基于小波熵的矿用齿轮箱振动信号相关去噪法

 利用真实信号小波系数相邻层间相关性强的特性,将基于小波熵的相关去噪法应用于矿用齿轮箱振动信号的处理,进行有用系数和噪声系数的划分,并对有用的小波系数进行重构,恢复原有真实信号,去噪过程中采用小波熵自适应设定阈值。为比较小波自适应相关去噪和硬阈值与传统相关性去噪的性能,分别对仿真信号和齿轮箱实测振动信号进行去噪处理,通过3种去噪方法的重构波形对比和信噪比与标准差的定量评价,以及实测信号的功率谱分析,表明小波熵相关去噪法有效提高了矿用齿轮箱振动信号的可信度。     

SG-VMD-SVD的信号去噪方法研究

油气管道信号泄漏检测易受噪声影响,因此去噪成了关键问题.为了提高对油气管道信号的去噪效果,提出了一种基于Savitzky-Golay平滑滤波、变分模态分解(VMD: Variational Mode Decomposition)和频域奇异值分解(SVD:Singular Value Decomposition)去噪相结合的油气管道信号的联合去噪方法.首先,针对泄漏信号在时域利用SG平滑滤波降噪,去除尖脉冲、高频成分等噪声,提高输入信号的信噪比;将滤波后的信号利用VMD分解,通过计算各个本征模态分量(IMF: Intrinsic Mode Function)与信号之间的曼哈顿距离,从而区分信号分量与噪声分量,对噪声分量进行频域奇异值(SVD)去噪,最后将滤波后的分量与信号分量进行重构,得到最终降噪后的信号.通过仿真和实际实验表明,该方法与单一VMD法、VMD-小波变换、SG-VMD-时域SVD去噪方法相比,去噪后所得信号信噪比相对较高,并验证了该方法去噪效果的优越性和对油气管道泄漏信号去噪的可行性.     

自适应小波阈值融合去噪法对采煤机振动信号的处理

提出一种自适应小波阈值去噪方法,该方法综合软、硬阈值函数的优点,构建了改进的阈值函数,赋予融合系数μ非定值表达式,使其具有较好的适应性。针对采煤机振动信号采集过程中的背景噪声较大的问题,采取分段阈值的方式,阈值根据信号分解层数的不同来确定。Matlab仿真实验表明,与软、硬阈值去噪法相比,改进的阈值去噪法去噪能力更强,而且能更好地保留原始信号的特征,对原始信号的重构更为准确。运用该方法对采煤机摇臂所采集的振动信号进行去噪处理,有效地去除了高频噪声信号,保留了齿轮啮合频率所在的低频频段,提高了信号的信噪比。     

VMD-Wavelet 联合去噪算法研究与应用

为解决天然气管道运行过程中采集到的泄漏声波信号含有大量噪声的问题, 通过研究小波、 经验模态分解、 变模态分解等常见去噪算法, 分析了泄漏声波信号的特点, 将改进小波阈值去噪和变模态分解去噪相结合, 提出了变模态分解-小波变换(VMD-Wavelet: Variable Mode Decomposition-Wavelet) 联合去噪算法。 利用该算法对典型信号进行去噪运算仿真, 结果表明, 该联合去噪算法性能优于常见算法。 最后, 将 VMD-Wavelet 联合去噪算法应用于实际采集的油气管道泄漏声波信号去噪处理, 研究发现, 该去噪算法对强背景噪声下的泄漏声波信号能取得很高的信噪比改善和很小的均方误差。     

小波阈值去噪在烟气轮机信号分析中的应用

由于烟气轮机振动信号中含有大量的噪声成分,常使其非线性特征量的提取不准确,因此将基于阈值的小波去噪应用于烟气轮机振动信号分析中。首先介绍了小波阈值去噪的基本原理、阈值和阈值函数的选择方法,并对阈值函数进行了改进;然后分别对含噪Lorenz信号和实测振动信号进行小波阈值去噪实验,计算了其去噪前、后的关联维数。结果表明,小波分解后,不同尺度上信号和噪声的小波系数的分布规律明显不同,通过对其分析可以合理选择小波分解的尺度;在此基础上对小波系数进行阈值处理并重构,能有效地去除信号中含有的噪声,很好地保存信号的局部特征;去噪后信号的伪相图更加规则,关联维数估计值更加合理。该方法能提高信号分析的准确率。     

基于CEEMD的爆破振动信号自适应去噪

针对爆破振动信号短时、突变的特点,提出了基于CEEMD的爆破振动信号自适应降噪方法。为解决信噪分量分界点的判定问题,该方法提出依据CEEMD分解得到的噪声分量和有用信号分量自相关函数的波峰宽度特性自适应地判定信噪分量的分界点的方法。对IMF分量消噪阈值函数进行了改进,新阈值函数具有连续和高阶可导性。实验分析表明:采用新阈值函数的CEEMD自适应去噪方法能够有效地去除实测爆破振动信号中夹杂的噪声,并且很好地保留了爆破振动信号的突变细节,去噪效果良好。     

汽车振动信号去噪分析中的小波参数选择

对振动信号阈值去噪中的小波母函数、阈值大小以及系数的量化方法的选择进行了研究。根据去噪性能的信噪比增益和去噪因子2个评价指标,对Daubechies小波系和Symlets小波系的30种小波母函数进行了筛选,选取db13和sym11小波作为较优小波母函数;介绍了自适应阈值的计算方法,在此基础上分析了传统软硬阈值方法的优缺点,提出了一种改进的阈值方法,并将它们应用于仿真信号和实际汽车振动信号的去噪,取得了较好的去噪效果。     

基于改进小波阈值和形态学的机械臂振动信号降噪分析

采集现场机械臂振动信号过程中会受到多种外部因素的影响，面临着多种噪声的综合作用。为了提高振动信号降噪精度，设计了一种基于改进小波阈值和形态学方法的机械臂振动信号降噪方法。利用改进小波阈值方法进行去噪时并跟形态学滤波方法进行结合的情况下可以对振动信号误差起到更优的抑制性能。研究结果表明：采用优化阈值-形态学滤波方法则可以获得纯净特征参数。本算法能够达到理想的噪声抑制性能，可以确保特征频率得到充分保留。     

基于小波理论谐波减速器振动信号的降噪研究

为满足频率高时窗口窄、频率低时窗口宽的要求,应用小波分析理论对XB-80-134H型谐波减速器的振动信号进行了分析,利用Daubechies小波对振动信号进行小波分解,并结合阈值去噪方法对信号作了消噪处理,即针对振动信号分解的各层小波系数设定相应的阈值,对于小于该阈值的小波系数认为是噪声并置为零,将剩余的小波系数重构,得到消噪后的振动信号.与传统的傅里叶降噪方法比较结果表明,小波降噪远优于傅里傅里叶降噪方法,小波降噪后的信噪比提高了6dB,而傅里叶降噪只提高了1 dB.     

一种新的超声导波信号小波阈值去噪方法

在断轨检测中,为了获取有效的超声导波信号,必须对超声导波进行相应的去噪工作,而去噪效果的好坏直接影响到测量结果精度和可靠性。为了进一步提高去噪效果,本文针对传统的阈值函数法的不足,进行适当的改进,即提出一种新的小波阈值函数来提高去噪效果。文中简述了该种小波阈值函数的原理及构建,并进行了相关的仿真和分析;将该种方法的去噪效果与传统的软、硬阈值函数法去噪效果进行比较。结果表明,相对软阈值函数法,新阈值函数方法去噪后信号信噪比提高6%~15%,均方误差降低14%左右;相对硬阈值函数法,新阈值函数方法去噪后信号信噪比提高8%~25%,均方误差降低20%左右,并且新阈值函数方法去噪后信号幅值非常接近原始信号幅值,即该种超声导波小波阈值法相对于上述传统阈值函数法去噪效果有明显提升。     

基于BLT方程的埋地管道电磁脉冲响应规律研究

高空核爆电磁脉冲(HEMP)会在埋地油气管道上产生感应电流和感应电压,可能对油气管道的测量监控装置及阴极保护系统产生影响。为研究HEMP对埋地金属管道的电磁影响,本文利用合成电压波的思想推导了可用于分析不均匀传输线响应的BLT超矩阵方程,通过与链参数方法的计算结果进行比较,验证了该方法的正确性和有效性。建立了埋地管道的分段串联传输线模型,应用BLT超矩阵方程计算了管道特性阻抗连续时管道参数和管道折角对管道上电流、电压的影响,将入射仰角、入射方位角和场源方位角作为随机变量,计算了入射波状态对响应电流影响的统计信息;针对大地电导率横向差异引起的特性阻抗不连续情况,计算分析了管道电流电压的响应情况;研究结果可为油气管道的电磁脉冲防护提供相关参考。     

基于支持向量机的油气管道安全监测信号识别方法

针对基于经验风险最小化原则的传统学习方法的不足,提出了一种基于支持向量机的油气管道安全识别方法通过基于Mach．Zehnder光纤干涉仪原理的分布式光纤振动信号传感器获取管道沿线振动信号,利用基于小波包分解的“能量-模式”方法提取振动信号的特征向量,并利用支持向量机根据振动信号的特征对其进行识别,判断管道沿线是否有异常事件发生．利用现场实验数据对该方法进行验证分析．结果表明,该方法识别正确率较高,实时性好．     

涡街流量信号中管道振动噪声的分析与处理

研究了获取管道振动噪声干扰特征的方法,介绍了基于加速度传感器的管道振动信号的采集.结合涡街流量信号和管道振动信号的频谱分析结果,指出了管道振动信号频率与涡街流量信号的主要干扰分量频率直接相关.研究表明,可通过获取管道振动加速度信号特征,来间接获得涡街流量信号中最主要噪声的频率特征.基于这一研究结论,以管道振动信号的特征信息为参考输入,验证了通过自适应滤波对涡街流量信号中振动噪声的滤波方法.     

云相似度测量的变分模态分解去噪方法

为区分VMD( Variational Mode Decomposition) 分解后高低频段模态分量,提高VMD 算法的去噪效果, 提出一种基于云相似度测量的VMD 去噪方法。首先,对信号进行VMD 分解,通过计算各个模态分量与信号之 间的云相似度值,区分有效分量与噪声分量,然后对噪声分量进行小波滤波,最后将滤波后的分量与有效分量 进行重构。通过仿真和实际实验,将提出的去噪法与基于相关系数的VMD 去噪法和基于互信息的VMD 去噪 法对噪声信号进行处理,该方法去噪后所得信号信噪比相对较高,为28． 214 1 dB,均方误差相对较低,为 6． 12 × 104 ,验证了该方法去噪效果的优越性和对油气管道泄漏信号去噪的可行性。     

考虑边界土体性质悬跨管道振动特性分析

海底管道是海洋油气传输的生命线,其悬跨段的固有频率是决定动力响应状态的关键.建立了考虑边界土体性质的悬跨管道计算模型,通过土弹簧动刚度的变化描述海床土性质的变异.在此基础上进行悬跨管道的固有振动特性分析,分别讨论了边界土体性质、外部环境荷载、管道轴向力以及悬跨长度等变化对管道固有频率的影响.结果显示:跨长对管道固有频率影响最为明显,且对于不同的影响因素,悬跨管道的频率呈现不同的变化特征.     

基于EMD的油气管道安全分布式光纤预警系统信号分析方法

针对油气管道安全分布式光纤预警系统检测信号的非平稳特征，提出了基于经验模态分解（EMD）的信号分析方法．预警系统基于Mach—Zehnder光纤干涉仪原理，沿油气管道同沟敷设光缆，利用其中三条单膜光纤构成分布式微振动测试传感器，实时检测管道沿途所发生的泄漏及其他异常事件．该信号分析方法将检测信号通过EMD分解为多个平稳的固有模态函数（IMF）之和，选择若干包含信号主要信息的IMF分量对其进行峭度分析，提取几种事件信号的特征．最后分析了现场实验数据及其信号处理结果．研究结果表明，该方法可以有效地对管道周围发生的泄漏和其他异常情况进行特征提取．     

基于压电传感器的管道泄漏监测仪的研制

提出了通过提高输油管道泄漏信号的信噪比进而提高泄漏检测的可靠性和灵敏度的方法；在定量分析、比较压阻式压力传感器和压电式动态压力传感器各自信号的特征和信噪比的基础上，提出了基于压电传感器的管道泄漏监测方法。阐述了基于压电传感器的管道泄漏监测、定位原理以及基于MSP430F149单片机的管道泄漏监测仪软、硬件设计方法及实现。现场泄漏检测试验结果表明，基于压电传感器的管道泄漏监测仪可以较好地提高泄漏检测的可靠性和灵敏度。     

立体管网微泄漏实时监测系统研究概述

针对立体管网微泄漏实时监测系统搭建的关键技术问题,对国内外学者的相关研究进行了梳理,归纳为3个方面:1)在提取故障频率信号时如何避免回声混叠的影响,提高相关性的延时估计精度;2)在管网分叉结构下,如何辨别信号传播路径,如何定位泄漏源的位置;3)在信息数据收发延时不确定的情况下,如何保证立体管网泄漏实时监测系统的时间同步精度。通过对国内外管网泄漏监测技术的比较发现,基于声发射传感器网络的立体管网泄漏实时监测,对于解决探测易燃、易爆气/液体管道运输中的微弱泄漏问题具有较大优势。     

Wavelet domain adaptive filtering algorithm for removing the seamless pipe noise contained in the magnetic flux leakage data

With the widespread application and fast development of gas and oil pipeline network in China, the pipeline inspection technology has been used more extensively. The magnetic flux leakage （MFL） method has established itself as the most widely used in-line inspection technique for the evaluation of gas and oil pipelines. The MFL data obtained from seamless pipeline inspection is usually contaminated by the seamless pipe noise （SPN）. SPN can in some cases completely mask MFL signals from certain type of defects, and therefore considerably reduces the detectability of the defect signals. In this paper, a new de-noising algorithm called wavelet domain adaptive filtering is proposed for removing the SPN contained in the MFL data. The new algorithm results from combining the wavelet transform with the adaptive filtering technique. Results from application of the proposed algorithm to the MFL data from field tests show that the proposed algorithm has good performance and considerably improves the detectability of the defect signals in the MFL data.