小波改进阈值去噪和经验模态分解相结合的旋转机械故障特征提取孟宗.pdfVIP

Journal of Mechanical Strength 2014 ，36 (1):024-029 小波改进阈值去噪和经验模态分解相结合的 旋转机械故障特征提取* ＲOTATING MACHINEＲY FAULT FEATUＲE EXTＲACTION BASED ON IMPＲOVED WAVELET THＲESHOLD DE-NOISING AND EMD ＊＊ 孟 宗 李姗姗 ( 河北省测试计量技术及仪器重点实验室 ( 燕山大学) ，秦皇岛 066004) MENG Zong LI ShanShan ( Key Laboratory of Measurement Technology and Instrumentation of Hebei Province ， Yanshan University ，Qinhuangdao 066004 ，China) ， 摘要 针对实际工程信号易受噪声干扰导致提取的故障特征不明显的问题 将小波改进阈值方法和经验模态分解 (Empirical Mode Decomposition ，EMD) ， ， 相结合 提出一种基于小波改进阈值的经验模态分解去噪方法 并应用到旋转机械 。 ， ， 故障特征提取中 首先 为了克服传统小波阈值方法在阈值函数的连续性以及重构误差等方面的不足之处 研究小波改 ， ， EMD 进阈值方法并利用其进行振动信号预处理 减少随机噪声对振动信号的干扰 同时减少 分解过程中的分解层数以 。 ， ， 及其边缘效应对有用信号分解质量的影响 在实际应用中 由于振动信号中混有多种不同性质的噪声 预消噪处理常常 ， EMD ， ， 不足以消除全部噪声的干扰 因此有必要用 相关度方法适当地消噪后处理 提高故障特征提取的准确度 研究为旋 转机械故障进一步识别诊断提供了重要的参考。 关键词 小波改进阈值 经验模态分解 旋转机械 故障特征提取 中图分类号 TH113. 1 TP206. 3 Abstract Actual engineering signals are easily interfered by noises ，which leads to invisible fault features． Thus ，a de- noising method based on improved wavelet threshold and EMD (Empirical Mode Decomposition )is proposed when they are combined ，and applied