一种旋转机械振动信号降噪的新方法研究
为了同时去除信号中 正、 负两种噪声， 通常采用形态开、 形态闭的 级联形式。 Ｐ ． Ｍ ａ ｒ ａ ｇ ｏ 。 采用相同尺寸的结构元素， 通过不同 顺序级联开、 闭运算， 定义了形态开 一 闭（ ｏ ｐ ｅ ｎ －
期： 收稿日 ２ ０ ０ ５ ０ － ５ － １ ３ 作者简介： 胡爱军（ １ ９ ７ １ 一 ） ， 男， 博士研究生， 主要从事旋转机械振动测试与 故障诊断方面的 研究。
１ ９ ４
汽 轮 机 技 术
第４ ７ 卷
粗化等。由于在振动信号分析中一般只涉及一维图像信号， 本文只讨论一维离散情况下的灰度值形态变换， 包括上述前 ４ 种变换及开、 闭的级联组合。以下介绍基本形态运算在一 维信号处理中的定义：
Ｋ ｅ ｙ ｗ ｏ ｒ ｄ ｓ ： ｍ ａ ｔ ｈ ｅ ｍ ａ ｔ ｉ ｃ ａ ｌ ｍ ｏ ｒ ｐ ｈ ｏ ｌ ｏ ｇ ｙ ； ｖ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ ； ｎ ｏ ｉ ｓ ｅ ； ｆ ｉ ｌ ｔ ｅ ｒ ； ｏｔ ｒ ａ ｔ ｉ ｎ ｇ ｍ ａ ｃ ｈ ｉ ｎ ｅ ｒ ｙ
０ 前 言
振动信号分析是旋转机械状态监测与诊断中应用最广 泛的方法。随着振动测试精度的不断提高， 对现场数据采集 的要求也相应提高。但由于现场的复杂性， 实际应用中， 现
状特征， 通过数学形态变换将一个复杂的信号分解为具有物 理意义的 各个部分， 将其与背景剥离， 同时保持信号主要的 形状特征， 要比传统的线性滤波更为有效。数学形态滤波
力， 实践表明该方法能取得较好的效果。
量的数据进行处理， 且要求ቤተ መጻሕፍቲ ባይዱ时标信息的支持； 小波降噪技 Ｉ 数学形态滤波的基本原理 术的降噪效果则在很大程度上取决于滤波器性能的优劣， １ ． １ 数学形态基本变换 即选择不同的滤波器所得的降噪效果也有所区别。另外， 常 用数字滤波器由于基于时域、 频域或时频域（ 如小波） 构建， 数学形态学是一种非线性图 像（ 信号） 处理和分析工具。 存在着诸如时滞、 相移等缺点； 对于信号频率和噪声干扰的 数学形态学以 集合来描述目 标信号， 其思想是设计一个称作 探针” （ 相当于滤波窗） ， 收集信号的信息， 通过 频率重叠在一起的情况， 基于频域构建的所有数字滤波器， 结构元素的“ 该探针在信号中不断移动， 对信号进行匹配， 以达到提取信 包括小波滤波器都无法将两者区分开来。 数 学 形 态 学 ［ ‘ 〕 （ ｍ ａ ｔ ｈ ｅ ｍ ａ ｔ ｉ ｃ ａ ｌ ｍ ｏ ｒ ｐ ｈ ｏ ｌ ｏ ｇ ｙ ） 是 基于 积分 几 号、 保持细节和抑制噪声的目 的。形态变换一般分为二值形 态变换和多值形态变换（ 灰度变换） 。全部形态变换包括７ 何和随机集论建立起来的有别于基于时域、 频域的数学方 本运算（ ２ ） ， 即 腐蚀、 膨胀、 开运算、 闭运算、 击中、 细 化和 法‘这友法进丘值且处理旦丑取决于待处理信号的局部形 种基
（ １ Ｍ ｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｄ ｅ ｐ ａ ｒ ｔ ｍ ｅ ｎ ｔ ， Ｎ ｏ ｒ ｔ ｈ Ｃ ｈ ｉ ｎ ａ Ｅ ｌ ｅ ｃ ｔ ｒ ｉ ｃ Ｐ ｏ ｗ ｅ ｒ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｙ ｔ ， Ｂ ａ ｏ ｄ ｉ ｎ ｇ ０ ７ １ ０ ０ ３ ， Ｃ ｈ ｉ ｎ ａ ； ２ Ｃ ｈ ｉ ｎ ａ Ｎ ａ ｔ ｉ ｏ ｎ ａ ｌ Ｗａ ｔ ｅ ｒ Ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｓ ＆Ｅ ｌ ｅ ｃ ｔ ｒ ｉ ｃ Ｐ ｏ ｗ ｅ ｒ Ｍ ａ ｔ ｅ ｒ ｉ ａ ｌ ｓ ＆Ｅ ｑ ｕ ｉ ｐ ｍ ｅ ｎ ｔ Ｃ ｏ ． ， Ｌ ｔ ｄ ， Ｂ ｅ ｉ ｊ ｉ ｎ ｇ １ ０ ０ ０ ５ ３ ， Ｃ ｈ ｉ ｎ ａ ； ３ Ｈ ａ ｒ ｂ ｉ ｎ Ｔ ｕ ｒ ｂ ｉ ｎ ｅ Ｔ ｏ ｍ ｐ ａ ｎ ｙ Ｌ ｉ ｍ ｉ ｔ ｅ ｄ ， Ｈ ａ ｒ ｂ ｉ ｎ １ ５ ０ ０ ４ ６ ， Ｃ ｈ ｉ ｎ ａ ）
（ １ 华北电力大学机械工程学院， 保定０ ７ １ ０ ０ ３ ； ２中国 水利电力物资有限 公司， 北京 １ ０ ０ ０ ５ ３ ；
３ 哈尔滨汽轮机厂有限责任公司， 哈尔滨 １ ５ ０ ０ ４ ６ ）
摘要： 提出了采用开一 闭和闭一 开组合数学形态滤波器处理旋转机械振动信号的新方法。研究了数学形态滤波器 对含有不同 类型、 不同强度噪声的振动信号的处理方法。仿真计算及实验结果表明数学形态滤波器对振动信号有 很好的滤波效果， 特别是对于不明原因的脉冲干扰处理， 比 其它数字滤波器有明显的优势。 关健词： 数学形态学； 旋转机械； 滤波器； 振动； 噪声 分类号： Ｔ Ｈ ８ ２ ５ 文献标识码： ： Ａ 文章编号： １ ０ ０ １ － ５ ８ ８ ４ （ ２ ０ ０ ５ ） ０ ３ ０ － １ ９ ３ ０ － ３
用的数字滤波器有时域平均法、 基于傅立叶变换的滤波器及 小波滤波器等。时域平均方法在具体实施过程中需要对大
本文根据旋转机械振动信号的特点， 采用数学形态滤波 器处理含噪声的振动信号， 以 期在有效消除信号噪声的同时 保留 原信号的全局和局部特征。通过仿真计算研究了数学 形态滤波器对含有不同类型、 不同强度噪声信号的降噪能
第４ ７ 卷 第３ 期
２ ０ ０ ５年 ６ 月
汽 轮 机 技 术
Ｔ ＵＲ Ｂ Ｉ Ｎ Ｅ Ｔ Ｅ Ｃ ＨＮＯ Ｌ Ｏ Ｇ Ｙ
Ｖ ｏ ｌ ． ４ ７ Ｎ ｏ ． ３
７ ｕ ｎ ． ２ ０ ０ ５
一种旋转机械振动信号降噪的新方法研究
胡爱军’ ， 吴智泉 ２ ， 李宏伟 ， ， 刘贵强 ， ， 郝 力 ’
Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ａ ｎ ｅ ｗ ｍ ｅ ｔ ｈ ｏ ｄ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｓ ｔ ｕ ｄ ｙ ｏ ｆ ｍ ａ ｔ ｈ ｅ ｍ ａ ｔ ｉ ｃ ａ ｌ ｍ ｏ ｒ ｐ ｈ ｏ ｌ ｏ ｇ ｙ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ｔ ｏ ｄ ｅ － ｎ ｏ ｓ ｉ ｎ ｇ ｖ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ ｓ ｉ ｇ ｎ ａ ｌ ｓ ｏ ｆ ｒ ｏ ｔ ａ ｔ ｅ ｍ ａ ｃ ｈ ｉ ｎ ｅ ｙ ｒ ． Ｔ ｈ ｅ ａ ｂ ｉ ｌ ｉ ｔ ｙ ｏ ｆ ｒ ｅ ｄ ｕ ｃ ｔ ｉ ｏ ｎ ｎ ｏ ｉ ｓ ｅ ｉ ｎ ｖ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ ｓ ｉ ｇ ｎ ａ ｌ ｓ ｂ ｙ ｏ ｐ ｅ ｎ － ｃ ｌ ｏ ｓ ｉ ｎ ｇ ａ ｎ ｄ ｃ ｌ ｏ ｓ ｅ － ｏ ｐ ｅ ｎ ｉ ｎ ｇ ｃ ｏ ｍ ｂ ｉ ｎ ｅ ｄ ｍ ｏ ｒ ｐ ｈ ｏ ｌ ｏ ｇ ｉ ｃ ａ ｌ ｆ ｉ ｌ － ｔ ｅ ｒ ｓ ｄ ｉ ｓ ｃ ｕ ｓ ｓ ｅ ｄ ｉ ｎ ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ． Ｓ ｉ ｍ ｕ ｌ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｅ ｘ ｐ ｅ ｒ ｉ ｍ ｅ ｎ ｔ ｅ ｘ ａ ｍ ｐ ｌ ｅ ｄ ｅ ｍ ｏ ｎ ｓ ｔ ｒ ａ ｔ ｅ ｔ ｈ ｅ ｅ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｎ ｅ ｓ ｓ ｏ ｆ ｔ ｈ ｅ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ． Ｉ ｔ ｉ ｓ ｍ ｏ ｅ ｒ ｅ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｔ ｈ ａ ｎ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｄ ｉ ｇ ｉ ｔ ａ ｌ ｆ ｉ ｌ ｔ ｅ ｒ ｓ ｉ ｎ ｐ ｏ ｒ ｃ ｅ ｓ ｓ ｔ ｈ ｅ ｐ ｕ ｌ ｓ ｅ ｄ ｎ ｏ ｉ ｓ ｅ ｓ ．
在旋转机械振动信号现场采集中经常存在随机脉冲干 扰， 对于此类干扰， 工程上一般采用测量相邻采样值， 取其差 值作为判断依据的限幅滤波法来剔除脉冲， 但阑值选择及剔 除脉冲后相应数据点的替代值的选择均会给数据带来很大 误差０ 设原始 信号ｆ （ ｎ ） 为定义在 Ｆ 二 （ ０ ， １ ， － － － ， Ｎ一 １ ） 上的离 为考察形态滤波器对脉冲干扰的滤波效果， 在ｘ （ ｔ ） 中间 散函 数， 定义序列结构元素盯ｎ ） 为‘ 二 （ ０ ， １ ， ． ． ． ， Ｍ一 １ ） 上的 隔一定时间， 加人幅值为 １ ０ 的正负脉冲干扰信号， 未滤波的 离散函 数， 且Ｎ － ＞ Ｍ， 则ｆ （ ｎ ） 关于以ｎ ） 的腐蚀和膨胀分别定 信号波形及频谱如图１ 所示， 图中纵坐标为无量纲幅值， 时 义为： 下同） 。 从图中可以看出， 由于脉 （ ｆ ｉ ｇ ） （ ｎ ）二ｍ ｉ ｎ ［ ｆ （ ｎ ＋ ｍ ） 一 ｇ （ ｍ ） １ （ １ ） 域波形横坐标为采样点数（ 冲 有一定的 周期性， 频谱图中出现了二 （ ‘ ） 中没有的谐波分 式中， ｍｅ ０ ， １ ， － － － ， Ｍ一 １ ， 并有分量与基频重合， 使基频幅值增大， 已不能反映信号 （ ． ｆ （ Ｄ ｇ ） （ ｎ ） ＝ ｍ ａ ｘ ［ ｆ （ ｎ 一 ｍ ） ＋ ｇ （ ｍ ） 〕 （ ２ ） 量， 的真实状态。对于此情况， 常用的滤波器已无法得到好的滤 式中， Ｍ Ｅ ０ ， １ ， － － － ， Ｍ一 ｔ ｏ 波效果。选择长度为４的三角形结构元素， 采用（ ７ ） 式构造 ｆ （ ｎ ） 关于ｇ （ ｎ ） 的开运算和闭运算分别定义为 闭和闭一 开组合形态滤波器， 对信号进行形态滤波处理 汀ｏ ｇ ） （ ｎ ）二（ 州ｇ ｅｇ ） （ ｎ ） （ ３ ） 开一 所示， 时域图中实线为滤波后的 汀・ ｇ ） （ ｎ ）二（ ． ｆ 田ｇ 吻） （ ｎ ） （ ４ ） 后的时域波形及频谱如图２ 红色虚线为原始信号ｘ （ ｔ ） （ 下同） 。 这里符号。 和・ 分别表示开运算和闭运算。开运算使目 波形， 可以看出， 滤波后的波形完整再现了原始信号的时域及 标轮廓光滑， 并去掉毛刺和孤立点， 它可以抑制信号中的峰 值（ 正脉冲） 噪声； 闭运算则填平了小沟、 弥合了 孔洞和裂缝， 频域特征。说明形态滤波取得了满意效果。 可以滤除信号中的低谷（ 负脉冲） 噪声。开、 闭运算均具有低 通特性， 它们的组合可以用做形态学滤波。 从以上定义还可以看出， 形态变换的实现一般只包含布 尔运算、 加减法运算而不需要做乘法， 计算简单， 运行速度 快， 这是数学形态学的又一突出优点。 １ ． ２ 形态开、 闭组合滤波器
Ｓ ｔ ｕ ｄ ｙ ｏ ｎ ａ Ｎ ｅ ｗ Ｍ ｅ ｔ ｈ ｏ ｄ ｏ ｆ Ｄ ｅ 一 Ｎ ｏ ｉ ｓ ｉ ｎ ｇ Ｖ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ Ｓ ｉ ｇ ｎ ａ ｌ ｓ ｏ ｆ Ｒ ｏ ｔ ａ ｔ ｉ ｎ ｇ Ｍ ａ ｃ ｈ ｉ ｎ ｅ ｒ ｙ Ｈ Ｕ Ａ ｉ － ｊ ｕ ｎ ｔ ， Ｗ Ｕ Ｚ ｈ ｉ － ｑ ｕ ａ ｎ ２ ， Ｌ Ｉ Ｈ ｏ ｎ ｇ － ｗ ｅ ｉ ３ ， Ｌ Ｉ Ｕ Ｇ ｕ ｉ － ｇ ｉ ａ ｎ ｇ ３ ， Ｈ Ａ Ｏ Ｌ ｉ ３
基于自相关的旋转机械振动信号EMD分解方法研究_胡劲松
基于自相关的旋转机械振动信号EMD分解方法研究XSTUDY ON THE AUTOCO RRELATION-BASED VIBRATION SIGNALEMD DECOMPOSITION METHOD IN ROTATING MACHINERY胡劲松X X1杨世锡2(1.宁波工程学院电信学院,宁波315010)(2.浙江大学机能学院,杭州310027)HU JingSong1YANG ShiXi2(1.Department o f Electronic and Information Technology,Ningbo University o f Technology,Ningbo315010,China)(2.College o f Mechanical and Energy Engineering,Zhejiang University,Hangzhou310027,China)摘要提出基于自相关的振动信号经验模态分解(empirical mode decomposition,E MD)方法,该方法的步骤为,首先对振动信号进行自相关处理,然后再用EMD方法进行分解。
该方法与直接用EMD分解的方法进行相比,具有如下优点,能把受到严重干扰的信号的主要振动模态更清晰地分解出来;不用信号延拓就可以获得较好的分解效果,避免了延拓不好对EMD分解效果的影响。
研究结果表明,该方法相对直接EMD分解的方法能更好地把主要的振动模态从振动信号中分解出来。
该方法可广泛用于旋转机械振动信号时频分析领域。
关键词旋转机械振动信号自相关经验模态分解中图分类号TP206TH113.1TH165.3Abstract The autocorrelation-based empirical mode decomposition(EMD)method was proposed.Steps of the method is that, firs t,applied autocorrelation process to the vibration signal,then the processed signal was analyzed using EMD.A simulate and a real signal were researched using the method and normal EMD.s.It is poin ted that the method has some merits compared to the normal EMD.s,it can extract main vibration components from seriously noised si gnal more clearly,the method can attain good decomposition ef-fect without data extension,so,bad data extension affected E MD decomposition effect was avoided.The results indicate that compared to the normal E MD the proposed method can extract main vibration components from vibration si gnal more clearly.T he suggested method can be applied widely to vi bration signal time-frequency analysis field in rotating machinery.Key words Rotating machinery;Vibration signal;Autocorrelation;Em pirical mode decomposition(EM D)Correspon ding author:H U Jin gSong,E-mail:nbhjs@,Tel:+86-574-66766100The project supported by the National Natural Science Foundation of Chi na(No.50675194).Manuscript received20060831,in revi sed form20061109.1引言对一列时间序列数据先进行E MD(e mpirical mode decomposition)分解,然后对各个分量作希尔伯特变换(Hilbert transfor mation)的信号处理方法,是由美国国家宇航局的Norden E.Huang于1998年首次提出的[1],美国国家宇航局称之为希尔伯特黄变换(Hilber-t Huang transformation,HHT),并认为HHT是宇航局在应用数学研究历史上最重要的发明,是200年来对以傅里叶变换为基础的线性和稳态谱分析的一个重大突破。
基于ASEGMF的旋转机械振动信号降噪方法研究
Ｚ Ａ ｎｂ ，Ｗ Ｎ ｏ ｇ ｕ Ｅ ｕ－ｎ 。 Ｉ ｕ — ｅ ｇ Ｈ ＮＧ Ｗｅ —ｉ ｎ Ａ Ｇ Ｈ ｎ ￣ ｎ ，Ｔ ＮＧ Ｒ ｉｉｇ ，Ｌ ｎｓ ｎ ｊ Ｊ ｈ
（ ．Ｅ ｇｎ ｅ ｎ ｌ ｇ １ ｎ ｉｅｒ ｇＣｏｌ ｅ，Ｈｏ ｇ ｅＵｎｖ ｒｉ ｉ ｅ ｎ ｈ ｉｅｓｔ ｙ，Ｍｅ ｇ ｉ ６ ０，Ｃ ｉａ； ｎｚ ６ １０ １ ｈｎ
ｔ ｅ ｈ ｉｈ ｃ ｌ ｏ ｔ ｃｕ ｅ ｅ ｅ ｎ ｒ ｅ ｎｅ ｈ ｅ ｇ ｔ ｓ ａ ｅ ｆ ｓｒ ｔ ｒ ｌｍｅ ｔ ｗｅ ｅ ｄ ｆ ｄ． Ｔｈ ｅ ｋ ｉｔ ｎ ｅ ｎ ｔ ｅ ｐ ａ ｈ ｉ ｈ ｗｅ ｅ ｄｅ ｎ ｄ ｃ ｏ ｄｉ ｏ ｕ ｉ ｅ ｐ ａ ｄｓａ ｃ ａ ｄ ｈ ｅ ｋ ｅｇ ｔ ｒ ｆ ｅ ａ ｃ ｒ ｎｇ ｔ ｉ ｓｇ ａ ’ ｌ ｃ ｌｃ ａ ａ ｔ ｒｓｉ ｓ，ａ ｔ ｅ ｔ ｃ ｌ ａ ｄ ｔ ｅ ｅｇ ｔ ｓ ａ ｅ ｏ ｉ ｅ ｔ ｃｕ ｅ ｅｅ ｎ ｒ ｇ ｔ ｎ ｂ ｕ ｉ ｇ ｉ ｎ ｌ ｏ ａ ｈ ｒ ｃｅ ｉｔ Ｓ ｃ ｎｄ ｈｅ ｌｎｇｈ ｓ ａｅ ｎ ｈ ｈ ｉｈ ｃ ｌ ｆ ｓｎ ｓｒ ｔ ｒ ｌｍｅ ｔ ｗｅ ｅ ｏ ｔ ｙ ｓｎ ｕ ｅ
振
３ Ｏ卷 ９期
动
与
冲 ｊ ｊ
Ｖｏ． ０ １３ Ｎｏ ９ ０Ｉ ． ２ Ｉ
Ｊ ＯＵＲＮＡＬ ＯＦ ＶＩ ＢＲＡＴ ０Ｎ １ ＡＮＤ Ｈ０ＣＫ Ｓ
基 于 ＡＳ ＧＭＦ的 旋 转 机 械 振 动 信 号 降 噪 方 法 研 究 Ｅ
张文斌 ，王鸿钧 ，滕瑞静 ，李俊 生
（ ．红河学 院 １学院 ， １ 云南 蒙 自 ６ １０ ２ ６ １０；．浙江大学 机 械工 程学 系 ， 杭州 ３０ ２ ） １０ ７
旋转机械振动信号的小波域维纳滤波去噪
旋转机械振动信号的小波域维纳滤波去噪杨尚君;张峰;石现峰【摘要】In order to remove the noise in rotating machinery vibration signal during the acquisition and transmission process,the algorithm of Wiener filtering in wavelet domain is proposed to meet the requirements of vibration signal filtering,based on Wiener filtering and wavelet threshold filtering, through the establishment of rotating machinery vibration signal acquisition ing the rotating machinery vibration signal which is actual measurement in the industrial field, the algorithm is simulated.The result shows:This algorithm can maintain the linear phase characteristics for rotating machinery vibration signal,the filtered signal doesn't produce the amplitude distortion;The mean square error of Wiener filtering in wavelet domain is less than that of Wiener filtering and wavelet threshold filtering.The denoising result is better than Wiener filtering and wavelet threshold filtering.%为了去除旋转机械振动信号采集传输过程中混入的噪声干扰,文中基于维纳滤波和小波阈值滤波,通过建立旋转机械振动信号采集模型,结合振动信号滤波要求,提出了旋转机械振动信号的小波域维纳滤波算法.利用工业现场旋转机械实测振动信号,对该算法进行仿真.结果表明:该算法保持了旋转机械振动信号的线性相位特性,滤波后信号未产生明显的幅度失真;小波域维纳滤波的均方误差小于维纳滤波和小波阈值滤波,去噪效果优于维纳滤波和小波阈值滤波.【期刊名称】《西安工业大学学报》【年(卷),期】2016(036)010【总页数】5页(P856-860)【关键词】旋转机械;振动;小波域维纳滤波;线性相位【作者】杨尚君;张峰;石现峰【作者单位】西安工业大学电子信息工程学院,西安 710021;西安工业大学电子信息工程学院,西安 710021;西安工业大学电子信息工程学院,西安 710021【正文语种】中文【中图分类】TN911.4旋转机械故障检测采用数字信号处理的方法对实际测量的振动信号进行分析，用以参数检测和质量评价.在采集及传输的过程中，振动信号不可避免的混入噪声干扰，对振动信号的滤波处理既要取得较好的效果，也要保证振动信号的均衡相位，以便根据这些特性,来进行状态检测和故障诊断，应用于旋转机械振动信号的滤波处理当中.传统的有限冲击响应(Finite Impulse Response，FIR)滤波器和无限冲击响应(Infinite Impulse Response，IIR)滤波器，两者的滤波算法滤波效果和线性相位之间难以达到均衡[1]；文献[2]采用维纳滤波对非平稳振动信号进行处理，研究表明未达到预期效果；文献[3]采用循环维纳滤波对振动信号进行周期性的分段处理，每段采用维纳滤波方法，有效的去除了自适应噪声，但是循环维纳滤波算法复杂度大；文献[4]基于离散余弦变换(Discrete Cosine Transform，DCT)算法，保留了信号的部分离散余弦变换域的点数，实现了数据的压缩，但是DCT滤波算法对于大数据的压缩存在着数据丢失，滤波效果差的问题.针对振动信号滤波的敏感相位和滤波效果的问题，文中将维纳滤波和小波阈值滤波相结合，通过建立旋转机械振动信号采集模型，结合振动信号滤波要求，提出旋转机械振动信号的小波域维纳滤波算法.利用工业现场旋转机械实测振动信号，对该算法进行仿真，以期满足滤波要求和线性相位，以适用于其他一维含噪信号的处理.旋转机械振动信号的采集模型如图1所示.图1中ω为旋转机械转轴转动的角频率，v为转轴转动的线速度，理想情况下振动信号可表示为y=A+Bcos(ωt+φ)信号处理前将其直流分量去除，随机变量φ服从在[0,2π]区间的均匀分布，根据平稳随机过程的定义，有E(y)=E[Bcos(ωt+φ)]=Ry(t1,t2)=E[y(t1)y(t2)]=根据工业现场的实际情况，对旋转机械实际振动信号进行实际采集.数据采集的相关参数如下：32倍频采样，采样频率为1 600 Hz，每通道连续采集128点.较为理想情况下，振动信号的时域波形如图2所示.为研究去噪性能，对信号加入非平稳随机噪声，噪声点数为达到与采样点数匹配，故取128点，加噪后的振动信号如图3所示.理想状况下，振动信号各次谐波的谱峰位置应出现在50 Hz的整倍频处，谱峰位置包含了转轴运行状态的有用信息，因此谱峰的准确性直接影响了后期的故障诊断.而初始相位的偏移会导致振动信号后期谱估计中谱峰的分裂或偏移，因此对于振动信号的滤波，单位冲击响应应具有较高的线性相位[5].振动信号频谱图的方差和分辨力性能也直接受到噪声的影响，因此为了获得较好性能的方差和分辨力，应尽可能的对振动信号的噪声进行去除.经典的FIR滤波器和IIR滤波器在滤波效果和线性相位方面均难以满足要求，故需要引入现代的维纳滤波算法来进行处理.根据最小均方误差准则[6],提出一种针对平稳过程的最优估计器.假定观测信号模型为x(n)=s(n)+w(n)式中：s(n)为真实信号；w(n)为加性高斯白噪声，其分布为w(n)～N(0,δ2).根据FIR滤波器准则，有维纳滤波算法原理如图4所示.其中Z-1表示Z变换，e(n)表示真实信号与滤波后信号的误差.均方误差为若使均方误差最小，应满足维纳霍夫方程通过图5可以看出，振动信号的维纳滤波算法保持了信号的初始相位均衡，但滤波效果较差，达不到后期信号处理的要求.根据小波阈值滤波，对含噪声信号进行正交小波变换.选择合适的小波基函数和分解小波层数，对含噪信号进行正交小波分解，得到对应的小波分解系数，其中包含了低频系数和高频系数.选择合适的阈值，对分解后的系数进行阈值处理.每一层小波系数再进行量化处理.进行小波反变换.将阈值处理后的小波系数进行重构，得到小波阈值滤波后的信号.实验选用软阈值函数进行处理[8]，数学表达式为δ(σ)=sgn(σ)(|σ|-λ),|ω|>λ根据选用的Coif5小波基，分解2层，小波阈值滤波的结果如图6所示.从图6中可以看出，直接进行小波阈值去噪处理的信号取得了较好的平滑特性，但滤波后信号产生了失真，不能作为后期的信号处理对象.利用Haar小波作为小波基将信号从时域转化为小波域[9].Haar小波基函数为对于非平稳过程，功率谱密度与频率的幂成反比的，振动信号在经小波变换后能够，不同尺度间较强的相关性可有效去除，可以认为非平稳信号在经过小波变换后起到了信号的白化作用[10]，满足上述结果的条件须进行正交小波变换，Haar小波作为简单的正交函数，将振动信号从时域转化到小波域选用Haar小波，降低了信号的非平稳特性的同时，保留了信号的有用信息[11-12].根据维纳滤波的原理，在构建维纳霍夫方程前需已知加噪信号和期望信号，利用小波阈值去噪对加噪振动信号进行简单的阈值去噪处理，将原始振动信号作为期望信号，两者同时变换到小波域进行维纳滤波处理[13].小波域维纳滤波算法过程如下：① 将加噪的振动信号进行小波阈值去噪进行预处理，得到信号，用于构建小波域的维纳霍夫方程；② 分别将原始振动信号(作为期望信号)和小波阈值去噪信号两者分别利用Haar小波进行小波变换，分别提取两者的近似分量和细节分量；③ 利用两者细节分量构建维纳霍夫方程，对小波阈值去噪信号的细节分量进行滤波处理，利用两者近似分量构建维纳霍夫方程，对小波阈值去噪信号的近似分量进行滤波处理；④ 利用小波反变换函数对上述信号处理结果进行反变换，其利用的小波基仍为Haar小波.小波域32阶次维纳滤波算法信号处理结果如图7所示.通过图7和图5的对比，小波域维纳滤波算法具有较好的线性相位特性，振动信号初始相位没有发生明显偏移.在小波域维纳滤波的滤波阶数小于维纳滤波阶数的同时，小波域维纳滤波能取得更好的滤波效果.根据图7和图6的比较，利用小波阈值滤波算法保证了振动信号滤波后的平滑特性，该算法可用于实际的振动信号去噪环境中.由于计算量较大，该算法可做振动信号的离线分析处理.分别计算各种算法滤波后的结果与原始振动信号做均方误差的求解，进行算法性能定量分析和对比，得出数据见表1.从表1可看出，小波域维纳滤波的均方误差要小于维纳滤波和小波阈值滤波，小波域维纳滤波算法性能优于各种单独算法，小波域维纳滤波算法滤波后的信号更接近原始的振动信号.利用小波域维纳滤波算法对振动信号进行去噪处理，对其结果进行频谱分析，采取周期图法，功率谱密度(Power Spectral Density,PSD)估计图如图8所示.f为频率,DPS为功率谱密度.根据振动信号的采集模型，信号每周期采样32点，采样频率为1 600 Hz，因此信号的固有频率为50 Hz.从图8中可以看出，滤波后振动信号的谱峰处于50 Hz 整倍频处，功率谱图中的谱峰具有较好的尖锐程度，分辨率性能较好，具有较强辨别信号的能力，且谱峰没有发生偏移或分裂的现象.因此滤波后的振动信号适用于后期的旋转机械故障检测.1) 将振动信号从时域转化到小波域，降低了振动信号的非平稳特性，小波域维纳滤波算法保留了维纳滤波算法的线性相位特性，信号原有的初始相位未发生偏移，滤波后的信号幅值和相位未产生失真.2) 小波域维纳滤波去噪性能优于维纳滤波和小波阈值滤波，均方误差小于维纳滤波和小波阈值滤波.3) 小波域维纳滤波后的振动信号，功率谱图中的谱峰处于50 Hz整倍频处，分辨率性能好，辨别信号的能力优于维纳滤波，谱峰没有发生偏移或分裂，适用于后期的旋转机械故障检测.ZHANG Feng,SHI Xianfeng,ZHANG Xuezhi.Principle and Application of Digital Signal Processing[M].Beijing:Electronics Industry Press,2012.(in Chinese)MING Yang.Study on Cyclostationarity and Blind Source Separation-Based Rolling Element Bearing Fault Feature Extraction[D].Shanghai:Shanghai Jiao Tong University,2013.(in Chinese)MING Yang,CHEN Jin,DONG Guangming.Rolling Bearing Fault Diagnosis Based on Cyclic Wiener Filtering and Envelop Spectrum[J].Journal of Vibration Engineering,2010,23(5):537.(in Chinese)GUAN Bo,HU Jinsong.Research on the Method of the Vibration Signal of Rotating Machinery Based on DCT[J].Turbine Technology,2007,49(4):285. (in Chinese)LI Nan.Study on the Speech Antinoise Based on Wavelet Transform and Wiener Filtering[J].Electro Acoustic Technology,2007,31(5):46.(in Chinese) YANG Lingxiang,YAO Bin.Denoisng Method via Local Wiener Filtering in Wavelet Domain Based on Canny Operator[J].Journal of Bingtuan Education Institute,2009,19(5):35.(in Chinese)LI Dongbing,LI Guoping,TENG Guowei,et al.New Method of De-noising Based on Wavelet and Wiener Filtering[J].VideoEngineering,2013,37(13):26.(in Chinese)HU Yaobin,CHEN Aihua,ZHANG Chunliang.Research of Denoising Technology about Wavelet Analysis with Wiener Filter[J].Communication of Power System,2006,27(162):42.(in Chinese)。
一种旋转机械振动信号的盲源分离消噪方法
２１ 年 １ 月 ０２ Ｏ
振动 、 测试 与诊 断
Ｊ ｕ ｎ ｌ ｆＶｉｒ ｔｏ Ｍ ｅ ｓ ｒ ｍｅ ｔ＆ Ｄｉｇ ｏ ｉ ｏ ｒ ａ ｂ ａ ｉｎ。 ａ ｕ ｅ ｎ ｏ ａ ｎ ｓｓ
Ｖｏ１ ２ Ｎ ｏ． ．３ ５ ０ｃ． ２ ２ ｔ ０１
一
பைடு நூலகம்
种旋 转机 械 振 动信 号 的盲 源 分 离消 噪 方 法
噪声 的分离 。基 于小波 分解 的降 噪方法 在旋转 机械
的故 障诊 断领域 取得 了一 定 的进展 ［ ］但 存 在参数 ２， ≈
敏感 （ 阈值 和小波基 函数的选 择 ） 如 和平稳 性假设 等
问题 。
设 Ｓ Ｉ ： … ， ］ — ｓ， ， 为 一 组 相 互 独 立 的 源 信 号 ， 一 ［ ｚ 一， ］ Ｘ ｚ ， 为 一 组观 测 信 号 ， Ｘ中的 各 分量 由 Ｓ中 的各 个 独立 的源 信 号 线性 组 合 而 成 ， 用
矩 阵表示 为
一
独 立 分 量 分 析 （ ｄ ｐ ｎ ｅ ｔｃ ｍｐ ｎ ｎ ｎ ｌ— ｉ ｅ ｅ ｄ ｎ ｏ ｏ ｅ ｔ ａｙ ｎ ａ
ｓ， ｉ 简称 Ｉ Ａ） 源 信 号 和 传 播 特 性 都 未 知 的情 况 ｓ Ｃ 在 下 ，将多个 观测 信号 按 照统计 独 立原则 通 过优化 算 法 分解 为若 干尽 可能 独立 的成 分 ，以获得对 源信 号 的估计 Ｌ 。基 于 Ｉ Ａ 的消 噪方 法理 论上可 处理 各种 ４ ］ Ｃ
消 噪 方法通 过 构 造虚 拟 噪声 观 测 ， 一维 观 测 扩展 将
为 多维 ， 用 Ｉ Ａ算 法分离 信号 ［ ， 需要 正确 估计 再 Ｃ ５但 ］
一种旋转机械振动信号特征提取的新方法
(4)
根据以上对噪声 n( t) 的假设 , 其二次相关函
数为
Rn ( t ,τ)
= E{ n( t) n( t +τ) } =
σ τ = 0 0 τ ≠0
(5)
式中 ,σ为常数 。
同样 ,噪声函数的三次相关函数为
Rn ( t ,τ,τ) = E{ n( t) n( t +τ) n( t +τ) } =
由 EMD 得到的真实 IM F 分量 ; ④对选取出来的
各个 IM F 进行 Hilbert 变换 ,根据 Hilbert 边际谱
提取旋转机械振动信号中的特征信号 。
2 信号特征提取的仿真实现
2. 1 时序多相关 - EMD 的仿真实现 为验证时序多相关 - EMD 在信号特征提取
γ τ = 0 0 τ ≠0
(6)
式中 ,γ为常数 。
考虑到是对旋转机械振动信号的采样序列 ,
有等式 :
E{ x ( t) } = E{ x ( t +τ) }
(7)
E{ n( t) } = E{ n( t +τ) }
(8)
这样 , 根据式 (1) 、式 (5) ～ 式 (8) , 式 (4) 可以表
式中 , E{ x ( t) } 为旋转机械振动信号的均值 , 在采样为整
循环周期时 , E{ x ( t) } 是一个常数 。
式 (10) 中的 3σE{ x ( t) } +γ为一个常数 ,也就
是说采样时间序列的三次相关函数等于系统特征
振动信号的三次相关函数与一个常数的和 。根据
EMD 的性质 ,这一常数将会体现在后继分解的余 项里 ,不影响分解得到的 IM F 分量 , 从而可以看 出 ,通过时序多相关处理 ,消除了零均值噪声对特 征信号的干扰 ,凸显了特征信号 ,有利于微弱特征 信号的特征提取 ,为 Hilbert - Huang 变换提供了 一种数据前处理的方法 , 对提高 EMD 的效果起 到了很好的作用 。相比一般的仅对 EMD 数据进
机械振动信号滤波与降噪
机械振动信号滤波与降噪机械振动在工业生产中广泛存在，而随着技术的发展，对机械振动信号的滤波与降噪也变得越来越重要。
本文将探讨机械振动信号滤波与降噪的方法与应用。
一、机械振动信号的特点机械振动信号通常具有高频、多峰值和随机性的特点。
这些特点使得机械振动信号的分析和处理面临一定的挑战，因此，滤波与降噪成为了必不可少的工作。
二、滤波与降噪的意义滤波与降噪可以提取出机械振动信号中的有用信息，去除杂散噪声，使得信号更加清晰可辨。
这对于分析机械运行状态、故障诊断和提高机械设备的可靠性具有重要意义。
三、机械振动信号滤波与降噪的方法机械振动信号的滤波与降噪方法有很多，下面介绍其中几种常用的方法：1.时域滤波方法：时域滤波方法是通过对信号进行时域分析，采用窗函数来对信号进行滤波。
这种方法通常能够较好地保留信号的主要特征，但对于频率下降较快的信号，效果不佳。
2.频域滤波方法：频域滤波方法是将信号转换到频域进行分析和处理，常用的方法有傅里叶变换和小波变换。
这种方法能够较好地分析信号的频率特征，但对于高噪声、非线性和非平稳信号处理效果较差。
3.小波变换方法：小波变换方法是一种时频分析方法，能够更好地处理非线性和非平稳信号。
通过选取不同的小波基函数，可以更好地适应信号的特点，提高滤波与降噪效果。
四、机械振动信号滤波与降噪的应用滤波与降噪技术在机械振动监测与故障诊断中有着重要的应用。
通过对振动信号进行滤波和降噪，可以提取出有用的故障特征，根据这些特征进行故障诊断和预测，为设备维护提供依据。
除了机械设备的故障诊断，滤波与降噪技术还应用于信号处理、图像处理、语音处理等领域。
例如，在声音处理中，滤波与降噪可以去除噪声干扰，提高语音的清晰度和质量。
五、总结机械振动信号滤波与降噪对于提取有用信息、改善信号质量具有重要意义，能够应用于工业生产和科学研究中。
各种滤波与降噪方法的选择应根据不同的信号特点和应用需求进行，综合考虑各种方法的优缺点，以达到最佳效果。
大型旋转机械非平稳振动信号的EEMD降噪方法_曹冲锋
振 动 与 冲 击第28卷第9期J O U R N A LO FV I B R A T I O NA N DS H O C KV o l .28N o .92009 大型旋转机械非平稳振动信号的E E MD 降噪方法基金项目:国家自然科学基金(50675194)、国家863(2008A A 04Z 410)资助项目收稿日期:2008-10-20 修改稿收到日期:2008-11-21第一作者曹冲锋男,博士生,1979年生通讯作者杨世锡男,教授,博士生导师,1968年生曹冲锋,杨世锡,杨将新(浙江大学机械工程系国家重点实验室,杭州 310027) 摘 要:针对现有各种降噪方法处理非平稳机械振动信号存在的缺点,提出一种基于辅助白噪声经验模式分解技术来自适应实现旋转机械非平稳振动信号降噪。
该方法是一种集成的经验模式分解(E n s e m b l e E m p i r i c a l m o d e d e c o m p o s i -t i o n ,E E M D )降噪算法,利用正态分布白噪声在经验模式分解中具有的二进尺度分解特性,可以有效抑制常规经验模式分解降噪算法处理非平稳振动信号时产生的模式混叠现象。
通过仿真计算和转子启动过程试验振动信号对新降噪方法、经验模式分解降噪方法及小波降噪方法的性能进行了比较测试,结果表明,在非平稳机械振动信号降噪方面,新降噪方法具有更高的信噪比,不仅能够消除高斯噪声,而且能够有效降低脉冲干扰,提取出反映信号实际物理意义的振动固有模式。
关键词:降噪;旋转机械;启动过程;振动信号;集成经验模式分解中图分类号:T N 911.7;T H 165.3 文献标识码:A 大型旋转机械在启动阶段,振动信号非平稳特征突出、频谱结构变化大,蕴含着有关设备丰富的动力学特性与故障征兆信息[1-2]。
因此,启动过程中振动信号的分析方法研究对于旋转机械的状态监测和早期故障诊断至关重要。
一种旋转机械滚动轴承振动信号降噪解调方法[发明专利]
专利名称：一种旋转机械滚动轴承振动信号降噪解调方法专利类型：发明专利
发明人：夏长亮,石项夫,夏志凌,胡凯波,沈燚明,张振,於立峰,崔娜,史婷娜
申请号：CN202210137748.0
申请日：20220215
公开号：CN114486263A
公开日：
20220513
专利内容由知识产权出版社提供
摘要：本发明公开了一种旋转机械滚动轴承振动信号轴承故障诊断方法。
采集旋转机械滚动轴承的振动信号作为原始采集信号，从原始采集信号中提取出一系列分量信号；计算一系列分量信号与原始采集信号之间的互相关系数，使用互相关系数对分量信号加权，计算加权和得到重构信号；解调重构信号得到能量序列，根据能量序列的离散傅里叶变换频谱判断旋转机械滚动轴承的故障情况。
使用本发明所提出的方法获得诊断结果能明显削弱背景噪声、凸显轴承故障特征，且具有需要人工选定的参数少、参数鲁棒性强、计算简便快速等优势。
申请人：浙江大学,浙江浙能兰溪发电有限责任公司
地址：310058 浙江省杭州市西湖区余杭塘路866号
国籍：CN
更多信息请下载全文后查看。
一种旋转机械振动信号小波去噪方法
动 信号 去噪 中 的应用 。针对 旋转 机械 故 障信 号的 特点 ，提 出 阈值 去 噪和 模极 大值相 结合 的 小波 去噪方 法对 振 动信 号进 行处 理 ，并利用 多种 指标 对 去噪 后信 号做 出全 而客观 的评价 。实 验结果 表 明该方 法 可 以有 效 的
提 高故 障信号信 噪 比，有 利于提 高后 期故 障诊 断的准 确率 。 关键 词 ：旋转机 械 小波 去噪 故障 检测 模极 大值 中图分类 号 ：Ｔ ５ ５ Ｂ ３ 文献标 志码 ：Ａ 文 章编 号： １ ０ ．８ ２２ １）３０ ６ －４ ０ ３４ ６ （０ ２０ ．０ １０
船 电技 术 １ 应用研究
一
种旋转机械振动信 号小波去噪ቤተ መጻሕፍቲ ባይዱ法
冯淞 景建 方 郭虎生
（ ． 军航 空军 械修 理所 上海 ２ ０ ０ ；２海 军 工程大 学 湖北 武 汉 ４ ０ ３ ） １ 海 ０ ００ ． ３ ０３
摘
要 ：针 对旋 转机械 的非平稳 振动 信 号难 以用 传统方 法 处理 的 问题 ，本 文讨 论 了小波 方法 在旋转 机械 振
ｒ ｔ ｉ ｇ ｏ ａｔｎ ｍａｃ ｎｅ ｙ ｈｉ ｒ ．
Ｋｅ ｒ ｓ ｒ ｔｔ ｇｍａ ｈｎ ｒ； ａ ｅｅ ｄ —ｏｓｎ ， ａ ｌｄａ ｎ ｓ ； ｄ ｌｓ ｘｍａ ｙｗｏ ｄ ： ｏａｉ ｃ ｉｅｙ ｗ ｖｌｔ ｎ ｉ ｇ ｆ ｕｔ ｉｇ ｏ ｅ ｍｏ ｕｕ ｉ ｎ ｅ ｉ ＂ ｍａ
一种旋转机械振动信号小波去噪方法
一种旋转机械振动信号小波去噪方法
冯淞;景建方;郭虎生
【期刊名称】《船电技术》
【年(卷),期】2012(032)003
【摘要】针对旋转机械的非平稳振动信号难以用传统方法处理的问题,本文讨论了小波方法在旋转机械振动信号去噪中的应用。
针对旋转机械故障信号的特点,提出阈值去噪和模极大值相结合的小波去噪方法对振动信号进行处理,并利用多种指标对去噪后信号做出全而客观的评价。
实验结果表明该方法可以有效的提高故障信号信噪比,有利于提高后期故障诊断的准确率。
【总页数】4页(P61-64)
【作者】冯淞;景建方;郭虎生
【作者单位】海军航空军械修理所,上海200000;海军航空军械修理所,上海200000;海军工程大学,湖北武汉430033
【正文语种】中文
【中图分类】TB535
【相关文献】
1.小波阈值函数旋转机械振动信号去噪方法研究 [J], 付元华;罗仁泽;曹鹏;赵新;刘红军
2.基于小波理论的滚动轴承振动信号去噪方法初探 [J], 王森;
3.基于改进小波包的堆内构件振动信号去噪方法研究 [J], 王志超;夏虹;朱少民;杨波
4.齿轮箱振动信号的多小波阈值去噪方法研究 [J], 王旭升;吴志光
5.CEEMDAN-小波阈值联合的球磨机筒体振动信号去噪方法研究 [J], 蔡改贫;赵小涛;胡显能;黄祥海;陈慧明
因版权原因，仅展示原文概要，查看原文内容请购买。