分层自适应小波阈值轴承故障信号降噪方法
打开文本图片集
摘要： 针对轴承振动信号易受到噪声干扰的问题，提出了一种分层自适应小波阈值降噪方法。首先将轴承振动信号进行小波分解，获得各分解层的小波系数;之后保留低频信号的小波系数，对高频信号的小波系数进行分层自适应阈值处理;最后将阈值处理后的小波系数进行小波重构，得到降噪后的信号。通过构建一种在阈值处连续且在小波域内可导的分层自适应阈值函数，可以改进传统阈值函数重构偏差和过度降噪的缺陷。轴承故障仿真信号的降噪实验结果表明，该方法的信噪比和均方根误差均优于其他方法，有更好地降噪效果;机械故障模拟实验台的轴承故障信号降噪实验结果表明，该方法在降噪的同时保留了更多的故障信息，能够有效提升故障诊断率，更有利于轴承故障信号的降噪。
关键词： 故障诊断; 轴承; 信号处理; 小波阈值函数; 分层自适应; 降噪
中图分类号：TH165+.3; TH133.3; TN911.7 文献标志码： A 文章编号： 1004-4523（2019）03.0548.09
DOI：10.16385/j.cnki.issn.10044523.2019.03.021
引 言
在采集旋转机械的轴承信号过程中，由于现场设备和环境的干扰，采集的信号含有噪声，当设备存在故障时会产生较大影响，不利于故障诊断[1]。为了保证测量数据的真实有效，需要对采集的原始轴承信号进行降噪处理。小波变换在时域和频域内具有局部化特性，其多分辨率的特征善于处理非平稳信号[2]，能够在去除噪声的同时很好地保留信号中的突变成分，因此小波阈值降噪算法可用于轴承故障信号的降噪，作为故障诊断的预处理[3]。
在小波阈值降噪算法中，Donoho等[4]提出的硬阈值函数和软阈值函数是最常见的降噪函数，但是存在一定的局限性，因此众多学者对阈值函数进行了改进。杨恢先等[5]提出的阈值函数介于硬、软阈值函数之间，但是对高频信号置零处理会产生过度降噪的现象。刘晓光等[6]提出一种连续函数用于去除陀螺噪声，但是在閾值处不可导。贺岩松等[7]提出了基于软阈值和遗传自适应阈值的联合小波去噪算法，通过遗传算法自适应选取最优阈值，但是缺少对阈值函数本身的研究。李红延等[8]提出了一种带参数的阈值函数，但是没有给出详细的参数选择方案。Li等[9]提出了一种在阈值处连续可导的阈值函数，但是阈...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
