[发明专利]基于瞬时频率稳定度SWT物流设备振动信号降噪方法

说明书

传统的传送设备，因长期频繁使用，会出现跑偏、磨损等故障问题从而降低物料传输的准确性，增加运作风险。一种基于瞬时频率稳定度SWT物流设备振动信号降噪方法，该方法包括以下步骤：（1）利用振动加速传感器采集振动信号；（2）对步骤（1）获取的振动信号按时间序列间隔化分段处理，得到采样点数集合；（3）对步骤（2）获取的振动片段信号，利用同步挤压小波变换对其进行时频分解，得到同步挤压小波变量以及时频图信息；（4）对步骤（3）获取的变量进行选择性提取、还原；（5）利用Hilbert变换计算步骤（4）得到的IMT分量的瞬时频率曲线。本发明申请应用于基于瞬时频率稳定度SWT物流设备振动信号降噪方法。

技术领域：

本发明申请涉及一种信号降噪领域，尤其涉及一种基于瞬时频率稳定度SWT物流设备振动信号降噪方法。

背景技术：

目前，随着经济发展及现代化水平的提高，物流逐渐在社会中占据重要地位，物流机械装备是物流运作的基础和发展关键，高效安全的物流装备可以提高物流的作业效率和技术水平，传送设备作为物流机械装备中不可或缺的组成部分，因长期频繁使用，会出现跑偏、磨损等故障问题从而降低物料传输的准确性，增加运作风险；因此如何保障其安全可靠运行是整个物流安全高效运作的关键，目前，基于振动信号分析的传送设备故障诊断方法具有实时性及方便安装的特点，现已在物流机械检测中广泛采用，然而实际工程应用中采集到的振动信号都含有大量噪声，使得信号中能体现故障特征的有效信息变得非常微弱，因此如何能有效抑制噪声提高信噪比是基于振动信号实现故障检测的前提条件和必要环节；

针对非平稳信号的降噪问题，国内外学者已展开大量深入的研究，其大致可分为基于傅立叶变换法、基于小波变换法以及基于集成经验模式分解(Ensemble EmpiricalMode Decomposition, EEMD)的方法；这些方法都各有优缺点，其中傅立叶变换方法理论成熟，但难以处理噪声抑制和边缘信息保护两者的矛盾，对频率重叠部分也难以区分；小波变换法虽具有多分辨性能，但其降噪效果依赖小波基和阈值选择，同时也会受小波分解层数和采样率的影响，基于EEMD时频分析降噪方法虽具有很强的频带选层功能和自适应分解的特点，但该方法极易受信号突变的影响，导致分解时出现混叠现象和断点效应。即便如此学者们仍相继提出了诸多基于EEMD分解的降噪方法，其中传统强制阈值法假设噪声多出现在高频段，通过剔除前几阶固有模态分量(IMF)的方式进行信号重构实现降噪，然而该方法无法处理噪声出现在低频段的情况，另外若信号本身含有有效的高频信息，这种方法也会导致原始信号的丢失，另有学者提出利用每一个IMF分量与原有信号互信关值的大小来选取IMF分量，但该方法并未明确说明如何确定阈值；另外由于原信号本身含有噪声成分，该方法可能会引入虚假分量影响降噪性能。

发明内容：

本发明的目的是提供一种基于瞬时频率稳定度SWT物流设备振动信号降噪方法。

上述的目的通过以下的技术方案实现：

一种基于瞬时频率稳定度SWT物流设备振动信号降噪方法，其组成包括：振动加速传感器，所述的振动加速传感器连接在轴承的外环上，所述的振动加速传感器通过导线连接于上位机采集终端，所述的轴承安装在传输辊轴上，所述的传输辊轴一端连接变速箱，另一端连接传输辊，所述的变速箱连接驱动电机，所述的传输辊外包裹有传送带，所述的传送带上放置有传送物品；该方法包括以下步骤：

（1）利用安装在物流传动设备轴承外环部位上的振动加速传感器采集振动信号；

（2）对步骤（1）获取的传送设备轴承振动信号按时间序列间隔化分段处理，得到采样点数为1024的振动信号片段集合；

（3）对步骤（2）获取的振动片段信号，利用同步挤压小波变换对其进行时频分解，其中小波函数采用的是MORLET小波，频率分解上限为采样频率的一半，时间轴为1024采样点，得到同步挤压小波变量以及时频图信息；