基于S变换谱阈值去噪的冲击特征提取方法
本文选题:故障诊断 + 冲击特征 ; 参考:《振动与冲击》2014年21期
【摘要】:提纯旋转机械设备故障振动信号中的冲击特征,可以有效地实现相关故障的诊断。利用S变换适合于处理冲击特征信号的特点,提出基于S变换谱阈值去噪的冲击特征提取方法。先将信号进行S变换,得到其时频谱。考虑到此S变换谱为一复数矩阵,故而根据谱系数的模值大小进行阈值去噪。去噪过程中分别采用了基本的硬阈值函数和软阈值函数。对于最优阈值的估计,以所提出的改进风险函数为评价标准,利用步长迭代算法在零到系数最大模值的区间内获取。最后将去噪后的时频谱进行S逆变换,重构得到时域冲击特征。仿真信号与滚动轴承故障振动信号的处理结果表明,利用所获取的最优阈值,S变换谱阈值去噪方法能够从噪声混合信号中提取出冲击特征,从而实现相关故障的诊断。
[Abstract]:To purify the shock characteristics of the fault vibration signal of the rotating machinery, the diagnosis of the related fault can be realized effectively. Using the S transform to deal with the characteristics of the shock characteristic signal, the method of extracting the impact feature based on the S transform spectrum threshold denoising is proposed. The signal is transformed by S to get the time spectrum. Considering the S transform spectrum is one complex In the process of de-noising, the basic hard threshold function and the soft threshold function are used in the denoising process. The estimation of the optimal threshold is taken with the proposed improved risk function as the evaluation criterion and the step length iteration algorithm is used in the interval of the maximum modulus value of zero to coefficient. The time spectrum after noise is replaced by S inversion, and the time domain impact characteristics are reconstructed. The results of simulation signal and rolling bearing fault vibration signal processing show that the S transform spectrum threshold de-noising method can extract the impact feature from the noise mixed signal and realize the related fault diagnosis.
【作者单位】: 浙江大学现代制造工程研究所;
【基金】:国家自然科学基金项目(51275453)
【分类号】:TN911.4
【参考文献】
相关期刊论文 前6条
1 刘小峰;柏林;秦树人;;基于自适应时频分解的瞬态冲击信号提纯[J];机械工程学报;2008年11期
2 李继猛;陈雪峰;何正嘉;;采用粒子群算法的冲击信号自适应单稳态随机共振检测方法[J];机械工程学报;2011年21期
3 章立军;阳建宏;徐金梧;杨德斌;;形态非抽样小波及其在冲击信号特征提取中的应用[J];振动与冲击;2007年10期
4 杨富春;周晓军;张志刚;;基于滑动峰态算法的信号弱冲击特征提取及应用[J];振动与冲击;2009年04期
5 王宇;伍星;迟毅林;周川;沈沂;;基于盲解卷积和聚类的机械弱冲击声信号提取[J];振动工程学报;2009年06期
6 于明月;陈果;;双自适应小波局部极大模方法及其在信号特征提取中的应用[J];振动与冲击;2013年01期
【共引文献】
相关期刊论文 前10条
1 章立军;黎敏;阳建宏;索春明;;基于自适应形态小波的轧机电气信号压缩方法[J];北京科技大学学报;2011年03期
2 王广成;谢会琴;舒传华;崔俊峰;;用峰态算法提取发射过程振动信号弱冲击特征[J];飞行器测控学报;2010年03期
3 韩立静;徐金梧;阳建宏;黎敏;;基于灰度击中击不中变换的故障特征提取方法[J];北京科技大学学报;2012年07期
4 沈路;周晓军;张杰;;形态非抽样小波与灰色关联度的轴承故障诊断[J];电子机械工程;2012年05期
5 孙志辉;吕文泉;;基于形态非抽样小波和S变换的轧机振动信号分析[J];北京科技大学学报;2013年03期
6 李兵;徐榕;贾春宁;郭清晨;;基于自适应形态提升小波与改进非负矩阵分解的发动机故障诊断方法[J];兵工学报;2013年03期
7 王冰;李洪儒;许葆华;;一种多元素多尺度形态非抽样小波分解方法[J];轴承;2013年05期
8 邓苗;张基宏;柳伟;梁永生;;基于全变分的权值优化的多尺度变换图像融合[J];电子与信息学报;2013年07期
9 胡甫才;徐恒;唐艾飞;;船用空气压缩机故障诊断分析与试验研究[J];船舶工程;2013年05期
10 孟祥萍;金月;谭万禹;纪秀;;基于改进的MUDW电能质量扰动检测研究[J];电测与仪表;2014年11期
相关会议论文 前1条
1 沈路;周晓军;张杰;;基于形态非抽样小波与灰色关联度的滚动轴承故障诊断[A];2011年机械电子学学术会议论文集[C];2011年
相关博士学位论文 前10条
1 沈郑燕;声纳图像去噪与分割技术研究[D];哈尔滨工程大学;2010年
2 沈路;数学形态学在机械故障诊断中的应用研究[D];浙江大学;2010年
3 赵静;电能质量扰动信号检测与识别算法研究[D];西南交通大学;2011年
4 王衍学;机械故障监测诊断的若干新方法及其应用研究[D];西安交通大学;2009年
5 赵俊龙;往复式压缩机振动信号特征分析及故障诊断方法研究[D];大连理工大学;2010年
6 苏文胜;滚动轴承振动信号处理及特征提取方法研究[D];大连理工大学;2010年
7 王雷;基于流形学习的滚动轴承故障诊断若干方法研究[D];大连理工大学;2013年
8 王宪明;往复式压缩机多源冲击振动时频故障特征研究[D];东北石油大学;2013年
9 唐友福;基于广义局部频率的非线性非平稳信号故障特征提取方法研究[D];上海大学;2013年
10 孙自强;基于混沌分形理论的大型风电机械故障诊断研究[D];沈阳工业大学;2013年
相关硕士学位论文 前10条
1 曾帅;基于DSP的滚动轴承实时数据采集与处理系统设计[D];兰州理工大学;2009年
2 吴雪茹;基于自组织网络的故障诊断算法改进及可视化研究[D];湖北工业大学;2012年
3 夏长林;TBM主轴承早期故障声发射信号诊断与研究[D];石家庄铁道大学;2013年
4 李灿;旋转机械在线监测与故障诊断系统的研究[D];电子科技大学;2013年
5 孙云嵩;基于信号共振稀疏分解的齿轮故障诊断方法研究[D];湖南大学;2013年
6 林锦州;滚动轴承早期故障信号特征提取方法及应用研究[D];天津大学;2012年
7 张仲海;基于随机共振的滚动轴承微弱特征检测技术应用研究[D];天津大学;2012年
8 郑仕谱;基于随机共振的弱信号提取方法研究[D];浙江大学;2014年
9 李云;基于同步平均的齿轮故障特征提取及分析研究[D];昆明理工大学;2013年
10 齐佳;基于LMD的风力发电机组振动信号分析[D];哈尔滨理工大学;2014年
【二级参考文献】
相关期刊论文 前10条
1 高立新;殷海晨;张建宇;胥永刚;;第二代小波分析在轴承故障诊断中的应用[J];北京工业大学学报;2009年05期
2 邹虹,保铮;一种有效的基于Chirplet自适应信号分解算法[J];电子学报;2001年04期
3 陈果;;滚动轴承早期故障的特征提取与智能诊断[J];航空学报;2009年02期
4 刘 刚,屈梁生;提取机械信号中弱冲击成分的研究[J];机械工程学报;2002年06期
5 陈敏;胡茑庆;秦国军;安茂春;;参数调节随机共振在机械系统早期故障检测中的应用[J];机械工程学报;2009年04期
6 谭继勇;陈雪峰;何正嘉;;冲击信号的随机共振自适应检测方法[J];机械工程学报;2010年23期
7 田光明,陈光(衤禹);基于能量峰区域时频滤波的信号估计[J];信号处理;2004年03期
8 CHRIS K Mechefske;;Gearbox Deterioration Detection under Steady State,Variable Load, and Variable Speed Conditions[J];Chinese Journal of Mechanical Engineering;2009年02期
9 ;Application of Stochastic Resonance Signal Recovery[J];Chinese Journal of Mechanical Engineering;2009年04期
10 王凤利;赵德有;;基于提升小波和局域波的故障特征提取[J];仪器仪表学报;2010年04期
相关博士学位论文 前1条
1 丁文鹏;自适应方向提升小波变换及应用[D];中国科学技术大学;2009年
【相似文献】
相关期刊论文 前10条
1 杨坦;周化雨;关履泰;;基于小波影响锥分析的小波域阈值去噪方法[J];工程数学学报;2004年08期
2 张德丰;;基于小波的信号阈值去噪算法研究[J];现代计算机;2007年05期
3 鲁金金;文鸿雁;;改进阈值去噪法在变形分析中的应用[J];桂林工学院学报;2008年04期
4 王丹丹;;基因表达式编程的自适应阈值去噪方法研究[J];计算机应用与软件;2013年09期
5 袁丽英;张蕊;徐鹏;刘仲杰;荆宇;;基于相关性的自适应阈值去噪方法研究[J];哈尔滨商业大学学报(自然科学版);2013年05期
6 付燕;改进的小波域阈值去噪方法[J];西安科技大学学报;2004年04期
7 庞柏梅;于微波;刘美丽;张贺;韦玮;;基于小波相关性的改进阈值去噪算法[J];长春工业大学学报(自然科学版);2009年05期
8 寇俊克;魏连鑫;;基于小波分析的改进阈值去噪方法[J];科学技术与工程;2011年27期
9 余楚才;陈怀新;李雷;;小波的循环阈值去噪方法[J];计算机工程与应用;2009年21期
10 段永刚;马立元;李永军;王天辉;;阈值去噪改进算法及其仿真分析[J];自动化仪表;2011年09期
相关会议论文 前1条
1 郭晓霞;杨慧中;;基于多阈值的小波包去噪[A];第二十七届中国控制会议论文集[C];2008年
相关硕士学位论文 前3条
1 吴美璇;基于小波的图像阈值去噪方法[D];重庆大学;2012年
2 李磊;探地雷达信号去噪方法的研究与应用[D];中国地质大学(北京);2013年
3 崔芳姿;低信噪比条件下基于新型Seislet变换的阈值去噪方法研究[D];吉林大学;2014年
,本文编号:2023031
本文链接:https://www.wllwen.com/kejilunwen/wltx/2023031.html