自适应噪声对消在抑制振动干扰中的应用

现实生活中存在大量非平稳随机振动干扰信号,将它们从有用信号中滤除具有十分重要的意义。介绍自适应信号的处理方法及其在抑制振动信号中的应用,并采用白适应噪声对消处理的方法对振动干扰进行对消处理。用MATLAB进行仿真验证的结果表明：自适应噪声对消在处理因振动干扰而产生的非平稳随机信号时,具有可行性,消噪效果较好。     

小波域二维隐Markov模型滤波方法

针对旋转机械工作过程中产生非平稳信号的特点,在分析非平稳振动信号小波分解后同层小波数和层问小波系数之间关系的基础上,结合二维隐Markov模型(2D-HMM)拓扑结构的表达能力,提出小波域2D-HMM滤波方法,并给出了具体的实现步骤,最后通过Bently-Nevada转子试验系统的实测信号验证算法的有效性.结果表明:小波域2D-HMM滤波算法能够有效地去除非平稳振动信号的噪声.     

噪声抵消技术的研究

文章概述了噪声抵消技术的研究现状,以语音信号为例着重阐述了不同种类的噪声抵消方法,并对其性能进行比较,经比较得出自适应噪声抵消方法具有自适应能力强、输出噪声低和信号畸变小的特点,其自适应能力表现在允许对特性未知的输入信号进行处理,由于其性能的卓越性,在噪声抵消系统中具有广泛的应用价值.     

变工况下转子振动信号的时频分析方法比较

比较了时变参数自回归模型(TVAR)、短时傅里叶变换(STFT)、Wigner-Ville分布(WVD)、Choi-Williams分布(CWD)、连续小波变换(CWT)以及Hilbert-Huang变换(HHT)等几种时频分析方法的时频聚焦性、分辨率、交叉干扰项抑制以及计算效率.对一个具有调频和调幅特性的转子启动过程振动仿真信号进行分析,得出针对此类信号TVAR具有较好综合性能;以STFT的分析结果为比较基准,利用TVAR方法对加速启动工况下采集的实验台转子振动信号进行了分析.结果表明:TVAR不仅能够有效地分析转子启动过程非平稳振动信号,而且具有较强的信号特征提取和抗噪声能力.     

基于LMD与Wigner-Ville分布的水力机组振动信号分析

针对现有非平稳信号处理方法在分析水力机组振动信号时,无法同时兼顾较高的时频分辨率和瞬时时频特征的有效提取问题,提出了一种新的将局域均值分解(LMD)和Wigner-Ville分布相结合的非平稳信号处理方法,并将其应用于水力机组甩负荷工况的上导轴承摆度信号分析.通过与短时傅里叶变换、小波变换和Wigner-Ville分布方法提取的时频谱图对比分析,表明该方法继承了局域均值分解可以将多分量非平稳信号分解为多个频率成分单一的PF分量、以直接计算瞬时幅值和瞬时频率的优点,以及Wigner-Ville高时频分辨率的优点,同时,避免了Wigner-Ville分布因为受到固有交叉项干扰导致多个频率成分的信号难以表示清楚的缺陷,能够有效提取与转速变化趋势基本一致的瞬时时频谱图,为后续机组状态识别与故障诊断提供分析工具.     

基于小波降噪和EMD分解方法的轴承故障诊断

为解决在复杂噪声和工频及其倍频干扰条件下滚动轴承故障诊断问题,进行了小波降噪和经验模态分解(EMD)研究。利用小波高分辨率的特性,将时变非平稳信号分解到独立的频段上,重构信号能够滤除噪声干扰,提取特定频段的信号。对滤波后的特征信号进行总体经验模态分解,得到若干固有模态函数(IMF),以峭度最大值准则,选取故障敏感的IMF分量进行包络分析,从而提取故障特征频率。与轴承故障频率理论值相比,误差极小,从而说明该方法对于提取含噪声的轴承故障特征的有效性。     

内燃机故障信号特性分析及诊断策略

在内燃机上分别设置故障（气门响、挺杆响、销子响、敲缸响、小瓦响、大瓦响）,测取机体上的振动信号.根据统计学理论,对振动信号分别进行假设检验,得出它们具有非平稳、非高斯、非线性特点,指出对其进行分析必须采用相适应的方法才能取得好的效果,并提出一系列诊断策略.     

MATLAB在植物电信号降噪处理中的应用

植物电信号具有复杂性和时变非稳态特性,在获取有用信号前,需要对原始信号进行预处理,并将采集的信号严格地限制在有用的频段内。首先对信号进行低通滤波,以抑制高频噪声;然后采用陷波滤波器消除因测试环境中的有源设备而引起的50 Hz工频干扰。另外,采用小波降噪的方法处理采集的信号,更容易地分离出噪声或其他不需要的信息。通过MATLAB语言进行编程,设计数字滤波器,对信号进行预处理,并且用小波分析方法对信号进行分析,实现了降噪和去除干扰的目的,从而对植物电信号进行有效的分析。      

基于广义形态学滤波和EEMD分解的滚动轴承故障诊断

在信号处理中,由于严重噪声的干扰,往往会对EEMD分解造成影响,因此提出广义形态滤波和EEMD相结合的方法。首先利用广义形态滤波对故障信号进行滤波,减小噪声的干扰,然后利用EEMD对去噪后的信号分解,选择相关系数最大的本征模态分量并从其频谱图中提取特征频率。结果证明该方法能成功地去除噪声对EEMD分解的影响,从而能准确检测到故障信号的特征频率,具有广泛的应用前景。     

滚动轴承故障诊断的分形特征研究

针对滚动轴承振动信号的特点,从分形原理出发,利用分形维数的理论,详细讨论了盒维数的计算方法,并对由滚动轴承故障产生的非平稳振动信号进行了分形维数的定量描述.实验结果表明,由于滚动轴承不同状态动力学机理不同,其分形维数明显不同.利用分形维数可以准确地诊断出滚动轴承的工作状态,为非平稳信号故障诊断提供了一种有效的新技术.