[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

摘要

本发明公开了一种旋转机械振动信号的数据驱动阈值降噪方法，该方法首先对采集的振动加速度信号进行小波变换，将信号分解到不同的频带。然后对每一频带的信号进行噪声估计，得到适应于信号的数据驱动阈值。再次，采用滑动窗技术对信号进行分段。最后，利用数据驱动阈值分别对每段信号进行阈值降噪，并将信号进行重构，得到降噪后的时域信号。数据驱动阈值来自于信号的噪声估计，能根据噪声大小自适应的设置阈值。与传统阈值相比，数据驱动阈值适应于信号，阈值设定更加准确，在降噪的同时保留了微弱的故障信号。该发明综合了小波变换、噪声估计算法、滑动窗技术和3σ准则的优点，利用本发明可以有效提取故障特征，实现机械设备的故障诊断。

主权项

一种旋转机械振动信号的数据驱动阈值降噪方法，其特征在于，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Pmin(λ,k)，则以Pmin(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Pnoise＝Pmin(λ,k)·Bmin，其中Bmin为补偿参数，且Bmin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Pl，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σl，其中则第l个频带上振动信号中各段信号的阈值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。