改进停止阈值准则的振动信号降噪方法研究

在使用压缩感知理论解决振动信号的降噪问题时,信号重构阶段使用最多的是正交匹配追踪算法,如果该算法的迭代停止阈值选取不当,迭代误差的循环将会导致重构误差增大,降噪性能会下降。提出一种基于改进停止阈值准则的降噪方法,利用离散余弦变换得到完备字典矩阵,对振动信号进行稀疏表示,得到稀疏系数向量;然后用正态分布检验稀疏系数是否服从正态分布,利用3σ准则计算得到停止阈值;最后在求解最小二乘解的步骤之后添加筛选判断条件与迭代停止阈值。仿真定义信号和实测振动信号的降噪分析结果表明:此改进方法可将信噪比(SNR)为-1.0257 dB强噪声背景信号的信噪比提升到2.0549 dB。此方法在信噪比、均方差根等降噪性能指标上均优于SP、OMP、SWOMP三种降噪方法。

基于CEEMDAN-IAWT方法的滚动轴承振动信号降噪

针对滚动轴承振动信号中混入噪声的问题,设计一种自适应白噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)结合改进自适应小波阈值(improved adaptive wavelet threshold,IAWT)的联合降噪法。使用CEEMDAN对信号进行模态分解得到本征模态函数(intrinsic mode functions,IMFs);将得到的IMFs与原信号进行相关性分析识别有效分量;针对小波阈值(wavelet threshold,WT)降噪算法不能自适应选取小波基和分解层数以及阈值函数存在缺陷的问题,设计了IAWT算法,利用IAWT算法过滤IMFs中的噪声;将处理后的IMFs进行信号重构。利用设计的联合降噪算法对仿真信号和试验台信号处理可知,相比于WT,使用IAWT处理后的信号信噪比提高了约0.5 dB,与原信号的相关系数提高了约0.03,均方根误差降低了约0.01;将设计的方法与CEEMDAN-WT等方法对比可知,经处理后的信号信噪比至少提高了1.37 dB,且信号特征保存完好。

基于ICEEMDAN-SE-TFPF的水电机组振动信号降噪方法

针对水电机组振动信号中的背景噪声过大影响信号质量,进而降低故障识别准确率的问题,提出了一种基于改进自适应噪声完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)、样本熵(SampEn,SE)及时频峰值滤波(Time-Frequency Peak Filtering,TFPF)重构的水电机组振动信号降噪方法。首先采用ICEEMDAN对水电机组振动信号进行分解得到若干本征模态分量(Intrinsic Mode Functions,IMFs);然后利用SE筛选主要IMF分量,并采用TFPF方法进行信号滤波重构,降低信号噪声;最后将重构后的信号输入支持向量机(Support Vector Machine,SVM)进行故障诊断,验证降噪方法的有效性;利用某电站3号机组数据进行实验,结果表明本文方法能够有效降低噪声对真实信号的影响,准确识别不同故障类型,提高诊断精度,具有一定应用价值。

基于LMD-MFE-SVD的松动爆破降噪分析

为提高松动爆破振动信号分析精度,在局部均值分解(LMD)的基础上,建立一种基于局部均值分解(LMD)-多尺度模糊熵(MFE)-奇异值滤波(SVD)的混合去噪方法。使用LMD方法对松动爆破振动信号进行分解,获得一系列乘积分量(PF);通过计算MFE和相关系数,对爆破振动信号进行初步降噪;针对主要PF分量的残留噪声,使用SVD滤波进行降噪处理,提取真实信号成分。通过上述处理,最终实现松动爆破信号降噪。结果表明:提出的LMD-MFE-SVD降噪方法具有可行性和应用价值,能够对含噪的PF分量进行有效处理;对于含多信号成分、多噪声的仿真信号,LMD类算法相较EMD类改进算法降噪效率更高,信噪比(SNR)、均根方误差(RMSE)和失真百分比(PRD)指标表现显著提升,而相较LMD算法,提出的LMD-MFE-SVD算法降噪效率进一步提高,依次提升11.73%、22.07%和9.25%,降噪效率显著;根据实测松动爆破振动信号去噪后的波形和频谱对比,提出的LMD-MFE-SVD降噪后的信号波形更为集中,能保留多数信号信息,信号频谱图更为清晰,有效显示信号频率波峰,更利于松动爆破振动信号的特征分析。

基于梯度阈值的往复压缩机振动信号小波包奇异值降噪

信号降噪是往复压缩机故障诊断的关键环节。文中首先对比分析小波包和奇异值降噪,认为对于光滑信号,奇异值降噪十分有效,对富含突变的信号,小波包降噪效果好。然后针对振动信号的不同特性,提出梯度值和梯度阈值的概念,若信号的梯度值小于梯度阈值,则采用奇异值降噪,否则用小波包降噪。并通过大量数据分析确定往复压缩机振动信号的梯度阈值。最后以曲轴轴承和阀的振动信号降噪为例,计算二者的梯度值,确定前者应用奇异值降噪,后者应用小波包降噪。结果表明,基于梯度阈值的降噪取得了令人满意的效果。

矿用带式输送机驱动滚筒轴承振动信号降噪方法

针对现有振动信号降噪方法中经验模态分解存在模态混叠、独立分量分析要求采集的振动信号数不少于源信号数等问题,提出了一种基于集合经验模态分解(EEMD)和快速独立分量分析(FastICA)的矿用带式输送机驱动滚筒轴承振动信号降噪方法。首先,通过EEMD算法对采集的振动信号进行分解,得到若干不同尺度的包含故障特征频率的本征模态函数(IMF)分量;然后,基于相关系数对IMF分量进行重构,得到特征信号和虚拟噪声信号,将重构的特征信号和虚拟噪声信号组成输入矩阵,并作为FastICA算法的输入;最后,利用FastICA算法实现信号与噪声分离,达到信号降噪的目的。实验结果验证了该方法的可行性和有效性。

解析变压器异常噪声与振动原因及策略

变压器是电力系统中的重要组成部分,它具有不可替代的作用,可以将某一特定值的电流转换成另一种或另几种特定值不同的电流,而这两组电流的频率大致相同。作为电力系统中转换电流的核心设备,变压器如果发生故障,对于整个电力系统的正常运转无疑是个巨大的威胁,所以对于电力系统的运转,变压器的日常维护、维修改良就显得格外重要。本文以变压器的异常噪声和振动为切入点,分析其所产生原因及应采取的策略。

基于局域均值分解的行星齿轮箱故障诊断方法

在低转速工况下,容易出现行星齿轮箱故障的微弱信号和强信号难以分离的情况,导致行星齿轮箱存在微弱故障诊断精度较差的问题,为此,提出了一种基于局域均值分解(LMD)的行星齿轮箱故障诊断方法。首先,采用DASP数据采集系统,采集了行星齿轮箱不同工况下的振动信号,采用平移不变量小波降噪方法,对其振动信号进行了降噪处理;然后,采用局域均值分解方法分解了其振动信号,分别采用了能量算子和循环频率对其进行了解调处理,获取了微弱故障信号分量所对应的幅值和相位调制信息,准确提取了行星齿轮箱的微弱故障信号特征;最后,采用最小二乘支持向量机(LSSVM)识别了齿轮箱不同故障特征,判断了行星齿轮箱的运行状态,实现了行星齿轮箱的故障诊断。研究结果表明:采用基于LMD的方法,可以对行星齿轮箱的微弱异常信号及强异常信号进行准确诊断,获得满意的行星齿轮箱故障诊断结果,有效保障行星齿轮箱的安全、稳定运转。

基于互补集总经验模态分解和局部异常因子的有载分接开关状态特征提取及异常状态诊断

为了及时发现和诊断有载分接开关(OLTC)的异常状态,在特征提取方面,结合驱动电机电流信号选取OLTC振动信号的特定时段,以突出状态特征;利用互补集总经验模态分解(CEEMD)得到振动信号的固有模态函数(IMF),针对OLTC振动信号的特点,提出基于IMF能量特征的降噪算法;设计了时频矩阵划分算法,提取划分线、峭度、包络谱熵、时频矩阵能量密度、时频矩阵变异系数等特征参量。在异常状态诊断方面,通过多个振动测点,同时实现OLTC本体和传动机构的异常状态诊断;建立了以局部异常因子(LOF)为诊断参量的OLTC异常状态诊断方法,通过待测样本与正常样本集的比较来发现和诊断OLTC的异常状态,具有较好的普适性。仿真和实验结果表明,基于该文提出的方法能有效发现和诊断OLTC的异常状态。