除了信号噪声,尤其重要的是更好地保留了原有用信号的信息特征.

分层自适应小波阈值轴承故障信号降噪方法

针对轴承振动信号易受到噪声干扰的问题,提出了一种分层自适应小波阈值降噪方法。首先将轴承振动信号进行小波分解,获得各分解层的小波系数;之后保留低频信号的小波系数,对高频信号的小波系数进行分层自适应阈值处理;最后将阈值处理后的小波系数进行小波重构,得到降噪后的信号。通过构建一种在阈值处连续且在小波域内可导的分层自适应阈值函数,可以改进传统阈值函数重构偏差和过度降噪的缺陷。轴承故障仿真信号的降噪实验结果表明,该方法的信噪比和均方根误差均优于其他方法,有更好地降噪效果;机械故障模拟实验台的轴承故障信号降噪实验结果表明,该方法在降噪的同时保留了更多的故障信息,能够有效提升故障诊断率,更有利于轴承故障信号的降噪。

基于自适应滑动均值和小波阈值的叶尖间隙信号降噪方法

动叶片与发动机机匣之间的叶尖间隙参数是反映航空发动机工作性能和运行安全的关键状态参数之一。提高叶尖间隙信号信噪比是实现高精度叶尖间隙测量的关键,为此提出基于自适应滑动均值和小波阈值的混合叶尖间隙信号实时降噪方法。首先根据叶片转速等信息,估算叶尖间隙信号带宽大小,然后通过动态改变滑动均值滤波的滑动点数来实现自适应低通滤波,最后结合小波阈值降噪时频分析能力,进一步降低噪声干扰。通过仿真实验确定采用db5小波基函数进行6层小波阈值分解,仿真结果表明该方法在各项降噪评价指标方面全面优于现有的有限脉冲响应和固定点滑动均值滤波方法。1000 rpm~4000 rpm转速范围内实际测试表明,该方法最大测量误差为16μm,有效提高叶尖间隙测量精度。

自适应小波阈值滚动轴承故障振动信号降噪方法

对于机械轴承故障振动信号的降噪处理,现有的小波阈值降噪方法不能满足提取轴承微弱故障振动信号的要求。针对硬、软阈值小波降噪方法存在间断点和恒定偏差以及现有的阈值函数灵活性较差等问题,提出了一种自适应的小波阈值函数来对滚动轴承故障振动信号进行降噪。以西储大学的轴承数据进行实际工程的仿真分析,通过对不同的阈值函数的信号降噪曲线以及频域信号的细化谱的降噪图像比对发现,自适应的小波阈值函数能够更好的滤除噪声,提取微弱的振动信号。

基于ZOA优化VMD-IAWT岩石声发射信号降噪算法

针对岩石破裂过程中产生的声发射(AE)信号夹杂大量噪声的问题,提出了一种基于斑马优化算法(ZOA)改进变分模态分解(VMD)并与改进的自适应小波阈值(IAWT)联合的声发射信号降噪算法。利用ZOA算法优选出影响VMD分解效果的模态个数K和二次惩罚因子α;通过相关系数将分解出的IMFs划分为有效分量、含噪分量和剔除分量;针对小波阈值(WT)降噪算法不具备自动调整小波基以及软、硬阈值函数存在偏差大和不连续的弊端,提出了IAWT算法去除IMFs中的噪声分量,并与有效分量合并重构,得到降噪后的AE信号。通过模拟和实测AE信号验证并与现有降噪算法对比,结果表明ZOA-VMD-IAWT降噪算法适合处理AE信号,信号的时频特征得以保留。研究结果可为岩石AE信号理论及实际工程应用提供参考。

一种小波自适应阈值的MEMS陀螺降噪方法

随机噪声是影响MEMS陀螺精度的重要因素,文中在介绍提升小波变换、平移不变小波变换和传统阈值的基础上,采用4阶Daubechies平移不变提升小波变换自适应阈值降噪方法,对某MEMS陀螺信号分解4层进行自适应阈值降噪处理,数据处理验证了此算法在MEMS陀螺降噪处理的有效性。