[发明专利]一种旋转机械振动信号的数据驱动阈值降噪方法

说明书

技术领域

本发明涉及一种降噪方法，具体涉及一种旋转机械振动信号的数据驱动阈值降噪方法。

背景技术

在工程中采集的机械振动信号往往包含着强背景噪声，因此故障特征信息被淹没在强背景噪声中，致使机械设备的早期故障难以被及时发现，造成重大的人员伤亡和经济损失事故。小波降噪是从强背景噪声中提取故障特征的有效方法。采集到的振动信号经过小波变化后被分解到不同的频带，对各个频带设置阈值，将小于阈值的成分置零，保留大于阈值的成分。大于阈值的成分通常为冲击信号，反映了机械设备的故障特征。但是，阈值的大小难以准确设定，阈值过大会消除重要的故障特征，阈值过小会保留较大的噪声成分。当阈值设置不合理时，不能有效的提取故障特征。因此，研究设置阈值的方法，准确设置合适的阈值，能在消除噪声的同时保留故障信息，有效提取机械设备的故障特征，安排合理的预定备件、停机更换时间，在设备发生故障之前安排设备维修工作，有效减少突发停机时间，防止设备发生严重损坏，延长其使用寿命，对保障生产安全，设备可靠性具有重要意义，但现有技术不能准备合理的设置该阈值。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种旋转机械振动信号的数据驱动阈值降噪方法，该方法可以有效合理的设置数据驱动阈值，从而实现降噪。

为达到上述目的，本发明所述的旋转机械振动信号的数据驱动阈值降噪方法，包括以下步骤：

1)采集旋转机械工作时的振动信号，并对采集到的振动信号进行小波转换，得到不同频带上的振动信号，然后采用滑动窗技术对各频带上的振动信号进行分段处理，得各段信号的小波系数其中l为振动信号的频带数，l=1，2，3…，i为小波系数的序列，i＝1，2，3，…，根据各频带上的振动信号得到各频带的功率谱密度|Y(λ，k)|²，然后对各频带的功率谱密度|Y(λ，k)|²进行一阶循环平滑处理，得到平滑后的信号，其中λ和k分别为振动信号的时间序列和频率序列；

2)设各频带上每段平滑后的信号对应的最小平滑值为P_min(λ，k)，则以P_min(λ，k)作为该段信号的噪声功率谱密度对该段信号的功率谱密度进行偏差补偿，得到各频带上每段信号的无偏噪声功率谱密度P_noise=P_min(λ，k)·B_min，其中B_min为补偿参数，且B_min为已知量；

3)设第l个频带上振动信号的平均无偏噪声功率谱密度为P^l，所有频带中最大的平均无偏功率谱密度为则第l个频带的噪声功率谱密度为计算各频带上每段信号的噪声标准差σ^l，其中则第l个频带上振动信号中各段信号的阈值T=(2.5+Rnoisel)σl;]]>

4)根据每个频带上各段信号对应的阈值T对各段信号进行降噪，然后将降噪后的各段信号进行重构，得到降噪后的振动信号。