一種現(xiàn)場振動信號去噪?yún)?shù)優(yōu)化選擇方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種現(xiàn)場振動信號去噪?yún)?shù)優(yōu)化選擇方法，具體是實現(xiàn)振動信號分析 前的噪聲去除方法。
【背景技術(shù)】
[0002] 機械設(shè)備發(fā)展的同時，人們對設(shè)備的可靠性和安全性提出了更高的要求，設(shè)備安 全可靠運行成為當(dāng)今設(shè)備運行和維護的重要課題。有效的實施設(shè)備狀態(tài)檢測及故障診斷， 可由初期征兆識別故障進而采取相應(yīng)的解決辦法，避免重大惡性事故的發(fā)生，保障設(shè)備安 全運行。
[0003] 如何快速、有效的實現(xiàn)故障診斷是當(dāng)前主要的研究方向，振動信號分析前期的振 動信號噪聲去除，是振動信號分析的前提。公開號為CN104992063A的中國專利中，公開了 一種機械設(shè)備振動信號的降噪方法，其包括步驟：對非平穩(wěn)振動信號進行局部均值分解； 根據(jù)局部均值分解后得到的PF分量，計算各PF分量與非平穩(wěn)振動信號的互相關(guān)系數(shù)，將互 相關(guān)系數(shù)與預(yù)先設(shè)定數(shù)值進行比較，并將互相關(guān)系數(shù)小于預(yù)先設(shè)定數(shù)值的各PF分量進行 疊加重構(gòu)，得到虛擬噪聲通道信號；該虛擬噪聲通道信號作為FastICA算法的輸入信號；根 據(jù)FastICA算法將振動信號與虛擬噪聲通道信號進行盲源分離，得到振動信號源信號和噪 聲信號，實現(xiàn)對振動信號的降噪處理，但是，該降噪方法難以實現(xiàn)信號去噪的快速化和精確 化。
[0004] 目前還沒有一種能實現(xiàn)信號去噪的快速化和精確化的現(xiàn)場振動信號去噪?yún)?shù)優(yōu) 化選擇方法。
【發(fā)明內(nèi)容】
[0005] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)中存在的上述不足，而提供一種能實現(xiàn)信號去噪 的快速化和精確化的現(xiàn)場振動信號去噪?yún)?shù)優(yōu)化選擇方法，該現(xiàn)場振動信號去噪?yún)?shù)優(yōu)化 選擇方法提出了信號分析、噪聲辨別和信號重構(gòu)。
[0006] 本發(fā)明解決上述問題所采用的技術(shù)方案是：該現(xiàn)場振動信號去噪?yún)?shù)優(yōu)化選擇方 法的特點在于：包括以下步驟：對振動信號進行集合經(jīng)驗?zāi)B(tài)分解； 針對集合經(jīng)驗?zāi)B(tài)分解中的兩個參數(shù)，添加噪聲次數(shù)和振動信號的標(biāo)準(zhǔn)差之比進行網(wǎng) 格交叉驗證選擇； 通過對經(jīng)驗?zāi)B(tài)分解后的各內(nèi)稟模態(tài)能量進行過零率分析，并劃定過零率閥值確定； 通過對分解后的各內(nèi)稟模態(tài)能量分量進行與原始信號的互信息計算分析，并劃定互信 息閥值確定； 再根據(jù)確定的過零率閥值和互信息閥值進行噪聲確定分析，針對剔除噪聲后的振動信 號進行重構(gòu)得到去噪后的信號。
[0007] 作為優(yōu)選，本發(fā)明包括以下步驟：根據(jù)信號分析定律進行信號采樣設(shè)置，采集現(xiàn)場 機組運行振動信號； 進行振動信號集合經(jīng)驗?zāi)B(tài)分解，為實現(xiàn)信號的精準(zhǔn)分解，進行集合經(jīng)驗?zāi)B(tài)分解參 數(shù)的選擇； 改變添加噪聲的次數(shù)和信號標(biāo)準(zhǔn)差之比兩個參數(shù)，進行信號的集合經(jīng)驗?zāi)B(tài)分解，添 加噪聲次數(shù)變化范圍0-400,信號標(biāo)準(zhǔn)差之比變化范圍0-1 ; 以20為間隔進行添加噪聲次數(shù)變化，以0. 1為間隔進行信號標(biāo)準(zhǔn)差之比進行變化，進 行信號的集合經(jīng)驗?zāi)B(tài)分解； 針對分解出的各內(nèi)稟模態(tài)能量特征進行與原始信號的互信息計算，同時進行各分量的 過零率計算； 根據(jù)實際情況確定故障的互信息參數(shù)和過零率閥值設(shè)定范圍，以確定的閥值進行內(nèi)稟 模態(tài)分量中噪聲的確定，并進行剔除； 引入信息熵的概念，尋找信息熵在各內(nèi)稟模態(tài)分量中存在的規(guī)律； 針對確定的噪聲分量進行剔除，并對剔除后的分量進行重構(gòu)，組成去噪后的振動信 號； 進行去噪后信號的信噪比分析計算，進行去噪效果計算，進而選擇最優(yōu)的集合經(jīng)驗?zāi)?態(tài)分解參數(shù)作為最終的信號去噪模型。
[0008] 作為優(yōu)選，本發(fā)明包括以下步驟： 步驟1 :設(shè)定信號采樣頻率2560,以信號采樣點數(shù)1024為周期進行現(xiàn)場振動故障信號 米集； 步驟2 :確定信號集合經(jīng)驗?zāi)B(tài)分解中添加噪聲的次數(shù)范圍為0-400,噪聲與振動信號 的標(biāo)準(zhǔn)差之比為0-1 ; 步驟3 :添加噪聲次數(shù)以50為間隔，標(biāo)準(zhǔn)差之比以0. 1為間隔，進行網(wǎng)格交叉選擇的振 動信號分解； 步驟4 :以此計算，在80個參數(shù)確定點進行信號分解處理，得到80個該信號集合經(jīng)驗 模態(tài)分解后的結(jié)果； 步驟5 :對分解出的80組內(nèi)稟模態(tài)分量進行互信息和過零率計算，通過對80組分量的 計算，確定適合該信號的互信息閥值和過零率閥值； 步驟6 :通過設(shè)定的閥值對分量中的噪聲分量進行剔除； 步驟7 :剔除完成后對剩余的分量進行重構(gòu)，得到去除噪聲后的信號； 步驟8 :以信噪比計算公式對去噪后的信號進行信噪比分析計算，以此衡量信號去噪 效果； 步驟9 :通過對上面80組進行步驟8的計算，以添加噪聲次數(shù)和標(biāo)準(zhǔn)差之比作為X，Y 軸，以信噪比作為Z軸，得出圖形； 步驟10 :通過圖形得出，隨著XY方向逐漸增大，信噪比參數(shù)逐漸變大，當(dāng)添加噪聲的次 數(shù)到達A，標(biāo)準(zhǔn)差之比為B之后，再增加添加噪聲的次數(shù)，隨著信號分析時間的增長，信噪比 參數(shù)不會再有明顯的變化；其中，A表示正整數(shù)，B表示正數(shù)； 步驟11 :得出結(jié)論，針對該振動信號，信號去噪分析中，參數(shù)通過優(yōu)化選擇確定為添加 噪聲次數(shù)A次，噪聲與振動信號標(biāo)準(zhǔn)差之比B為該去噪模型的最有參數(shù)。
[0009] 本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點和效果：針對含有突變故障的信號去噪分 析方法中參數(shù)的優(yōu)化選擇，同時針對信號中噪聲的辨別引入了信息熵參數(shù)進行衡量，為提 高信號中噪聲的辨認(rèn)精度，本發(fā)明以信息過零率和互信息兩個參數(shù)為衡量參數(shù)對其進行辨 另IJ，實現(xiàn)了信號去噪的快速化和精確化。本發(fā)明可以針對振動信號進行去噪分析研究，對現(xiàn) 場采集的實際振動信號夾雜著大量噪聲的振動信號進行分析處理，實現(xiàn)汽輪發(fā)電機組振動 故障分析診斷。
【附圖說明】
[0010] 圖1是本發(fā)明實施例中某一振動信號去噪分析時參數(shù)優(yōu)化選擇過程的示意圖。
[0011] 圖2是本發(fā)明實施例中某一振動信號進行EEMD分解后的各頂F分量的示意圖。
【具體實施方式】
[0012] 下面結(jié)合附圖并通過實施例對本發(fā)明作進一步的詳細說明，以下實施例是對本發(fā) 明的解釋而本發(fā)明并不局限于以下實施例。
[0013] 實施例。
[0014] 參見圖1至圖2,本實施例中現(xiàn)場振動信號去噪?yún)?shù)優(yōu)化選擇方法包括以下步驟。
[0015] 步驟1 :設(shè)定信號采樣頻率2560,以信號采樣點數(shù)1024為周期進行現(xiàn)場振動故障 ?目號米集。
[0016] 步驟2 :確定信號集合經(jīng)驗?zāi)B(tài)分解中添加噪聲的次數(shù)范圍為0-400,噪聲與振動 信號的標(biāo)準(zhǔn)差之比為0-1。
[0017] 步驟3 :添加噪聲次數(shù)以50為間隔，標(biāo)準(zhǔn)差之比以0. 1為間隔，進行網(wǎng)格