基于小波包变换及时间-小波能量谱的振动信号分析研究

发布时间：2021-11-06 09:14

　　基于具有时频分析特性的小波包分析方法,对振动系统的测量信号进行了降噪处理,采用的软-硬阈值折中小波去噪方法兼有软阈值与硬阈值降噪的优点,且通过折中因子的引入,可以在信号分析中更灵活的进行信号处理。对去噪后的信号,基小波时间-能量谱分析,可以很好的将信号的主成分清晰的展示出来,并根据其能量在各频带的分布,可以直观的展示信号特征,为机械振动系统的故障诊断与识别,提供一套理论的方法。研究中所发展的分析方法在机械振动系统及其振动组件的状态监测及故障诊断识别方面有广阔的应用前景。 

【文章来源】：空间控制技术与应用. 2020,46(04)北大核心CSCD

【文章页数】：5 页

【部分图文】：

三层小波的分解

一般的，小波分解时仅对上一层的低频信号进行分解，而高频信号不再进行分解，会造成高频段的频率分辨率和低频段的时间分辨率不太好，因此，发展出了小波包分解方法，它是一种更为精细的信号分解方法，提高了信号的时频分辨率，且在能量分布分析时有较好的表现(信号损失更少)，小波包分解的图示如下图所示:2 小波系数估计的折中阈值法

r(t)是强度为1的高斯白噪声．在计算过程中，采用db4小波，进行4层分解，采用的阈值函数为Stein的无偏风险估计．图4 采用折中阈值法降噪后的信号，a=0.5

【参考文献】：
期刊论文
[1]EEMD结合小波包的振动筛轴承信号降噪效果分析[J]. 朱敏,段志善,郭宝良.  机械设计与制造. 2020(05)
[2]基于小波包能量谱与主成分分析的轴承故障特征增强诊断方法[J]. 郭伟超,赵怀山,李成,李言,汤奥斐.  兵工学报. 2019(11)
[3]基于小波包自适应Teager能量谱的滚动轴承早期故障诊断[J]. 王朝阁,任学平,孙百祎,王建国.  机械强度. 2017(04)
[4]基于小波包能量谱的滚动轴承故障检测[J]. 陈宗祥,焦民胜,蔡琎,葛芦生.  安徽工业大学学报(自然科学版). 2017(03)
[5]航天器自主故障诊断技术研究进展[J]. 姜连祥,李华旺,杨根庆,杨勤荣,黄海宇.  宇航学报. 2009(04)
[6]基于小波变换和Kalman滤波的语音增强方法[J]. 张恩东,黄文浩.  模式识别与人工智能. 2009(01)
[7]离散小波变换在卫星姿控系统故障诊断中的应用[J]. 吴丽娜,张迎春.  仪器仪表学报. 2006(S1)
[8]基于小波模糊神经网络的陀螺仪故障诊断技术[J]. 樊春玲,金志华,田蔚风.  上海交通大学学报. 2003(01)



本文编号：3479567