振动信号的自适应非抽样提升小波降噪方法.pdfVIP

石 油 机 械 CHINAPETROLEUMMACHINERY 2011年 第39卷 第5期 ●检测诊断 振动信号 的 自适应非抽样提升小波降噪方法 胡振国 张来斌 段礼祥 陈敬龙 (中国石油大学 (北京)机 电学院) 摘要 振动信号是机械故障诊断中应用最广泛的信号，为了能够提取隐含在强噪声背景下振 动信号 的故障特征 ，设计 了一种 自适应非抽样提升混合小波。该方法利用 LMS 自适应法则构造 了 可与提升小波更好匹配的初始预测器和更新器，在计算预测差值平方和时考虑所有样本的预测信 息，以锁定第2代小波信号的局部特征。试验和工程振动信号分析表 明，使用该方法 降噪的信号 获得 了较高的信噪比和较小的均方差，且能较理想地提取出故障特征。 关键词 自适应 非抽样提升小波 振动信号 降噪 特征提取 号，而单个滤波器不可能很好地预测信号次数 比滤 0 引 言 波器次数还高的信号，而且对突变信号难 以做到提 前预测，在此情况下完全的多项式重构是不可能 在采用振动分析法进行机械设备的性能检测和 的。为此，笔者结合已有的非抽样提升小波构造方 故障诊断时，传感器采集到的振动信号中不可避免 法，引入 自适应法则 ，设计了一种 自适应非抽样提 地会混入各种噪声干扰 ，有些还会形成局部强噪声 升小波来俘获短时变化的信号，实现对振动信号的 干扰 ，如不进行降噪预处理 ，信号中的噪声干扰可 更优降噪。 能会完全掩盖振动信号的真实信息，造成分析结果 不可靠。 1 提升原理 振动信号降噪的方法很多，其 中基于提升模式 的小波变换是近年来常用 的方法。提升模式是 提升小波的分解过程包括 3个步骤 ：剖分、预 Sweldens提出的一种通过构造提升算子获得期望特 测及更新 。 性小波的方法 ¨ ，它构造简单，计算效率高，在 剖分：将信号序列s[Z／]分解为偶样本s [2／] 很多工程领域得到 了广泛应用 ，并取得 良好效果。 =s[2n]和奇样本s。[n]=S[2n+1]。 但传统的提升小波每对信号分解一次，逼近信号和 预测：用相邻的偶样本 S []和预测器 P预 细节信号的长度会减少 ，随着分解尺度的增加 ， 测奇样本 。[n]，得到细节信号 d [n]=。[] 逼近信号所包含的信息越来越少，甚至会导致信号 一 P (S [n])。 失真。因此许多学者用冗余小波 ，即非抽样小 更新：用细节信号 d [n]和更新器U更新偶 波 I6来克服以上缺点。非抽样小波不进行下抽样 样本 S [n]，得到逼近信号 c[凡] =s [n] +U 运算 ，逼近信号和细节信号的长度与原信号长度相 (d [凡])。 同，可以提供丰富的时域特征信息和精确的频率局 细节信号 d []反映了信号中的高频成分， 部化信息。 而逼近信号 c[]则反映了信号中的低频成分。 文献 [4]和文献 [7]给出了设计冗余预测 提升方法的重构过程为分解过程的逆过程 ，可 器和更新器的方法，但设计的预测器和更新器与信 直接由分解过程得到，重构过程 的预测器 P和更 号特征无关。通常实际工程信号是非平稳的时变信 新器 与分解过程相同。 }基