基于软阈值降噪的脉冲卷积神经网络轴承故障诊断方法

针对工业场景下滚动轴承信号易受噪声干扰,导致故障诊断准确率低和稳定性差的问题,本文提出一种基于软阈值降噪的脉冲卷积神经网络诊断方法。该方法使用软阈值滤波去噪,运用带时间标签的卷积层处理二维信号,增强动态特征提取能力。同时,通过引入IF和LIF神经元实现对时域和频域信息的联合编码,并采用替代梯度法进行端到端训练。实验结果显示,在信噪比为6dB时,所提方法的诊断准确率达100%,在信噪比为-6dB时诊断准确率达77.33%,优于其他常用方法,表明所提方法在噪声下具有良好的诊断效果和稳定性。

基于经验模态分解和改进小波软阈值降噪法的电站信号降噪研究

在对电站各类信号进行故障诊断时,由于其所处的复杂工作环境,采集设备得到的信号中经常包含背景中强噪声干扰,导致在后续信号关键特征的识别和处理时会出现较大困难。为降低噪声的影响,本文将经验模态分解与改进小波软阈值降噪法相结合进行电站信号的处理并进行了方法有效性验证。该方法的主要流程如下:首先,将信号进行经验模态分解,分离出若干个本征模态分量和残差。其次,对其与原始信号进行互相关分析,识别有用信号主导的分量和噪声主导的分量,并将噪声信号主导的分量进行改进小波软阈值降噪法处理后,将其与有用信号分量和残差进行重构。最后,将经验模态分解和改进小波软阈值降噪法降噪处理后的信号与传统只采用小波阈值降噪法处理后的信号进行评价,结果表明本文方法的信噪比更高、均方根误差更小、相关系数更高、平滑度更好,可有效消除背景噪声的影响。

软阈值时序卷积网络在冷水机组传感器故障诊断中的应用

为了提高冷水机组传感器的故障诊断性能,提出了一种基于软阈值时序卷积网络的编码-解码器重构模型(ST-TCN),并建立基于该模型的传感器故障诊断方法。采用时序卷积网络(TCN)充分挖掘冷水机组传感器的时间相关性、热力学物理量间的数据相关性以及动态响应差异性特征。在TCN的残差块中引入软阈值自适应模块剔除冗余信息,降低噪声干扰。依托ST-TCN模型“端到端”的网络结构优势,将绝对重构残差向量与故障阈值向量进行比较,直接定位故障传感器。在实际压缩式冷水机组平台上采集传感器数据进行实验,结果表明,软阈值自适应模块能有效地增强网络模型的重构能力,从而提高故障传感器的诊断性能。以压缩机吸气温度传感器T1为例,ST-TCN的平均偏差故障识别率比改进前提升了45.9%;与其他故障诊断方法相比,所提的最新框架获得了较高的偏差故障识别率。

基于软阈值函数的深度学习磁信号去噪算法

针对采用固定阈值函数的深度学习信号处理方法在处理实测磁信号时学习特征的能力差、去噪效果差的问题,提出基于自适应参数软阈值函数(APSTF)的去噪算法。该算法将软阈值函数作为激活函数引入神经网络框架,用于剔除特征图中的噪声特征,增强神经网络的学习能力,从而实现信号处理效果的提高;将U-Net网络中的ReLU激活函数替换为自适应参数软阈值函数,增强了实测噪声下神经网络的学习能力,显著的提高了去噪后磁信号的信噪比。区别于以往采用传统软阈值函数的去噪算法,利用ECA模块来自适应选取阈值,取消了对噪声分布已知的假设前提,能更好地适应实测噪声并将其去除。

面向水下焊接电信号的粒子群优化小波软阈值去噪法研究

为降低噪声干扰以及提高检测精度,提出一种针对水下焊接电信号的基于粒子群优化的小波软阈值去噪方法。通过对信号进行小波分解,以信噪比作为评价指标,不断迭代进行全局搜索最优阈值从而完成信号去噪,并分别进行仿真及实测水下焊接电信号的去噪实验。结果表明,提出的算法具有信号信噪比更高、均方根误差更小、能有效保留信号的细节信息等优点,有利于水下焊接电信号特征的提取,从而为水下焊接质量在线监测提供基础。

基于优化最小化的软阈值问题迭代求解方法

软阈值问题是优化理论中非常重要的一种问题。该问题存在显式解,可以通过软阈值算子来求解。软阈值问题的解在信号降噪、深度学习等领域中得到了广泛应用。文章从一种全新的角度来探索软阈值问题的解,在优化最小化框架下给出该问题的一种新的迭代求解方法,并从理论上保证最终得到该问题的局部最优解。在模拟数据上的实验表明,该方法与软阈值算子法求出的解完全一致。

基于小波软阈值滤波的含噪故障诊断方法

针对机械故障诊断中的噪声干扰问题,本文提出了一种基于小波软阈值滤波的残差网络用于故障诊断。首先,利用深度残差网络提取特征;其次,利用小波变换提取不同尺度的时频特征;最后,利用自适应阈值作用于时频特征来去除噪声干扰。实验表明,本文提出的方法能够在添加不同信噪比噪声的CWRU数据集上取得理想的抗噪性能力。

一种改进的小波软阈值去噪方法性能分析

分别利用软阈值函数和修正软阈值函数对局部放电仿真信号进行小波去噪分析。仿真结果表明，修正软阈值函数在优于传统软阈值函数去噪性能的基础上，更具有灵活性，仅通过调节函数的可变参数，就可以获得具有最大信噪比和最小均方误差的去噪信号。

电能质量信号的小波软阈值去噪方法

基于DONOHO的软阈值去噪方法,提出了一种改进的小波软阈值算法。该算法利用高斯白噪声的正态分布特点、3Σ法则和小波变换系数的分布特点,在有效去除白噪声的同时较好地保留了信号的局部特征,且不受采样点数的影响。MATLAB仿真表明,该法在较强白噪声干扰下仍能有效去噪,较之无偏风险、固定阈值、启发式阈值、极大极小值等去噪方法更为有效,特别适于强噪声背景下弱信号的提取。

CEEMD和小波半软阈值相结合的滚动轴承降噪

针对滚动轴承振动信号降噪处理时如何保证信号边缘信息完整性的问题,提出将互补集合经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)与小波半软阈值相结合的信号降噪方法,对滚动轴承故障高频振动信号进行降噪处理。首先,采用CEEMD方法对故障振动信号进行分解,针对信号特点自适应获取不同频段模态分量;其次,将对包含噪声污染的高频信号模态分量进行相关性分析,得到含噪成分较高的高频模态分量,进一步采用小波半软阈值进行降噪处理;最后,将降噪后的模态分量同残余分量进行信号重构,完成降噪过程。分析结果表明,相对于传统小波阈值降噪和CEEMD强制降噪方法,提出的方法能够有效去除高频信号的噪声,且最大程度地保证了原始信号的完整性,降噪效果更好。

基于小波变换的半软阈值参数算法研究

小波域阈值滤波因其实现最简单,计算量最小而得到广泛的应用,但对不同信号而言,其阈值函数的选择将直接影响到滤波效果。由GaoHongYe提出的半软阈值法,因其参数实现算法的复杂度大而没有得到有效的应用。结合小波理论与模糊理论对半软阈值函数的参数提出一种新的计算算法,大大减少了算法实现的复杂度,并对其进行试验仿真,取得了良好的效果。

基于小波半软阈值消噪的盲源分离方法

为了有效提取含噪机械故障信号中的故障特征信息,研究了一种基于小波半软阈值消噪的盲源分离方法。利用小波半软阈值对故障信号进行消噪处理;采用联合近似对角化算法对信号进行盲源分离;考虑在噪声干扰下预消噪常常不足以消除全部噪声,因此在盲源分离后再进行适当的消噪处理,以提高其分离性能。实验验证了所提出方法的有效性和可行性。

基于提升算法和百分位数软阈值的小波去噪技术

在地震勘探领域,随机噪声一直是影响地震信号信噪比的主要因素之一,如何从被干扰的地震信号中有效去除随机噪声并保护有用信号具有重要的意义.针对经典小波变换在计算效率方面的缺陷,本文推荐应用提升算法实现第二代小波变换的构建,分析和对比了提升算法(Lifting Scheme)下不同小波变换方法的特性,选取更加符合小波域去噪原理的CDF 9/7双正交小波变换作为基本算法,同时应用了简单、有效的百分位数(Percentiles)软阈值进行信噪分离.通过理论模型处理,本方法可以在去噪能力和保护有用信号之间找到很好的平衡点.实际剖面的处理效果表明,此方法不仅能有效的滤除随机噪声,而且很好地保护有用信号,提高地震数据分析的精确性.

小波软阈值去噪技术在电能质量检测中的应用

小波方法是一种很好的电能质量信号检测和分析工具 ,但其性能往往受信号中噪声的影响 ,当噪声比较大的时候 ,小波方法甚至会失效。文中根据小波变换的时频特性 ,分析了信号和噪声在小波分解过程中的不同特性 ,并在此基础上利用改进的软阈值去噪技术对电能质量信号进行信号去噪处理。软阈值方法能根据各小波空间上特征分量和噪声的统计特性设置适当的阈值来消除噪声 ,并以此恢复小波方法的性能。该方法不仅较好地解决了保护信号局部特征与抑制噪声之间的矛盾 ,能很好地对各种电能质量信号进行去噪处理 ,而且达到了数据压缩的效果。仿真计算结果表明 。

基于软阈值和小波模极大值重构的信号降噪

软阈值小波降噪是一种常用的非平稳信号特征提取方法。为了改进软阈值小波降噪法的性能,提出一种基于软阈值和二进小波变换模极大值的新小波降噪方法。首先,对信号进行二进小波变换,再对小波系数进行软阈值处理;然后,选择由信号产生的小波系数模极大值点;最后,用交替投影算法重建信号。理论分析表明,该方法能有效地降低软阈值小波降噪法的误差下界。仿真试验表明,该方法提高了降噪结果的信噪比,且较好地保留了信号中的奇异性。将该方法和二进小波变换软阈值降噪法结合起来,应用于滚动轴承故障振动信号降噪。结果表明,该方法能有效地提取到信号中的冲击特征。

小波域软阈值降噪的地磁匹配导航仿真研究

为消除地磁数据中的噪声和干扰,提高地磁匹配导航的精度和可靠性,采用小波降噪方法对地磁数据进行预处理。通过对小波母函数特性的研究,结合地磁场自身规律提出了地磁数据降噪中小波母函数的选取准则,并根据地磁匹配导航的特点提出了基于误差和相关系数的小波分解层数确定方法。通过对小波降噪主要方法的定性分析,采用了小波域软阈值降噪方法。选取4个小波母函数进行了地磁数据降噪和匹配导航仿真实验,实验结果表明小波域软阈值降噪方法是可行有效的,且sym4小波母函数的综合性能最优。

小波软阈值算法去除SAR图像中的Speckle噪声

在详细分析了Donoho小波软阈值的基础上 ,应用小波变换技术对SAR图像进行分析处理 .使用“小波局部软阈值算法”来计算阈值 ,对高频小波系数进行阈值确定 .求得估计小波系数 ,对其取小波反变换后 ,去除SAR图像中的Speckle噪声 .实验结果表明此方法对去除Speckle噪声十分有效 。

基于二进小波变换和软阈值改进的信号消噪

软阈值消噪是信号消噪中的标准算法.理论上,软阈值方法在最小最大误差方面是近似最优的.研究表明,通过结合系数消噪和软阈值方法,可以达到更低的误差下界.由于离散小波是非平移不变的,因而重构过程中会出现人工噪声.为了避免这个问题,采用了具有平移不变性的二进小波变换.实验结果表明,文中所提算法的消噪结果具有更高的信噪比和更光滑的外观.

最佳小波包基改进软阈值的消噪方法及应用

在讨论基于小波包变换消噪方法的基础上,针对传统小波方法消噪中阈值选取方法的优缺点,提出了一种基于最佳小波包基改进的软阈值消噪方法,并将该方法应用于电机故障信号的消噪。试验结果证实,与传统的阈值选取方法相比,基于最佳小波包基的改进软阈值消噪方法对非平稳的电机故障信号消噪效果更好。

基于相邻尺度积系数的半软阈值小波滤波

针对相邻尺度积系数硬阈值滤波后的MSE函数不连续,最优阈值选取困难,该文构造了一种基于相邻尺度积系数的半软阈值函数。其为收缩因子函数与小波系数的乘积,对小波系数无穷可导、可在阈值邻域内对小波系数自适应收缩。进而通过极小化SURE(Stein Unbiased Risk Estimate)估计得到MSE意义下自适应于信号和噪声的最优阈值。大量仿真实验表明:采用本文构造的半软阈值函数,可改善基于相邻尺度积系数的滤波算法性能。