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。

用于滚动轴承转频估计的EMD软阈值降噪算法

针对经验模式分解(EMD)互相关系数-峭度准则降噪方法与小波阈值降噪方法的不足,提出EMD与小波软阈值降噪相结合的降噪方法.该方法主要包括以下4部分:1)对原始信号进行EMD分解得到固有模态函数(IMF)的集合;2)计算各个IMF与原始信号的互相关系数以及各IMF的峭度值;3)利用互相关系数-峭度准则选择需要降噪的IMF以及需要剔除的IMF;4)对选定的IMF进行阈值降噪后与剩余的IMF相加重构信号.利用仿真和实测的故障轴承信号对所提出算法以及EMD互相关系数-峭度准则降噪方法进行对比验证.结果表明:采用EMD软阈值降噪方法比采用EMD互相关系数-峭度准则降噪方法对信号进行预处理,更能确保轴承振动信号的完整性,突出信号的故障特征,降低瞬时转频估计的误差.

拖拉机动力输出轴载荷经验模态分解软阈值降噪研究

针对拖拉机旋耕作业动力输出轴(PTO)载荷降噪中载荷先验特性预判的问题,提出了PTO载荷经验模态分解(EMD)软阈值降噪方法,得到了PTO载荷相同时域内不同频率固有模态函数(IMF)。利用边界局部特征尺度延拓算法对IMF出现的端点效应进行了抑制,与镜像对称延拓算法和多项式拟合延拓算法比较,在运行时间、正交指数及IMF数量3项评价指标中均占优势。利用IMF分量与载荷相关系数,辨识出前3阶IMF分量为噪声主导分量,对前3阶IMF分量分别进行了软阈值降噪,与剩余分量叠加重构了降噪后的PTO载荷。降噪后的PTO载荷主频为4.492 Hz,与试验中旋耕机刀轴旋转频率相符。与EMD低通滤波降噪算法比较,EMD软阈值降噪算法属于自适应数据驱动,不需要设定截止频率。以含噪信号与噪声误差比(d_(nSNR))为降噪性能评价指标,EMD软阈值降噪算法的d_(nSNR)为12.712 5,小于EMD低通滤波降噪算法的d_(nSNR)值13.266 6,对比结果表明EMD软阈值降噪算法对实测拖拉机PTO载荷降噪效果明显。

基于小波软阈值降噪的内燃机缸盖振动信号时域识别

针对内燃机缸盖振动信号信噪比低且呈宽带、非平稳、时变特性,本文首先采用了基于软阈值的小波紧缩降噪方法进行处理,从而有效地突出了缸盖在不同时刻所受到激励的响应信号;然后,对降噪后的时域响应信号分别建立二阶AR模型,以模型参数作为模式识别特征参数;最后,采用感知器神经网络对特征参数进行识别与分类,由于缸盖振动信号信噪比的有效提高,使得对缸盖振动信号的时域识别和分类取得了很好的结果.通过对实验数据的处理,进一步验证了方法的有效性.

基于经验模态分解和小波降噪的漏水信号滤波方法

在研究供水管道监测漏水信号的降噪问题时,提出一种基于经验模态分解(EMD)与小波阈值降噪相结合的降噪方法。该方法首先将采集到的信号进行EMD分解,得到有限个本征模函数(IMF),通过计算各IMF分量的能量值,找到含噪较多的高频信号分量与含噪较少的低频信号分量之间的界限,对含噪声较多的高频IMF分量进行小波软阈值降噪处理,再将降噪后的高频IMF分量与剩余的低频IMF分量进行重构,实现对漏水信号的降噪。经计算验证比较,处理铁管上采集的信号时,仅用EMD法降噪后输出信噪比为14.49 dB,仅用小波软阈值法降噪后输出信噪比为16.11 dB,而提出的EMD与小波软阈值结合方法输出信噪比为19.53 dB;处理PVC管采集的信号时,仅用EMD法降噪输出信噪比为3.19 dB,仅用小波软阈值降噪法输出信噪比为4.18 dB,用改进方法得到信噪比为6.19 dB,表明用改进方法监测管道漏水具有更好的降噪效果。

形态小波降噪方法在齿轮故障特征提取中的应用

针对齿轮故障特征往往被强背景噪声淹没的问题,采用形态小波降噪方法来提取故障特征。形态小波降噪方法适合于对具有一定形态特征的齿轮故障信号进行特征提取。首先采用形态小波对信号进行分解,然后对各层的细节系数进行软阈值降噪处理,最后根据处理得到的小波系数重构信号以提取故障特征。仿真与实例证明,该方法可有效地提取隐含在噪声中的齿轮故障特征。形态小波降噪算法只涉及加减和极大、极小运算,运算简单且执行高效,适合于齿轮故障的在线监测与诊断。

多小波在振动信号降噪中的应用

发动机是一个复杂的机械动力系统,为了通过振动信号来判断发动机的状态,可通过传感器采集发动机振动信号,进行故障诊断,必须对其原始信号进行降噪预处理。传统的小波降噪一般选取单小波,由于多小波可同时具有正交性、紧支撑性、对称性和高阶消失矩特性,比单小波更具优势。针对GHM多小波降噪,讨论了两种预处理方法;对仿真信号分别进行了多小波、db4小波软阈值降噪,实验结果表明多小波具有更好的降噪效果;最后将多小波应用于飞机发动机振动信号降噪中,取得了良好效果,为发动机状态监测与故障诊断提供了一种可行的信号处理方法。

基于虚拟仪器和小波降噪的植物电信号测量系统的设计

根据植物电信号特殊性,采用PMD-1208LS数据采集卡和HB-854A型四通道电压前置放大器、以LABVIEW为软件开发平台,结合MATLAB混合编程,运用小波软阈值降噪技术,设计了植物电信号采集虚拟仪器试验系统。并在一定的室温下,设定3倍放大,构建100HZ的低通滤波,同时对橡胶苗进行电位采集。经过初步分析,经过小波软阈值降噪后的橡胶苗电位信号为1mV左右,功率谱主要分布在0～20Hz,在10Hz处尤为突出。

基于WTSD-EMDLPF的低频振荡信号降噪

针对电力系统低频振荡信号监测易受环境、设备等噪声污染问题,提出联合小波阈值软降噪和经验模态分解低通滤波的降噪方法,称之为WTSD-EMDLPF。首先,通过小波阈值软降噪滤除大部分白噪声,再利用经验模态分解低通滤波去除经验模态分解的首个固有模态分量以进一步减弱残余噪声,最后合成余下固有模态分量,重构低频振荡信号。运用数值信号算例、IEEE四机两区域系统产生的有功功率低频振荡信号算例仿真以及北美电网实测数据的降噪实验分析,证明WTSD-EMDLPF对低频振荡信号降噪的有效性。

降噪混合注意力变分自编码器及其在轴向柱塞泵故障诊断中的应用

轴向柱塞泵作为液压系统的供能元件,其故障诊断研究具有重要意义。现有故障诊断方法大多依赖人工经验,提取故障特征需要大量专家知识,且对数据和噪声的鲁棒性较差。针对轴向柱塞泵服役环境复杂、监测信号易受噪声干扰的问题,提出端到端的降噪混合注意力变分自编码器方法,直接提取淹没在噪声中的故障特征,从而实现噪声环境下轴向柱塞泵故障诊断。该方法利用卷积变分自编码器从柱塞泵压力信号和振动信号中提取故障特征,通过引入混合注意力机制,实现编码器隐层特征的加权融合,以增强故障特征并削弱噪声影响;进一步使用自适应软阈值降噪方法,降低噪声干扰,完成强噪声环境下轴向柱塞泵故障诊断。通过轴向柱塞泵故障模拟试验和噪声鲁棒性试验对所提出方法的有效性进行验证,结果表明该方法在5dB噪声下的诊断准确率高达99.32%,在-5d B的强噪声影响下仍能保持69.72%的准确率,优于常用的故障诊断方法。

气流环境中纳秒脉冲沿面介质阻挡放电的特性

纳秒脉冲沿面介质阻挡放电在流动控制领域有很好的应用前景,研究纳秒脉冲沿面介质阻挡放电特性对于认识纳秒脉冲放电的物理过程具有重要意义。首先建立了沿面介质阻挡放电的电路模型,并基于小波软阈值降噪法对实验获得的纳秒脉冲电压和回路总电流波形进行降噪,然后根据对所建立的电路模型的分析给出了放电电流的计算方法,进而研究了气流环境中不同脉冲电压幅值、脉冲重复频率和脉冲极性下的放电电流、电荷传输和沉积能量特性,并进行了分析。结果表明:单个脉冲的上升沿和下降沿各存在一次放电;放电电流、最大传输电荷量和沉积能量特性存在极性效应,且正相关于施加脉冲电压幅值;最大传输电荷量和沉积能量随重复频率的增加先减小后增大,且重复频率对放电电流的峰值和宽度有影响。该研究有助于对纳秒脉冲沿面介质阻挡放电发展过程的研究,并为瞬时沉积能量的计算奠定基础。

基于小波分析的超声医学图像非线性增强

首先将超声医学图像投影到小波变换域,然后利用软阈值技术方法进行降噪处理,最后使用非线性增强技术提高图像对比度。处理结果有效地去除原图像的斑点噪声,使图像中较模糊、对比度差的细节得到增强,优于传统的直方图均衡增强方法。

一种高精度超声测距系统设计

基于超声走时法的超声测距精度依赖于声速和超声到达时间测量,据此设计了大发射功率、高频率超声发射模块,以实现较大的超声测量距离同时具有较高的分辨率,设计了具有放大倍数可调的二级精密仪表放大电路和高品质因数的滤波电路的超声接收模块,以适应不同的测量范围,并抑制共模干扰信号和其他频率信号的干扰,采用小波软阈值降噪来判定超声首波到达时间,并采用标准距离测量来确定环境声速。实验结果表明,该系统在1m范围内精度高于1mm,5m范围内精度高于1.7mm,实现了较高的测量精度。

基于背景噪声降噪的管道阀门内漏量化检测

由于天然气管道阀门内漏声发射检测环境复杂、噪声干扰严重,极大地降低了阀门内漏流量的检测精度。为此,提出一种基于背景噪声的小波包软阈值降噪处理方法,并通过对降噪处理后的声发射信号采用基于支持向量回归(Support Vector Regression,SVR)方法进行输气管道阀门内漏流量的量化回归预测。结果表明:采用基于背景噪声的小波包软阈值降噪方法能够获取较为纯净的内漏源信号,降噪后获得内漏声发射信号信噪比为6.11。通过对小波包降噪处理后的特征参数进行输气管道阀门内漏流量回归预测,结果优于未进行降噪处理的预测结果,且软阈值降噪预测结果优于硬阈值预测结果,采用软阈值降噪的预测结果平均绝对比例误差为0.164,有效提高了阀门内漏流量量化回归预测的准确度。

冠脉造影图像序列的时空滤波

为了降低冠脉造影图像的噪声、提高冠心病临床诊断的准确率,达到低X-射线辐射剂量的前提下获得高质量图像的临床应用目的,提出一种冠脉造影图像序列的时空滤波方法。将小波降噪中的阈值降噪思想引入到快速离散正交S变换(FDOST)中,提出了基于FDOST的软阈值降噪算法对冠脉造影图像进行空域滤波;使用小波降噪对冠脉造影图像序列进行时域滤波,充分利用小波降噪的时间平滑性;加入预处理环节,使用海森矩阵增强冠脉造影图像中的线状结构。仿真及实验结果表明了降噪后的图像信噪比和对比度相比原图像大幅提高,说明了该方法适用于低剂量辐射下的冠脉造影图像序列降噪。