在機(jī)械故障診斷的發(fā)展過(guò)程中,最重要、最關(guān)鍵、也是最困難的問(wèn)題之一就是故障特征信號(hào)的特征提取。動(dòng)態(tài)信號(hào)的復(fù)雜性和特征提取的多學(xué)科交叉融合特性使得信號(hào)特征提取方法一直是人們廣為關(guān)注的重要研究方向,其中信號(hào)的消噪預(yù)處理,時(shí)頻分布的交叉項(xiàng)抑制,瞬時(shí)頻率特征提取是研究的主要內(nèi)容。本文綜合利用非平穩(wěn)、非高斯信號(hào)處理中最受關(guān)注的Wigner-Ville分布(WVD)、小波變換(WT)和Hilbert-Huang變換(HHT)等時(shí)頻處理方法的優(yōu)點(diǎn),提出了面向機(jī)械故障特征提取的混合時(shí)頻分析(Hybrid Time-Frequency Analysis, HTFA)方法,對(duì)機(jī)械振動(dòng)信號(hào)的降噪、故障特征提取技術(shù)進(jìn)行了深入的研究。主要研究工作如下: 在信號(hào)去噪方面,提出了基于最優(yōu)Morlet小波和奇異值分解(SVD)的濾波消噪方法。機(jī)械振動(dòng)信號(hào)的消噪對(duì)有效揭示機(jī)器故障信息具有重要意義。本文分析了傳統(tǒng)的小波去噪方法及小波變換的濾波特性,利用小波變換技術(shù)、奇異值分解技術(shù)和Morlet小波良好的時(shí)域和頻域特性,提出了基于最優(yōu)Morlet小波和SVD的濾波消噪方法。該方法可以很好的降低噪聲信號(hào),有效的提取信號(hào)中周期成...

【文章頁(yè)數(shù)】：152 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖2.1對(duì)直線的不同閾值方法處理效果

為小波分解系數(shù)，γ為閾值。上式的含義即把信號(hào)的小波系數(shù)的絕對(duì)值和閾值進(jìn)行比較，小于或等于閾值的點(diǎn)變?yōu)?，大于閾值的點(diǎn)保持不變。如圖2.1(b)所示。②軟閾值法軟閾值法定義為≤>=γγγ0,||()(),||~,,,,,jkjkjkjkjkwsignwwww(2.9....

圖2.2含噪正弦信號(hào)及小波消噪聲結(jié)果

在理論上證明并找到了最優(yōu)的通用閾值，但實(shí)際應(yīng)用中效果并不十分理想。另外，閾值的選取還依賴(lài)于噪聲的方差，因此需要事先估計(jì)噪聲方差。圖2.2表示的是一個(gè)含高斯白噪聲的正弦信號(hào)及其小波消噪結(jié)果，其中小波基選用的是“sym8”，分解層數(shù)為5層，采用極值閾值規(guī)則的閾值選擇方法，采用軟閾值處....

圖2.3脈沖信號(hào)及其疊加白噪聲后的信號(hào)Fig.2.3Thepulsesignalandtheresultsignalwithwhitenoise

在實(shí)際的工程應(yīng)用中，大多數(shù)信號(hào)可能包含著許多尖峰或突變，而且噪聲信號(hào)也并不是平穩(wěn)的白噪聲。以上的小波去噪方法對(duì)這類(lèi)特殊信號(hào)的去噪明顯存在著一定的缺陷，如圖2.3（a）和圖2.3（b）分別表示脈沖信號(hào)及疊加強(qiáng)噪聲的脈沖信號(hào)。圖2.4所示為采用前面分析的傳統(tǒng)小波去噪方法得到的不同去噪....

圖2.5不同的Morlet小波及其頻譜圖

22示圖2.5（a）和圖2.5（b）的頻譜圖，從圖中可以看出參數(shù)β對(duì)Morlet小波性質(zhì)的影響，即β越大，波形衰減得越快，直至逼近一個(gè)脈沖信號(hào)；β越小，則波形衰減得越慢，最后退化為一個(gè)余弦信號(hào)。不同類(lèi)型的信號(hào)具有不同的時(shí)頻分辨率，所以在實(shí)際應(yīng)用中往往要根據(jù)具體要求和信號(hào)的特....

本文編號(hào)：3978192