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。     

小波降噪方法在电动机故障信号特征提取中的应用

针对油田电动机运行环境恶劣、结构复杂、故障信号中噪声干扰多的特点,采用基于小波变换的降噪方法对电动机故障信号进行特征提取,克服了传统滤波方法的缺陷,为提高电动机故障诊断的精度提供了一个有效工具。同时给出了一个应用实例。     

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。     

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.     

双向凝胶电泳图像降噪方法研究

双向凝胶电泳图像在成像过程中会受到噪声干扰,影响图像质量,严重阻碍图像分析和蛋白质识别.为了提高图像质量,对图像降噪方法的研究是十分必要的.笔者比较了几种常用的滤波方法(空域滤波和小波滤波)对凝胶图像的降噪效果.通过比较各种小同的降噪方法,探索适合凝胶图像降噪的方法.     

一种强噪声下的监护信息降噪方法

为提高监护信息系统预报的准确性,提出一种强噪声下监护信息的降噪方法.该方法利用小波变换分析噪声和生理信号的小波系数的特点,应用Hampel滤波器对生理信号小波系数进行滤波处理,并将处理后信号进行小波逆变换,实现监护信息的降噪处理.选择PhysioNet数据库数据进行实验,结果表明文中方法对监护信息有较好的降噪效果.     

小波分析在故障诊断中的应用

简述小波分析的数学原理和小波分析在故障诊断中的应用机理，并以钻井泥浆泵为例，分析了小波分析在故障诊断中的应用。结果表明，用小波降噪的方法先对泵阀信号进行处理后再进行特征提取和故障诊断变得容易；用小波进行泵阀信号的消噪可很好地保存瞬态冲击信号中的尖锋和突变部分。     

小波域阈值滤波在测井信号去噪中的应用

从测井信号噪声特征出发,建立测井数据噪声模型。根据测井信号的特殊性,提出一种运用一维离散小波变换和小波包变换对测井信号进行小波域阈值滤波分析的方法,探讨了几种阈值确定方法。借助MATLAB7.0小波降噪函数,运用MATLAB语言编写了小波滤波程序,对实际曲线分析结果表明,小波域阈值滤波优于传统测井曲线滤波方法。运用小波分析可以有效地去除测井曲线噪声干扰,同时也可较好地保留测井曲线纵向分辨率。     

基于EEMD-小波阈值去噪的桥梁结构模态参数识别

为研究环境激励下大跨径桥梁结构振动响应特性,采用拾振器监测结构动态变形.针对监测信号中的噪声影响,提出EEMD-小波阈值联合滤波方法来提升信号精度.首先,利用EEMD算法对信号进行分解,基于平均周期图法和相关系数法双重判定准则剔除虚假分量,然后,结合小波阈值去噪方法对重构信号进行二次降噪,再利用RDT-ITD法识别结构模态参数.将滤波降噪和模态识别方法应用于天津永和桥实测振动响应分析中,并结合有限元分析结果进行对比.结果表明:EEMD-小波阈值联合滤波方法优于应用单一方法,能进一步提升信号精度;信号降噪后,利用RDT-ITD方法成功提取了结构前3阶竖向自振频率和相应阻尼比;识别的结构自振频率值与有限元分析结果基本一致,基频值相差3.07%.     

基于小波降噪和EMD方法的风力发电系统齿轮箱故障诊断

将小波降噪和经验模态分解相结合,提出一种风电机组齿轮箱故障诊断的方法。先对齿轮故障振动信号进行小波降噪预处理,再进行经验模态分解,对包含故障特征的固有模态函数用Hilbert变换得到包络谱,通过对包络信号做功率谱分析,提取故障特征频率,与未降噪信号处理的结果进行比较,降噪后诊断效果明显。     

基于LabVIEW的齿轮故障测试系统

采用噪声分析法,用普通的计算机声卡代替专用数据采集卡,利用LabVIEW虚拟仪器软件平台,设计了基于PC机的虚拟齿轮故障测试系统.能实现齿轮噪声信号的实时采集和信号时域分析和频谱分析功能,达到监测和诊断齿轮故障的目的.     

基于小波变换和中值滤波器的主元分析方法

传统主元分析用于故障检测时,由于测量数据中含有噪声和异常点,从而导致系统的误报警.针对传统主元分析在处理含噪数据时的不足,给出了一种把小波变换、滑动中值滤波器和主元分析相结合的方法,利用小波变换和滑动中值滤波器的优点,对主元分析前的数据进行预处理,以去除噪声和异常点,减少和消除了虚警点,并将此方法运用于实际的故障检测中,取得了较好的检测效果,证实了该方法的有效性和可行性.     

基于ARCH模型的组合导航缓变故障容错方法

为了解决缓变故障的检测和容错问题,针对容错设计中小幅度增长的缓变故障,考虑组合导航系统导航传感器的特点,提出了一种新的组合导航缓变故障容错方法。定义了滤波器观测信息的故障因子,提供了基于自回归条件异方差模型的故障因子模糊评估方法,并利用故障因子来自适应调整观测噪声协方差阵中相应的量值,从而达到抑制缓变故障的作用。通过仿真分析和实验验证了缓变故障容错方法的有效性。实验结果表明,在导航传感器发生缓变故障时,这种缓变故障容错方法可以有效地改善组合导航滤波精度。     

基于改进二阶循环平稳解卷积的轴承故障检测方法

针对涡轴发动机主轴轴承故障特征难以提取,背景噪声干扰大的问题,提出了改进二阶循环平稳解卷积(PSO-CYCBD)方法,用于提取强噪声背景下的故障特征频率.该方法采用粒子群优化(PSO)算法对二阶循环平稳解卷积(CYCBD)方法中的滤波器长度参数进行寻优.首先,基于故障轴承振动特点建立信号模型,然后用PSO算法对包络谱故...     

提高空调系统传感器小故障检测能力的方法研究

提出了用主成分分析法建立系统的模型,通过检测测量数据在残差子空间内的投影大小来检测故障.分析认为造成传感器小故障难于检测的原因在于测量数据的嗓声太大,并提出采用指数加权滑动平均滤波器来提高系统小故障检测能力的方法.实验表明,方法是有效的.图3,参8.     

基于自适应滤波辅助残差χ2法的导航系统故障诊断方法

针对残差χ2法对软故障检测不敏感,且当量测噪声阵不准确时,也不能很好地检测突变故障的问题,提出了一种限制自适应滤波辅助残差法的诊断方法。基于贝叶斯理论推导出一种限制自适应滤波,利用其自适应调节性在线估计量测噪声阵,抑制滤波预报值跟踪软故障,以辅助残差χ2法进行故障检测。为了克服直接隔离故障法导致滤波精度降低,误检率增加的问题,提出了基于一步预测的故障处理和重构方法,即用前一时刻解算的结果预测当前时刻的导航信息。仿真结果表明,所提出的方法能实时有效地诊断出突变和软故障,保证系统在故障阶段的精度,并使系统在故障消失后及时恢复正常,提高了系统的可靠性。     

基于形态滤波优化算法的滚动轴承故障特征提取方法

针对轴承故障振动信号的非线性、非平稳性的特点,而且故障信号经常被各种噪声、干扰所淹没,提出了一种基于局部均值分解(local mean decomposition,LMD)与自适应多结构元素多尺寸差值形态滤波器相结合的方法。原始故障信号先经过局部均值分解得到若干乘积函数(product function,PF)分量,然后采用峭度值准则,选取峭度值最大的PF分量,再将其经过自适应多结构元素多尺寸差值形态滤波器进行滤波解调,最后解调结果进行频谱分析,提取故障特征。为了体现其可行性和优越性,与包络解调、LMD-形态闭运算和LMD-形态差值滤波三种方法进行了比较,仿真信号和实测轴承故障信号的分析结果表明,它具有更强的噪声抑制和脉冲提取能力,可以有效地提取滚动轴承故障特征信息,实现故障的精确诊断。     

基于时频消噪TFPF和时频分布MBD的轴承早期故障诊断

噪声是影响轴承、齿轮等机械设备早期微弱故障特征正确提取的主要因素,利用新颖的时频峰值滤波技术TFPT有力的噪声消减特性,将PTFT与改进的时频分布MBD相结合,提出了时频峰值滤波TFPT-时频分布MBD的故障识别新方法,即应用TFPF消减振动信号的随机噪声作为时频分析的前置处理,对消噪的故障信号作MBD时频分析来识别故障特征,给出了时频峰值滤波时频分布的故障诊断模型。诊断实例的分析结果表明了与传统的MBD的故障特征提取相比,提出的改进方法更易提取出强噪声背景下的轴承早期的微弱故障,具有明显的可诊断性和实用性。     

CEEMD与广义形态差值滤波结合的故障诊断方法研究

为了提取滚动轴承早期微弱故障特征信息,提出一种互补总体平均经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)与广义形态差值滤波结合的故障诊断方法.该方法首先对振动信号进行CEEMD分解成若干不同尺度的本征模函数(Intrinsic Mode Function,IMF)分量,利用相关系数-峭度准则来选取故障信息丰富的IMF分量信号,并对其进行重构;然后采用广义形态差值滤波器对重构后的信号进行滤波,以滤除噪声干扰;最后利用Teager能量算子(Teager-Kaiser Energy Operator,TKEO)对去噪后的振动信号进行分析,提取振动信号的故障特征.滚动轴承振动信号分析试验结果证明了本文方法的有效性.     

一种利用LSTM和稳态时间序列的光伏阵列故障诊断方法

针对光伏阵列电气工作参数包含复杂的暂态过程及工频干扰噪声严重影响故障诊断模型性能的问题,提出一种基于最大功率点的稳态时间序列预处理方法.首先,以自动过滤数据中的暂态过程和干扰噪声,获取连续的稳态时间序列电气特征数据,作为故障诊断模型的输入参数;然后,提出一种基于长短期记忆网络的深度网络模型,以实现对光伏阵列常见故障的检测及分类;最后,在一个小型光伏并网发电系统及其Simulink仿真模型上,进行故障模拟及仿真,以验证所提出的故障诊断方法.实验结果表明,所提出的故障诊断方法具有良好的精度和泛化性能,并且优于常规的反向传播神经网络和循环神经网络.