一种基于EMD和小波阈值的桥梁振动信号混合去噪方法

在对桥梁进行健康监测的过程中,桥梁振动信号易受外部环境干扰而产生噪声,影响桥梁真实振动数据的获取与分析.为了减少噪声带来的影响,提出一种基于经验模态分解法(EMD)与小波阈值的混合去噪方法.该方法先通过EMD分解信号获得高频固有模态函数(IMF)分量,然后选取IMF分量使用小波阈值去噪,最后重构IMF分量获得去噪后的信号.结果 表明,基于EMD和小波阈值混合去噪能有效地滤除干扰噪声信号,且去噪效果优于单一的EMD分解去噪法和小波阈值去噪法.这一结果为桥梁振动信号的去噪处理提供了有意义的参考.     

基于EMD-Wavelet模型的实时交通流噪声数据清洗方法

针对实时交通流数据的噪声污染,将具有处理非平稳非线性信号优势的经验模式分解方法(EMD)和小波变换(wavelet)相结合,构建EMD-Wavelet组合清洗模型.该模型首先将实时交通流序列进行经验模式分解,然后将含有噪声的高频分量用小波变换进行软阈值去噪,最后将去噪后的高频分量、未去噪的低频分量和残量进行重构,形成清洗后数据序列.通过实验表明:该方法的去噪效果要好于单独使用小波变换和EMD法,是一种有效可靠的实时交通量噪声数据清洗方法.     

基于位置可达域的船舶轨迹噪声去除方法

船舶的AIS轨迹数据对研究船舶交通流和交通行为具有重要意义.然而通信链路及卫星定位信号等方面的干扰,导致AIS轨迹含有较多的噪声数据,严重影响了数据分析和数据挖掘的质量.根据船舶运动规律,研究得出一种基于位置可达域的船舶轨迹噪声数据去除方法.通过计算某时刻船舶运动的所有可能状态,估计船舶下一时刻位置可达的范围作为可达域判别条件,并利用滑动窗口对船舶AIS轨迹点进行滚动处理,将不满足可达域判别条件的点作为噪声点进行滤除,形成轨迹去噪算法流程.选取含有噪声的真实AIS轨迹数据进行方法验证,并与当前常用的轨迹去噪方法进行对比分析.相比于速度阈值法和基于密度的聚类算法,所提出的方法在召回率上分别提升了27.22%和23.14%,在F1指标上分别提升了14.31%和24.03%,说明算法对噪声点的识别较为准确,并能有效针对不同类型噪声进行处理.同时,通过多次重复试验和时间复杂度分析,验证该算法不仅满足海量AIS数据的离线去噪需求,还可用于轨迹在线去噪,满足实时应用的需要.      

一种基于 Curvelet 变换的地震数据去噪方法和应用

如何去除噪声且不损失有效信号是地震数据处理中的一个重难点。实验将一种Curvelet自适应阈值去噪法应用到地震数据处理中,Curvelet变换系数由自适应阈值约束,经阈值函数映射得到估计系数,最后对所得的估计系数进行逆变换,实现地震数据去噪,有效提高地震数据信噪比。模型和实际数据处理结果表明,Curvelet自适应阈值去噪法较好地压制了噪声的同时保护有效信号,克服了F-X域滤波产生新噪声的缺陷,取得了较好去噪效果。     

基于小波分析的车载激光雷达冲击振动噪声处理方法研究

针对车载激光雷达输出信号精度受冲击振动噪声影响的问题,建立了冲击振动激励与电路振动噪声响应之间的数学模型,提出了一种基于小波分析的噪声消除方法。该方法通过对车载激光雷达输入冲击激励信号进行小波分析,对输出振动噪声响应信号进行高斯函数拟合,建立了二者间的关联函数,在此基础上设计了输出噪声处理算法。仿真结果表明,该算法对冲击振动引起的车载激光雷达输出噪声有明显消噪效果。     

基于桥梁在线监测信号的吊杆阻尼识别

风荷载、环境荷载及车辆荷载会引发吊杆不同程度的振动,同时吊杆会受到阻尼器的抑振作用。文中采用经验模态分解法(EMD)、随机减量技术(RDT)、Hilbert变换(HT)及滤波技术进行吊杆的阻尼识别,阐述了技术原理及其改进方法;利用桥梁健康监测系统,将经过小波变换滤波处理的加速度在线监测信号采用EMD得到各阶模态响应(IMF),提取IMF经过RDT及HT识别出吊杆模态参数,评估阻尼器使用状态。     

光纤陀螺用于桥梁线形检测精度提高方法研究

基于光纤陀螺(FOG)的线形检测系统在实际测量过程中会因桥面不平整产生瞬间冲击与振动给光纤陀螺叠加一个随机噪声信号,带来线形测量误差。文中采用小波分析、经验模态分解(EMD)和独立成分分析(ICA)混合信号处理方法对外界振动引起的噪声信号进行提取、滤波,以及线形数据重构,有效提高了系统检测精度。将该方法应用于新建大桥荷载试验数据处理,其测量精度达到1 cm,满足工程测量要求。     

基于小波分析的振动压路机加速度信号处理

压实过程中振动压路机振动轮加速度信号会存在各种噪声干扰,因此需对振动轮加速度信号进行处理以保证其准确性。针对传统傅里叶变化处理信号会丢失较多原始信号的信息的缺点,引入小波分析中的小波阈值法对振动轮加速度信号进行处理,并确定heursure阈值法为最优的振动轮加速度信号处理方法。进一步通过提取处理后加速度信号的幅值与连续压实指标进行相关性校验,验证了小波分析在振动轮加速度处理方面的优势。     

基于GCV准则和改进阈值函数的小波去噪方法研究

为了准确确定小波阈值,改善阈值函数的降噪效果,提出一种基于GCV准则确定阈值和改进的阈值函数相结合的小波去噪方法。首先对信号进行小波变换,定义基于小波系数的GCV函数,通过对其进行优化求解最小值来选取小波阈值,然后采用改进的阈值函数对小波系数进行处理,最后对处理后的小波系数进行重构,得到去噪后的信号。通过一已知信号和噪声的数值算例,对比了该方法与常用的确定阈值方法和软阈值函数的去噪效果,验证了该方法具有更好的去噪效果。应用该方法,对一座斜拉桥的健康监测系统采集的实测挠度数据进行分析处理,结果表明,该方法有效降低了噪声影响,降噪后的挠度与数值结果接近。     

弱GNSS信号下基于EMD和LSTM的车辆位置预测方法研究

针对弱GNSS环境下组合导航（INS/GNSS）系统存在的定位偏差问题，提出一种基于经验模态分解和长短期记忆网络的车辆位置预测算法。首先，针对训练数据中噪声较大的惯导数据，提出一种融合经验模态分解与离散小波变换的降噪算法。该算法基于噪声能量估计和各阶本征模态函数的功率谱密度函数，提出一种确定混合模态函数阶数上下界的方法，并采用离散小波变换硬阈值法对混合模态函数进行滤波处理，最终利用经过处理的各阶模态函数重构原始数据以达到降噪目的。训练数据经过预处理后，采用改进的堆叠式长短期记忆网络离线训练位置预测模型，利用该训练模型可在线实时进行位置预测。针对车辆定位序贯数据预测，提出一种局部数据降噪方法，该方法利用一定长度时间窗口的历史数据，通过线性最小二乘给出当下时刻数据的预估值，并与实际量测值进行滑动平均滤波，优化位置预测的结果。在封闭场地模拟隧道环境下，对长短期记忆网络输入端进行局部数据降噪与不进行降噪处理比较，经度和纬度的归一化均方误差分别下降了13.34%和9.38%，经度和纬度的归一化平均绝对误差分别下降了8.64%和5.41%；在复杂城市交通环境下，检验提出的方法，经度和纬度的归一化均方误差分别下降了6.51%和5.66%，经度和纬度的归一化平均绝对误差分别下降了5.70%和8.23%。试验结果表明，在弱GNSS信号环境下，提出的车辆位置预测方法有效提高了车辆定位精度和稳定性。     

基于EMD与IMF能量的桥梁应变温度效应成分的提取

为通过经验模态分解提取桥梁监测动应变信号中具有周期趋势特点的温度效应成分(温度应变),需确定温度应变的多阶本征模态函数(IMF)构成。首先在时域与频域分别对信号各阶IMF的能量进行分析,再综合IMF的能量突变阶数和边际谱相关系数得到IMF阶数阈值,最后根据阈值选取多阶IMF重构信号中的周期趋势成分,达到提取应变信号中温度效应成分的目的。研究结果表明,动应变信号中的周期趋势成分使得IMF能量存在阶数突变,基于突变阶数可初步确定IMF阶数阈值的取值范围。进一步分析阈值范围内IMF频域的能量分布,发现IMF边际谱曲线的相关系数陡增至0.8以上,表明末阶IMF存在较一致的能量分布模式。通过实测数据的应用结果验证,采用首个超过0.8的IMF边际谱相关系数可较精确地确定IMF阶数阈值。基于阈值提取温度效应成分后,动应变中的活载信息保留较完整。     

基于局域均值分解的变速箱噪声检测研究

变速箱产生的噪声主要是与转动频率相关的高频噪声,局域均值分解方法可以自适应地将信号分解成若干个调幅调频信号,即PF分量,这些调幅调频信号可以任意组合,突显某种信号特征进而起到滤波作用,从而实现信号的特征提取。文章针对于某变速箱2挡3000转运行时存在的异响主观判断认为其异响原因可能是变速箱内齿轮啮合存在故障,通过局域均值分解方法对变速箱噪声信号进行特征提取,并通过边际谱分析异响原因,确定噪声源。通过更换变速箱内故障齿轮后噪声消除,验证了该文所提出的研究方法是有效的。     

小波方法在信号降噪处理中的应用

小波方法是一种时频分析方法,在信号降噪中具有十分广泛的应用,文章通过模拟信号分析了当信号中包含有大量噪声时,采用EMD分解方法不能很好的提取原始信号中所包含的频率成分。采用文章给出的阈值函数可以有效的消除原始信号中包含的噪声,使得原始信号中包含的频率成分可以有效的通过EMD分解得到。文章的研究对于汽车零部件实测信号的降噪处理和频率特征的提取具有一定的参考。     

基于信号滤波及动态补偿的电动转向系统控制研究

为提高电动助力转向(EPS)系统控制的精度,必须对传感器的输出信号进行动态补偿。阐述了EPS系统的结构原理,建立了EPS状态空间方程,设计了PID闭环控制器,并对参数进行了整定。仿真结果表明,通过对信号的滤波及动态补偿,能够显著抑制信号噪声的干扰,提高了EPS系统的控制质量。     

锚杆缺陷模拟试验及其超声波检测信号特征的EMD分析

为准确识别锚杆缺陷位置,了解超声波在锚杆中的传播机理和能量分布特征,对试验模型中的模拟锚杆进行超声波检测,基于EMD方法对检测信号进行能量分布特征分析。通过在沙槽中埋设钢筋来模拟锚杆,分别设置完整光圆钢筋、截断光圆钢筋、完整螺纹钢筋和截断螺纹钢筋4种。测试中超声波成像方法为A型,脉冲形状为全检波形,应用希尔伯特-黄变换的核心方法EMD分解法对原始信号进行时频局部化处理。结果表明,超声波法可以确定不同直径的锚杆长度及缺陷位置,解决了动测法只能对这些参数作定性评价的问题;EMD方法能根据超声波检测信号本身固有的特性进行自适应分解,前几阶IMF分量包含锚杆长度及缺陷位置的主要信息,可以定量表征原始信号的物理特性;超声波检测信号的能量主要集中在前3阶IMF分量内,各IMF分量的能量占该信号总能量的比例变异性较大;发射功率等外界因素的改变,对超声波信号经分解得到的各IMF分量的能量分布影响较小,但发射功率过大会造成能量分布不稳定,不利于识别缺陷位置信息;EMD方法准确高效,不需要预设固定的基函数,可以揭示超声波在被检测对象介质中的传播机理和能量分布特征,为应用超声波法进行锚杆质量缺陷的精准识别奠定了技术基础。     

基于EMD的天然气发动机供气系统故障诊断方法

针对天然气发动机故障信号的非平稳性、非线性等特点,提出一种基于EMD提取能量特征参数的故障诊断方法。从天然气发动机供气系统正常、气门间隙大、排气阀漏气3种工况振动信号的EMD能量熵值中发现,当供气系统发生故障时,各IMF分量的能量会发生变化。因此运用EMD方法提取最有效的IMF分量的能量特征指标,利用C均值模糊聚类法对此特征进行聚类进而建立天然气发动机供气系统的故障识别模型。现场试验验证了该方法在天然气发动机供气系统故障诊断中的有效性。     

基于卡尔曼-高斯联合滤波的车辆位置跟踪

车辆位置的精确、可靠获取,一直是阻碍智能驾驶技术的难题.特别当车辆处于复杂道路环境中时,车辆卫星定位信号易受较大干扰,使车辆定位产生漂移现象.针对车辆定位的这种漂移现象,研究了针对车辆位置跟踪的卡尔曼-高斯联合滤波方法.对于车辆卫星定位受到的干扰不同,采用分层处理的滤波方法;针对卡尔曼滤波不能较好地滤除一些干扰较大的位置漂移点,通过设置与车速、航向角等相关的动态阈值,对卫星定位的车辆位置进行动态阈值判断;通过动态阈值识别出的车辆位置漂移数据,结合高斯过程回归,以车辆的历史数据作为学习样本,使用预测值和真实观测值构建补偿量,通过对卡尔曼观测方程加入动态观测补偿实现车辆位置优化;对于一般噪声产生的卫星定位波动,联合滤波也可以有效优化.实车实验表明,该方法可以有效识别出车辆定位的漂移点,车辆卫星定位在信号受较大干扰的情况下,车辆卫星定位的精度可以提高30%左右,最大误差由9 m降低到0.8 m左右.该联合滤波方法在使用低成本定位装置的情况下,有效提高车辆卫星定位的精度及可靠性.      

48V重型商用车坡度传感器滤波算法研究

本文针对重型商用车48V混合动力系统坡度传感器信号易被干扰、随机噪声复杂的问题，对坡度传感器信号的随机漂移模型及自适应Kalman滤波算法进行研究，通过采集数据信息，利用赤池信息量准则（AIC）确定自回归AR模型阶数，考虑所建立的模型具有模型参数和噪声统计特性存在误差的特点，研究一种含有强跟踪滤波渐消因子的Sagu-Husa自适应Kalman滤波算法。经与标准Kalman滤波算法进行对比仿真，表明改进后的滤波算法对模型参数和噪声统计特性不敏感，故该滤波算法能够有效提高48V混动坡度传感器信号精度。     

车内声品质主观评价模型及中频噪声优化

为研究特种车车内声品质,对3辆不同类型特种车进行实车道路实验,建立了主观评价烦躁度和声品质客观参数之间的Kriging模型,通过滤波分析得到不同频段声品质参数对主观评价结果的影响。建立了混合FE-SEA模型,以计算车内中频噪声,并与实验数据进行对比,验证模型精度。计算了车身主要板件对车内中频噪声的声学贡献度,找到对车内声压贡献较大的板件,并对其进行优化,有效降低了车内中频噪声。     

基于AO算法优化VMD参数联合小波阈值的桥梁信号去噪方法

当桥梁进行状态评估和健康监测时，所获得的桥梁信号易受外部环境的干扰，难以反映桥梁结构的真实响应。针对桥梁信号夹杂环境噪声等问题，提出了基于联合天鹰算法(Aquila Optimizer, AO)、变分模态分解(Variational Mode Decomposition, VMD)和小波阈值的去噪方法。该方法首先利用AO算法优化VMD的参数，然后用VMD对含噪声的信号进行自适应分解，再去除方差贡献率较小的模态，最后对剩余的模态进行小波阈值去噪处理，重构信号得到去噪后的真实信号。对模拟信号和桥梁动应变的实测信号分别进行分析，结果表明：基于AO算法优化VMD参数联合小波阈值的去噪方法能有效滤除噪声信号，且去噪效果优于单一的小波阈值去噪、EMD联合小波阈值去噪以及EEMD联合小波阈值去噪等常用的去噪方法，研究成果可为桥梁信号的去噪处理提供有意义的参考。