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。     

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。     

土体障碍物超声探测信号小波包特征分析方法

利用小波包分解方法,对土体中障碍物的超声探测信号进行分析。选用sym8小波基函数进行6层小波包分解,并截取信号能量集中的前16个频带进行细致分析,从小波包频带能量、小波包频带能量熵、小波包频带能量矩三个角度对信号进行对比。结果显示,存在障碍物位置处信号和不存在障碍物位置处信号的小波包频带能量熵大致相等,不能作为信号识别及障碍物判断的方法,而小波包频带能量和小波包频带能量矩在部分频带上差异明显,可以作为信号识别及判断的方法。     

小波包分解在氢发动机异常燃烧诊断中的应用

氢发动机燃烧压力信号包含了丰富的燃烧信息,基于压力信号可以应用小波变换法提取异常燃烧信息。鉴于小波包分解继承了小波变换所有的时频局部化优点,并且可以有效地提取微弱燃烧信息,从而能够为信号提供更精细的分析方法。对氢发动机正常燃烧和异常燃烧压力信号进行了小波包分解,提取出小波包能量。通过构造小波包能量特征向量,对氢发动机异常燃烧进行了有效诊断,为消除氢发动机的异常燃烧提供了技术基础。     

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。     

小波变换与SVD方法在结构损伤监测中的应用

将小波变换与奇异值分解(SVD)相结合,利用基于小波变换的能量分布函数,进行小波系数矩阵的奇异值分解,使结构损伤突变信号的奇异点放大,提高信号的分辨率和信噪比.根据信号突变时刻小波系数出现模极大值及其在不同尺度上的传播特性,可有效地检测出信号的奇异性特征,从而对结构损伤特征信号进行时域定位.通过对一试验简支梁损伤前后加速度信号的奇异性进行对比分析,验证了该方法的有效性和可行性.     

基于小波包分析的结构损伤识别研究进展

小波包分析是对小波分析中没有细分的高频部分进行进一步分解,是一种更为精细的时频分解方法,可实现对非稳定信号的时频分析.首先阐述了结构损伤的小波分析和小波包分析的基本理论,然后主要围绕小波包能量谱损伤指标,分别对其在结构损伤的定位、微小损伤识别、在线健康监测和预警、材料缺陷检测、数值积分计算误差消除等方面的试验研究和应用情况进行了全面介绍,最后指出了结构损伤识别的小波包分析方法需要进一步研究的问题.     

基于软阈值和遗传自适应阈值的车辆制动信号的联合小波去噪

利用遗传算法改进基于自适应阈值的小波去噪方法,并验证了该去噪方法的有效性。通过小波分析和经典谱估计方法计算了某款车驾驶员耳旁声信号的能量分布,发现其信号能量主要集中于低频部分,据此提出了利用软阈值和基于遗传算法自适应阈值的联合小波去噪方法。去噪前后信号对比结果表明,该方法可快速衰减信号的高频噪声,降低信号的波动。     

基于小波变换理论的车辆实测载荷谱优化处理方法研究

鉴于工程中采集到的车辆道路载荷谱易受外部环境干扰而存在噪声和异常的尖峰信号,而传统的傅里叶变换滤波方法容易将真实信号随噪声信号同时滤除,本文中研究了基于小波变换理论的车辆实测道路载荷谱降噪方法。选用Daubechies小波函数,结合多种小波阈值降噪准则对某试验车辆实测道路载荷谱进行降噪处理,系统性地研究了不同小波阈值降噪准则和小波消失矩对实测含噪随机载荷信号的降噪性能。结果表明,基于小波变换的降噪方法能有效剔除干扰噪声信号,其中Heuristic SURE准则对原载荷谱各项载荷特征的保留效果最好。此外,研究了基于小波变换理论的实测载荷谱中异常尖峰信号自动检测方法,为车辆实测道路载荷谱的优化处理提供了一定的参考。     

基于小波阈值法的汽车车轮垂向力降噪

研究了小波阈值降噪技术的原理与方法,分析降噪效果的评价指标.分别采用4种阈值法则,对某轿车在襄樊试验场铺设路面上测得的车轮垂向力信号进行降噪处理;并设定新的降噪效果评价指标,结合降噪后信号的时域和频域特点,对不同阈值法则降噪处理后的信号进行对比,结果发现采用极小极大准则阈值法则对车轮垂向力信号的降噪处理结果更为准确可靠...     

小波分析在边坡深部水平位移监测数据降噪中的应用

边坡深部位移监测曲线中的波动现象既反映了自然活动和人工活动使边坡内部位移产生的突变;也反映了噪声对其造成的影响。为了提高边坡稳定性评价的准确性,有必要监测信号进行降噪处理。小波分析作为一种新兴的数学工具,具有多分辨分析的特性,在信号的噪声消除方面,已有了广泛应用。将小波分析应用在边坡水平位移监测曲线的降噪中,选用小波阈值法对西攀高速公路k132高边坡和318国道k2791高边坡监测数据进行降噪,结果证实,小波分析方法能有效处理边坡深部位移监测数据。     

采用小波分析进行电喷汽油机失火诊断的研究

采取小波变换的方法对电喷汽油机的瞬时转速波动信号进行分解去噪处理。采用小波变换的Mallat快速算法,并从分解后的信号中提取特征值,用于诊断汽油机的失火故障。通过台架验证试验表明:文中采取的方法可以有效去除高速时的干扰信号,能满足失火诊断的要求。     

基于扫描测量的部分场分解方法及试验研究

采用扫描测量方式得到的非相干声场需分解成完全相干的部分场后才能用于近场声全息重建。目前虚相干法和偏相干法是部分场分解的主要方法,但是虚相干法误差较大,而且在应用中易受到声源特性等因素的影响而变得不稳定;偏相干法虽然能稳定地分解出部分场复声压幅值信息,但不能得到部分场的相位信息。为得到完整而稳定的全息面部分场复声压,通过改进偏相干法,得到一种新的部分场分解法——条件信号法。该方法将条件参考信号作为对应声源的部分场信号,通过频率响应函数变换得到具有稳定完整的幅值信息和相位信息的部分场。通过数值仿真和试验研究对虚相干法、偏相干法和条件信号法的分解效果进行比较,结果验证了偏相干法和条件信号法在分解部分场幅值时的有效性和条件信号法在分解部分场相位时的优越性。     

小波变换在行驶车辆检测器中的应用

为提高环形线圈对行驶车辆的检测精度,针对车辆检测器输出信号的处理问题,通过建立车辆高速通过环形线圈时频率变化曲线的数学模型,并对测量信号进行小波变换分析,不但能滤除噪声信号,而且能很好地保留信号的突变部分,体现不同车辆经过车辆检测器时的信号特征.采用小波多尺度分析提取信号高频细节系数和小波能量分布系数,可以从细节系数及能量分布中获得车辆通过环形线圈的准确特征,从而建立能量分布分析的小波变换后处理方法.大量试验结果表明,采用小波变换方法分析车辆通过环形线圈时频率变化信号,能很好地体现测量信号中的奇异值并显著提高车辆检测效果.     

基于区间的小波包振动信号特征提取方法研究

基于小波分析与神经网络的振动信号故障诊断方法,提出采用基于区间小波包分解方法来提取振动信号的特征向量来取代传统的小波包分解方法,并以295柴油机进排气系统故障诊断为例验证采用该方法的有效性,结果表明,基于区间的小波包特征提取方法较传统方法能大大提高进排气系统的故障识别率。     

基于支持向量机的发动机缸壁间隙识别

通过采集发动机缸壁表面的振动信号并对信号进行区间小波包分解,与最小二乘支持向量机相结合,以部分测试信号作为训练样本建立分类器,部分样本作为测试样本输入分类器中进行判断识别,通过设置不同的参数寻找到最优分类结果,最终判别出发动机的缸壁间隙。     

小波分析在变速器齿轮故障诊断中的应用

从小波变换的理论背景出发，介绍了利用小波变换对信号进行分解的原理。针对变速器齿轮振动信号的非平稳性特点，通过对变速器齿轮振动信号用db4小波进行了多分辨分析，说明这种方法可以有效地对变速器齿轮故障进行诊断。     

小波能量商在汽车发动机故障诊断中的应用

考虑发动机断火之后对振动信号的影响,基于4层小波包分解重构信号能量,构造了小波包能量商无量纲指标.通过该指标提取发动机断火前后信号的能量特征作比商,充分考虑了断火之后振动信号能量的阶跃特性,定量分析断火后信号能量变化的程度.采集东风EQ6100汽油发动机缸体正常、活塞敲缸异响、活塞销异响以及曲轴轴承异响等4种工况的振动信号,并应用小波能量商指标对试验信号进行分析,取得很好的效果.试验结果表明,小波能量商可以对发动机不同故障准确地识别分类.