共查询到20条相似文献,搜索用时 15 毫秒
1.
《石家庄铁道大学学报(自然科学版)》2018,(4)
针对目前EMD分解后IMF分量优选方法的不足,提出了一种基于互相关—峭度和小波软阈值的EEMD降噪方法。该方法利用EEMD对信号进行分解得到IMF分量,计算IMF分量的峭度值、标准差及其与原信号的互相关系数。根据互相关系数、标准差和峭度值,设置优选条件,将选定的IMF分量进行重构。与互相关系数、峭度准则单独作为优选条件的重构结果进行对比,结果表明这种新型优选方法的效果更好,利用基于互相关—峭度和小波软阈值的EEMD降噪方法对滚动轴承微弱故障信号进行处理,能够更精确地提取到轴承故障特征。 相似文献
2.
《铁道标准设计通讯》2018,(12)
基于小波包变换对环境激励下的加速度响应信号进行分析,根据加速度响应信号的能量谱提出两种健康监测的预警指标,并采取统计小波包能量谱来研究小波包能量分布的收敛性,以确定损伤识别预警的基准阈值。以武汉地铁3号线王宗区间隧道运营阶段为背景,考虑到隧道内复杂环境引起的随机噪声对加速度响应信号损伤识别敏感性具有一定影响,提出一种基于小波包变换的多阈值去噪法,基本原理即对每个小波包分解系数选取合适的阈值准则并进行降噪处理。实际工程表明:10-1Hz以下加速度响应信号的信息均得到保存,在剔除噪声的同时有效保护各频段的有用信息,可用于实际工程信号降噪过程中;随着数据段数n的增加,预警指标能量改变偏差ED与能量变化方差EV趋于稳定,可以有效判断结构损伤的全过程变化,表明通过收敛值得到的预警阈值在实际应用中具有可行性。 相似文献
3.
《铁道科学与工程学报》2020,(2)
以悬泉寺隧道掘进工程为背景,对隧道爆破振动进行监测。利用可调品质因子小波变换(Tunable Q-factor Wavelet Transform)优良的能量优化选择能力,实现信号高、低品质因子成分及所含高频强噪声的分离。通过对高、低品质因子优化分解子带能量人工判别,选取优势能量子带进行信号重组,得到最能体现信号特征的最佳分析信号。对最佳信号的分析结果表明:隧道爆破不同批次雷管混用导致MS3~MS5段间延时时差超过了设计值,爆破信号归一化短时傅里叶(Normalized Short Time Fourier Transform,NSTFT)时频分布说明隧道爆破主频与各段别起爆波形中心频率均值较为接近,体现了各段雷管起爆能量对信号能量分布的贡献。隧道爆破信号精细化分析在隧道爆破振动特征提取、雷管微差间隔识别和信号主频的判别等方面具有很好的工程应用价值。 相似文献
4.
以某浅埋隧道为背景,对隧道开挖的爆破效应进行了数值模拟,获得各测点峰值振速;并应用小波包理论对实测峰值振速进行分析,得到了峰值振速预报值。对比实测振速峰值,发现影响爆破振速模拟值准确性的关键是振动荷载的计算,且数值模拟值偏大。小波包分析是建立在对原始爆破信号分析基础上的,其预报值较为精确,是比较理想的方法。 相似文献
5.
6.
7.
《石家庄铁道大学学报(自然科学版)》2010,(1)
简要介绍了分数小波变换的基本思想及在信号处理方面的特点。利用分数小波变换系数在不同尺度上对应点处的相关性对其进行选择和处理,这样处理后的分数小波变换系数基本上对应着信号的边缘,然后对信号系数进行重构,达到了降噪的目的。以数值仿真和实测齿轮箱振动信号为例,研究了该方法的降噪效果,同时和小波包直接降噪进行了比较。结果表明,该方法能够有效降低振动信号中的背景噪声。 相似文献
8.
9.
10.
FSK信号作为保障铁路安全运行的主要信号制式,在国内铁路上现在有两种,是法国引进的UT信号和国内自主开发的YP信号,小波变换是继傅里叶变换之后的重大突破,而小波包则是小波变换的进一步发展,克服了小波变换的一些不足,本文首先研究了车载FSK信号的特征,再利用小波包对车载FSK信号进行滤波处理,文中,给出了如何确定给定频率的信号在小波包分解树各个分解层中对应节点的算法,在滤波处理过程中,为了处理带内的噪声,也给出了采用阈值的方法来减少带内白噪声,阈值的选取充分应用到FSK信号的小波包分解的特点,最,我们给出了计算机产生的仿真FSK信号和现场采集的FSK信号的两种仿真,仿真结果表明,根据车载FSK信号的特性,小波包方法是处理车载FSK信号的有效方法。 相似文献
11.
针对实际桥梁结构振动响应信号易受环境噪声的影响,而降噪效果较好的VMD方法存在本征模态函数分解数量难以确定的问题,提出了一种改进的变分模态分解(Variational Mode Decomposition)方法——自适应变分模态分解方法(Adaptive VMD,AVMD),实现了桥梁振动响应信号的自适应降噪。在传统VMD方法的基础上,通过结合EMD方法和主成分分析,解决了VMD方法中本征模态函数分解数量难以确定的问题,并引入多尺度小波分解技术,对受噪声污染的信号进行多尺度分解、优选与重构,进而实现复杂桥梁结构振动信号的降噪。以一座大型悬索桥为工程背景,对桥梁实测振动响应数据进行了降噪与模态参数提取。结果表明,AVMD方法解决了传统VMD方法中本征模态函数分量难以确定的问题,降噪信号所识别出的桥梁结构虚假频率比原始信号所识别出的虚假频率减少了58.82%。 相似文献
12.
针对变转速工况下滚动轴承瞬时转频估计精度受噪声影响大的问题,提出一种基于小波阈值和自适应chirp模式分解(ACMD)的转频估计方法.该方法首先利用小波阈值对原始信号做降噪处理,然后对降噪后的信号做ACMD,得到高时频分辨率时频谱,最后利用峰值搜索算法从时频图中估计瞬时转频.通过对轴承仿真信号和实测信号的分析,证明了该... 相似文献
13.
14.
针对铁道车辆滚动轴承故障诊断,提出1种改进的小波包与BP神经网络相结合的故障诊断方法,并开发出基于该方法的铁道车辆滚动轴承故障诊断系统。用压电加速度传感器采集轴承试验台的模拟故障轴承振动信号,对采集到的信号先进行小波降噪,再通过小波包分解,构造特征向量,以此作为故障样本对改进的BP网络进行训练,实现智能化故障诊断。实验结果表明,基于该方法的故障诊断系统能够很好地诊断出铁道车辆滚动轴承内圈、外圈及滚动体表面出现的疲劳、剥落、磨损和裂纹等故障,具有实际工程应用价值。 相似文献
15.
非平稳机械振动噪声中瞬态故障信号的检测 总被引:4,自引:0,他引:4
结合非平稳机械运行状态,分析了非平稳振动信号中瞬态故障信号和平稳振动信号的特点,介绍了应用小波包理论进行故障信号检测的基本原理.通过小波包变换后,平稳振动信号和瞬态故障信号的小波包-能量谱表现出不同的特性.本文运用统计信号处理的理论,构造了相应统计量进行假设检验判决,判断平稳振动信号中是否存在瞬态故障信号。针对变速箱故障声压信号的非平稳时变特点,给出了小波包分析处理变速箱故障声压信号的原理和方法,并分析了一个变速箱齿根裂纹故障的诊断实例.实验结果表明,该方法可以有效地提取淹没在平稳振动噪声信号中的瞬态故障信号的特征,准确判断出故障,验证了该方法对机械设备进行故障诊断的有效性,对其它类型的机械故障诊断也具有一定的参考价值。 相似文献
16.
《石家庄铁道大学学报(自然科学版)》2017,(1)
针对铁路货车轴承结构复杂,早期微弱故障往往淹没于强烈的背景噪声中而难于提取的特性,提出了基于EEMD降噪和谱峭度法的共振解调技术。首先,将轮对跑合实验台上测得的振动信号进行EEMD分解;然后,根据峭度、标准相关系数选取包含故障信息较多且与原信号相关性较大的IMF分量,分别对每个IMF分量进行谱峭度分析,确定带通滤波器的最佳中心频率和带宽;最后,将滤波后的IMF分量重构并进行包络解调和频谱分析。通过对轴承内、外圈故障的实验研究,验证了该方法的有效性和可行性。该方法在铁路货车轴承早期故障诊断中具有较好的实际应用价值。 相似文献
17.
小波分析在机车振动信号分析中的应用 总被引:2,自引:0,他引:2
通常从机车上采集的振动信号混有大量的噪声,现利用小波变换进行降噪,仿真结果表明小波变换能够有效地去除信号中的噪声,特别适应于信号中混有白噪声。提出利用小波包技术构造机车振动信息的特征向量,对检测机车的走行品质有一定的应用价值和现实意义。 相似文献
18.
《石家庄铁道大学学报(自然科学版)》2019,(4)
为在强噪声下准确利用振动信号进行齿轮故障诊断,提出了基于小波阈值和约束独立成分分析(CICA)相结合的算法。该算法首先对输入信号进行小波阈值降噪预处理,提高了输入信号的信噪比,然后基于齿轮特征频率建立参考信号,将降噪后的信号作为CICA的输入信号,利用CICA算法有效分离出齿轮故障信号,识别了故障特征。为了验证该算法的有效性,进行了仿真和实验测试信号分析,结果表明,该算法可以有效提取齿轮故障信号,实现齿轮的故障诊断。 相似文献
19.
小波降噪在电力牵引供电系统谐波分析中的应用 总被引:1,自引:0,他引:1
电力机车作为电力系统的主要不平衡负荷、谐波源负荷,其特征谐波电流主要为3,5,7次高频谐波电流,这些高频谐波电流对电力机车的安全、稳定运行造成了很大的危害。以SS8型电力机车为例,仿真其整流电路工作过程,分析电力牵引供电系统谐波的特征,对牵引供电系统中的谐波电流信号进行小波分解、阈值处理和小波重构,以达到对牵引供电系统谐波电流信号进行降噪处理的目的。为寻找对牵引供电系统谐波电流信号降噪效果较好的小波阈值,仿真中分别采用Stein的无偏似然估计原理进行自适应阈值选择、启发式阈值选择、sqrt(2log(length(X)))阈值选择和极大极小原理阈值选择,根据谐波电流信号的不同特征,采用多种阈值处理方法使信号中的高频谐波电流含量减少甚至消除。仿真结果表明:电力牵引供电系统谐波电流信号的最优阈值为sqrt(2log(length(X)))阈值,用它降噪后可使信号中的高频谐波含量明显降低。 相似文献
20.
《石家庄铁道大学学报(自然科学版)》2017,(2)
针对振动信号非线性、非平稳性导致的故障特征难以准确提取的问题,提出了一种基于多小波包排列熵和流形学习的故障特征提取方法。首先,利用多小波包分解方法得到故障信号的多维多小波系数,通过计算排列熵初步提取了各个小波系数中的故障特征信息;然后利用局部切空间排列(LTSA)流形学习方法对多维特征信息进行处理,在有效降低信息冗余度的同时,提取了其中主要的故障特征;最后利用支持向量机(SVM)对滚动轴承正常、外圈、内圈和滚动体故障实测信号进行故障模式识别试验。结果表明,该方法可以准确地识别出轴承不同的故障类型,并且在提取故障特征准确性方面要优于传统的单小波包方法和主成分分析(PCA)方法。 相似文献