CN105827219A - 基于自适应对数阈值框架分析的局部喘振去噪方法 - Google Patents

基于自适应对数阈值框架分析的局部喘振去噪方法 Download PDF

Info

Publication number
CN105827219A
CN105827219A CN201610139834.XA CN201610139834A CN105827219A CN 105827219 A CN105827219 A CN 105827219A CN 201610139834 A CN201610139834 A CN 201610139834A CN 105827219 A CN105827219 A CN 105827219A
Authority
CN
China
Prior art keywords
signal
compressor
carried out
frame
surge
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.)
Pending
Application number
CN201610139834.XA
Other languages
English (en)
Inventor
王海辉
李秋实
潘天宇
鹿哈男
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201610139834.XA priority Critical patent/CN105827219A/zh
Publication of CN105827219A publication Critical patent/CN105827219A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H03H21/0025—Particular filtering methods
    • H03H21/0027—Particular filtering methods filtering in the frequency domain
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H03H2021/0085—Applications
    • H03H2021/0094—Interference Cancelling

Abstract

本发明涉及基于自适应对数阈值框架分析的局部喘振去噪方法，通过构建滤波器组、对信号进行框架分解、自适应非线性阈值去噪以及框架逆变换等过程最终得到去除噪声的干净信号。与传统的针对压气机的失速信号处理方法(FFT方法等)相比，这种基于对数阈值的框架方法能够最大限度地保留原始信号中的有效信息，滤去原始信号中的噪声信号，使得对失速演化的细节产生更加清晰的描述。同时，该方法与传统的针对压气机的失速信号处理方法相比更加高效快速，可以在实验过程中做到采集信号的同时通过实时处理得到滤去噪声的干净信号，便于实验人员对实验过程进行实时分析，为揭示压气机的流动失稳提供了必要的工具。

Description

基于自适应对数阈值框架分析的局部喘振去噪方法
技术领域
本发明涉及一种基于自适应对数阈值框架分析的局部喘振信号去噪方法，针对压气机局部喘振失速信号，该方法可以最大限度地保留原始信号中的有效信息，滤去原始信号中的噪声信号，使得研究者对于失速演化的细节产生更加清晰的认识。同时，该信号处理方法还具有实时性，可以在实验过程中采集信号的同时通过实时处理得到滤去噪声的干净信号，便于实验员对实验过程进行实时分析。
背景技术
旋转失速与喘振制约着压气机的稳定工作范围。压气机作为航空发动机、燃气轮机的关键部件，其工作稳定性尤为重要。对压气机失速实验信号的详细分析有助于对压气机失速的机理研究和主动控制。局部喘振作为新型失速先兆，发现于跨声速轴流压气机中，具有更加复杂的频率特性(同时存在高频和低频两个重要频率)，对去噪方法提出了新的挑战。然而，常规去噪方法(以FFT滤波、自相关、互相关为例)具有局限性，去噪效果不明显，影响了对于局部喘振现象的物理刻画。
框架分析作为可以最大限度保留原始信号中有用信息的去噪方法，其具备的多个高通滤波器保证了信息去噪好的良好重构。因此，本发明将框架分析应用于局部喘振信号的去噪研究中。并针对局部喘振的复杂频率特性，又增加了自适应对数阈值方法(在不同信号分析层具有不同的判断阈值)，从而更好地区分有效信号和噪声，获得了干净的局部喘振信号。
发明内容
自适应的对数阈值框架方法的建立：
(1)采用带有一个低通滤波器和两个高通滤波器的滤波器组
低通滤波器：h＝(h1,h2,...,hN)
第一高通滤波器：
第二高通滤波器：
本发明仅采用Ron-Shen紧凑型框架的滤波器组，其低通及高通滤波器具有如下形式：
(2)框架分解方法
具体分解如下：
通过采用低通和高通滤波器，原始信号被分解为近似系数以及细节系数。在第j层分解之后，可以得到第j层的近似系数以及细节系数和
(3)对每层系数采用自适应非线性阈值
采用自适应非线性阈值，即在每层施加不同的阈值，噪声信号可以从细节系数中消除。式中λij表示阈值，i表示高通滤波器的数目，j表示分解层数，N表示信号的数目。如果细节系数大于给定的阈值，那么将会被视作有用信息而被保留；如果细节系数小于给定的阈值，那么将会被视作噪声信号而被消除。经过该过程，可以得到去噪后的细节系数
(4)框架逆变换
经过固定框架逆变换，近似系数以及去噪后的细节系数都可以被重构，得到的最终结果就是经过去噪后的结果。
附图说明
图1局部喘振失稳演化过程中FFT结果与框架结果的对比；
图2旋转失速团的出现与局部喘振型扰动的关联；
具体实施方式
图1(a1)和(a2)表示在350转子转速时叶尖和叶根区域首次出现局部喘振扰动。采用框架方法去除噪声信号后，可以清晰地观察到单个扰动的发展过程：从300转子转速到350转子转速，扰动的幅值不断增大，最终发展成为局部喘振扰动。图1(b1)和(b2)同样描述了在1100转子转速时叶尖和叶根区域的局部喘振扰动发展过程。由图1(c1)和(c2)可见，由于流动越来越不稳定，局部喘振扰动出现愈加频繁。通过框架方法处理结果，可以明显的看出连续的局部喘振扰动是由最初的小幅值的初始扰动发展而成的，到了局部喘振的最后阶段，连续的局部喘振扰动诱发了旋转失速团的产生。采用框架方法处理实验数据，可以清晰地看到旋转失速团出现在叶根和叶尖区域(如图1(d1)和(d2)中方框内信号)。
为了进一步研究旋转失速团的发生，图2给出了更多的细节信息。首先，旋转失速团是出现在叶根以及叶尖区域的高频扰动，图2表示旋转失速团是在叶尖的压力从最小值开始增长时出现的。框架方法处理的结果可以清晰地展示旋转失速团与局部喘振扰动之间的关联：随着局部喘振扰动的发展，转子叶尖静压升高，叶尖攻角随之增大，一旦攻角超过临界值，旋转失速团就会出现；反之，如果转子叶尖的静压下降，旋转失速团就会消失。
总结：
相比于快速傅里叶变换(FFT)方法，采用本发明提出的方法一方面可以有效地消除原始信号中的噪声信号，另一方面可以大大提高信号处理的效率，最终可以清晰地给出局部喘振扰动的发展过程以及旋转失速团的出现与局部喘振扰动之间的关联，为分析压气机内部不稳定流动提供了有力的保障，便于研究者更加清晰地认识压气机内部不稳定流动以及失稳的发生过程。

Claims (1)

1.基于自适应对数阈值框架分析的局部喘振信号去噪方法，其特征在于：
(1)与传统的针对压气机的失速信号处理方法(FFT方法等)相比，这种基于对数阈值的框架方法能够最大限度地保留原始信号中的有效信息，滤去原始信号中的噪声信号，使得对局部喘振失速演化的细节产生更加清晰的描述；
(2)该方法与传统的针对压气机的失速信号处理方法相比更加高效快速，可以在实验过程中做到采集信号的同时通过实时处理得到滤去噪声的干净信号，便于实验人员对实验过程进行实时分析；
(3)基于以上优势，采用该对数阈值框架方法分析了局部喘振扰动的发展过程以及与旋转失速团的物理关联，更加清晰地认识了局部喘振扰动的物理本质，为揭示压气机的流动失稳提供了必要的工具。
CN201610139834.XA 2016-03-11 2016-03-11 基于自适应对数阈值框架分析的局部喘振去噪方法 Pending CN105827219A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610139834.XA CN105827219A (zh) 2016-03-11 2016-03-11 基于自适应对数阈值框架分析的局部喘振去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610139834.XA CN105827219A (zh) 2016-03-11 2016-03-11 基于自适应对数阈值框架分析的局部喘振去噪方法

Publications (1)

Publication Number Publication Date
CN105827219A true CN105827219A (zh) 2016-08-03

Family

ID=56987154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610139834.XA Pending CN105827219A (zh) 2016-03-11 2016-03-11 基于自适应对数阈值框架分析的局部喘振去噪方法

Country Status (1)

Country Link
CN (1) CN105827219A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110006655A (zh) * 2018-01-05 2019-07-12 中国航发商用航空发动机有限责任公司 航空发动机低压压气机监测方法及监测系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060269252A1 (en) * 2005-05-27 2006-11-30 Sony Corporation Signal processing circuit, method of processing signal, audio signal processing circuit, method of processing audio signal, imaging apparatus, method of processing audio signal with imaging apparatus, recording apparatus, method of recording, playing apparatus, and method of playing
CN104462800A (zh) * 2014-11-27 2015-03-25 北京航空航天大学 基于小波框架的信号降噪方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060269252A1 (en) * 2005-05-27 2006-11-30 Sony Corporation Signal processing circuit, method of processing signal, audio signal processing circuit, method of processing audio signal, imaging apparatus, method of processing audio signal with imaging apparatus, recording apparatus, method of recording, playing apparatus, and method of playing
CN104462800A (zh) * 2014-11-27 2015-03-25 北京航空航天大学 基于小波框架的信号降噪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
QINGTANG JIANG: "Correspondence between frame shrinkage and high-order nonlinear diffusion", 《APPLIED NUMERICAL MATHEMATICS》 *
潘天宇 等: "局部喘振现象物理本质的研究", 《推进技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110006655A (zh) * 2018-01-05 2019-07-12 中国航发商用航空发动机有限责任公司 航空发动机低压压气机监测方法及监测系统

Similar Documents

Publication Publication Date Title
CN109145727A (zh) 一种基于vmd参数优化的轴承故障特征提取方法
Li et al. Research on test bench bearing fault diagnosis of improved EEMD based on improved adaptive resonance technology
CN106771598B (zh) 一种自适应谱峭度信号处理方法
CN106505587B (zh) 基于广义形态滤波与改进mp算法的低频振荡模态辨识方法
CN108645620A (zh) 一种基于信息熵和多尺度形态学的滚动轴承早期故障诊断方法
CN108956141A (zh) 基于模平方阈值—FastICA的滚动轴承降噪方法
CN114992033B (zh) 基于nlm-ceemdan的水电机组信号去噪方法
CN112098105A (zh) 基于机匣宽频振动信号的燃气轮机叶片故障监测预警方法
Gong et al. Application of optimized multiscale mathematical morphology for bearing fault diagnosis
CN105827219A (zh) 基于自适应对数阈值框架分析的局部喘振去噪方法
CN113988125A (zh) 一种基于改进同步压缩变换的扭振信号瞬时频率提取方法
CN103915102B (zh) 一种lfm水声多途信号的噪声抑制方法
Xu et al. Rolling bearing fault feature extraction via improved SSD and a singular-value energy autocorrelation coefficient spectrum
Qian et al. Network traffic forecasting by support vector machines based on empirical mode decomposition denoising
CN108020761B (zh) 一种局部放电去噪方法
Fu et al. Turbulent jet noise in the absence of coherent structures
Li et al. Bearing incipient fault diagnosis based upon maximal spectral kurtosis TQWT and group sparsity total variation denoising approach
CN112287835B (zh) 一种基于ewt-se及小波阈值的叶片声信号降噪方法
Zhu et al. Noise reduction for modal parameter identification of the measured frfs using the modal peak-based hankel-svd method
Zhang et al. Application of morphological filter in pulse noise removing of vibration signal
CN103716012B (zh) 一种基于迭代自适应多尺度形态分析的滤波方法
CN112082793A (zh) 一种基于SCA和FastICA的旋转机械耦合故障诊断方法
Li et al. Wavelet threshold methods used in lightning transient electrical signals denoising
Song et al. A new correntropy based TDE method under α-stable distribution noise environment
CN110263711B (zh) 一种基于改进谱峭度的耦合信号冲击特征提取方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160803

WD01 Invention patent application deemed withdrawn after publication