一种现场振动信号去噪参数优化选择方法技术

本发明专利技术涉及一种现场振动信号去噪参数优化选择方法。目前还没有一种能实现信号去噪的快速化和精确化的现场振动信号去噪参数优化选择方法。本发明专利技术包括以下步骤：对振动信号进行集合经验模态分解；针对集合经验模态分解中的两个参数，添加噪声次数和振动信号的标准差之比进行网格交叉验证选择；对经验模态分解后的各内禀模态能量进行过零率分析，划定过零率阀值确定；对分解后的各内禀模态能量分量进行与原始信号的互信息计算分析，并划定互信息阀值确定；再根据确定的过零率阀值和互信息阀值进行噪声确定分析，针对剔除噪声后的振动信号进行重构得到去噪后的信号。本发明专利技术提出了信号分析、噪声辨别和信号重构，能实现信号去噪的快速化和精确化。

【技术实现步骤摘要】

本专利技术涉及一种现场振动信号去噪参数优化选择方法，具体是实现振动信号分析前的噪声去除方法。
技术介绍
机械设备发展的同时，人们对设备的可靠性和安全性提出了更高的要求，设备安全可靠运行成为当今设备运行和维护的重要课题。有效的实施设备状态检测及故障诊断，可由初期征兆识别故障进而采取相应的解决办法，避免重大恶性事故的发生，保障设备安全运行。如何快速、有效的实现故障诊断是当前主要的研究方向，振动信号分析前期的振动信号噪声去除，是振动信号分析的前提。公开号为CN104992063A的中国专利中，公开了一种机械设备振动信号的降噪方法，其包括步骤：对非平稳振动信号进行局部均值分解；根据局部均值分解后得到的PF分量，计算各PF分量与非平稳振动信号的互相关系数，将互相关系数与预先设定数值进行比较，并将互相关系数小于预先设定数值的各PF分量进行叠加重构，得到虚拟噪声通道信号；该虚拟噪声通道信号作为FastICA算法的输入信号；根据FastICA算法将振动信号与虚拟噪声通道信号进行盲源分离，得到振动信号源信号和噪声信号，实现对振动信号的降噪处理，但是，该降噪方法难以实现信号去噪的快速化和精确化。目前还没有一种能实现信号去噪的快速化和精确化的现场振动信号去噪参数优化选择方法。
技术实现思路
本专利技术的目的在于克服现有技术中存在的上述不足，而提供一种能实现信号去噪的快速化和精确化的现场振动信号去噪参数优化选择方法，该现场振动信号去噪参数优化选择方法提出了信号分析、噪声辨别和信号重构。本专利技术解决上述问题所采用的技术方案是：该现场振动信号去噪参数优化选择方法的特点在于：包括以下步骤：对振动信号进行集合经验模态分解；针对集合经验模态分解中的两个参数，添加噪声次数和振动信号的标准差之比进行网格交叉验证选择；通过对经验模态分解后的各内禀模态能量进行过零率分析，并划定过零率阀值确定；通过对分解后的各内禀模态能量分量进行与原始信号的互信息计算分析，并划定互信息阀值确定；再根据确定的过零率阀值和互信息阀值进行噪声确定分析，针对剔除噪声后的振动信号进行重构得到去噪后的信号。作为优选，本专利技术包括以下步骤：根据信号分析定律进行信号采样设置，采集现场机组运行振动信号；进行振动信号集合经验模态分解，为实现信号的精准分解，进行集合经验模态分解参数的选择；改变添加噪声的次数和信号标准差之比两个参数，进行信号的集合经验模态分解，添加噪声次数变化范围0-400，信号标准差之比变化范围0-1；以20为间隔进行添加噪声次数变化，以0.1为间隔进行信号标准差之比进行变化，进行信号的集合经验模态分解；针对分解出的各内禀模态能量特征进行与原始信号的互信息计算，同时进行各分量的过零率计算；根据实际情况确定故障的互信息参数和过零率阀值设定范围，以确定的阀值进行内禀模态分量中噪声的确定，并进行剔除；引入信息熵的概念，寻找信息熵在各内禀模态分量中存在的规律；针对确定的噪声分量进行剔除，并对剔除后的分量进行重构，组成去噪后的振动信号；进行去噪后信号的信噪比分析计算，进行去噪效果计算，进而选择最优的集合经验模态分解参数作为最终的信号去噪模型。作为优选，本专利技术包括以下步骤：步骤1：设定信号采样频率2560，以信号采样点数1024为周期进行现场振动故障信号采集；步骤2：确定信号集合经验模态分解中添加噪声的次数范围为0-400，噪声与振动信号的标准差之比为0-1；步骤3：添加噪声次数以50为间隔，标准差之比以0.1为间隔，进行网格交叉选择的振动信号分解；步骤4：以此计算，在80个参数确定点进行信号分解处理，得到80个该信号集合经验模态分解后的结果；步骤5：对分解出的80组内禀模态分量进行互信息和过零率计算，通过对80组分量的计算，确定适合该信号的互信息阀值和过零率阀值；步骤6：通过设定的阀值对分量中的噪声分量进行剔除；步骤7：剔除完成后对剩余的分量进行重构，得到去除噪声后的信号；步骤8：以信噪比计算公式对去噪后的信号进行信噪比分析计算，以此衡量信号去噪效果；步骤9：通过对上面80组进行步骤8的计算，以添加噪声次数和标准差之比作为X,Y轴，以信噪比作为Z轴，得出图形；步骤10：通过图形得出，随着XY方向逐渐增大，信噪比参数逐渐变大，当添加噪声的次数到达A，标准差之比为B之后，再增加添加噪声的次数，随着信号分析时间的增长，信噪比参数不会再有明显的变化；其中，A表示正整数，B表示正数；步骤11：得出结论，针对该振动信号，信号去噪分析中，参数通过优化选择确定为添加噪声次数A次，噪声与振动信号标准差之比B为该去噪模型的最有参数。本专利技术与现有技术相比，具有以下优点和效果：针对含有突变故障的信号去噪分析方法中参数的优化选择，同时针对信号中噪声的辨别引入了信息熵参数进行衡量，为提高信号中噪声的辨认精度，本专利技术以信息过零率和互信息两个参数为衡量参数对其进行辨别，实现了信号去噪的快速化和精确化。本专利技术可以针对振动信号进行去噪分析研究，对现场采集的实际振动信号夹杂着大量噪声的振动信号进行分析处理，实现汽轮发电机组振动故障分析诊断。附图说明图1是本专利技术实施例中某一振动信号去噪分析时参数优化选择过程的示意图。图2是本专利技术实施例中某一振动信号进行EEMD分解后的各IMF分量的示意图。具体实施方式下面结合附图并通过实施例对本专利技术作进一步的详细说明，以下实施例是对本专利技术的解释而本专利技术并不局限于以下实施例。实施例。参见图1至图2，本实施例中现场振动信号去噪参数优化选择方法包括以下步骤。步骤1：设定信号采样频率2560，以信号采样点数1024为周期进行现场振动故障信号采集。步骤2：确定信号集合经验模态分解中添加噪声的次数范围为0-400，噪声与振动信号的标准差之比为0-1。步骤3：添加噪声次数以50为间隔，标准差之比以0.1为间隔，进行网格交叉选择的振动信号分解。步骤4：以此计算，在80个参数确定点进行信号分解处理，得到80个该信号集合经验模态分解后的结果。步骤5：对分解出的80组内禀模态分量进行互信息和过零率计算，其中单个计算结果如表1所示，通过对80组分量的计算，可以确定适合该信号的互信息阀值设定为0.4和过零率阀值设定为0.6。步骤6：通过设定的阀值对分量中的噪声分量进行剔除。步骤7：剔除完成后对剩余的分量进行重构，得到去除噪声后的信号。步骤8：以信噪比计算公式：对去噪后的信号进行信噪比分析计算，以此衡量信号去噪效果。其中，公式中表示原始信号，n表示采样点数，表示降噪后的信号。步骤9：通过对上面80组进行步骤8的计算，以添加噪声次数和标准差之比作为X,Y轴，以信噪比作为Z轴，得出如图1所示的图形。步骤10：通过图1可以得出，随着XY方向逐渐增大，信噪比参数逐渐变大，当添加噪声的次数到达200，标准差之比为0.本文档来自技高网...

【技术保护点】
一种现场振动信号去噪参数优化选择方法，其特征在于：包括以下步骤：对振动信号进行集合经验模态分解；针对集合经验模态分解中的两个参数，添加噪声次数和振动信号的标准差之比进行网格交叉验证选择；通过对经验模态分解后的各内禀模态能量进行过零率分析，并划定过零率阀值确定；通过对分解后的各内禀模态能量分量进行与原始信号的互信息计算分析，并划定互信息阀值确定；再根据确定的过零率阀值和互信息阀值进行噪声确定分析，针对剔除噪声后的振动信号进行重构得到去噪后的信号。

【技术特征摘要】
1.一种现场振动信号去噪参数优化选择方法，其特征在于：包括以下步骤：对振动信号进行集合经验模态分解；
针对集合经验模态分解中的两个参数，添加噪声次数和振动信号的标准差之比进行网格交叉验证选择；
通过对经验模态分解后的各内禀模态能量进行过零率分析，并划定过零率阀值确定；
通过对分解后的各内禀模态能量分量进行与原始信号的互信息计算分析，并划定互信息阀值确定；
再根据确定的过零率阀值和互信息阀值进行噪声确定分析，针对剔除噪声后的振动信号进行重构得到去噪后的信号。
2.根据权利要求1所述的现场振动信号去噪参数优化选择方法，其特征在于：包括以下步骤：根据信号分析定律进行信号采样设置，采集现场机组运行振动信号；
进行振动信号集合经验模态分解，为实现信号的精准分解，进行集合经验模态分解参数的选择；
改变添加噪声的次数和信号标准差之比两个参数，进行信号的集合经验模态分解，添加噪声次数变化范围0-400，信号标准差之比变化范围0-1；
以20为间隔进行添加噪声次数变化，以0.1为间隔进行信号标准差之比进行变化，进行信号的集合经验模态分解；
针对分解出的各内禀模态能量特征进行与原始信号的互信息计算，同时进行各分量的过零率计算；
根据实际情况确定故障的互信息参数和过零率阀值设定范围，以确定的阀值进行内禀模态分量中噪声的确定，并进行剔除；
引入信息熵的概念，寻找信息熵在各内禀模态分量中存在的规律；
针对确定的噪声分量进行剔除，并对剔除后的分量进行重构，组成去噪后的振动信号；
进行去噪后信号的信噪比分析计算，进行去噪效果计算，进而选择...

【专利技术属性】
技术研发人员：邴汉昆，王宝玉，邹晓辉，徐厚达，郭佳雷，庞乐，
申请(专利权)人：华电电力科学研究院，
类型：发明
国别省市：浙江;33