基于小波变换的齿轮箱振动信号降噪处理

应用了小波变换理论和小波降噪的原理,对齿轮箱的振动信号进行了小波降噪处理,有效的从含有噪声的齿轮箱振动信号中提取出该信号更加准确和真实的故障特征,从而为提高齿轮箱故障诊断的准确性以及检测齿轮箱的早期微弱故障信号提供了重要的参考价值。通过对仿真信号的降噪处理,然后进行FFT变换,并且和没经过信号降噪处理就进行FFT变换的对比,显示了小波降噪的优越性。最后通过对齿轮箱的实际振动信号的降噪处理,进一步表明了小波降噪在消除噪声干扰方面有效性。     

超声波检测中的小波降噪

论文介绍了小波分析在检测信号处理中的应用,并通过对超声波的传播进行分析得到超声波信号的噪声产生原因,构建了含噪回波信号的数学模型。对原始信号采用小波分解重构降噪、硬阈值降噪、软阈值降噪三种方法进行信号处理,并对三种方法进行比较。     

基于改进小波阈值的激光陀螺漂移信号降噪

针对固定阈值法对激光陀螺漂移信号去除噪声会出现"过扼杀"小波系数的现象,提出一种称为E-median的小波阈值.信号进行平稳小波变换,计算各尺度高频小波系数的E-median阈值,采用软阈值法修正高频小波系数,通过平稳小波逆变换重构信号.对激光陀螺漂移仿真信号和实测信号去除噪声,该阈值均能保留原信号的特征并有效去除噪声...     

活塞涡流信号的小波阈值降噪优化研究

涡流检测信号在产生、传输及接收过程中,会引入大量的随机噪声,为了后续信号特征提取识别处理,降噪在信号处理中是必不可少的一个环节。阐述了小波阈值降噪的基本原理,搭建了活塞喉口涡流检测实验平台。采集多组涡流检测信号,结合信噪比、均方根误差两项指标,评价降噪过程中阈值、阈值函数选取的不同对降噪效果的影响,对降噪方法进行比较优选。实验结果表明:当涡流检测信号中含有大量白噪声时,启发式阈值准则和改进指数型阈值函数能够很好的实现真实信号的提取,降噪效果最优。     

基于小波技术的数据降噪

逆向工程是近年来迅速发展起来的一个研究领域，对测量所获取的大规模数据进行降噪处理，是逆向工程的关键技术之一。在分析现有数据降噪方法的基础上，采用小波技术这一新的时一频分析工具，对测量得到的数据进行了降噪处理。通过对细节系数作用域值重构数据，既达到了降噪的目的，又保留了数据本身的特征信息。     

基于小波模极大值的自动机信号降噪方法

自动机的运动信号主要包括位移信号、速度信号等,这些信号中的噪声严重地影响我们分析判断自动机运动的真实过程.运用小波模极大值方法对自动机运动信号降噪,并对处理结果进行了详细的分析.分析结果表明:小波模极大值降噪方法在武器自动机运动信号分析中有比较好的去噪效果.     

基于小波包变换的油液磨损信号降噪研究

为提高油液分析对润滑系统磨损状态监测的准确性和可靠性,通过采用小波包变换(WPT)对光谱和直读铁谱检测信号进行降噪,得到反映稳态和奇异状态的近似系数、细节系数,为挖掘有效诊断特征作准备。结果表明,对于油液磨损信号的降噪,小波包变换有效,且Daubechies1小波基效果最好,噪声类型很可能是未知刻度白噪声。     

小波降噪技术在柴油机故障诊断中的应用

在柴油机的故障诊断中,对其振动信号的分析是柴油机故障诊断的重要手段,但是由于噪声的干扰而使诊断的精度大打折扣,而传统的傅里叶低通滤波降噪方法对于柴油机这样的非平衡复杂振动信号不能起到好的降噪作用。本文采用小波降噪技术,将柴油机缸盖振动信号进行小波多尺度分解,然后分别进行阈值处理,最后进行小波重构,剔除柴油机的噪声信号,提高信号的信噪比,获得了比较理想的效果。     

小型化结构健康监测实时信号分析模块

结构健康监测是智能材料与结构研究领域的一个重要研究方向 ,而小波分析被认为是提取材料结构损伤特征的重要方法。针对复合材料结构主动监测系统设计了基于 DSP技术的小波分析模块 ,从而使得小波分析实时性加强 ,实现了系统小型化。在此重点讨论的是小波分析 MAL L AT算法。小波分析模块实现了以 TI公司生产的 DSP系列中的 TMS32 0 VC5 4 0 2为核心芯片 ,采用采样速率为 4 0 0 k的 AD786 5 ,辅助 CPL D,成功实现了对复合材料引出的传感信号的数据采集 ,并进行实时小波处理的功能。在将来的工作中 ,通过比较复合材料损伤信号和无损伤信号的细节信号的差异 ,提取同损伤相联系的特征 ,所有的工作都可采用 DSP技术进行系统集成。     

基于改进LMD与小波包降噪对故障弱信号的提取

针对微弱故障信号易被强噪声淹没的难题,提出了一种基于小波包降噪与改进LMD相结合的提取微弱信号特征向量的方法。首先选择恰当的小波基进行小波包分解,再根据计算出的最优小波包树进行信号重构,实现对原始信号的降噪处理。然后对重构的信号进行LMD分解,再计算PF分量的互相关系数和峭度值,减少虚假分量同时增强故障信号幅值。最后对真实的PF分量进行包络谱分析,提取弱信号的故障特征。实例研究结果表明:该方法能够有效地提取出淹没在强噪声中的故障弱信号的特征向量。     

基于改进平移不变量小波阈值法的齿轮泵振动信号降噪

齿轮泵的振动信号中含有大量噪声,在对其进行应用之前必须降噪处理。传统的小波阈值降噪法在信号的奇异点附近会产生振荡现象,为此研究了一种新的小波阈值函数,把新的阈值函数和平移不变量相结合,提出了改进小波阈值法的平移不变量降噪方法。该方法克服了软、硬阈值的缺陷,同时抑制阈值法降噪时产生的伪吉布斯(Pseudo-Gibbs)现象。利用该方法对仿真信号和实测齿轮泵振动信号进行降噪处理,并与小波软、硬阈值法及新阈值法进行了对比。结果表明:该方法具有更好的降噪效果,可应用于齿轮泵振动信号降噪处理。     

基于Lab VIEW的声发射信号小波阈值去噪研究

虚拟仪器代表着目前测试仪器领域的发展方向,LabVIEW语言是一种功能强大的仪器开发平台。对淹没在噪声中声发射信号的有效提取（去噪）是声发射信号处理技术的第一步,也是声发射信号处理的关键所在。本文介绍了基于小波变换的阈值去噪方法。在LabVIEW平台上,通过仿真试验,对声发射信号的几种阈值法的去噪结果进行比较,选出一种适合声发射信号去噪的阈值准则。     

小波分析在信号处理中的应用

在信号奇异点检测中,首先对信号进行多尺度小波分解。然后对高频部分进行重构,确定模极大值点位置,从而确定出奇异点位置。在例子中检测含有故障信息的电压信号,结果表明信号分解的细节部分均能清晰地显示出奇异点的准确位置。在信号消噪中,首先将信号进行多尺度小波分析。然后通过设置阈值的方法对高频子带进行处理,接着进行重构。在例子中对染噪的电压信号进行消噪处理,结果表明阈值的选取直接关系到消噪的质量。     

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。     

基于相关系数的EEMD转子信号降噪方法

针对转子振动信号周期性强的特点,应用集合经验模式分解(ensemble empirical mode decomposition,简称EEMD)对转子振动信号降噪过程中固有模式函数(intrinsic mode functions,简称IMF)分量的选取问题,提出了基于相关系数的EEMD降噪方法。首先,对原始信号进行EEMD分解得到IMF分量,并计算各IMF分量自相关函数与原信号自相关函数的相关系数;然后,根据相关系数选择相应的IMF分量重构信号最终达到对原信号降噪的目的;最后,对比了EEMD过程中不同加噪次数对降噪效率和效果的影响,给出了加噪次数的设置方法。仿真信号和转子振动信号的降噪结果表明了该降噪方法的可行性和有效性。     

基于小波包与相关性分析的电磁导波信号处理

电磁导波信号可以克服其他无损检测方法的不足,可对钢管进行长距离检测。但是导波信号在系统的测量中难免会不同程度地受到随机噪声的污染,文章使用小波包对采集到的信号进行滤波。在此基础上,分析了管路上有损伤后信号变化与无损伤时信号的相关性。     

基于小波变换的车轮力传感器信号的去噪研究

在汽车道路试验中，通过多维车轮力传感器（WFT）可以测量每个轮所受的各维力和力矩。在测量过程中，信号会不可避免地受到各种噪声的干扰，而且，在将测量数据从车轮坐标系转换到车辆坐标系时，车轮转角的误差使测量结果产生了更严重的噪声。这些宽带随机噪声严重影响了车辆性能的分析。小波分析是一种信号的时间-尺度分析方法，特别适合于非平稳信号的分析，具有多分辨率分析特性，而且在时频两域都具有表征信号局部特征的能力。针对车轮力信号的特点，在MATLAB环境下编程进行车轮力信号小波变换去噪研究，试验结果表明，在选择了适当的小波基本函数和阈值的情况下，采用小波变换的闻值去噪方法对多维车轮力信号进行去噪处理，可以取得良好的效果。     

桥梁健康监测系统的异常数据特征库构建

针对实际桥梁健康监测系统的数据异常识别和诊断问题,提出了一种异常数据特征库的构建方法.首先,对监测数据进行去噪处理,选取统计信号的时域、频域以及AR模型系数特征;然后,利用核主元分析的方法进行特征提取,建立包括传感器短路、拍波和船撞等异常数据的特征库;最后,通过BP神经网络方法识别桥梁监测系统的异常状态,以验证特征库构建的有效性.江阴长江大桥主梁振动监测数据的分析表明,桥梁异常数据特征库构建方法能够用于诊断桥梁振动.     

基于平稳小波的维纳滤波射线图像去噪算法研究

将维纳滤波的原理应用到基于平稳小波的X射线图像去噪过程,研究了一种基于平稳小波的X射线图像维纳滤波去噪方法.实验证明:该方法不仅能有效消除Gibbs现象,而且能够在有效滤除噪声的同时,很好地保持X射线图像的细节部分信息.