自适应小波降噪在轴承故障诊断中的应用（完整版）实用资料(可以直接使用，可编辑完整版实用资料，欢迎下载）文章编号:1006-1355(200705-0100-05自适应小波降噪在轴承故障诊断中的应用王国栋1,胡邦喜2,高立新1,张建宇1(1.北京工业大学北京市先进制造技术重点实验室,北京100022;2.武汉理工大学管理学院,武汉430070摘要:针对轴承振动的非平稳性特点和频谱成分的混杂性,提出了基于小波的信号自适应阈值降噪法。自适应阈值降噪法首先对信号进行离散正交小波多层分解,对分解后的各层细节系数中模小于某阈值的系数进行处理,然后将处理完的小波系数再进行反变换,重构出经过降噪后的信号。用仿真信号进行降噪处理,结果表明:通过选择合适的小波基和阈值选择规则,可以实现信号的完美降噪;实测轴承振动信号用小波降噪方法进行预处理,提高了信噪比,进一步作频谱分析得到了故障特征信息,为诊断决策提供了依据。关键词:振动与波;非平稳性;小波分解;阈值选择;信号降噪;特征提取中图分类号:TH165+.3文献标识码:AApplicationofAdaptiveWaveletDenoisingonBearingFaultDiagnosisWANGGuodong1,HUBangxi2,GAOLixin1,ZHANGJianyu1(1.KeyLaboratoryofAdvancedManufacturingTechnology,BeijingUniversityofTechnology,Beijing100022,China;2.SchoolofManagementSciences,WuhanUniversityofTechnology,Wuhan430070,ChinaAbstract:Forthenonstationarityandspectrumchaosofthebearingvibrationsigna,lthresholddenoisingbasedonwaveletdecompositionwasputforward.Inthismethod,signalwasdecomposedintomultilayer,processingthedetailcoefficientsaccordingasthethreshold,thenreconstructingtogetthedenoisedsignalbythewaveletcoefficients.Thesimulatedsignalwasdenoised,theresultdemonstratedthatfinedenoisingcouldbecarriedoutthroughselectingsuitablewaveletandthresholdruler.Thedenoisingmethodwasemployedtopreprocesstherealvibrationsignalofbearing,improvingthesignalnoiserate.Faultcharacteristicwasgainedbythefollowingfrequencyanalysis,itapprovedfoundationofdiagnosisdecisionmaking.Keywords:vibrationandwave;nonstationarity;waveletdecomposition;thresholdselection;signaldenoising;characteristicextraction收稿日期:20061227作者简介:王国栋(1981-,男,河北省宁晋县人,硕士研究生,研究方向:智能监控与故障诊断。轴承振动加速度信号一般表现为非平稳性和准周期性,频谱分布很宽,波形杂乱,规律性不强[1]。同时当轴承存在的点蚀、裂纹等损伤类缺陷时,往往伴随有非线性冲击的产生,加上噪声的影响,使得频谱成分十分丰富,给故障诊断带来极大的障碍。由此说来,信号降噪成为设备故障诊断的突出问题和关键问题。传统的降噪方法主要包括线性滤波法和非线性滤波法,如中值滤波法和wiener滤波等。其不足在于使信号变换后的熵增高、无法刻画信号的非平稳性并且无法得到信号的相关性[2]。为了克服上述缺点,人们开始使用小波变换解决信号去噪问题[3,4]。小波变换具有下列优良特性:(1低熵性:小波系数的稀疏分布,使信号变换后的熵降低;(2多分辨率特性,可以非常好地刻画信号的非平稳特性,如边缘、尖峰、断点等;(3去相关性:可取出信号的相关性,且噪声在小波变换后有白化趋势,所以比时域更利于去噪。(4选基灵活性:由于小波变换可以灵活选择基函数,因此可根据信号特点