基于ga-bor重构的角域信号时频分析.docxVIP

基于ga-bor重构的角域信号时频分析 0 基于局部特征分析的小波基函数 通过对角域内的重采样，将角区域内的准稳定信号转换为角区域，并通过分析稳定信号来分析。然而，在分析中，为了找到错误，使用fft分析，我们无法确定错误发生的位置，因此我们可以通过时间频率分析法提供时间间隔和频率的联合信息，以便分析角带中的信号。与其他时间频率分布方法相比，wigneter-vilter分布具有更好的时间分布，并且能够更好地描述信号的时间变化的特征。因此，我们可以更精确地定位错误发生的位置。当实际工程信号不可避免地存在噪声干扰时，这些信号的分析应包括对信号的预处理，以消除信号中的噪声，并过滤有用的信息，以便正确提取故障的特征。因此，有必要选择一种消除噪声的方法，并能很好地对应于信号的局部特征，但一些经典的噪声去除方法无法实现这一目标。因此，我们把重点放在了以下研究中最多的第二代小波变换。结构简单，因此，通过设计预测系数和改进系数，可以获得具有特定特征的小波基函数，从而使不同类型的小波基函数的设计和改进系数具有相同的性能。事实上，在去除噪声的同时，保持有用的错误特征是现实的。 1 振动信号角域重采样的数学模型 角域重采样在本文中是应用计算阶比跟踪方法来实现,其主旨在于通过信号处理算法将等时间间隔采样信号转化为等角度采样信号. 通常,为了确定重采样的时间点,需先行设定参考轴的角加速模式,一般认为在一个小的时间段内参考轴作匀角加速运动.在此前提下,参考轴的转角θ可以用下面的二次方程式表示: θ(t)=b0+b1t+b2t2(1) 式中b0,b1,b2为待定系数,t为时间点.将等时间间隔采样的3个信号依次到达的脉冲时间点t1,t2,t3和转角增量ΔΦ代入式(1),用矩阵形式表示为: 由上式求出bi的值后,将其代入式(1)得到等角度重采样对应的时间t: t=12b2[4b2(θ?b0)+b21????????????√?b1]t=12b2[4b2(θ-b0)+b12-b1](3) 根据所求出的时间点,利用插值算法对振动信号进行插值,可以求出振动信号角域中对应于采样时间点的幅值.需要指出的是角域重采样仍需满足采样定理. 2 第二代去噪 2.1 第二、三代小波变换方法 第二代小波变换(Second Generation Wavelet Transform,SGWT)是Wim Sweldens于20世纪90年代中期提出的一种使用提升模式(Lifting Scheme)构造小波变换的方法.它不依赖于傅立叶变换,但任何具有有限滤波器的小波变换或子带变换均可以通过一系列有限的提升步骤来获得,并且可通过设计预测系数和提升系数得到具有某种特性的小波基函数,为故障诊断提供了一个新的分析手段,使得针对不同类型的故障特征构造相应的小波基函数成为现实. 第二代小波变换的分解过程均由三部分组成:剖分(Split)、预测(Predict)和更新(Update). 设有信号系列X(n)={xn,n=0,1,…,N},xn?R,N为信号长度. 剖分:Xe(x)=X(2n),Xo(n)=X(2n+1)(4) 预测:d(n)=Xo(n)-P(Xe(n)) (5) 更新:c(n)=Xe(n)+U(d(n)) (6) 式中Xe(n)为偶系列,Xo(n)为奇系列,P(·)为预测算子,U(·)为更新算子(也叫提升算子). 在上述过程中,P和U可以任意选择,因此可以构造具有某种特性的小波函数和尺度函数.其重构过程只是简单的将分解后的信号反更新、反预测和合并,便可实现完全重构. 2.2 去噪 2.2.1 阀值函数的选择 设ωj,k是观测含噪数据f(n)的小波系数,ω?j,kω^j,k为阀值处理后的小波系数,也称为阀值函数.本文选用的是硬阀值函数,至于其它阀值函数可参阅文献. 2.2.2 mn为2n的标准方差n估计信号s 对阀值的估计也是阀值去噪法中的一个关键问题,若阀值太小,达不到去噪的效果,若阀值太大,则可能滤掉一些有用的信号特征.阀值的估计一直都是一个比较复杂的问题,文献中证明了取λ=σ2lnN?????√λ=σ2lnΝ(式中σ是噪声的标准方差,N为信号的长度)时得到的估计信号s?(n)s^(n)在最小均方误差意义上是有效的.其它的阀值估计方法请参阅文献. 在实际应用中,应将上面的阀值进行适当的改进,即在不同的尺度j上取不同的阀值λ,使得 λj=σ2lnN?????√/ln(j+1)λj=σ2lnΝ/ln(j+1)(8) 式中j=1,2,…,J,即随着尺度j的增大,λj的值逐渐减小,这与噪声在小波变换各尺度上的传播特性相一致.至于噪声的标准方差σ可由下式近似计算: σ=median(|dj|)/0.6745 (9) 式中,dj={dj(k)}表示第尺度j上的细节系数