基于具有時頻分析特性的小波包分析方法,對振動系統(tǒng)的測量信號進(jìn)行了降噪處理,采用的軟-硬閾值折中小波去噪方法兼有軟閾值與硬閾值降噪的優(yōu)點(diǎn),且通過折中因子的引入,可以在信號分析中更靈活的進(jìn)行信號處理。對去噪后的信號,基小波時間-能量譜分析,可以很好的將信號的主成分清晰的展示出來,并根據(jù)其能量在各頻帶的分布,可以直觀的展示信號特征,為機(jī)械振動系統(tǒng)的故障診斷與識別,提供一套理論的方法。研究中所發(fā)展的分析方法在機(jī)械振動系統(tǒng)及其振動組件的狀態(tài)監(jiān)測及故障診斷識別方面有廣闊的應(yīng)用前景。 

【文章來源】：空間控制技術(shù)與應(yīng)用. 2020,46(04)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

三層小波的分解

一般的，小波分解時僅對上一層的低頻信號進(jìn)行分解，而高頻信號不再進(jìn)行分解，會造成高頻段的頻率分辨率和低頻段的時間分辨率不太好，因此，發(fā)展出了小波包分解方法，它是一種更為精細(xì)的信號分解方法，提高了信號的時頻分辨率，且在能量分布分析時有較好的表現(xiàn)(信號損失更少)，小波包分解的圖示如下圖所示:2 小波系數(shù)估計的折中閾值法

r(t)是強(qiáng)度為1的高斯白噪聲．在計算過程中，采用db4小波，進(jìn)行4層分解，采用的閾值函數(shù)為Stein的無偏風(fēng)險估計．圖4 采用折中閾值法降噪后的信號，a=0.5

【參考文獻(xiàn)】：
期刊論文
[1]EEMD結(jié)合小波包的振動篩軸承信號降噪效果分析[J]. 朱敏,段志善,郭寶良.  機(jī)械設(shè)計與制造. 2020(05)
[2]基于小波包能量譜與主成分分析的軸承故障特征增強(qiáng)診斷方法[J]. 郭偉超,趙懷山,李成,李言,湯奧斐.  兵工學(xué)報. 2019(11)
[3]基于小波包自適應(yīng)Teager能量譜的滾動軸承早期故障診斷[J]. 王朝閣,任學(xué)平,孫百祎,王建國.  機(jī)械強(qiáng)度. 2017(04)
[4]基于小波包能量譜的滾動軸承故障檢測[J]. 陳宗祥,焦民勝,蔡琎,葛蘆生.  安徽工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2017(03)
[5]航天器自主故障診斷技術(shù)研究進(jìn)展[J]. 姜連祥,李華旺,楊根慶,楊勤榮,黃海宇.  宇航學(xué)報. 2009(04)
[6]基于小波變換和Kalman濾波的語音增強(qiáng)方法[J]. 張恩東,黃文浩.  模式識別與人工智能. 2009(01)
[7]離散小波變換在衛(wèi)星姿控系統(tǒng)故障診斷中的應(yīng)用[J]. 吳麗娜,張迎春.  儀器儀表學(xué)報. 2006(S1)
[8]基于小波模糊神經(jīng)網(wǎng)絡(luò)的陀螺儀故障診斷技術(shù)[J]. 樊春玲,金志華,田蔚風(fēng).  上海交通大學(xué)學(xué)報. 2003(01)



本文編號：3479567