一种基于改进小波算法的轴承信号降噪方法技术

本发明专利技术涉及一种基于改进小波算法的轴承信号降噪方法，属于机电设备轴承的故障检测技术领域。技术方案是：首先对含噪信号进行小波变换得到小波分解系数

A Noise Reduction Method for Bearing Signal Based on Improved Wavelet Algorithms

【技术实现步骤摘要】
一种基于改进小波算法的轴承信号降噪方法
本专利技术涉及一种基于改进小波算法的轴承信号降噪方法，属于机电设备轴承的故障检测

技术介绍
随着科学技术的不断进步和工业化的不断推进，大型旋转机械设备的正常运作在金属冶炼、石油化工、电力系统、纺织机械、航空航天等行业都有着举足轻重的地位，随着机械设备自动化水平越来越高，对大型旋转机械故障诊断的实时性、快速性、准确性提出的要求也越来越高。比如，在大型火力发电厂中，某些重要的机械轴承一旦发生故障，将会给旋转机械的稳定运行造成一定的隐患，甚至会造成机器设备故障损坏、发生人身安全事故等一系列灾难性的后果。在国内外，由于旋转设备出现故障后不能及时排除，引起的破坏性事故频频发生。近些年出现的一些国内外大型旋转机械中的滚动轴承事故，不仅造成了巨大的经济损失，而且带来了严重的人员伤亡。若能在大型轴承运转过程中有效地提取故障信号，并能有效地加以处理掉其他噪声，对于诊断机械设备的安全运行将会具有非常重大的意义。近年来，出现了很多可用于机电设备轴承振动信号处理方法，时域信号处理方法(时域统计方法、相关性分析方法)、频域信号处理方法(频谱分析方法、倒谱分析方法、包罗分析方法、阶比谱分析方法、全息谱方法)、时频域分析方法(傅里叶变换分析方法、Winger分布分析方法、小波变换方法、经验模态分解方法)等。其中，小波变换方法(Wavelettransform，WT)是由傅里叶变换发展而来。传统的信号处理方法傅里叶变换比较适合处理平稳信号，但不能对非平稳、非线性信号进行局部分析，有一定局限性。轴承振动信号是一种非线性非平稳信号，非平稳信号去噪是信号处理领域里面的一个经典问题，非平稳信号是一种分布参数随时间变化的随机信号。小波变换因自身良好的的局部时频分析能力，具有传统降噪方法不可比拟的优越性。小波去噪算法，利用小波的多分辨分析特性，将信号分解为不同的频率成分，然后针对不同频率成分选取不同收缩阈值，在去噪的同时可以有效保留信号细节信息。小波去噪要素：阈值和阈值函数。常用的阈值函数主要有硬阈值函数、软阈值函数，其本质区别在于选取的阈值函数不同，体现了对小波系数的不同处理策略，但它们的基本思想都是去除小的系数，对大的系数进行收缩或保留。常用的阈值函数有软阈值和硬阈值方法，阀值函数有硬阀值函数、软阀值函数、介于软、硬阀值函数之间的半软阈值。因传统小波分解去噪效果不佳，主要表现在阈值函数选择、阈值选取两方面。若阈值函数选择不佳或者阈值选取不佳，会对小波分解降噪效果有很大的影响。目前关于小波改进降噪算法有很多，这些方法通篇阅读下来并没有真正体现出改进阈值函数去噪原理所在，比如说改进阈值函数需要满足渐进性、无偏差性、连续性三个条件。研究介绍过于简单，未能让读者对其有一个清晰的了解。
技术实现思路
本专利技术目的是提供一种基于改进小波算法的轴承信号降噪方法，解决小波阈值函数选取、小波阈值选取等问题，该降噪方法创新点体现在降噪效果上，以均方根误差RMSE和信噪比SNR作为评价标准，在小波去噪算法中，改进小波阈值法可获得较好的去噪效果，解决已有技术存在的上述技术问题本专利技术的技术方案如下：一种基于改进小波算法的轴承信号降噪方法，包括以下步骤：(1)首先对含噪信号进行小波变换得到小波分解系数wj,k；(2)通过对小波分解系数wj,k选取适当的阈值和阈值函数进行处理，得到估计小波分解系数f(wj,k)；(3)对估计小波分解系数进行重构处理得到去噪信号。对数衰减型阈值函数推导，软阈值函数、硬阈值函数、逼近对数型阈值函数所示；(1)逼近性：当wj,k＞0时：同理可得：当wj,k＜0时：综上：f(wj,k)渐近线f(wj,k)＝wj,k；(2)连续性：当wj,k→λ+时：同理可得：当wj,k→λ-时：综上：f(wj,k)在±λ点处连续；f(wj,k)在小波域内连续，克服了硬阈值函数存在间断的缺点；(3)偏差性：当wj,k＞0时：当wj,k＜0时：综上：随着wj,k→∞，f(wj,k)逐渐逼近wj,k；克服了f(wj,k)与wj,k之间具有恒定偏差的缺点。已有技术的小波阈值(估噪阈值)去噪存在阈值选取问题。若阈值选取过小，则噪声去除有残留；若阈值选取过大，则部分信号被滤除。噪声的小波系数随着分解层的增大而减小，所以对信号进行去噪时，不同分解层阈值应该随着分解层数的增加而减小。不同分解层下的估噪阈值：其中式中：为对为水平噪声估计值，L是信号长度。已有技术的小波硬阈值函数、软阈值函数去噪分别存在“一刀切”、“过平滑”的问题，提出逼近对数型阈值函数，其函数表达式如下：其中式中：wj,k、f(wj,k)分别为降噪前后的小波变换系数，即第j层下的第k个小波系数。当变化前小波系数绝对值小于或等于阈值时(|wj,k|≤λ)，同传统阈值函数一样，将变化前小波系数全部置零；当变换前小波系数绝对值大于阈值时(|wj,k|＞λ)，将变化前小波系数进行收缩。如图2软阈值函数、硬阈值函数、逼近对数型阈值函数所示。本专利技术有益效果：本专利技术采用层层递进的改进方法对小波阈值和小波阈值函数做了去噪研究；小波阈值的改进：基于不同分解尺度小波阈值算法；改进阈值考虑了轴承故障信号在不同分解层上的去噪特性和噪声在各分解层上的分布情况；小波阈值函数改进：基于对数逼近阈值函数算法；改进阈值函数考虑了传统软阈值函数的不连续性和硬阈值函数的偏差性。从传统阈值函数、改进阈值函数和传统阈值、改进阈值选取上看，传统阈值函数结合改进阈值去噪效果上最好，其次是是传统阈值函数结合改进阈值，最后是传统阈值函数结合传统阈值；在小波去噪算法中，改进小波阈值法可获得较好的去噪效果。附图说明图1是本专利技术的流程图；图2是本专利技术的软硬阈值函数和逼近对数型阈值函数去噪示意图；图3是本专利技术的原始轴承信号示意图；图4是本专利技术的原始轴承信号幅度谱示意图；图5是本专利技术的原始轴承信号+5dB意图；图6是传统估噪阈值结合传统硬阈值函数降噪示意图；图7是传统估噪阈值结合传统软阈值函数降噪示意图；图8是不同分解层下估噪阈值结合传统硬阈值函数降噪示意图；图9是不同分解层下估噪阈值结合传统软阈值函数降噪示意图；图10是传统估噪阈值结合逼近对数型阈值函数降噪示意图；图11是不同分解层下估噪阈值结合逼近对数型阈值函数降噪示意图。具体实施方式下面结合附图。通过实施例对本专利技术做进一步详细的说明。在实施例中。一种基于改进小波算法的轴承信号降噪方法，具体步骤：如图1小波去噪过程。(1)首先对含噪信号进行小波变换得到小波分解系数。通过小波分解系数wj,k；(2)对小波分解系数wj,k选取适当的阈值和阈值函数进行处理得到估计小波分解系数f(wj,k)；(3)对估计小波分解系数进行重构处理得到去噪信号。对数衰减型阈值函数推导，如图2软阈值函数、硬阈值函数、逼近对数型阈值函数所示；(1)逼近性：当wj,k＞0时：同理可得：当wj,k＜0时：综上：f(wj,k)渐近线f(wj,k)＝wj,k；(2)连续性：当wj,k→λ+时：同理可得：当wj,k→λ-时：综上：f(wj,k)在±λ点处连续；f(wj,k)在小波域内连续，克服了硬阈值函数存在间断的缺点；(3)偏差性：当wj,k＞0时：当wj,k＜0时：综上：随着wj,k→∞，f(wj,本文档来自技高网...

【技术保护点】
1.一种基于改进小波算法的轴承信号降噪方法,其特征在于包括以下步骤：(1)首先对含噪信号进行小波变换得到小波分解系数wj,k；(2)通过对小波分解系数wj,k选取适当的阈值和阈值函数进行处理，得到估计小波分解系数f(wj,k)；(3)对估计小波分解系数进行重构处理得到去噪信号。

【技术特征摘要】
1.一种基于改进小波算法的轴承信号降噪方法,其特征在于包括以下步骤：(1)首先对含噪信号进行小波变换得到小波分解系数wj,k；(2)通过对小波分解系数wj,k选取适当的阈值和阈值函数进行处理，得到估计小波分解系数f(wj,k)；(3)对估计小波分解系数进行重构处理得到去噪信号。2.根据权利要求1所述的一种基于改进小波算法的轴承信号降噪方法,其特征在于：对数衰减型阈值函数推导，软阈值函数、硬阈值函数、逼近对数型阈值函数所示；(1...

【专利技术属性】
技术研发人员：杨铮，李建军，王伟兵，申存斌，霍迎科，张博刚，梁成鹏，
申请(专利权)人：邯郸钢铁集团有限责任公司，河钢股份有限公司邯郸分公司，
类型：发明
国别省市：河北,13