自适应信号处理算法对比分析 被引量：6

1

作者 乔丽红 贾曼曼 梁义涛 《信息技术》 2018年第3期22-26,33,共6页

时频分析技术是处理非平稳信号的有效手段,非平稳信号的时频表示是人们研究的热点问题。针对此问题,人们提出了一系列的自适应信号处理方法,包括经验模态分解(Empirical Mode Decomposition,简称EMD)、集合经验模态分解(Ensemble Empiri... 时频分析技术是处理非平稳信号的有效手段,非平稳信号的时频表示是人们研究的热点问题。针对此问题,人们提出了一系列的自适应信号处理方法,包括经验模态分解(Empirical Mode Decomposition,简称EMD)、集合经验模态分解(Ensemble Empirical Mode Decomposition,简称EEMD)、互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,简称CEEMD)、经验小波变换(Empirical Wavelet Transform,简称EWT)、变分模态分解(Variational Mode Decomposition,简称VMD)。阐述了它们算法的基本思想和研究成果,并通过实际信号的例子对不同算法进行了实验对比分析,指出了不同算法的优点和缺点,在对近期研究进展分析的基础上展望了自适应信号处理的发展方向。 展开更多

关键词 非平稳信号 自适应 经验模态分解 经验小波分解 变分模态分解

下载PDF 职称材料

基于EWT-KLD的机械密封金刚石涂层磨损声发射降噪

2

作者 林志斌 高宏力 +1 位作者 吴昱东 谭咏文 《西南交通大学学报》 EI CSCD 北大核心 2024年第1期177-184,共8页

为了准确获得机械密封金刚石涂层在磨损过程的声发射信号,在分析机械密封设备的噪声特性基础上,提出了基于经验小波变换(EWT)和相对熵(KLD)的声发射降噪方法;通过对磨损声发射信号进行经验小波变换得到划分其频带的滤波器组,对磨损声发... 为了准确获得机械密封金刚石涂层在磨损过程的声发射信号,在分析机械密封设备的噪声特性基础上,提出了基于经验小波变换(EWT)和相对熵(KLD)的声发射降噪方法;通过对磨损声发射信号进行经验小波变换得到划分其频带的滤波器组,对磨损声发射信号和背景噪声发射信号用相同的滤波器组划分频带;计算相应频带2种信号的相对熵,用累计和算法在升序排列的相对熵中找到首个大于3σ的值作为阈值,保留相对熵值大于阈值的频带重构信号,完成降噪.研究结果表明:本文所提的EWT-KLD方法可以有效抑制不同工况、不同磨损状态的声发射信号的噪声,有效改善了磨损声发射信号的信噪比,尤其是微弱磨损信号的信噪比,提高了密封端面磨损声发射检测的精度和灵敏度;通过与传统降噪方法的对比发现,本文方法能够对不同工况下的密封磨损声发射信号降噪表现出更强的适应性和稳定性,对于及时检测早期密封磨损和准确监测磨损累积变化过程具有重要意义. 展开更多

关键词 机械密封 声发射降噪 经验小波分解 金刚石涂层

下载PDF 职称材料

基于经验小波分解和双谱分析的自动扶梯基脚松动故障特征提取

3

作者 郑燕 《数学的实践与认识》 北大核心 2024年第6期112-125,共14页

自动扶梯是必不可少的大型公共交通设备,一旦发生故障,必然影响运营甚至引发安全事故.主机基脚作为自动扶梯的重要结构部位,其固定螺栓松动会导致自动扶梯运行异常.针对基脚螺栓松动故障特征难以提取的问题,构造了基于经验小波分解(EWT... 自动扶梯是必不可少的大型公共交通设备,一旦发生故障,必然影响运营甚至引发安全事故.主机基脚作为自动扶梯的重要结构部位,其固定螺栓松动会导致自动扶梯运行异常.针对基脚螺栓松动故障特征难以提取的问题,构造了基于经验小波分解(EWT)和双谱分析的自动扶梯基脚松动故障特征提取方法.首先,对原始基脚振动加速度信号进行EWT分解,得到一系列经验模态分量函数(EMF);然后,对每一个经验模态分量函数,利用双谱分析法计算其双谱图,并通过灰度-梯度共生矩阵提取双谱图的6个纹理特征作为故障特征向量;最后,利用所提取的多尺度故障特征向量和双向长短时网络(Bi-LSTM)对四类不同程度的基脚松动故障信号进行分类识别,确定基脚松动故障类型.研究结果表明,基于经验小波分解和双谱分析特征提取的方法能更有效地识别基脚固定螺栓松动等级. 展开更多

关键词 经验小波分解 双谱分析 故障识别 特征提取 自动扶梯

原文传递

基于EWT-熵值方法的发动机风扇叶片损伤监控

4

作者 徐建新 赵树杰 +1 位作者 马超 巴翔 《航空动力学报》 EI CAS CSCD 北大核心 2023年第1期23-31,共9页

为了从发动机性能数据中寻找风扇叶片外来物损伤航班特征,从而将风扇叶片受外来物损伤的航班区分出来,在机载快速存储记录器(quick access recorder, QAR)数据检测中提出将经验小波分解和信息熵结合的方法。通过对各航班原始振动数据的... 为了从发动机性能数据中寻找风扇叶片外来物损伤航班特征,从而将风扇叶片受外来物损伤的航班区分出来,在机载快速存储记录器(quick access recorder, QAR)数据检测中提出将经验小波分解和信息熵结合的方法。通过对各航班原始振动数据的拟合平滑处理和经验小波分解,提取了分解后各模态的能量熵和,分析了添加汉明(Hanmming)窗函数的多尺度熵,结果表明:拟合后数据的熵值变化更明显,且风扇叶片受外来物损伤航班的能量熵和有10%以上的降低趋势,改进后的多尺度熵有40%以上的增长趋势,均明显异于其他正常航班。证明采用EWT-熵值方法可以较好地对发动机风扇叶片外来物损伤情况进行监控。 展开更多

关键词 外来物损伤 机载QAR数据 经验小波分解 能量熵 多尺度熵

原文传递

一种基于经验小波变换的齿轮副故障诊断方法 被引量：4

5

作者 宋世毅 《机械》 2017年第9期12-15,共4页

齿轮是机械设备的重要零部件之一。针对于齿轮副的在线故障检测问题,提出了一种基于经验小波变换的齿轮副故障检测方法。基于紧支撑的框架,该方法将信号通过经验小波变换分解为若干个不同的内部经验模态。较之传统经验模态分解,该方法... 齿轮是机械设备的重要零部件之一。针对于齿轮副的在线故障检测问题,提出了一种基于经验小波变换的齿轮副故障检测方法。基于紧支撑的框架,该方法将信号通过经验小波变换分解为若干个不同的内部经验模态。较之传统经验模态分解,该方法能够更准确的提取出其模态信号,且混叠成分更小。将该方法应用于具体的齿轮副机构中,通过经验小波分解对系统噪声和环境噪声干扰中的振动信号进行故障特征识别。实验结果验证了该方法的有效性,能够有效的提取齿轮裂纹的特征信号。 展开更多

关键词 经验小波分解 故障诊断 齿轮裂纹

下载PDF 职称材料

IEWT和FSK在齿轮与滚动轴承故障诊断中的应用 被引量：3

6

作者 向玲 高雪媛 +1 位作者 张力佳 李媛媛 《振动．测试与诊断》 EI CSCD 北大核心 2017年第6期1256-1261,共6页

改进的经验小波变换方法(improved empirical wavelet transform,简称IEWT)是一种新的自适应性信号处理方法,将这种方法和快速谱峭度(fast spectral kurtosis,简称FSK)相结合,进行齿轮与滚动轴承的故障诊断。首先,采用IEWT对信号进行分... 改进的经验小波变换方法(improved empirical wavelet transform,简称IEWT)是一种新的自适应性信号处理方法,将这种方法和快速谱峭度(fast spectral kurtosis,简称FSK)相结合,进行齿轮与滚动轴承的故障诊断。首先,采用IEWT对信号进行分解,筛选出故障特征最为明显的2个分量并重构信号;其次,对重构信号进行快速谱峭度滤波;最后,对滤波后的信号进行包络谱分析,提取出信号的故障特征。分析齿轮断齿及滚动轴承故障信号,与直接包络谱和基于EMD经验模态分解(empirical mode decomposition,简称EMD)方法的FSK滤波包络谱分析方法相比可知,采用IEWT处理后再进行FSK滤波的信号进行包络谱分析更具有区分性,可有效识别齿轮和滚动轴承的故障特征。 展开更多

关键词 经验小波分解 快速谱峭度滤波 包络谱分析 故障诊断

下载PDF 职称材料

基于自适应经验小波分解和深层Wasserstein网络的轴承工况识别 被引量：3

7

作者 左大利 《组合机床与自动化加工技术》 北大核心 2021年第8期11-15,共5页

传统滚动轴承工况识别方法需要对采集到的轴承振动信号进行人工特征提取,提出一种基于自适应经验小波分解(adaptive empirical wavelet decomposition,AEWD)和深层Wasserstein网络(deep Wasserstein network,DWN)的工况识别方法。首先,... 传统滚动轴承工况识别方法需要对采集到的轴承振动信号进行人工特征提取,提出一种基于自适应经验小波分解(adaptive empirical wavelet decomposition,AEWD)和深层Wasserstein网络(deep Wasserstein network,DWN)的工况识别方法。首先,改进经验小波分解频谱的分割方法,进而将滚动轴承振动信号自适应分解为本征模态分量;其次,筛选出最能反映轴承运行工况特征的分量并进行信号重构;最后,构造深层Wasserstein网络,将重构后的轴承振动信号输入DWN进行自动特征提取与工况识别。实验结果表明:AEWD结合DWN方法相比于其它深度学习方法在工况识别准确率方面更具优势。 展开更多

关键词 滚动轴承 经验小波分解 深度学习 工况识别

下载PDF 职称材料

基于改进EWT的模拟电路故障诊断研究

8

作者 王宁 李志华 窦修超 《计算机技术与发展》 2019年第3期154-158,共5页

针对模拟电路故障信号非线性、非平稳性、容差性的特点,提出了一种基于经验小波变换(EWT)的模拟电路故障诊断方法。但信号分解需要设定分割模态个数,为实现经验小波变换中Fourier谱的自适应分割,提出了自适应无参的经验小波变换(APEWT)... 针对模拟电路故障信号非线性、非平稳性、容差性的特点,提出了一种基于经验小波变换(EWT)的模拟电路故障诊断方法。但信号分解需要设定分割模态个数,为实现经验小波变换中Fourier谱的自适应分割,提出了自适应无参的经验小波变换(APEWT)方法。经验小波变换能有效分离信号的调幅调频成分,将改进方法对Leapfrog benchmark电路不同故障的输出信号进行模态分解以及时频能量谱分析,采取人工智能算法进行实验分析,结果表明其分解的各分辨率模态具有相应的时域特征。并与希尔伯特黄变换的方法进行对比,表明所提出的方法不仅能有效地提取模拟电路软故障特征,诊断正确率高于后者,而且具有完备小波理论支撑,计算速度快,不存在虚假分量的特点。这为模拟电路故障在线诊断提供了新思路。 展开更多

关键词 模拟电路 故障诊断 经验小波分解 人工智能 信号分离

下载PDF 职称材料

基于IEWT-FE-BO-LSTM模型的超短期风功率预测 被引量：7

9

作者 陆秋贤 马刚 涂孟夫 《水电能源科学》 北大核心 2023年第1期217-220,共4页

为提高超短期风功率预测精度,提出一种基于IEWT-FE-BO-LSTM的组合风功率预测模型,首先利用改进经验小波分解(IEWT)对历史风功率数据进行分解;然后引入模糊熵(FE)算法对各分解子模态进行复杂度计算重组子模态;再对各个重组分量分别建立... 为提高超短期风功率预测精度,提出一种基于IEWT-FE-BO-LSTM的组合风功率预测模型,首先利用改进经验小波分解(IEWT)对历史风功率数据进行分解;然后引入模糊熵(FE)算法对各分解子模态进行复杂度计算重组子模态;再对各个重组分量分别建立基于长短时神经网络(LSTM)的预测模型,利用贝叶斯优化算法(BO)进行超参数组合,解决人为调参导致训练结果不佳的问题;最后通过历史风电场数据进行算例分析。结果表明,IEWT-FE-BO-LSTM模型对超短期风功率有较高的预测精度和预测效率。 展开更多

关键词 超短期风功率预测 改进经验小波分解 模糊熵 贝叶斯优化算法

下载PDF 职称材料

基于PSO-VMD和EWT的异步电机滑动轴承故障诊断

10

作者 彭川 吝伶艳 +3 位作者 雷志鹏 田慕琴 侯茜茜 宋建成 《噪声与振动控制》 CSCD 北大核心 2024年第5期140-147,209,共9页

针对大型电机滑动轴承故障诊断困难的问题,提出基于频域积分、变分模态分解(Variational Mode Decomposition,VMD)和经验小波分解(Empirical Wavelet Transform,EWT)相结合的滑动轴承故障诊断方法。以实际故障电机轴承加速度信号为例,... 针对大型电机滑动轴承故障诊断困难的问题,提出基于频域积分、变分模态分解(Variational Mode Decomposition,VMD)和经验小波分解(Empirical Wavelet Transform,EWT)相结合的滑动轴承故障诊断方法。以实际故障电机轴承加速度信号为例,首先通过频域积分得到位移信号,分析位移信号的时域和频域特征可初步诊断出电机可能存在碰摩故障和不对中故障,但轴心轨迹图混乱,无法给出肯定结论;然后将经粒子群算法(Particle Swarm Optimization,PSO)优化的变分模态分解和小波阈值去噪相结合对原始位移信号进行去噪,通过经验小波变换得到位移信号的主要频率成分并进行重构,重新绘制轴心轨迹,分析表明经提纯得到的轴心轨迹清晰、特征明显,可以由此判断出电机存在碰摩-轴承不对中耦合故障。最后将该方法与聚类经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)等方法对比可以得出,采用该方法可以得到更清晰的轴心轨迹图,有助于实现电机滑动轴承的故障诊断。 展开更多

关键词 故障诊断 滑动轴承 频域积分 变分模态分解(VMD) 经验小波分解(EWT) 轴心轨迹

下载PDF 职称材料

增强经验小波分解和自组织深层网络在轴承工况识别中的研究 被引量：1

11

作者 张康智 毕永强 曹鹏飞 《机械科学与技术》 CSCD 北大核心 2022年第6期905-911,共7页

传统滚动轴承工况识别方法存在轴承振动信号人工特征提取困难的问题,提出一种基于增强经验小波分解(Enhanced empirical wavelet decomposition,EEWD)和自组织深层网络(Self-organizing deep network,SODN)的工况识别方法。首先改进经... 传统滚动轴承工况识别方法存在轴承振动信号人工特征提取困难的问题,提出一种基于增强经验小波分解(Enhanced empirical wavelet decomposition,EEWD)和自组织深层网络(Self-organizing deep network,SODN)的工况识别方法。首先改进经验小波分解的频谱分割方式,将滚动轴承振动信号自适应分解为若干本征模态分量;然后利用综合评价指标筛选出最能反映信号工况特征的本征模态分量并重构信号;最后构造自组织深层网络,将重构后的滚动轴承振动信号输入SODN进行自动特征学习与工况识别。实验结果表明:EEWD结合SODN方法相比于其它深度学习方法在信号特征提取和工况识别准确率方面更具优势。 展开更多

关键词 滚动轴承 增强经验小波分解 深层网络 工况识别

下载PDF 职称材料

基于ISSEWD和SOWN的轴承工况识别研究 被引量：1

12

作者 戚航 郑迎华 陈锡渠 《机电工程》 CAS 北大核心 2021年第6期740-746,共7页

针对传统滚动轴承运行工况识别方法需要人工特征提取和特征选择的缺陷,提出了一种基于改进谱分割经验小波分解和自组织Wasserstein网络的轴承工况识别方法。首先将采集到的滚动轴承振动信号进行Fourier变换,从而得到了频谱,然后采用四... 针对传统滚动轴承运行工况识别方法需要人工特征提取和特征选择的缺陷,提出了一种基于改进谱分割经验小波分解和自组织Wasserstein网络的轴承工况识别方法。首先将采集到的滚动轴承振动信号进行Fourier变换,从而得到了频谱,然后采用四分位数法检测信号频谱边界,进而对信号频谱进行了自适应分割,将滚动轴承振动信号分解为若干本征模态函数;然后筛选出最能反映轴承运行工况特征的IMFs,并进行了信号重构;最后堆叠多个Wasserstein自编码器,进一步构造了Wasserstein网络,并引入了自组织策略,将重构后的振动信号输入自组织Wasserstein网络,进行了自动特征学习与自动工况识别。研究结果表明:基于ISSEWD-SOWN组合模型的滚动轴承识别方法平均工况识别准确率98.98%,标准差仅0.15,相比于其他组合模型在轴承工况识别准确率方面更具优势,适用于滚动轴承运行工况的自动识别。 展开更多

关键词 滚动轴承 改进谱分割经验小波分解 工况识别 自组织Wasserstein网络 本征模态函数

下载PDF 职称材料