润滑系统金属微粒检测中信号去噪算法研究.pptVIP

润滑系统金属微粒检测中信号去噪算法研究 报告人： 吴双 指导教师： 邱天爽 教授 实验 结果展示 3 5 3 3 白噪声去除算法 4 课题背景和意义 3 1 在线油液磨粒监测器简介 2 仪器输出信号成分分析 轴承系统容易在未察觉的情况下发生磨损，导致重大事故发生。为了防止停机，延长检修周期，必须进行早期故障检测。 磨粒可以表征机械的运转状态，通过统计磨粒的数量、尺寸、材质、形貌等特征信息，可以判断磨损位置，磨损程度。 磨粒信号易被淹没，无法提取其特征值。微弱信号的去噪算法很多，但针对该信号的去噪研究较少。 在线油液磨粒监测系统安装在循环油路中，可以大量取样，而且反应速度快、可以实现实时远程监测。 课题背景与意义 组成： 由驱动模块，感应线圈组，模拟信号处理模块，数字信号处理模块组成。本文的工作是数字信号处理部分的噪声抑制算法研究，通过抑制噪声，提高该仪器的检测能力。 原理： 金属磨粒通过时会在中心感应线圈中产生磁场扰动，扰动的幅值被转化为电压输出。 在线油液磨粒检测仪(In-line Oil debris monitor) 简介 (a)铁磁磨粒信号 (b)非铁磁磨粒信号 输出信号组成 ?性质 ?金属磨粒信号 铁磁磨粒信号 幅度与体积成正比 相位 0° 频率与油速成正比 ?非铁磁磨粒信号 幅度与表面积成正比 相位 180° 频率与油速成正比 背景噪声 ?白噪声 输出信号的组成 该仪器有两路输出信号： 第一路磨粒信号相位为0或180；第二路磨粒信号相位为0. 白噪声去除算法 ——基于稳态小波的子带自适应滤波 稳态小波变换简介 小波变换是近几年受到重视的一种变换，在时频平面不同位置有不同的时频分辨率，即多分辨率分析的能力。 原始信号 粗节 细节 粗节 细节 ……. 粗节 细节 第1层 第2层 第N层 信号采样频率为fs 原始信号 高通滤波器h1 低通滤波器g1 第1层细节系数 第1层粗节系数 高通滤波器h2 低通滤波器g2 h1 上采样得到h2 g1 上采样得到g2 第2层细节系数 第2层粗节系数 稳态小波分解实现框图 稳态小波分解通过高通滤波器（小波系数）、低通滤波器（尺度系数）以及上采样迭代得到。 稳态小波合成实现框图 原始 信号 高通滤波器h1 低通滤波器g1 第1层细节系数 第1层粗节系数 高通滤波器h2 低通滤波器g2 h2 下采样得到h1 g2 下采样得到g1 第2层细节系数 第2层粗节系数 稳态小波合成通过高通滤波器（小波系数）、低通滤波器（尺度系数）以及下采样迭代得到。 算法总体流程图 观测信号 进行7层 稳态小波分解 使用迭代噪声方差估计算法处理每层小波系数 根据各层估计的噪声方差计算各层小波阈值 利用阈值处理函数处理各层小波系数 预处理 小波反变换 两路信号相加得到的结果中仅含有铁磁磨粒信号。 两路信号相减得到的结果中仅包含非铁磁磨粒信号。 由于背景噪声是高斯白噪声，所以噪声通过与处理后得到抑制。 预处理 设第j层小波分解系数 噪声方差初值为0。 设窗口长度为M，N为小波分解系数的个数。计算窗口内的小波系数方差，滑动窗口，使滑动后的窗口与滑动前重叠M/2，计算窗口内的小波系数方差，重复上述不住……，得到floor(2N/M-1)个方差; （包含磨粒信号的窗口的方差大于仅包含噪声的窗口的方差）。选取最小的方差为本层噪声方差的估计。使用通用阈值计算阈值。保留小于阈值的小波系数，得到新的小波系数序列。新的小波系数序列的方差为本次估计的噪声方差。 连续两次方差估计之比在0.99和1.01之间 yes no 迭代噪声方差估计流程图 阈值处理函数 实验数据说明 本实验的观测数据由temp.mat文档给出。 实验结果 信号名称 信号意义 Fs 采样频率为8000Hz signal 第一路信号中的磨粒信号 signal1 第二路信号中的磨粒信号 gnoise 第一路信号中的高斯白噪声 gnoise1 第二路信号中的高斯白噪声 signal _mix 第一路信号 signal_mix1 第二路信号 参考文献： I Soltani Bozchalooi and Ming Liang In-line identification of oil debris signals: an adaptive subband filtering approach. Measurement science and technology. * * * * * * * * *