FastICA算法在低信噪比爆破振动信号信噪分离中的应用研究

传统信噪分离方法对低信噪比爆破振动信号的细节提取能力变弱或近乎失效,因此,提出应用快速独立分量分析(FastICA)方法对信号中的独立分量进行非高斯性度量以完成含噪信号的信噪分离。结合数值仿真算例及实测信号分离试验,验证了FastICA用于爆破振动信号信噪分离的有效性,结果表明,FastICA可以准确地从信噪较低的含噪信号中,分离出贴合源信号的逼近信号,从而为将FastICA引入到爆破振动信号分析领域,实现爆破振动特征的快速提取提供了借鉴。     

小波包与分形组合技术在爆破振动信号分析中的应用研究

基于小波包、分形技术的相似性,提出采用小波包、分形组合技术对爆破振动信号进行组合分析。采用小波包对爆破振动信号进行分解,通过各主分析小波包的重构系数验证了爆破振动信号的分形特性,通过对各主分析小波包的盒维数值进行分析及对比,更加细致地分析出爆破振动信号不同频带分量分形维数的变化。组合分析表明,盒维数值随着爆破振动信号小波分量频率高低而变化,提出将盒维数作为反映爆破振动信号频率成分的一个重要参量。小波包与分形组合分析技术的提出为研究爆破振动信号分形特征提供了新的研究思路。     

基于CEEMD与TQWT组合方法的爆破振动信号精细化特征提取

针对传统小波在爆破振动信号特征提取和分析方面的局限性,提出了基于CEEMD和TQWT组合的信号精细化特征提取方法。预先设定可调品质因子小波TQWT高、低品质因子参数对CEEMD分解优势分量重组信号进行分解,并引入相对权重因子θ,优化了分解过程,实现了爆破振动信号特征的精细化提取。分析结果表明:组合方法对爆破振动信号的分析不依赖于先验小波基的选择,分解过程实现了信号的二次滤波。通过连续小波多尺度三维谱和时频小波脊线对比,说明组合算法分解得到的最佳分析信号可真实反映振动信号的细节信息,时频分辨率更高。该组合方法抑制了杂波分量对信号特征的干扰,可精确地提取复杂环境下的爆破振动信号特征信息。     

一种新的小波阈值函数及其在振动信号去噪分析中的应用

摘要：研究一种新的小波收缩阈值函数用于信号的去噪分析,对比分析了硬阈值、软阈值和新收缩阈值函数的优缺点,给出了收缩阈值函数法中的阈值计算详细过程,基于虚拟仪器LabVIEW构建检测齿轮箱系统的振动与噪音检测系统,在MATLAB平台上利用收缩阈值方法开发了对齿轮箱振动和噪声信号进行去噪处理的软件,试验数据的分析表明：基于新的小波阈值函数的信号降噪分析方法去噪效果明显,且保留了原始信号的细节特征,是一种较传统经典去噪手段更为优越的方法,具有较高的实用价值。
     

二代小波包变换在爆破振动信号去噪分析中的应用

在提升算法及小波包变换原理基础上,构造了基于插值细分的小波SGW(6,6);介绍了基于最优提升小波包基分解的阈值去噪算法,将实测爆破振动信号通过二代小波包分解,对小波包系数进行阈值量化,再对阈值处理后的系数进行重构,成功地实现了爆破振动测试信号中的噪声去除。为将二代小波包变换引入到爆破振动效应分析研究领域奠定了基础。     

基于ICA-CEEMD小波阈值的传感器信号去噪

针对传感器在采集信号时混入不同的噪声,提出一种基于ICA-CEEMD小波阈值的组合去噪算法。该方法是对一维含噪信号进行剪切分段、平移和拼接,得到几个不同的含噪信号作为独立分量分析(ICA)的输入通道信号。通过ICA的盲源分离技术使得信号和噪声进行初步分离。再利用互补集合经验模态分解(CEEMD)对分离信号进行分解去噪,由于不同的高频和低频噪声,需要对分解的高阶和低阶固有模态函数(IMF)进行处理。对第一层和最后一层IMF利用3σ原则提取细节信息,进一步抑制模态混叠影响,重构去噪信号。最后,利用小波阈值对重构信号做去噪处理,提升去噪效果和性能指标。为验证该方法的有效性,进行了仿真和中北大学汾机实测实验,结果表明,该方法在去噪效果和性能指标上都优于小波软阈值去噪和基于CEEMD的小波阈值去噪方法,是一种有效的信号去噪新方法。     

EMD和FSWT组合方法在爆破振动信号分析中的应用研究

针对传统经验模态分解EMD时频分析功能不足的缺陷,提出了基于经验模态分解EMD和频率切片小波变换FSWT组合的爆破振动信号分析方法。对实际工程采集到的爆破振动信号进行EMD分解,根据相关性系数确定优势分量实现信号重构,并获取重构信号全频带FSWT时频特征。利用FSWT逆变换能切割任意频率区间的特点,将重构信号选择时间、频率切片区间进行了更为细化时频特征提取。研究了EMD-FSWT组合方法、Hilbert-Huang变换(HHT)、小波变换(WT)三种方法的消噪滤波效果,并与短时Fourier变换(STFT)、重排平滑Wigner-Ville分布(RSPWVD)两种传统时频方法进行了对比。分析结果表明:EMD-FSWT组合方法,对瞬态信号在时频域上的分辨率更高,消噪和滤波效果好,适于对爆破振动信号进行更为精细化的时频特征分析。     

基于EMD小波阈值去噪和时频分析的齿轮故障模式识别与诊断

建立了齿轮故障系统试验装置,对齿轮传动系统在各种转速与故障状态下进行测试分析,获取了有关振动信号,对齿轮系统的无故障、齿根裂纹、分度圆裂纹、齿面磨损四种状态信号进行特征提取,并对提取的信号进行基于经验模态EMD分解的小波阈值去噪处理,然后对预处理后的信号进行时频分析与诊断。结果表明,采用基于EMD的小波阈值去噪方法比单纯采用小波阈值去噪对测试信号进行预处理,能提高信噪比,并更加有效的提取出故障特征,而在EMD的小波阈值去噪的基础上,再与时频分析方法相结合能够较好的识别不同运转状况下不同种类的故障,如齿根裂纹、分度圆裂纹、齿面磨损等,可用于对实际工程工作的齿轮系统进行故障诊断。     

基于EEMD和小波的爆破振动信号去噪

针对爆破振动信号去噪的问题,提出基于EEMD(ensemble empirical mode decomposition,集成经验模态分解)和小波变换结合的去噪方法。首先,采用EEMD将爆破振动信号分解成若干个IMF分量,然后利用自相关函数选择主要包含噪声的分量,再利用基于无偏估计的小波阈值去噪方法分别对含噪声分量进行去噪,最后,将去噪得到的分量之和与剩余分量相加,得到最终的消噪信号。该方法兼具了小波去噪以及EEMD去噪的优点,使得去噪后的信号信噪比更高,有用信息保留更完备,为爆破振动信号的去噪提供了一条新的途径。     

基于傅里叶分解-小波包分析的爆破信号去噪方法

针对由于爆破现场施工环境复杂,爆破振动信号包含大量高频噪声的问题,提出一种基于傅里叶分解(FDM)联合小波包阈值方法的降噪方法.首先,基于傅里叶分解理论将爆破振动信号分解为若干傅里叶固有频带函数(FIBFs);然后,分别计算分解所得模态分量与原始信号的相关系数,使用相关系数法筛选出优势分量,将筛选所得优势模态分量进行重构;最后,利用小波包阈值方法对重构所得信号进一步降噪,得到最终纯净的爆破振动信号.结果表明:引入的新方法兼具傅里叶分解及小波包分析的优点,与现有常用方法相比,傅里叶分解-小波包分析联合降噪方法信噪比(10.3940)最高,均方根差(0.0889)最小,所得时程曲线更为平滑,去噪效果更好,为类似爆破振动信号去噪提供新的途径.     

单段爆破振动信号频带能量分布特征的小波包分析

爆破振动分析是研究爆破振动危害控制的基础,也是控制爆破振动危害的前提。根据爆破振动信号具有短时非平稳的特点,利用小波包分析技术对满足分析要求的单段微差爆破振动信号的能量分布特征进行研究。首先,简略地介绍了小波变换与小波包分析的特点。其次,基于MATLAB对单段爆破振动信号进行小波包分析,得到了爆破振动信号在不同频带上的能量分布图。最后,总结了单段爆破振动信号频带能量的分布特征。结果表明,在单段爆破中,爆破震动信号成分主要以中高频(39Hz~156Hz)为主,低频成分(39Hz以下)所占比例极少。     

非线性小波变换在故障特征提取中的应用

经典小波变换在不同尺度采用一种小波基 ,不能很好地匹配信号的局部特征 ,因而造成降噪信号丢失了原始信号中部分的有用信息。为了克服上述缺陷 ,提出了一种基于第二代小波变换的非线性小波变换振动信号预处理方法 .应用第二代小波变换的预测器和更新器相互独立的特点 ,根据预测方差最小的选取原则 ,确定每个变换样本的最佳预测器 ,使预测器能够适应信号的局部特征。模拟数据和振动信号的分析表明 ,该方法克服了传统小波降噪方法局部信息丢失的缺陷 ,不仅可以有效地去除信号中的噪声 ,而且能够保留信号的局部特征。作为一种预处理方法 ,在某发电厂的故障诊断中有效地从振动信号中提取了故障特征。     

提升小波包最优基分解算法在爆破振动信号分析中的应用研究

针对工程爆破网络监测与预报系统对精度、效率的要求,本文提出将提升小波包最优基分解算法应用于爆破振动信号的降噪处理及能量特征提取。在提升小波包多尺度变换的基础上,通过对最优基搜索算法的改进满足了复杂信号在线处理对算法的需求,结合应用实例验证了该算法能够有效滤除实测信号中的干扰噪声,并准确获取信号在各频带的能量分布特征。提升小波包最优基分解算法在爆破振动信号分析中的应用为爆破振动危害的研究和控制提供了分析基础和技术支持,具有良好的应用前景。     

复解析小波变换与振动信号包络解调分析

阐述解析小波变换用于振动信号包络解调分析的理论基础。在解析小波傅氏频谱为一实值函数的条件下,论证一个解析小波的虚部是其实部的Hilbert变换,因而简洁地推论出“Morlet组合小波、谐波小波、谐波组合小波也是一类解析小波,它们的实部和虚部构成一对Hilbert变换对”,可用于故障调制振动信号的包络解调分析;另外,还论证了“解析小波变换系数的实部与虚部构成一对Hilbert变换对”的结论。最后,以谐波组合小波为例分析滚动轴承故障振动信号。     

爆破振动信号时频特征的三维分形特性研究

为进一步研究爆破振动信号能量特征,基于小波包变换方法对爆破振动信号时频能量特征进行分析。在二维矩形盒维数模型的基础上建立了计算三维曲面分形盒维数模型,并计算得到实测爆破振动信号时频能量谱的三维分形盒维数D3d=2.148 8。该分形维数满足空间分形条件2D3d3,验证了爆破振动信号时频能量谱具有三维分形特征。经研究三维分形曲面盒维数D3d与其剖面二维分形盒维数D2d之间的数值关系,表明计算空间分形曲面分维数的常规假设D3d=D2d+1并非严格成立。研究表明,所提出的长方体覆盖空间曲面的分形维数计算方法可行、有效,为进一步研究爆破振动信号特征、控制爆破地震效应提供了新的研究思路。     

西石门铁矿爆破振动衰减规律研究

西石门铁矿中二采区与西石门村西片距离较近,最近水平距离仅有190m。中二采区采矿生产爆破作业对西石门村村民的生产、生活造成一定的影响。为了解爆破振动的影响程度,预报爆破振动速度值,在西石门村西片进行了5次爆破振动监测。沿采场至村子的直线方向上从村西到村东布置5个测点,共测得18组有效数据,拟合出西石门村西片区域爆破振动速度预测公式。理论校验分析和实验证明该公式是合理的。     

航空发动机整机振动信号分析

为了解决航空发动机的整机振动分析问题,提出一种基于谐波小波的振动信号分析方法。首选对振动信号进行谐波小波变换,得到信号的时频表示;根据时频图提取信号特征,得到信号的特征频率;根据与基频信号的对比,识别发动机的振动故障类型。实验结果表明,该方法可以准确地识别出发动机的三种典型振动故障。与传统基于小波分析方法相比,基于谐波小波的方法具有更准确的振动故障特征识别能力,适用于振动信号的分析。     

缓冲孔对爆破振动信号幅频特性影响研究

为探索缓冲孔对爆破振动信号的峰值质点振动速度、主振频率和各频带能量分布等的影响,依托贵州某露天矿临近边坡爆破振动试验,获得了现场主爆破和缓冲爆破的振动信号。分别采用小波包分析和数值模拟方法对采用主爆破和缓冲爆破的振动信号进行分析。结果表明,临近边坡缓冲爆破具有明显的减震效应。相同测点条件下,水平切向振动信号的减振率最大,减振效果最好。且随着测点距爆源的距离越近,其减振效果越好。爆破振动信号的能量主要集中于60 Hz以内且分布极不均匀,存在多个主振频带。设置缓冲孔进行临近边坡爆破时,其振动信号的能量更向高频的主振频带集中,有利于避开边坡的自振频率。     

全矢小波包-包络分析方法及其在齿轮故障诊断中的应用

在旋转机械故障诊断中,针对传统单源信息采集的不全面性,提出了一种基于全矢谱技术的小波包-包络分析方法。首先对同源双通道信息分别采用小波包分解,根据需要选择频段的信息,并对提取的信号进行重构。然后采用全矢Hilbert解调分析方法对重构信号实现包络解调,并与两单源信息的包络解调相比较,说明了仅以单源信息为诊断依据的不足。利用全矢谱技术进行融合的全矢小波包-包络解调技术,不仅继承了小波包-包络分析方法的优势,而且更加全面地反映出了信号的真实性。最后通过仿真信号对其算法的可行性进行了验证,同时又以齿轮的故障振动信号为例,进一步表明了该方法在故障诊断中的有效性。     

基于提升小波包和模糊模式识别的结构有限元模型修正

该文提出了基于提升小波包特征提取和模糊模式识别的结构有限元模型修正方法，首先建立以节点固结系数表示的空间网架单元刚度矩阵，然后利用提升框架，将结构振动测试信号进行提升小波包分解，提取小波包信号分量能量作为特征向量，以此建立模糊模式识别的模糊子集，最后利用模糊模式识别方法对结构进行有限元模型修正，并研究了噪声对该算法的影响。为了证明该方法，对一个二层网架结构模型进行了数值仿真，结果表明该方法能够有效的修正结构的有限元模型。