CN101936767B - 提取工程机械运行特征信号的方法 - Google Patents
提取工程机械运行特征信号的方法 Download PDFInfo
- Publication number
- CN101936767B CN101936767B CN 201010292302 CN201010292302A CN101936767B CN 101936767 B CN101936767 B CN 101936767B CN 201010292302 CN201010292302 CN 201010292302 CN 201010292302 A CN201010292302 A CN 201010292302A CN 101936767 B CN101936767 B CN 101936767B
- Authority
- CN
- China
- Prior art keywords
- wavelet
- coefficient
- decomposition
- wavelet coefficient
- plies
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 44
- 238000007689 inspection Methods 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 230000002146 bilateral effect Effects 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 230000002457 bidirectional effect Effects 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000002087 whitening effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 201000004569 Blindness Diseases 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013332 literature search Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种信号处理技术领域的提取工程机械运行特征信号的方法,通过采集一条机械运行状态数据并选择小波基函数依照小波系数白化检验法确定小波分解最优分解层数;然后对各分解层的小波系数计算去噪阈值,并采用软阈值函数对小波系数进行去噪;再对经过小波去噪的系数进行小波逆变换,得到去除工程机械运行特征信号噪声的状态数据。本发明提高自适应性和运算速度,提高采集信号的信噪比,能满足远程实时监控、故障诊断、性能预测的需要。
Description
技术领域
本发明涉及的是一种信号处理技术领域的方法,具体是一种提取工程机械运行特征信号的方法。
背景技术
野外作业的工程机械发动机、泵及液压系统等关键部件的振动信号具有强噪声、非稳态随机特性,由传感器直接采集的信号如果不经过有效的去除噪声,很难直接进行故障诊断、性能预测预警。
小波分析技术是信号处理领域中强有力的处理工具,与傅里叶分析技术相比,它在时域和频域具有良好的局部化性质及多分辨率特性,因而受到广泛的应用。小波降噪的基本思路是通过小波将信号分解为不同的尺度,在各个尺度上研究高频系数的特征,对噪声占主导的尺度进行阈值化处理来实现降噪。
小波分解尺度的选择对于滤波效果的影响很大,不同的信号在不同的信噪比下,都存在一个降噪效果相对较好的分解层数,如果选择不合适,则达不到理想的滤波效果。在对噪声占主导的尺度高频系数阈值化过程中,阈值的选取直接影响滤波效果。如何选择合理的小波分解层数以及如何在相应的尺度确定一个适当的阈值,一直是本领域研究人员研究的热点。
经对现有技术的文献检索发现,中国发明专利“一种利用小波降噪进行微弱导航信号捕获的方法”,申请号200910085473.5,公开号CN101561485A,该专利公开了一种利用小波降噪技术进行微弱导航卫星信号捕获的方法,其特点是首先对信号进行N毫秒的相关积分,然后进行M次差分累加,随后对所得结果进行小波去噪,对经过降噪的系数进行小波逆变换恢复原始信号。该发明存在如下不足:[1]小波变换分解层数选择为5,没有考虑不同的信号对小波分解层数选择的差异,更没有根据信号的特点自适应的选择小波分解层数;[2]小波阈值的选择使用SUREshrink方法,SUREshrink是基于均方差准则的无偏估计方法,其缺点是“过保留”噪声系数,且无法根据滤波效果调整阈值的大小。
发明内容
本发明针对现有技术存在的上述不足,提供一种提取工程机械运行特征信号的方法,利用了小波分解后,白噪声的小波系数仍是白噪声且其平均功率与尺度成反比,幅度随着小波分解层数的增加而减小这一特性,采用白化检验的方法来确定小波分解的最优分解层数,基于控制多假设检验的假阳性率来确定小波去噪的阈值;提高自适应性和运算速度,提高采集信号的信噪比,能满足远程实时监控、故障诊断、性能预测的需要。
本发明是通过以下技术方案实现的,本发明包括以下步骤:
步骤1:采集一条机械运行状态数据并选择小波基函数依照小波系数白化检验法确定小波分解最优分解层数;
步骤2:对各分解层的小波系数采用软阈值函数进行去噪;
步骤3:对经过小波去噪的系数进行小波逆变换,得到去除噪声的工程机械运行特征信号数据。
所述的白化检验法确定小波分解最优分解层数是指:
a.对带噪状态数据进行小波分解;
b.保持尺度系数不变,对步骤a所述小波分解的小波系数进行Kolmogorov-Smirnov白化检验得到系数序列,当系数序列为白噪声序列则执行步骤c;否则执行步骤d;
c.计算当前分解层数的门限阈值,并将尺度系数作为状态数据返回步骤a;
d.放弃当前系数序列,并确定最优分解层数为当前分解层数-1。
所述的软阈值函数进行去噪是指:对各分解层的小波系数依据双向搜索假阳性率(step-up-down false discovery rate)方法确定去噪阈值,具体步骤为:
ii.对pj,k按从小到大排序,得p(1)≤p(2)≤...≤p(m),每一个p(i)对应的小波系数为对应则有H(1),H(2),...,H(m),选择评价常数0≤c(1)≤c(2)≤...≤c(m)≤1,暂取c(i)=(i/m)q,并选取r初始值,得到p(r);
iv.令H(i)表示最后拒绝的原假设,i=r,当i=m,停止并且k=i;否则检查H(i+1),当p(i+1)>c(i-1),那么接受H(i+1),H(i+2),...,H(m)并停止,并且k=i;当p(i+1)≤c(i+1)则拒绝H(i+1)并令i=i+1并重复执行本步骤,其中:
v.令H(i)表示最后接受的原假设,i=r,当i=1,停止并且k=i;否则检查H(i-1)且当p(i-1)≤c(i-1),那么拒绝H(i-1),H(i-2),...,H(1)并停止,并且k=i;当p(i-1)>c(i-1)则接受H(i-1)并令i=i-1并重复执行本步骤;
本发明的有益效果包括:充分利用了有用信号和噪声在小波变换域不同尺度传播特性的差异,采用白化检验方法确定小波分解层数,改善了传统选择小波分解层数的盲目性,可有效改善降噪的效果;利用多假设检验确定阈值的灵活性,结合step-up-down过程控制FDR,提高了算法的速度,显著提高了信号的信噪比。
附图说明
图1为本发明方法流程图。
图2为本发明白噪声检验流程图。
图3为本发明确定小波阈值流程图。
图4仿真信号处理前后对比图。
图5实验信号处理前后对比图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例为对某型号起重车关键部件实时监控过程中,采集到一振动信号。用如下步骤进行处理:
(1)截取采样点数为211;
(2)小波基函数选择db5;
(3)定义Kolmogorov-Smirnov检验统计量如下:
定义代表最大垂直距离,绝对值表示双边检验统计量。
原假设H0:样本来自于一个正态分布总体;备择假设H1:样本不属于正态分布总体。
通过比较δ与临界值的大小做出接受或拒绝原假设的判断,临界值的获取可以通过查Lilliefors正态性检验统计量分位数表得到。
Kolmogorov-Smirnov检验显著性水平取0.05。
按照如图2所示流程图,对原始信号进行一步小波分解,得到尺度系数和细节系数,然后对细节系数进行基于Kolmogorov-Smirnov白化检验,如果是白噪声,则计算本尺度小波系数阈值,并继续进行分解和白化检验,如果不是白噪声,则停止分解并得到最优分解层数。运用该方法对仿真信号和实验信号得到的最优分解层数均为5。表1是仿真信号最佳分解层数与其相邻的两个分解层数结果对比。
表1对图4仿真信号最佳分解层数与其相邻的两个分解层数结果对比 SNR单位:dB
(4)如图3所示,利用本发明提出的step-up-down FDR方法确定小波阈值。对同层的每个小波系数,按照假设的分布计算其双边概率并按从小到大的顺序排序。然后根据评价函数计算每个系数的临界值,并选择初始的搜索起点r。点r处的小波系数与该系数对应的临界值比较,如果p(r)≤c(r),则向r增大的方向进行,检查是否p(i+1)>c(i+1),这里的反之,则向r减小的方向进行,检查是否p(i-1)≤c(i-1),当满足条件时,停止并计算阈值。
(5)选择合适的阈值函数,本发明采用软阈值函数,其表达式为:
(6)进行小波降噪处理;
(7)对(6)的结果进行小波逆变换,得到恢复信号。
本方法通过对小波系数进行白化检验解决了小波分解层数选择的盲目性,FDRstep-up-down方法得出的小波阈值一方面可以根据小波系数本身自适应的确定阈值,可以根据滤波效果灵活选择显著性水平,另外step-up-down方法的应用,提高了算法的速度和信号的信噪比。图4为模拟信号去噪前后对比图,图5为实验信号去噪前后对比图。
Claims (1)
1.一种提取工程机械运行特征信号的方法,其特征在于,包括以下步骤:
步骤1:采集一条机械运行状态数据并选择小波基函数依照小波系数白化检验法确定小波分解最优分解层数,具体是指:
a.对带噪状态数据进行小波分解;
b.保持尺度系数不变,对步骤a所述小波分解的小波系数进行Ko1mogorov-Smirnov白化检验得到系数序列,当系数序列为白噪声序列则执行步骤c;否则执行步骤d;
c.计算当前分解层数的门限阈值,并将尺度系数作为状态数据返回步骤a;
d.放弃当前系数序列,并确定最优分解层数为当前分解层数-1;
步骤2:对各分解层的小波系数采用软阈值函数进行去噪,具体是指:对各分解层的小波系数依据双向搜索假阳性率方法确定去噪阈值,具体步骤为:
ii.对pj,k按从小到大排序,得p(1)≤p(2)≤...≤p(m),每一个p(i)对应的小波系数为 对应 则有H(1),H(2),...,H(m),选择评价常数0≤c(1)≤c(2)≤...≤c(m)≤1,暂取c(i)=(i/m)q,并选取r初始值,得到p(r);
iv.令H(i)表示最后拒绝的原假设,i=r,当i=m,停止并且k=i;否则检查H(i+1),当p(i+1)>c(i+1),那么接受H(i+1),H(i+2),...,H(m)并停止,并且k=i;当p(i+1)≤c(i+1)则拒绝H(i+1)并令i=i+1并重复执行本步骤,其中:
v.令H(i)表示最后接受的原假设,i=r,当i=1,停止并且k=i;否则检查H(i-1)且当p(i-1)≤c(i-1),那么拒绝H(i-1),H(i-2),...,H(1)并停止,并且k=i;当p(i-1)>c(i-1)则接受H(i-1)并令i=i-1并重复执行本步骤;
步骤3:对经过小波去噪的系数进行小波逆变换,得到去除噪声的工程机械运行特征信号 数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010292302 CN101936767B (zh) | 2010-09-27 | 2010-09-27 | 提取工程机械运行特征信号的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010292302 CN101936767B (zh) | 2010-09-27 | 2010-09-27 | 提取工程机械运行特征信号的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101936767A CN101936767A (zh) | 2011-01-05 |
CN101936767B true CN101936767B (zh) | 2013-01-09 |
Family
ID=43390215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010292302 Expired - Fee Related CN101936767B (zh) | 2010-09-27 | 2010-09-27 | 提取工程机械运行特征信号的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101936767B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156042B (zh) * | 2011-03-18 | 2012-11-21 | 北京工业大学 | 一种基于信号多特征匹配的齿轮故障诊断方法 |
CN102518163A (zh) * | 2011-12-07 | 2012-06-27 | 三一重机有限公司 | 挖掘机工作特征提取系统及提取方法 |
CN103256955B (zh) * | 2013-04-22 | 2015-08-12 | 浙江大学 | 一种基于软阈值函数的机械脉冲信号检测方法 |
CN103455026B (zh) * | 2013-08-23 | 2016-02-03 | 王绍兰 | 一种车辆故障诊断和预警方法及装置 |
CN103439944A (zh) * | 2013-08-27 | 2013-12-11 | 中联重科股份有限公司渭南分公司 | 一种工程机械智能故障诊断系统、方法和工程机械 |
CN105631176A (zh) * | 2014-10-28 | 2016-06-01 | 河北伊诺光学科技有限公司 | 一种基于双树复小波分段直接标准化的模型传递方法 |
CN109409206A (zh) * | 2018-09-10 | 2019-03-01 | 昆明理工大学 | 一种基于一维小波变换的雷声去噪方法 |
CN109633269B (zh) * | 2019-01-02 | 2020-10-16 | 江苏科技大学 | 基于时频功率谱密度极大值的小波分解尺度确定及故障特征增强方法 |
US11353594B2 (en) | 2020-07-13 | 2022-06-07 | U-Blox Ag | Methods and apparatus for detecting a potential fault in a positioning device |
CN113386139B (zh) * | 2021-07-01 | 2022-09-20 | 昆明理工大学 | 一种基于k-s检验的机器人运行状态判断方法 |
CN115079258B (zh) * | 2022-07-19 | 2022-11-18 | 自然资源部第二海洋研究所 | 一种基于小波分析的海底地震信号在线识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101173870A (zh) * | 2007-09-27 | 2008-05-07 | 上海交通大学 | 复杂噪声基底下短时特征声信号时频域辨识与检测方法 |
CN101561485A (zh) * | 2009-05-22 | 2009-10-21 | 北京航空航天大学 | 一种利用小波降噪进行微弱导航信号捕获的方法 |
-
2010
- 2010-09-27 CN CN 201010292302 patent/CN101936767B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101173870A (zh) * | 2007-09-27 | 2008-05-07 | 上海交通大学 | 复杂噪声基底下短时特征声信号时频域辨识与检测方法 |
CN101561485A (zh) * | 2009-05-22 | 2009-10-21 | 北京航空航天大学 | 一种利用小波降噪进行微弱导航信号捕获的方法 |
Non-Patent Citations (3)
Title |
---|
David L.Donoho.De-Noising by Soft-Thresholding.《IEEE TRANSACTIONS ON INFORMATION THEORY》.1995,第41卷(第3期),613-627. * |
李炜等.小波阈值消噪算法中自适应确定分解层数研究.《计算机仿真》.2009,第26卷(第3期),311-313、336. * |
王维等.小波阈值降噪算法中最优分解层数的自适应确定及仿真.《仪器仪表学报》.2009,第30卷(第3期),526-530. * |
Also Published As
Publication number | Publication date |
---|---|
CN101936767A (zh) | 2011-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101936767B (zh) | 提取工程机械运行特征信号的方法 | |
Wang et al. | Fault diagnosis of diesel engine based on adaptive wavelet packets and EEMD-fractal dimension | |
Yang et al. | Vibration feature extraction techniques for fault diagnosis of rotating machinery: a literature survey | |
CN101221066B (zh) | 工程非线性振动检测方法 | |
CN102095560B (zh) | 基于噪声测试的机械故障判别方法 | |
CN105094111B (zh) | 基于联合降噪和经验模态分解的控制系统健康状态分析方法 | |
CN103226649B (zh) | 机械早期及复合故障的集成噪声重构经验模式分解方法 | |
He et al. | A joint adaptive wavelet filter and morphological signal processing method for weak mechanical impulse extraction | |
CN110987434A (zh) | 一种基于去噪技术的滚动轴承早期故障诊断方法 | |
CN110991564B (zh) | 基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法 | |
CN104318305B (zh) | 一种基于小波与神经网络的逆变器低频噪声故障诊断方法 | |
CN112945546B (zh) | 一种齿轮箱复杂故障精确诊断方法 | |
CN112818876B (zh) | 一种基于深度卷积神经网络的电磁信号提取与处理方法 | |
CN117009870A (zh) | 一种频域改进sdp图的泵空化状态识别方法 | |
CN113607415A (zh) | 一种变转速下基于短时随机共振的轴承故障诊断方法 | |
Wei et al. | Incipient fault diagnosis of rolling element bearing based on wavelet packet transform and energy operator | |
Sun et al. | Application of wavelet soft threshold denoising algorithm based on EMD decomposition in vibration signals | |
CN112069962A (zh) | 一种基于图像识别强噪声背景下振动频谱的方法 | |
Yang et al. | A new singular spectrum decomposition method based on cao algorithm and amplitude aware permutation entropy | |
CN103197001A (zh) | 一种基于振动信号小波阈值降噪的高速道岔伤损识别方法 | |
CN110657807A (zh) | 基于小波变换检测不连续性的室内定位位移测量方法 | |
CN114486263A (zh) | 一种旋转机械滚动轴承振动信号降噪解调方法 | |
CN106199539A (zh) | 基于白化滤波器的地杂波抑制方法 | |
CN110459197B (zh) | 用于微弱盲信号去噪与提取的信号增强器及方法 | |
CN116698385A (zh) | 一种抗强噪声干扰的机械设备健康状态监测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130109 |