專利名稱：一種機械故障信號消噪方法
技術領域：
本發(fā)明涉及機械故障信號處理領域，具體屬于一種基于非線性冗余第二代小波的機械故障信號消噪方法。
背景技術：
在機械設備故障診斷中，現(xiàn)場采集的信號往往存在各種干擾，這些干擾在信號中體現(xiàn)為不同形式的噪聲，從而會使信號中有用的故障信息被淹沒掉，因此有必要對信號進行消噪預處理以提高信號的信噪比、突出有用信息，進而得到正確的故障診斷結果。自小波分析問世以來，基于小波變換的信號消噪方法得到了廣泛地研究和應用。 基于小波進行信號消噪的優(yōu)勢在于(1)多分辨分析可以很好地刻畫信號的非平穩(wěn)性，如邊緣、尖峰、斷點等；(2)小波變換可以有效地進行信噪分離，噪聲變換后趨于白化，小波域比時空域更有利于消噪；C3)小波變換可以針對研究對象選擇不同的小波基函數(shù)來獲得最佳的消噪效果。第一代小波變換雖然有多種小波基函數(shù)可供選擇，但是一旦選定，其特性不可改變，各個尺度上的小波函數(shù)都是通過對其伸縮和平移產生的。此外，由于信號在時域不同區(qū)間的分布特性也不盡相同，在同一尺度上采用一個固定的小波基函數(shù)不能很好地匹配信號的局部特征，從而會使消噪后的信號丟失掉原有的一些時域特征。第二代小波方法，又稱為提升方法，是一種柔性的小波變換方法，可以根據被分析信號的特點設計自適應的預測算子和更新算子，同時能夠保證變換的可逆性。第二代小波方法同經典的第一代小波方法相比，構造方法更靈活，運算效率更高，因此更加適合于對信號進行實時消噪。但是，采用第二代小波方法同樣會使消噪后的信號丟失掉原有信號中一些能夠表征機械故障特征的微弱突變信息。

發(fā)明內容
本發(fā)明的目的在于克服第二代小波方法在信號消噪過程中會使能夠表征機械故障特征的微弱突變信息丟失的不足，結合非線性第二代小波和冗余小波變換，提供一種機械故障信號消噪方法，以提高信號消噪質量，保證后續(xù)進行故障特征檢測和故障診斷的精度。本發(fā)明是通過以下的技術方案實現(xiàn)的，一種機械故障信號消噪方法，包括如下步驟1、計算非線性冗余第二代小波初始更新算子和初始預測算子；2、利用非線性冗余第二代小波對機械故障信號進行多尺度分解，得到不同分解尺度上的尺度系數(shù)和小波系數(shù)；3、計算每一尺度上小波系數(shù)的消噪閾值并進行硬閾值處理；4、利用尺度系數(shù)和經過閾值處理后的小波系數(shù)進行非線性冗余第二代小波重構得到消噪后的機械故障信號。所述的步驟2中，得到不同分解尺度上的尺度系數(shù)和小波系數(shù)，包括以下步驟
1、計算非線性冗余第二代小波冗余更新算子和冗余預測算子；2、選取匹配信號特征的冗余更新算子，在每個尺度上，將機械故障信號利用系數(shù)個數(shù)不同的若干個冗余更新算子進行更新運算，得到尺度系數(shù)，并分別計算各尺度系數(shù)對應的峭度值；選取使得尺度系數(shù)峭度值最小的冗余更新算子作為該尺度分解的冗余更新算子，并將利用其進行更新運算得到的尺度系數(shù)作為該尺度非線性冗余第二代小波分解的尺度系數(shù)。優(yōu)選方案，選取3個冗余更新算子進行更新運算，其對應的初始更新算子系數(shù)個數(shù)分別為2、4和6 ；3、選取匹配信號特征的冗余預測算子，在每個尺度，將機械故障信號的每個樣本點，利用系數(shù)個數(shù)不同的若干個冗余預測算子進行預測運算，得到小波系數(shù)，并分別計算各小波系數(shù)的絕對值；選取使得小波系數(shù)絕對值最小的冗余預測算子作為該樣本點分解的冗余預測算子，并將利用其進行預測運算得到的小波系數(shù)作為該尺度非線性冗余第二代小波分解的小波系數(shù)。優(yōu)選方案，選取3個冗余預測算子進行預測運算，其對應的初始預測算子系數(shù)個數(shù)分別為2、4和6。所述的步驟4中，非線性冗余第二代小波重構得到消噪后的機械故障信號，包括以下步驟1、恢復預測操作，在每個尺度上，利用分解過程對每一個小波系數(shù)選擇的冗余預測算子進行恢復預測操作，得到由小波系數(shù)重構的信號；2、恢復更新操作，在每個尺度上，利用分解過程對該尺度選擇的冗余更新算子進行恢復更新操作，得到由尺度系數(shù)重構的信號；3、合成操作，在每個尺度上，將小波系數(shù)重構的信號和尺度系數(shù)重構的信號的平均值作為該尺度非線性冗余第二代小波變換的重構信號。由于本發(fā)明實現(xiàn)了非線性第二代小波變換和冗余小波變換在算法上的融合，本發(fā)明與現(xiàn)有技術相比，其優(yōu)點和有益效果是1、本發(fā)明能夠根據機械故障信號的特點優(yōu)化選擇冗余更新算子和冗余預測算子， 實現(xiàn)了尺度函數(shù)和小波函數(shù)對信號全局以及局部特征的自適應匹配，可以得到更加精細的信號時頻局部化描述，為準確有效的信號消噪提供了保證；2、本發(fā)明能夠保證變換的結果在時域中具有平移不變特性，從而可以有效地抑制基于小波變換的信號消噪方法容易在信號奇異點附近產生的偽吉布斯振蕩現(xiàn)象；3、本發(fā)明完全在時域中構造，算法實時性好，為機械故障信號的消噪提供了有效的實用新技術。


以下將結合附圖和實施例對本發(fā)明作進一步的說明。圖1為本發(fā)明方法的總體流程圖。圖2為仿真信號時域波形圖圖2 (a)為Blocks信號時域波形圖；圖2 (b)為Bumps信號時域波形圖；圖2(c)為Doppler信號時域波形圖；圖2(d)為Heavysine信號時域波形圖。
圖3為疊加噪聲后仿真信號時域波形圖圖3(a)為疊加噪聲后Blocks信號時域波形圖；圖3 (b)為疊加噪聲后Bumps信號時域波形圖；圖3(c)為疊加噪聲后Doppler信號時域波形圖；圖3(d)為疊加噪聲后Heavysine信號時域波形圖。圖4為汽輪機振動信號時域波形圖。圖5為采用第二代小波方法對振動信號消噪結果圖圖5 (a)為消噪后振動信號；圖5 (b)為消噪后振動信號第22尺度細節(jié)重構信號。圖6為采用冗余第二代小波方法對振動信號消噪結果圖圖6 (a)為消噪后振動信號；圖6(b)為消噪后振動信號第22尺度細節(jié)重構信號。圖7為采用本發(fā)明方法對振動信號消噪結果圖圖7 (a)為消噪后振動信號；圖7 (b)為消噪后振動信號第22尺度細節(jié)重構信號。
具體實施例方式實施例1 本實施例主要仿真驗證如圖1所示的本發(fā)明方法進行信號消噪的正確性。選用 MATLAB中Blocks、Bumps、Doppler和Heavysine四個仿真信號進行試驗，數(shù)據長度為2048， 仿真信號波形見圖2。對仿真信號疊加上信噪比為10的白噪聲后的波形見圖3。第一步計算非線性冗余第二代小波初始更新算子和初始預測算子非線性冗余第二代小波初始更新算子U = [U1, U2, ... , uN]和初始預測算子P = [Pl，p2，...，Pm]，N和M為初始更新算子和初始預測算子系數(shù)的長度，N e Z，M e Z，計算方法如下U通過下式得到VU = [1，0，· · ·，0]τ[VJijj = [2j-N-l]i_1其中，i= 1，2，· · .，N，j = 1，2，· · .，N。設Q = {Q(k)，-M-N+2彡k彡M+N-2}，Q與P、U的關系用下式表示
“ N
\-YjU(Tn) p(l-m + \)l = (M + N)/2β(2Μ) = ^
^uir^pil-m + l)/ = (Μ + Λ^)/2
、m=lQ(21+n_2) = ρ (1) 1 = 1，2，· · ·，M當1取其它值時，Q⑶=0。構造一個MX (2M+2N-1)維矩陣W，其元素表示為[W]m,n = nm，其中η =-M-N+2, -M-N+3, . . .，M+N-3, M+N-2, m = 0，1，. . .，M_l。P 通過下式得到WQ = 0
第二步利用非線性冗余第二代小波對仿真信號進行多尺度分解，得到不同分解尺度上的尺度系數(shù)和小波系數(shù)2a.計算非線性冗余第二代小波冗余更新算子和冗余預測算子 第21尺度分解采用的冗余更新算子U1和冗余預測算子P1是在初始更新算子U和初始預測算子P的基礎上進行插值補零得到的，計算公式如下
權利要求
1.一種機械故障信號消噪方法，其特征在于包括以下步驟(a)計算非線性冗余第二代小波初始更新算子和初始預測算子；(b)利用非線性冗余第二代小波對信號進行多尺度分解，得到不同分解尺度上的尺度系數(shù)和小波系數(shù)；(c)計算每一尺度上小波系數(shù)的消噪閾值并進行硬閾值處理；(d)利用尺度系數(shù)和經過閾值處理后的小波系數(shù)進行非線性冗余第二代小波重構得到消噪后的信號。
2.根據權利要求1所述的機械故障信號消噪方法，其特征在于所述步驟l_b)中，得到不同分解尺度上的尺度系數(shù)和小波系數(shù)包括以下步驟(a)計算非線性冗余第二代小波冗余更新算子和冗余預測算子；(b)選取匹配信號特征的冗余更新算子，在每個尺度上，將機械故障信號利用系數(shù)個數(shù)不同的若干個冗余更新算子進行更新運算，得到尺度系數(shù)，并分別計算各尺度系數(shù)對應的峭度值；選取使得尺度系數(shù)峭度值最小的冗余更新算子作為該尺度分解的冗余更新算子， 并將利用其進行更新運算得到的尺度系數(shù)作為該尺度非線性冗余第二代小波分解的尺度系數(shù)；(c)選取匹配信號特征的冗余預測算子，在每個尺度上，將機械故障信號的每一個樣本點，利用系數(shù)個數(shù)不同的若干個冗余預測算子進行預測運算，得到小波系數(shù)，并分別計算各小波系數(shù)的絕對值；選取使得小波系數(shù)絕對值最小的冗余預測算子作為該樣本點分解的冗余預測算子，并將利用其進行預測運算得到的小波系數(shù)作為該尺度非線性冗余第二代小波分解的小波系數(shù)。
3.根據權利要求1所述的機械故障信號消噪方法，其特征在于所述步驟Ι-d)中，非線性冗余第二代小波重構得到消噪后的機械故障信號包括以下步驟(a)恢復預測操作，在每個尺度上，利用分解過程對每一個小波系數(shù)選擇的冗余預測算子進行恢復預測操作，得到由小波系數(shù)重構的信號；(b)恢復更新操作，在每個尺度上，利用分解過程對該尺度選擇的冗余更新算子進行恢復更新操作，得到由尺度系數(shù)重構的信號；(c)合成操作，在每個尺度上，將小波系數(shù)重構的信號和尺度系數(shù)重構的信號的平均值作為該尺度非線性冗余第二代小波的重構信號。
4.根據權利要求2所述的機械故障信號消噪方法，其特征在于所述步驟2-b)中，選取冗余更新算子，其對應的初始更新算子系數(shù)的個數(shù)分別為2、4和6。
5.根據權利要求2所述的機械故障信號消噪方法，其特征在于所述步驟2-c)中，選取冗余預測算子，其對應的初始預測算子系數(shù)個數(shù)的分別為2、4和6。
全文摘要
本發(fā)明公開了一種機械故障信號消噪方法。該方法以分解信號的尺度系數(shù)峭度值最小為原則，選取自適應匹配信號全局特征的冗余更新算子對信號進行分解得到尺度系數(shù)；以分解信號的小波系數(shù)絕對值最小為原則，選取自適應匹配信號局部特征的冗余預測算子對信號進行分解得到小波系數(shù)；以小波系數(shù)為基礎，計算每個尺度上的消噪閾值，采用硬閾值方法對小波系數(shù)進行閾值處理；利用尺度系數(shù)以及閾值處理后的小波系數(shù)進行重構，實現(xiàn)對機械故障信號的消噪。本發(fā)明改進了現(xiàn)有技術在機械故障信號消噪過程中容易造成故障特征丟失的不足，提高了對消噪信號進行故障特征檢測和診斷的精度。本發(fā)明簡單可靠，算法實時性好，具有實用性。
文檔編號G06F17/15GK102468807SQ201010537608
公開日2012年5月23日 申請日期2010年11月9日 優(yōu)先權日2010年11月9日
發(fā)明者周瑞, 王丹, 管文生, 錢勤標, 馬瑩 申請人:中國艦船研究設計中心