面向机械故障特征提取的混合时频分析方法研究

发布时间：2024-05-19 17:02

　　在机械故障诊断的发展过程中,最重要、最关键、也是最困难的问题之一就是故障特征信号的特征提取。动态信号的复杂性和特征提取的多学科交叉融合特性使得信号特征提取方法一直是人们广为关注的重要研究方向,其中信号的消噪预处理,时频分布的交叉项抑制,瞬时频率特征提取是研究的主要内容。本文综合利用非平稳、非高斯信号处理中最受关注的Wigner-Ville分布(WVD)、小波变换(WT)和Hilbert-Huang变换(HHT)等时频处理方法的优点,提出了面向机械故障特征提取的混合时频分析(Hybrid Time-Frequency Analysis, HTFA)方法,对机械振动信号的降噪、故障特征提取技术进行了深入的研究。主要研究工作如下: 在信号去噪方面,提出了基于最优Morlet小波和奇异值分解(SVD)的滤波消噪方法。机械振动信号的消噪对有效揭示机器故障信息具有重要意义。本文分析了传统的小波去噪方法及小波变换的滤波特性,利用小波变换技术、奇异值分解技术和Morlet小波良好的时域和频域特性,提出了基于最优Morlet小波和SVD的滤波消噪方法。该方法可以很好的降低噪声信号,有效的提取信号中周期成...

【文章页数】：152 页

【学位级别】：博士

【部分图文】：

图2.1对直线的不同阈值方法处理效果

为小波分解系数，γ为阈值。上式的含义即把信号的小波系数的绝对值和阈值进行比较，小于或等于阈值的点变为0，大于阈值的点保持不变。如图2.1(b)所示。②软阈值法软阈值法定义为≤>=γγγ0,||()(),||~,,,,,jkjkjkjkjkwsignwwww(2.9....

图2.2含噪正弦信号及小波消噪声结果

在理论上证明并找到了最优的通用阈值，但实际应用中效果并不十分理想。另外，阈值的选取还依赖于噪声的方差，因此需要事先估计噪声方差。图2.2表示的是一个含高斯白噪声的正弦信号及其小波消噪结果，其中小波基选用的是“sym8”，分解层数为5层，采用极值阈值规则的阈值选择方法，采用软阈值处....

图2.3脉冲信号及其叠加白噪声后的信号Fig.2.3Thepulsesignalandtheresultsignalwithwhitenoise

在实际的工程应用中，大多数信号可能包含着许多尖峰或突变，而且噪声信号也并不是平稳的白噪声。以上的小波去噪方法对这类特殊信号的去噪明显存在着一定的缺陷，如图2.3（a）和图2.3（b）分别表示脉冲信号及叠加强噪声的脉冲信号。图2.4所示为采用前面分析的传统小波去噪方法得到的不同去噪....

图2.5不同的Morlet小波及其频谱图

22示图2.5（a）和图2.5（b）的频谱图，从图中可以看出参数β对Morlet小波性质的影响，即β越大，波形衰减得越快，直至逼近一个脉冲信号；β越小，则波形衰减得越慢，最后退化为一个余弦信号。不同类型的信号具有不同的时频分辨率，所以在实际应用中往往要根据具体要求和信号的特....

本文编号：3978192