轴承早期故障特征提取方法研究

针对滚动轴承早期故障信号被背景噪声淹没、故障特征不明显的问题,提出一种基于小波包分解和互补集合经验模态分解(CEEMD)的轴承早期故障信号特征提取方法.利用Matlab软件对采集到的轴承振动信号进行快速谱峭度分析,根据峭度最大化原则确定带通滤波器的中心频率和带宽,设计带通滤波器;对经过带通滤波器滤波后的信号进行小波包分解和CEEMD分解,根据峭度、相关系数筛选出有效本征模态函数(IMF)分量;利用IMF分量重构小波包信号,对重构小波包信号进行包络谱分析,提取轴承早期故障信号特征频率.该方法通过谱峭度分析降低背景噪声干扰,通过小波包分解增强故障冲击信号,并将CEEMD与小波包分解相结合,解决经典EMD分解存在的模态混叠、无效分量问题.仿真结果表明,相较于传统包络解调算法,重构后信号的背景噪声得到抑制,故障特征分量突出,验证了所提方法的可行性和有效性.     

基于最优小波基选取的掘进机振动信号去噪方法

为了提高掘进机振动信号小波包去噪的效果,最大限度避免噪声对信号特征提取的影响,提出了基于最优小波基选取的掘进机振动信号去噪方法。该方法以信号频谱为分析依据,首先确定了小波包分解的最优分解层数,再选择最优小波基函数,实现了对掘进机振动信号的实时处理,去噪效果达到了最佳。现场试验结果也验证了该方法的有效性。     

基于CEEMD和小波包变换的重力数据信噪分离方法

为了有效地进行海洋重力测量数据的信噪分离,本文提出了基于互补总体经验模式分解(CEEMD)和小波包变换(WPT)的重力数据信噪分离方法。该方法利用CEEMD将海洋重力测量信号分解为从高频到低频的不同固有模式函数(IMF)分量以及趋势项,为进一步提取出各IMF分量中的有用重力信号,本文采用小波包变换对各IMF分量进行小波包分解降噪,最后将从各分量提取出的有用信号与趋势项进行信号重构,实现重力数据的信噪分离。本文通过仿真数据和实测数据对该方法进行了验证,结果表明本文提出的重力数据信噪分离方法能有效的抑制噪声干扰,保留有用的重力信号,实现较高精度的重力信号提取。     

基于小波包最优基的语音信号压缩方法

提出了基于方差准则的小波包最优基压缩方法.首先选择一个合适的小波函数及分解层次对语音信号进行小波包分解.然后基于方差准则确定小波包最优基,保留语音信号的重要特征,实现信号压缩.最后对小波包最优基中的小波系数进行量化、编码,以便于信号在信道中传输.在接收端进行译码,重构压缩后的语音信号,观察压缩效果.实验中对语音信号采用不同方法进行了压缩实验,验证了本文算法的可行性.实验结果表明,本文算法的搜索量小,易于实现,压缩效果比较明显.     

基于奇异值分解和小波包分析的液压泵振动信号特征提取方法

针对液压泵故障特征提取问题,提出了一种基于奇异值分解和小波包变换的液压泵振动信号特征提取方法.通过奇异值分解将噪声非均匀分布的液压泵振动信号正交分解为噪声分布相对均匀的分量,对各分量进行小波包阈值去噪,重构去噪后分量,对去噪后信号进行小波包分解,提取各频带能量特征.以齿轮泵为例,将该方法对齿轮泵的气穴故障、齿轮磨损和侧板磨损3种常见故障和正常状态的振动信号进行特征提取分析,结果表明,该方法可有效提取齿轮泵故障特征.     

模拟电路故障特征提取的小波基选取方法研究

小波技术在高维故障特征数据的压缩及敏感信号提取已被广泛应用,但小波基的选取没有一个统一的标准;通过实际采样信号数据的小波分解、特征向量计算、波动性函数比较等技术对小波基函数的选取进行了研究;最后通过综合小波分析、神经网络等技术的模拟电路故障诊断系统的诊断实例验证了所提选取方法的有效性;使用9种常用小波基函数,分别对采样信号进行分解并计算波动性函数,并在模拟电路故障诊断系统进行验证;小波基函数bior2.2的波动较小且与诊断结果一致。     

改进CEEMDAN-小波包阈值降噪在旋转机械轴承中的应用

针对旋转机械滚动轴承振动加速度信号在采集过程中存在大量噪声导致振动信号表征不明显的问题，提出了一种在对自适应噪声完备集合经验模态分解(CEEMDAN)进行改进的基础上与小波包阈值降噪联合的一种数据去噪方法。首先，通过计算分解后得到的各分量的均方根和互相关系数对与原始信号相关性较大的分量进行提取；然后，分别计算提取后每个分量对应的阈值进行小波包阈值降噪处理；最后，将处理后的信号与分量中不存在噪声的分量进行叠加，即为降噪后的信号。经过对比实验验证，改进CEEMDAN-小波包阈值降噪方法的信噪比最大提高6.41,均方根误差降低0.12,证明了本方法的有效性。     

小波包分解在迎角传感器信号预处理中的应用

针对基于四象限压力传感器阵列的迎角测量方法中传感器信号受到干扰的问题,讨论了在其预处理中应用小波包变换进行信号分离提取的方法。根据小波包分解理论,对信号进行小波包分解,信号中频率不同的部分落在不同的尺度上,剔除反映干扰的变换尺度,提取出有用信息。结果表明,该方法可很好地提取信号的主要特征信息,也有效地去除了确定性干扰和随机噪声,与传统的信号滤波方法相比较具有明显的优点,同时为后续的信号处理奠定了基础。     

联合过完备库下的信号稀疏分解

针对具有多个特征成分的复合信号在单一特征过完备库下无法实现稀疏分解的问题,提出构建联合过完备库的思想.联合过完备库由多个具有单一特征的过完备库联合构成,包含复合信号中各分量信号的信息,使得复合信号在其上具有稀疏性.利用稀疏分解算法,对多个复合信号在相应的联合过完备库上进行稀疏分解和信号重构,并与单一特征过完备库的分解结果进行了对比分析.仿真结果表明了构建联合过完备库思想的合理性和有效性.     

煤岩声发射信号识别研究

针对煤岩破裂的声发射信号难以在复杂的噪声环境中识别的问题,提出了一种基于小波包分析和小波特征能谱系数分析的煤岩声发射信号识别方法。选取Symlets小波作为煤岩声发射信号分析的小波基函数,采用混合阈值算法对该信号进行去噪处理,提取出有用声发射信号,并采用Matlab软件分别对有用声发射信号和噪声信号的小波包分解进行仿真,得到两者的小波特征能谱系数和小波包特征向量。仿真结果表明,有用声发射信号特征向量的各级能量变化程度较大,噪声信号特征向量的能量变化较为稳定,从而可实现煤岩声发射信号的识别。     

一种钢丝绳芯输送带早期故障检测方法

针对传统小波变换分析金属磁记忆信号奇异性时易受噪声干扰的问题,将经验模态分解(EMD)和小波变换(Wavelet)相结合,提出了一种EMD-Wavelet早期故障检测模型。将钢丝绳芯输送带的金属磁记忆信号经过经验模态分解得到本征模函数分量,利用小波变换模极大值法提取信号奇异性特征。实验结果表明,该模型抗干扰能力强,能够较好地反映信号局部特征,可有效判断钢丝绳芯输送带异常应力集中区位置,为早期故障诊断提供依据。     

改进型HHT方法在钻机电网谐波检测中的应用

传统HHT方法在分析谐波时存在模态混叠现象,不能有效得出各次谐波分量,所以本文采用基于小波分解的HHT方法来解决上述问题。该方法根据小波分解进行频带滤波,然后再利用empirical mode decomposition（EMD）分解得到准确的intrinsic mode function（IMF）,最后进行Hilbert变换得到各次谐波分量频率和瞬时幅值,解决了传统HHT方法存在的模态混叠问题。首次将改进的Hilbert-Huang Transform（HHT）方法用于石油钻机系统中,并在Matlab/Simulink平台上搭建了石油钻机电网谐波源模型,仿真谐波电流信号,并将改进型HHT方法与传统的HHT方法进行对比,比较结果验证了改进型HHT方法的先进性和有效性。     

基于小波分解的自适应滤波算法及其应用

在管道运行时，由于管道摩阻、周围介质扩散等影响，使得测得的压力与流量信号带有很大的噪声，当噪声频率很宽时，自适应滤波器的参数设置比较困难，致使去噪效果不明显。为此，提出了一种基于小波分解的自适应滤波算法，该算法基于信号和噪声经小波变换后在不同尺度上有不同的特征，即先对信号进行小波多尺度分解，然后对各尺度分解的信号分别选用不同的滤波参数，进行自适应滤波处理。并用该方法对在管道泄漏实验中采集的信号进行降噪处理。结果表明，该方法比普通的自适应滤波方法更能有效地消除信号中的噪声。     

轨道目标ISAR中频回波模拟技术研究

该文目的是研究一种空间目标宽带ISAR雷达回波的模拟实现方法，为空间目标探测雷达的研制及空间目标特性的研究提供信号来源。该文首先深入研究了空间目标的运动特性，给出了弹道目标轨道方程的计算方法，由目标的轨迹可以确定任意时刻目标的姿态，从而得到目标的散射中心分布。然后分析了目标在大时宽带宽雷达照射下的回波信号特性，结合目标轨道计算提供的散射中心分布信息，模拟出目标的中频回波信号。最后，提出了一种轨道目标ISAR雷达回波模拟器的实现方案，给出了实验结果。在实际应用中证明，用该方法模拟空间目标宽带雷达回波完全可行。     

采用小波变换和盲源分离的电机轴承故障诊断

针对地铁车辆转向架牵引电机轴承故障,提出一种结合小波变换和盲源分离的轴承故障识别方法.首先从原始信号频谱中判断轴承高频共振信号的大致频带范围以确定小波分解层数;其次利用小波分解提取轴承高频共振信号成分;然后利用盲源分离方法从小波分解后的重构高频信号中分离故障特征信号;最后对故障特征信号进行Hilbert解调并通过包络谱分析提取故障特征频率.对上海地铁某型地铁车辆转向架牵引电机进行试验,试验结果证明该方法能清晰、准确地识别轴承故障特征.     

敏感SVD和EEMD的故障诊断方法研究

在噪声干扰下有效提取振动信号所包含的微弱故障特征,是轴承故障诊断的关键问题,提出了一种基于敏感奇异值分解(SSVD)和总体平均经验模态分解(EEMD)的故障诊断方法.对时域振动信号进行敏感SVD分析,通过敏感因子选择反映故障冲击特征的敏感SVD分量,并利用定位因子定位分量信号所对应奇异值进行振动信号重构,以滤除噪声干扰;对降噪信号进行EEMD,根据峭度准则选取故障信息丰富的敏感固有模态分量(IMF),有效提取局部微弱故障信息;利用Teager-Kaiser能量算子(TKEO)计算故障信息的瞬时能量,并对其进行频谱分析,获取故障特征频率,以识别故障类型.方法应用于轴承故障诊断,实验证明了所提方法的有效性.     

LMD方法在脑电信号处理中的应用研究

局部均值分解(LMD)是一种新的非线性非平稳信号处理方法,该方法具有较强的自适应性,能将复杂信号分解为一系列具有物理意义的PF(production function)分量。但在信号分解过程中会产生端点效应,这将影响LMD分解精度,严重时会导致信号失真。在详细分析了LMD产生端点效应的原因之后,提出了一种基于相似波形加权匹配的端点延拓算法。通过对视觉诱发脑电信号进行仿真,并且和不做延拓的LMD分解结果做对比,说明该方法能够有效抑制LMD的端点效应,取得较好的分解效果。     

基于CEEMDAN的MEMS加速度计输出信号降噪方法

针对微机电系统(MEMS)加速度计输出信号存在误差,导致高压输电杆塔倾斜监测系统的输出倾角数据精确度不高的问题,提出了一种基于自适应噪声完备集合经验模态分解(CEEMDAN)联合奇异值分解(SVD)对杆塔的加速度计输出信号降噪方法。利用CEEMDAN对原始加速度计输出信号进行分解,得到一系列模态分量,分别计算其排列熵(PE),筛选出特征分量和含噪特征分量,然后再将需进一步降噪的特征分量通过SVD进行二次滤波,最后将降噪后的特征分量与未处理的特征分量进行叠加即得到降噪后的加速度计输出信号。仿真实验结果表明,所提出的方法可以有效地抑制噪声干扰,通过与扩展卡尔曼滤波和CEEMDAN-PE对比说明该方法滤波效果更好,有效提高了加速度信号分析精度和杆塔倾斜角测量精度。     

基于有理双树复小波和SVM的滚动轴承故诊断方法

滚动轴承故障类型被支持向量机(SVM)智能识别的关键是故障特征的提取。为了提取最优的故障特征,提高SVM的分类识别精度,提出了基于有理双树复小波和SVM的滚动轴承故障诊断方法。首先通过双树复小波包变换将非平稳的振动信号分解得到不同频带的分量,然后对每个分量求能量并作归一化处理,最后将从各个频带分量中提取的能量特征参数作为支持向量机的输入来识别滚动轴承的故障类型。研究结果表明该方法可以有效、准确地识别轴承的故障模式。