小波消噪在电力电子装置故障检测中的应用

考虑电力电子装置中噪声因素对故障检测和识别的影响,用多尺度小波变换和小波包变换对信号进行消噪.小波变换是将信号分解成高频和低频成分,低频成分包含信号的主要性能,高频含较多的噪声,将高频平滑后再重建即可消噪.然后利用Matlab对电力电子装置故障暂态信号进行消噪处理,比较各种消噪方法的优缺点,并结合理论分析和模拟结果讨论了阈值的选取方法和原则.仿真结果表明,基于小波变换的消噪方法是一种提取有用信号、展示噪声和突变信号的实用方法.     

小波变换用于列车振动信号消噪的研究

小波变换的重要应用之一就是用于信号的消噪。通常从列车上采集的振动信号都混有大量的噪声 ,现采用非线性小波阈值法对信号进行消噪 ,并利用阈值处理后的小波系数重建信号 ,从而得到有用的信号波形。实验结果表明该方法能有效的去除噪声 ,可靠性高 ,特别适用于信号中混有白噪声的情况     

快速PGPD去噪算法研究

PGPD信号去噪算法具有良好的去噪效果,但是算法运算量大,去噪时间偏长,为此提出一种快速PGPD去噪算法。该算法在搜索信号非局部相似块过程中,利用信号的非局部相似性适当调整搜索窗的大小,并对搜索块进行采样筛检,有效缩小非局部相似块的搜索范围,再通过欧氏距离计算快速确定距离目标局部块最近的非局部相似块,从而节省了计算量。数字图像去噪及地震信号去噪实验结果表明,与传统PGPD算法相比,该算法在信号轻微损失的情况下,可以大幅提高去噪速度。     

一种基于BM3D的接触网图像自适应去噪新方法

为了更好地检测和识别接触网图像,首先要降低图像中的噪声。目前,BM3D是针对高斯等多种噪声降噪性能较好的算法,但它自身也存在一些不足,为此,本文提出一种基于BM3D的自适应去噪新方法(简称ABM3D)。该方法在假设噪声方差未知的前提下,无需人为设定滤波阈值,通过自适应估算较为准确的阈值,实现二维和三维DCT变换域的自适应滤波,得到基础估计图像,利用估算的阈值计算出较为准确的噪声方差,实现联合维纳滤波得到最终估计图像,同时简化了参数设置,尤其是对降噪效果影响较大的参数。实验结果表明:本文提出的算法是有效的,即使在噪声强度非常高的情况下,利用其得到的降噪图像也能较好地保留边缘等细节信息,更具有实用价值。     

小波去噪在重型轨道车无线通话中的应用

根据空间分布区域不均匀函数和白噪声在小波分解后的不同特性，运用数理统计信号处理的理论，提出了一种确定小波分解系数最佳门限的方法。结果证明，这种方法具有良好的去噪效果。应用于重型轨道车无线通话系统中，实现了自适应滤噪，提高了通话信噪比，改善了通话质量。     

基于小波分析的机车转向架振动信号的降噪和故障诊断

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。并重点对小波分析在信号消噪和故障诊断两方面的工程应用做了一些有益的探讨。首先对机车转向架振动信号用db4小波进行了分解，并运用所介绍的算法进行了消噪处理，取得了明显的效果。其次是运用小波包频分技术建立了机车转向架的振动状态特征向量，能较好地表征机车振动的故障状态。     

高速磁浮轨道不平顺检测系统去噪算法

针对搭载式高速磁浮轨道不平顺检测系统,分析系统输出测量信号的噪声来源,除包括普遍存在的高频噪声外,还包括轨道梁接缝和定子接缝及定子面齿槽结构引入的结构噪声、车辆悬浮振动引入的低频悬浮振动噪声。根据噪声特点设计去噪算法,轨道梁接缝引入的结构噪声可用于里程定位校准,在对该结构噪声予以保留的基础上,首先采取对测量值进行阈值判断的算法去除其他结构噪声;然后,采用改进经验模态分解的自适应阈值去噪算法,去除残留结构噪声和高频噪声;最后,根据惯性基准法原理,采用频域积分法去除低频悬浮振动噪声。仿真计算结果表明:采用去噪算法可有效去除系统测量过程中由于轨道结构和系统搭载环境引入的噪声,信噪比增益提高约1倍,验证了算法的有效性。     

摆式列车线路检测信号的动态自适应滤波研究

为提高摆式列车检测系统的精度,针对传统数字滤波器的不足,将非平稳随机信号时变模型参数的自适应估计与普通卡尔曼滤波算法相结合,提出一种能有效消除或削弱测量信号中高斯白噪声的卡尔曼动态自适应滤波方法及数学模型。实时建模精度是实现卡尔曼动态滤波的关键。通过对具有不同遗忘因子的递推最小二乘算法的分析和比较,结果表明,带自适应遗忘因子的递推最小二乘算法(RLSAF)由于其遗忘因子能根据信号本身的统计特性的变化自适应地进行调整,因而对非平稳随机信号具有很强的跟踪性能。采用基于RL-SAF算法的卡尔曼动态自适应滤波方法,能实现摆式列车线路检测信号(陀螺仪角速率信号)的有效滤波。     

自适应信号分离器的性能分析

作者对自适应信号分离器的最佳权矢量的确定及最佳传递函数，作了系统严格的分析，指出它不仅能有效地从宽带平稳噪声(即白噪声)中提取周期信号，而且，在一定条件下，也能把断续正弦信号分离出来，从而拓宽了自适应信号分离器的应用范围。     

基于离散余弦变换的轴承故障诊断方法与应用研究

针对轴承故障难以快速诊断的问题,提出一种基于离散余弦变换的故障诊断方法。该方法利用离散余弦变换的能量聚集性和线性性质及旋转设备振动信号循环平稳性的特性,将分段振动信号进行离散余弦变换得到频域系数,从而构造自适应的滤波器,并通过模拟仿真信号和滚动轴承故障信号两个算例对该方法的有效性进行验证。结果表明,该方法具有良好的消噪效果,可很好地抑制信号中各频段的噪声分量,能迅速、准确地检测出故障特征,为故障诊断提供一种新的方向。     

新能源汽车路噪主动控制优化研究

针对新能源汽车路噪主动噪声控制(road noise active noise control, RANC)系统由于车身结构与路面粗糙度的相互影响而导致稳定性差、控制效果较差等问题,提出了新能源汽车RANC系统的优化方法。该优化方法首先提出了利用工况传递路径分析方法(operational transfer path analysis, OTPA)对车内噪声进行传递路径识别和声源贡献量分析,其次对适用于有源噪声控制中的FXLMS(filter-X least mean square, FXLMS)算法进行优化改进。通过Matlab/Simulink对新能源汽车RANC系统进行仿真分析,并与实车试验进行对比。验证结果表明,对控制系统的优化改进,有效提高了新能源汽车RANC系统的控制效果,为后续汽车主动噪声控制领域奠定了基础。     

公路边坡变形监测数据的小波阈值消噪方法

基于小波分析理论,介绍小波阈值消噪中阈值函数的选取和阈值的具体估计方法,并对阈值函数的选取进行比较分析.以工程实例为背景,就公路边坡变形监测数据消噪前后的信噪比和均方根误差2个指标对各种阈值方法进行对比分析.理论分析和应用实例的结果表明,几乎硬阈值方法比Garrote阈值方法能更好地恢复被噪声湮没的公路边坡局部变形信息...     

铁路机车信号分析系统中的信号处理算法研究

现阶段我国铁路存在着各种不同制式的区间自动闭塞和与之相配套的机车信号.对这些信号进行分析以提取信号特征值对系统设计和维护具有实际意义.在铁路机车信号分析系统中,针对移频信号,首先运用小波的多分辨率分析和自适应的阈值选取方案对实际的采样数据进行去噪处理,有效地去除随机噪声突出信号特征,然后借助快速傅立叶变换(FFT)得到了信号特征参数.实际应用表明,对于不同的移频机车信号制式,该算法通用性强,计算精度高.     

基于ADALINE网络的自适应滤波技术的应用

要实现噪声环境下的通话非常困难,传统的低通滤波器对语音伤害比较大,而且无法满足环境变化的要求。本文设计了一个ADALINE(线性自适应神经网络)来实现语音信号的降噪处理。其中网络的系数经实地采集数据进行训练,训练方法采用Widrow-Hoff学习方法,经过实地语音信号分析,证明了经过训练的自适应滤波器可以较好地适应噪声环境,得到满意的语音信息。     

基于频率及F-K域联合应用的地震波去噪技术研究

地震反射波勘探是铁路工程地质勘察的一种重要地球物理勘探方法,地震波数据的处理直接关系到数据的解译质量,提高信噪比是关键环节。针对单一去噪技术,难以获取高信噪比地震数据的难题,以某一在建铁路项目地裂缝勘察的地震波数据为例,详细研究各种有效波及干扰波的性质和特征,建立一种频率域滤波、声波衰减和频率-波数域(F-K)滤波联合应用的去噪技术。结果表明:该技术能有效去除和压制干扰波,增强有效波能量,去噪效果明显。     

基于自适应STFT的货车滚动轴承故障诊断

带故障的铁路货车滚动轴承振动信号表现为低频平稳信号与高频的周期性冲击信号的叠加。采用以三阶B样条函数作为窗函数的自适应短时傅立叶变换(STFT)对货车滚动轴承振动信号进行时频分析和故障信息提取。与传统的固定带宽的STFT相比,自适应STFT在不同频段自适应选取窗长,大大提高了振动信号的时频分辨率。应用该方法对197726型货车滚动轴承在内圈剥离、外圈剥离两种故障状态下的振动信号做了分析,求得故障频率分别为61.32 Hz和46.36 Hz,与内外圈的理论故障频率相符,可以有效地诊断出铁路货车滚动轴承内外圈故障。     

强噪声水平下的变形信息特征提取

对含有强噪声水平的变形观测数据序列,采用小渡分析的方法对数据进行处理,研究从含有噪声的观测数据中提取实际变形信号的可行性.在一个长期在线监测点10年的变形观测数据处理中,经过小渡分解、小波消噪、小波重构等操作后,有效地提取出了平滑的实际变形曲线.并且经过对消噪信号和原始信号的比较以及对残差的统计分析,认为小波分析用于强噪声水平下的变形信息特征提取,能够取得较理想的效果.     

车轮电磁超声探伤技术及自适应滤波算法研究

对电磁超声技术(EMAT)及车轮踏面探伤原理进行介绍,并给出回波定位及缺陷判断的方法。针对检测过程中所产生的噪声信号,提出采用变步长、归一化的最小均方自适应滤波(NLMS)算法来解决。通过将输入信号进行适当延迟获得参考信号,将其与输入信号叠加,进而用于过滤探伤中产生的噪声信号。从处理结果来看,该方法应用前景良好。     

基于改进的支持向量机隧道变形预测模型

研究目的:用于消除地铁隧道变形监测数据受环境等因素引起的噪声影响,为提高变形数据的外推预测能力,提出基于离散小波消噪和动态在线滑移窗的支持向量机预测方法。研究结论:(1)利用离散小波变换对地铁隧道变形数据进行消噪处理,提取低频有效工程信息;(2)引入动态滑移窗技术,通过二阶双重滑移窗口的动态调整、更新,确定隧道变形预测模型的最终参训样本和实训样本数据,提高变形数据的有效利用率;(3)利用上海地铁隧道变形数据,从稳态与非稳态两个工况下分别对预测模型进行验证,检测模型的预测效果,结果表明该方法具有消噪效果好、预测精度高等特点,同时该预测模型可转为工程化应用,对隧道预测模型的搭建具有指导意义。     

基于自适应变分模态分解的桥梁振动信号降噪

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%。