發(fā)布時間：2024-05-19 17:02

　　在機械故障診斷的發(fā)展過程中,最重要、最關鍵、也是最困難的問題之一就是故障特征信號的特征提取。動態(tài)信號的復雜性和特征提取的多學科交叉融合特性使得信號特征提取方法一直是人們廣為關注的重要研究方向,其中信號的消噪預處理,時頻分布的交叉項抑制,瞬時頻率特征提取是研究的主要內容。本文綜合利用非平穩(wěn)、非高斯信號處理中最受關注的Wigner-Ville分布(WVD)、小波變換(WT)和Hilbert-Huang變換(HHT)等時頻處理方法的優(yōu)點,提出了面向機械故障特征提取的混合時頻分析(Hybrid Time-Frequency Analysis, HTFA)方法,對機械振動信號的降噪、故障特征提取技術進行了深入的研究。主要研究工作如下: 在信號去噪方面,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。機械振動信號的消噪對有效揭示機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、奇異值分解技術和Morlet小波良好的時域和頻域特性,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,有效的提取信號中周期成...

【文章頁數(shù)】：152 頁

【學位級別】：博士

【部分圖文】：

圖2.1對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的小波系數(shù)的絕對值和閾值進行比較，小于或等于閾值的點變?yōu)?，大于閾值的點保持不變。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含噪正弦信號及小波消噪聲結果

在理論上證明并找到了最優(yōu)的通用閾值，但實際應用中效果并不十分理想。另外，閾值的選取還依賴于噪聲的方差，因此需要事先估計噪聲方差。圖2.2表示的是一個含高斯白噪聲的正弦信號及其小波消噪結果，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脈沖信號及其疊加白噪聲后的信號Fig.2.3Thepulsesignalandtheresultsignalwithwhitenoise

在實際的工程應用中，大多數(shù)信號可能包含著許多尖峰或突變，而且噪聲信號也并不是平穩(wěn)的白噪聲。以上的小波去噪方法對這類特殊信號的去噪明顯存在著一定的缺陷，如圖2.3（a）和圖2.3（b）分別表示脈沖信號及疊加強噪聲的脈沖信號。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Morlet小波性質的影響，即β越大，波形衰減得越快，直至逼近一個脈沖信號；β越小，則波形衰減得越慢，最后退化為一個余弦信號。不同類型的信號具有不同的時頻分辨率，所以在實際應用中往往要根據具體要求和信號的特....

本文編號：3978192