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AR-EWT和SSI的桥梁结构模态参数识别

为解决随机子空间识别(SSI)算法存在的系统定阶困难问题,避免各模态之间的相互影响,提出一种结合自回归功率谱经验小波变换(AR-EWT)和SSI的桥梁结构模态参数识别方法。首先,采用AR-EWT将结构不同测点的振动响应信号分解成一系列仅含单一模态信息的单分量信号,并利用奇异值分解(SVD)去噪单分量信号。然后,组装所有测点中包含相同模态信息的单分量信号。最后,利用SSI分别处理各组单分量信号,识别结构的自振频率、阻尼比和振型。ASCE Benchmark模型、简支梁模型和西宁北川河桥的模态参数识别结果表明：所提出的AR-EWT结合SSI的模态参数识别方法可避免直接利用SSI识别模态参数时存在的系统定阶问题,提高模态参数识别效率;ASCE Benchmark模型、简支梁模型和西宁北川河桥的模态参数识别结果与直接利用SSI的识别结果、有限元分析结果基本一致。     

采用不同方法识别结构模态参数的比较

结构振动信号中混杂的噪声会影响模态参数的识别精度,并会引起虚假模态。通过一五自由度结构系统的数值仿真研究表明:直接识别法的精度低且应用范围有限,应用频域平均法可提高模态参数的识别精度,并且有利于识别出被噪声淹没的模态;修正的LSCE小波阈值滤波法有明显的去噪效果,其提高模态参数识别精度可达到或超过3次平均的效果且识别速度快。通过比较3种方法的结构模态识别结果,得到了修正的LSCE小波阈值滤波法节约试验成本,提高了识别速度和精度,具有明显的可适用性和推广性。     

海上风机结构工作模态识别的组合降噪方法

海上风机结构现场原型观测所获取的振动加速度信号中,往往混有大量的电磁工频、机组转频及环境噪声等成分,这些干扰信号处理不当易导致模态识别失真与产生虚假模态等问题.针对这一问题提出了基于自适应滤波与集成经验模态分解(EEMD)法的组合降噪方法.通过对测试信号采取滤波、分解、降噪及重组等过程可以更有效地降低各种噪声干扰,以完整地保留结构自身的振动信息;再利用随机减量法(RDT)和特征系统实现法(ERA)完成模态信息的初步识别,并结合振型分析等手段剔除虚假模态,实现准确提取海上风机结构工作模态参数的目的.该方法相比传统的降噪方法在噪声统计特征不足情况下具有更好的降噪精度和降噪效率,对基于实测信号获取风机结构工作模态信息有很好的工程应用价值.     

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.     

柴油机振动信号的小波包奇异值降噪

柴油机的振动信号中含有大量噪声,在进行故障特征提取之前必须加以消除.首先对傅里叶滤波降噪、小波降噪和小波包降噪的效果进行了对比,然后将奇异值分解技术用于信号降噪,最后提出了一种将小波包和奇异值分解相结合的降噪方法.该方法将输入信号进行一次小波包分解,利用奇异值分解方法对分解后的幅值量化系数进行降噪.实例表明,小波包和奇异值分解相结合的方法降噪效果最好.与其他方法相比,用新的方法对柴油机缸盖振动信号进行降噪处理的信噪比最高,且能明显识别出燃烧爆发、气门落座等各个阶段的振动信号,大大提高了特征提取的准确率.     

基于小波阈值降噪的既有砌体承重墙基本频率识别

识别既有砌体承重墙的基本频率对结构安全性评估有重要意义.为了降低噪声对动力测试信号和基本频率识别结果的不利影响,首先通过人工带噪信号分析获得小波阈值降噪方法的优化参数,再通过拟静力试验在墙体模型中实现不同的损伤,通过环境激励获取加速度信号.分别基于原始加速度信号和小波阈值降噪处理后的加速度信号,获得功率谱密度函数,再运用峰值点法识别基本频率.结果表明,采用优化参数进行小波阈值降噪后,基本频率识别结果的变异性更小.所采用的方法可通过降低噪声影响来提高带损伤砌体承重墙的基本频率识别效率,为既有砌体结构安全性评定提供基础数据.     

井下指令信号的小波-奇异值分解双层滤波降噪

针对旋转导向钻井井下接收的指令信号进行降噪时存在奇异点和突变点等问题,提出一种基于小波-奇异值分解的双层滤波降噪方法。该方法将小波改进分层阈值降噪与奇异值分解降噪相结合,采用小波变换与奇异值分解WT-SVD双层滤波降噪方法,对小波改进分层阈值降噪后的信号进行矩阵构造,经过奇异值分解和重构使信号得以还原。通过实验确定了所选取的奇异值个数及重构矩阵结构,并对比研究了奇异值分解、小波改进分层阈值和WT-SVD双层滤波3种不同降噪方法降噪后的信号波形及信噪比、均方根误差和相关系数。实验结果表明,WT-SVD双层滤波方法降噪效果明显。     

基于改进变分模态分解和小波阈值法的单相接地故障电流降噪

针对电力系统输配电线路发生单相接地故障时,电气设备间的电磁环境复杂,现场环境干扰严重导致故障录波装置采集到的故障零序电流信号含有大量噪声,影响后续选线准确率的问题,提出了一种改进VMD和小波阈值法联合的单相接地故障的零序电流降噪方法,通过北方苍鹰优化算法优化改进变分模态分解（VMD）对零序电流信号分解,引入自适应相关阈值对分解后的分量进行筛选,对噪声分量进行小波阈值法降噪,最后将信号进行重构。通过搭建模型进行仿真实验,所提算法比传统VMD降噪算法信噪比提高了5.52%~35.99%,均方根误差降低了12.78%~30.88%,与小波阈值降噪方法、EEMD-小波阈值降噪方法、CEEMDAN-小波阈值降噪方法相比,也都有明显的优势,并且在标准测试信号Heavy Sine信号和Bumps信号中进行实验验证了算法的适用性。     

柴油机振动信号的小波包奇异值降噪

柴油机的振动信号中含有大量噪声，在进行故障特征提取之前必须加以消除。首先对傅里叶滤波降噪、小波降噪和小波包降噪的效果进行了对比，然后将奇异值分解技术用于信号降噪。最后提出了一种将小波包和奇异值分解相结合的降噪方法。该方法将输入信号进行一次小波包分解，利用奇异值分解方法对分解后的幅值量化系数进行降噪。实例表明，小波包和奇异值分解相结合的方法降噪效果最好。与其他方法相比，用新的方法对柴油机缸盖振动信号进行降噪处理的信噪比最高，且能明显识别出燃烧爆发、气门落座等各个阶段的振动信号，大大提高了特征提取的准确率。     

一种基于RTK-GNSS技术的大跨径悬索桥动态特性分析方法

为了研究一座大跨径自锚式悬索桥的动态特性,本文采用实时动态差分-全球卫星导航定位系统(RTKGNSS)和加速度计对环境激励下天津富民桥进行监测试验.考虑到RTK-GNSS系统定位精度的缺陷,提出了一种基于集合经验模态分解(EEMD)法与小波分解(WD)技术的联合降噪方法(EEMDWD),利用该方法对监测信号进行降噪处理以提高仪器的测量精度.随后,采用快速傅里叶变换(FFT)与随机减量技术(RDT)对降噪信号做进一步分析,从中获取结构的固有频率与相应的阻尼比.同时,为了与实测结果进行对比,建立了结构的有限元模型.分析结果表明:(1)采用EEMDWD联合降噪方法可以有效抑制背景噪声的影响,并且明显优于采用单独的EEMD或者WD分析的结果;(2)通过FFT分析,成功拾取到了结构的1阶固有频率,即f =0.5873 Hz,且RTK-GNSS与加速度计两类传感器的模态频率识别结果相一致,进一步验证了RTK-GNSS系统用于监测环境激励下大跨径桥梁动态响应的可行性;(3)通过RDT分析,成功拾取到了结构的阻尼比,即ξ=2.12%;(4)阻尼比实测值与有限元模型分析结果基本吻合,两者相差2.86%.     

基于分布式无线智能传感器网络的结构模态识别

利用美国伊利诺伊大学结构健康监测项目组研制的ISM400无线智能传感器,分别采用分布式和集中式数据采集方法,对一个简支层压板进行了振动测试试验.采用自然环境激励技术(NExT)和特征系统实现算法(ERA)相结合的一种时域联合算法,仅利用输出信号对结构模态参数进行识别,并将识别结果与有限元模型的计算结果进行了对比分析.根据分布式与集中式两种数据采集处理方法识别的振动频率和模态振型,与有限元数值模拟结果吻合较好,验证了基于分布式数据采集的无线智能传感器网络在结构模态识别中的可行性.在大型土木工程结构需要布置大量传感器时,分布式无线智能传感器网络因其高度集成化和节约电源等优点,比采用传统的集中式数据采集方法更加高效实用.     

冗余提升多小波包的构造及其应用

针对提取隐藏在原始振动信号中的弱周期性冲击信号,提出结合冗余提升多小波包(RLSMWP)及滑动窗奇异值分解(SWSVD)降噪的方法。利用提升方案实现具有5阶逼近阶性质的冗余Haar预处理,对信号进行预滤波,获得2重矢量信号。对多小波分解得到的矢量细节信号进行进一步分解,实现冗余提升多小波包变换。对最后一层各输出通道信号进行SWSVD降噪,重构后获得降噪信号。结果表明,RLSMWP与SWSVD相结合具有很好的降噪效果,提取出了隐藏在气阀振动信号中的弱周期性冲击成分;与传统多小波构造方法相比,新方法在时域实现了预滤波、多小波分解、多小波重构及后处理,具有计算简单、节省内存、运算速度快、可完全重构等优点。     

数字滤波技术在随机振动信号处理中的应用

数字滤波技术在随机振动信号处理中应用十分广泛,不仅能准确分离出大型建筑结构的模态信号分量,还能在宽带信号中准确识别出系统阶次﹒详细介绍了数字处理技术的时域法和频域法识别原理,并结合具体案例,通过采用数字滤波处理技术对实测高层建筑信号进行了滤波,并分离出不同阶次下有效振动信号分量;通过滤波得到实测结构的窄-宽信号,实现了实测高层建筑单一频率分离,提纯了实测结构在自振频率共振处信号﹒研究有利于展开不同阶次信号幅值对比及分析不同阶次在环境激励下对振动响应的贡献﹒     

基于一种EEMD的能量算子解调机械故障诊断

针对在强噪声背景下轴承振动信号的非线性、非平稳性以及信号出现的复杂调制现象,提出了一种基于小波包熵与EEMD(总体模态分解)相结合的能量算子解调故障诊断方法.根据信号的小波包熵值对信号小波包降噪,采用EEMD方法选取相关度最大的IMF(本征模态分量)以避免选取信号的盲目性,对该分量进行能量算子解调,实现提取该分量下的故障信号的幅值和频率信息.对机械故障振动信号进行实验分析表明,相对于EMD分析存在的模态混叠现象以及普通Hilbert解调法的运算精度满足不了诊断需求的情况,该方法能够有效解调出故障频率信息,以实现对故障类别的推断.     

基于环境振动和贝叶斯定理的有限元模型 自动修正方法及应用

传统的有限元模型修正方法通常没有定量考虑测试误差和模型误差的不确定性对修正结果的影响,并且难以用于复杂结构.针对上述问题,提出了一种基于环境振动测试和商业软件交互访问的贝叶斯有限元模型修正方法.该方法以环境振动测试和快速贝叶斯方法识别所得模态参数为已知数据,基于贝叶斯定理得到修正参数的后验概率密度函数,利用单纯形法最小化修正参数的负对数似然函数,得到其最有可能值及后验变异系数,并通过SAP2000有限元模型和MATLAB修正程序的交互访问,实现复杂结构有限元模型参数的自动修正.对某两层大跨楼板结构进行了环境振动测试和模态参数识别,利用所提方法直接对混凝土楼板和钢梁的弹性模量进行修正,修正后的自振频率和振型与识别值吻合较好.     

基于HVD和RDT的工作模态识别

应用希尔伯特振动分解(HVD)和随机减量技术(RDT)建立了环境激励下结构工作模态参数的识别方法。基于环境激励下结构的单点振动响应信号作为分析信号,应用希尔伯特振动分解将分析信号分解为若干个包含结构模态信息的信号,再利用随机减量技术提取自由衰减信号,应用最小二乘复指数法获得各阶模态频率和阻尼比。应用该方法对5自由度剪切模型以及12层混凝土框架地震台模型的顶点地震响应作为分析信号进行了结构工作模态参数的识别,并将识别结果与其他方法识别结果进行对比。结果表明该方法识别模态频率是可靠的;对平稳结构响应信号模态阻尼比的识别有好的精度,而对非平稳响应信号有较满意的精度。     

级联自适应局部投影降噪方法

针对具有非线性、非平稳性特征的信号，提出一种邻域半径自适应局部投影和小波阈值去噪级联的降噪方法.首先，利用经验模态分解得到信号中的高频分量并以此估计噪声水平;再根据噪声水平确定邻域半径;最后，利用该半径进行局部投影处理并结合小波阈值方法进行细节平滑.Lorenz系统时间序列的降噪结果表明，本方法能够提高信噪比并降低均方误差，并在信号结构失真时恢复其原始吸引子形态，去噪和还原信号特征的能力皆优于小波阈值去噪方法.对桡、颈、肱动脉脉搏信号、心电信号的降噪结果展示了本方法在生理信号噪声抑制和特征保留方面的优越性能.     

改进的阈值小波和PSO－SVM算法及应用

本文提出了基于改进阈值小波及改进支持向量机的低速重载滚动轴承故障识别方法.首先在实验台上测量三种不同工况的轴承信号,利用改进阈值小波对信号进行降噪处理,将降噪的信号利用小波包分解法得出各频带的特征能量值;其次利用粒子群算法来优化支持向量机的学习因子,提高支持向量机多分类器的识别性能;最后,将特征能量值导入优化后的多分类器,实现低速重载滚动轴承的智能识别.结果表明,结合后的方法有着良好的诊断效果.     

基于影像及小波变换的桥梁损伤识别

桥梁损伤定位和定量分析是桥梁健康监测的难点,为提高桥梁结构损伤位置识别的精度及准确性,利用位移模态对结构局部损伤的敏感特性,提出基于影像和小波变换的桥梁损伤识别新方法,通过工业相机获取悬臂梁振动形态,利用模版匹配方法提取结构动态位移响应及模态参数,对位移模态进行小波变换,建立小波系数平方差的损伤指标识别结构损伤位置。通过室内悬臂竖梁振动实验,对全域测点的振动衰减信号快速傅里叶变换成功获取了结构的模态振型,与数值模拟结果比较表明试验获得一阶固有频率最大误差为2.202%,二阶固有频率最大误差为3.182%,表明所提方法用于结构位移测量的可行性以及测量精度的可靠性;在此基础上利用小波系数平方差的明显突峰特性可准确识别结构单损伤、多损伤的存在,并能准确定位损伤位置。研究表明,所提方法可以准确识别不同位置、不同程度的单损伤和多损伤,具有远距离、非接触、高精度、高效快捷、可多点监测提升振型空间分辨率等优点,为桥梁结构全域损伤识别提供了一种新方法。