CN110688981B - 一种振动信号去噪的模态混叠消除方法 - Google Patents
一种振动信号去噪的模态混叠消除方法 Download PDFInfo
- Publication number
- CN110688981B CN110688981B CN201910971015.5A CN201910971015A CN110688981B CN 110688981 B CN110688981 B CN 110688981B CN 201910971015 A CN201910971015 A CN 201910971015A CN 110688981 B CN110688981 B CN 110688981B
- Authority
- CN
- China
- Prior art keywords
- components
- imf
- principal component
- signal
- orthogonal
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了EMD分解振动信号过程中出现的模态混叠现象,导致滤波去噪效果不佳的问题,提出一种振动信号去噪的模态混叠消除方法,主要是基于主成分分析(PCA)和EMD的模态混叠消除方法,取名为PEMD。具体方法如下,首先对信号分解得到的IMF分量与原始信号做主成分分析,得到正交的多个主分量,继而计算各主分量的贡献率,根据贡献率选择包含原始信号绝大部分信息的主成分分量组合进行信号重构,生成新的正交原始信号,再对其进行EMD分解,即可分解出正交的IMF分量,从而能更好地将噪音与振动信号分开。在实测***振动信号分解中,通过与经典EMD算法和EEMD改进算法对比,得到PEMD算法在去除模态混叠效果及去噪的效果上均优于EEMD和EMD。
Description
技术领域
本发明涉及振动信号领域,具体涉及一种用于振动信号去噪的方法。
背景技术
在现场的***测振过程中,由于测振仪器受到外界及自身因素的干扰,测得的信号中往往存在噪声,从而对振动信号的分析产生影响,故需要对信号进行时频分析以去除噪音的影响。目前常用的信号去噪方法有Fourier变换、小波变换、希尔伯特-黄变换HHT(Hilbert-Huang transform)等。其中,Fourier变换是处理信号噪音最传统的方法,但Fourier变换只能在频域内进行分析,若信号在时域上某处发生突变,则会对整个频域产生影响,无法分辨信号的尖峰是突变还是噪音导致。因此在20世纪80年代出现了小波变换理论,小波变换能对信号在时域和频域内进行转换,进而达到较好的去噪效果。但小波变换分解的精度依赖小波基的选择,而选择小波基本身就具有一定的模糊性,且小波基的长度有限,会造成信号能量的泄露等,而HHT变换(由希尔伯特变换Hilbert和经验模态分解EMD组成)可以直接将原始信号按不同的时间尺度进行EMD分解,分解成一系列从高频到低频的IMF分量,能很好地提取非平稳信号变化的特征;与小波变换相比,HHT不需要选择基函数,且具有自适应性和多分辨率的特点,可以更好地对非平稳信号进行时频分析,但在实际滤波的去噪过程中,发现HHT也存在一些问题,由李夕兵等主编的2009年由北京科学出版社出版的《***振动信号分析理论与技术》一书中的第100-105页,提到了IMF分量的正交性问题,该方法存在不完全正交的缺点,即EMD分解出的IMF分量之间会出现模态混叠现象;曹莹等于2016年在电机与控制学报上发表的《多尺度形态滤波模态混叠抑制方法》也提到了模态混叠现象,即分解出的IMF分量不满足频率的依次递减性和主频的唯一性,对之后的HHT滤波去噪效果会产生影响,并采用多尺度形态滤波的方法抑制了一定程度上的混叠现象。
发明内容
目前针对IMF分量混叠问题,在此引入主成分分析(PCA),采用PCA对EMD进行了改进,提出了PEMD滤波降噪法,将原始信号通过EMD分解出的IMF分量组合转换为正交的主成分分量组合,继而通过主成分分量的重构生成正交的原始信号,达到EMD完全正交分解信号的目的,以便更好地进行后续滤波去噪处理。
本发明的技术方案为:一种振动信号去噪的模态混叠消除方法,它包括以下步骤:
⑴提取原始数据;
⑵对原始数据进行标准化处理;
⑶计算相关系数矩阵;
⑷计算相关系数的特征值和特征向量;
⑸计算特征值的累计贡献率;
⑹构建由特征向量组成的正交主成分分量;
⑺选择累计贡献率达到95%以上的特征值组合,得到相对应的主成分分量组合,再分别以各个主成分的贡献率为权重,构建主成分综合评价的信号模型,生成新的正交原始信号;
⑻对新的正交原始信号进行EMD分解,得到完全正交的IMF分量,消除各分量之间的模态混叠效应,进而将具有不同特征的振动信号和噪音分离到不同的IMF分量中;
⑼根据现场测振的实际情况,滤除噪音所在的IMF分量,再进行信号重构,以达到滤波去噪效果。
优选的,所述的提取原始数据,具体是将原始信号x(t)通过EMD分解成m个IMF指标,每个分量都取n个采样点。
优选的,所述的原始数据标准化处理,具体计算公式如下:
式中:μj为j个指标变量IMF均值;sj为第j个指标变量IMF标准差。
同时,将指标变量进行标准化处理,即
优选的,所述的计算相关系数矩阵R,具体计算公式如下:
R=(rij)m×m
优选的,所述的计算特征值和特征向量,具体计算公式如下:
计算相关系数矩阵R的特征值λj,得到对应的特征向量uj=[u1j,u2j,…,umj]T,j=1,2,…,m。
优选的,所述的计算特征值的累计贡献率,具体计算公式如下:
式中:bj为第j个特征值的信息贡献率,αp为前p个特征值的累计贡献率。优选的,所述的构建由特征向量组成的主成分分量,具体计算公式如下:
由特征向量组成的m个新主成分分量yj为
优选的,所述的选择累计贡献率达到95%以上的主成分分量组合,由于各主成分分量之间完全正交,故可分别以各个主成分的贡献率为权重,构建主成分综合评价的信号模型,重构生成新的正交原始信号。
优选的,所示的对新的正交原始信号进行EMD分解,得到完全正交的IMF分量,消除了各分量之间的模态混叠效应,进而将具有不同特征的振动信号和噪音分离到不同的IMF分量中。
优选的,所述的对所得的正交IMF分量进行滤波处理,再进行信号重构。
有益效果为:由于PEMD是从信号本身的特性出发,将信号完全正交分解,具有不同特征的振动信号和噪音被分离到不同的IMF分量中,通过与经典EMD算法和EEMD改进算法对比,得到PEMD算法在仿真模拟实验信号和实测***振动信号的去除模态混叠效果及去噪效果上均优于EEMD和EMD,达到了最佳的效果。
附图说明
图1是本发明所涉及的***振动信号速度时程曲线图;
图2是本发明所涉及的***振动信号IMF分量图;
图3是本发明所涉及的***振动信号特征向量表;
图4是本发明所涉及的***振动信号主成分分量的累计贡献率图;
图5是本发明所涉及的***振动信号重构对比图;
图6是本发明所涉及的***振动信号模态混叠消除对比图;
图7是本发明所涉及的***振动信号去噪效果对比图;
图8是本发明所涉及的***振动信号去噪能量对比图。
具体实施方式
针对江西省铅山县永平露天铜矿***测振描述了本发明的原理以及具体实施方式,试验地点选在江西省铅山县永平露天铜矿,测点布置在东部边坡台阶上,***振动测试采用加拿大Instantel公司生产的Blastmate III型测振仪,本次测试信号的采样率为2048Hz,故其奈奎斯特(Nyquist)频率为1024Hz,对所测得的一组原始数据取前4000个采样点,如图1所示。采用本发明的振动信号去噪的模态混叠消除方法进行去噪处理,具体步骤如下:
⑴将***振动信号S(t)通过EMD分解成11个固有模态函数(IMF)指标分量C1~C11,如图2所示;
式中:μj为第j个IMF的均值;sj为第j个IMF的标准差;
同时,将指标变量IMF进行标准化处理,即
⑶计算相关系数矩阵R。
R=(rij)11×11
式中R为相关系数矩阵;
⑷计算特征值与特征向量
⑸计算前p个特征值的累计贡献率。
式中:bj为第j个特征值的信息贡献率,αp为前p个特征值的累计贡献率;计算可得,前10个特征值的累计贡献率达到了96%,故取p=10,如图4;
⑹构建主成分分量由前10个特征值所对应的特征向量uj组成的10个新主成分分量yj为
⑺重构***振动信号
选择前10个主成分分量进行信号重构,生成新的正交原始信号,拟合的剩余标准差RMSE为0.0033,如图5;
⑻去除模态混叠
对新的正交原始信号进行EMD分解,得到完全正交的IMF分量,消除了各分量之间的模态混叠效应,进而将具有不同特征的振动信号和噪音分离到不同的IMF分量中。通过与原始数据EMD分解和EEMD分解的对比,取前六个模态混叠现象较为明显的IMF分量C1~C6进行分析,得到去除模态混叠的效果如图7所示。
由图6可知,三者的C1均为噪音,频率范围均分布在0~1000Hz,EMD分解的C2与C3的频带分别在0~80Hz和0~150Hz之内,不符合依次递减的规律,C4与C5的频带均在0~100Hz,且C5具有多种主频。C6在0~30Hz的范围具有多种主频,不具备唯一性,故直接使用EMD分解出的IMF分量均发生了混叠效应。EEMD分解的分量频谱以此处于0~1000、0~600、0~200、0~150、0~50、0~30Hz的范围,除了C5与C6,其余分量基本上符合依次递减的规律,在一定程度上减轻了混叠现象;但是从主频上来看,C2、C3以及C6的主频不唯一。而PEMD分解的IMF分量,其频率分布范围依次在0~1000、0~120、0~100、0~80、0~50、0~30Hz,符合分解之后频率依次递减的规律,且各分量主频也均符合唯一性,故对比之下,改进算法PEMD的去混叠效果最佳。且PEMD分解结果稳定不变,具有唯一性;
⑼滤波去噪
根据现场测振的实际情况,滤除噪音所在的IMF分量,再进行信号重构,以达到滤波去噪效果,如图7所示。
从图7左侧时域信号可以看出,EMD和EEMD滤波去噪方法可以滤掉部分噪声,但是相比PEMD,去噪之后的信号中仍有很的噪声成分。而采用PEMD滤波去噪方法得到的信号更为光滑,去掉的噪声信号相对更多,因此去噪效果最好。从图7右侧频谱分析,***振动信号主频带分布在0~130Hz,根据张声辉等于2019年在振动与冲击期刊上发表的《露天边坡***地震波能量分布特征研究》可知,永平铜矿***振动信号的主频带分布在0~64Hz,故该***振动信号受到了高频噪音的污染,通过EMD和EEMD滤波去噪后的信号主频均分布在0~95Hz,压制了部分高频噪音;而PEMD滤波去噪信号主频分布在0~64Hz的范围内,很好的滤掉了绝大部分高频噪音。故无论从时域还是频域分析,PEMD滤波效果均优于EEMD和EMD;
从能量的角度对三者的滤波去噪效果进行分析,如图8所示。
由图8中的柱状能量图可知,原始信号S(t)从低频到高频能量呈现先减后增的趋势,是由于原始信号含有低频的振动信号和较多的高频噪音,而经过EMD、EEMD和PEMD滤波后的信号,能量从低频到高频呈现依次减少的趋势,是因为这三种方法均滤掉了部分高频噪音能量,留下了中低频的信号能量。
由图8中的振动信号-噪音折线能量占比图可知,EMD、EEMD和PEMD的振动信号能量百分比均逐渐提高,噪音能量所占比例逐渐下降,故经过滤波后三者均达到了去噪效果,且PEMD的振动信号能量所占比例达到了98.2%以上,噪音只占1.8%左右,很好地去除了绝大部分噪音能量。故从能量角度分析,PEMD去噪效果最优。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种振动信号去噪的模态混叠消除方法,其特征在于:它包括以下步骤:
⑴提取原始数据;所述的提取原始数据,具体是将原始信号x(t)通过EMD分解成m个IMF指标,每个分量都取n个采样点;
⑵对原始数据进行标准化处理;所述的原始数据标准化处理,具体计算公式如下:
式中:μj为j个指标变量IMF均值,sj为第j个指标变量IMF标准差;
同时,将指标变量进行标准化处理,即
⑶计算相关系数矩阵;所述的计算相关系数矩阵R,具体计算公式如下:
R=(rij)m×m;
⑷计算相关系数的特征值和特征向量;所述的计算特征值和特征向量,具体计算公式如下:
计算相关系数矩阵R的特征值λj,得到对应的特征向量uj=[u1j,u2j,…,umj]T,j=1,2,…,m;
⑸计算特征值的累计贡献率;所述的计算特征值的累计贡献率,具体计算公式如下:
式中:bj为第j个特征值的信息贡献率,αp为前p个特征值的累计贡献率;
⑹构建由特征向量组成的正交主成分分量;所述的构建由特征向量组成的主成分分量,具体计算公式如下:
由特征向量组成的m个新主成分分量yj为
⑺选择累计贡献率达到95%以上的特征值组合,得到相对应的主成分分量组合,再分别以各个主成分的贡献率为权重,构建主成分综合评价的信号模型,生成新的正交原始信号;
⑻对新的正交原始信号进行EMD分解,得到完全正交的IMF分量,消除各分量之间的模态混叠效应,进而将具有不同特征的振动信号和噪音分离到不同的IMF分量中;
⑼根据现场测振的实际情况,滤除噪音所在的IMF分量,再进行信号重构,以达到滤波去噪效果。
2.根据权利要求1所述的振动信号去噪的模态混叠消除方法,其特征在于:所述的选择累计贡献率达到95%以上的主成分分量组合,由于各主成分分量之间完全正交,故可分别以各个主成分的贡献率为权重,构建主成分综合评价的信号模型,重构生成新的正交原始信号。
3.根据权利要求1所述的振动信号去噪的模态混叠消除方法,其特征在于:所示的对新的正交原始信号进行EMD分解,得到完全正交的IMF分量,消除了各分量之间的模态混叠效应,进而将具有不同特征的振动信号和噪音分离到不同的IMF分量中。
4.根据权利要求1所述的振动信号去噪的模态混叠消除方法,其特征在于:对所得的正交IMF分量进行滤波处理,再进行信号重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910971015.5A CN110688981B (zh) | 2019-10-14 | 2019-10-14 | 一种振动信号去噪的模态混叠消除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910971015.5A CN110688981B (zh) | 2019-10-14 | 2019-10-14 | 一种振动信号去噪的模态混叠消除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110688981A CN110688981A (zh) | 2020-01-14 |
CN110688981B true CN110688981B (zh) | 2023-06-09 |
Family
ID=69112482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910971015.5A Active CN110688981B (zh) | 2019-10-14 | 2019-10-14 | 一种振动信号去噪的模态混叠消除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110688981B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117290708B (zh) * | 2023-11-24 | 2024-02-09 | 成都理工大学 | 便于计算暂态冲击量的高低频混叠信号分离方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930149A (zh) * | 2012-10-24 | 2013-02-13 | 武汉理工大学 | 基于pca和emd的传感器网络感知信息去噪处理方法 |
CN102997769A (zh) * | 2012-10-31 | 2013-03-27 | 江西理工大学 | 一种检测与识别硐室***盲炮的方法 |
CN105698922A (zh) * | 2016-02-04 | 2016-06-22 | 国网福建省电力有限公司 | 基于改进emd和谱峭度法变压器振动故障特征提取方法 |
CN106997458A (zh) * | 2017-03-17 | 2017-08-01 | 中国人民解放军陆军航空兵研究所 | 一种基于eemd‑cwd的设备振动信号特征提取方法 |
CN107422381A (zh) * | 2017-09-18 | 2017-12-01 | 西南石油大学 | 一种基于eemd‑ica的地震低频信息流体预测方法 |
CN108801251A (zh) * | 2018-06-12 | 2018-11-13 | 中国科学院光电技术研究所 | 一种惯性传感器混叠干扰信号分离方法 |
CN110208211A (zh) * | 2019-07-03 | 2019-09-06 | 南京林业大学 | 一种用于农药残留检测的近红外光谱降噪方法 |
-
2019
- 2019-10-14 CN CN201910971015.5A patent/CN110688981B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930149A (zh) * | 2012-10-24 | 2013-02-13 | 武汉理工大学 | 基于pca和emd的传感器网络感知信息去噪处理方法 |
CN102997769A (zh) * | 2012-10-31 | 2013-03-27 | 江西理工大学 | 一种检测与识别硐室***盲炮的方法 |
CN105698922A (zh) * | 2016-02-04 | 2016-06-22 | 国网福建省电力有限公司 | 基于改进emd和谱峭度法变压器振动故障特征提取方法 |
CN106997458A (zh) * | 2017-03-17 | 2017-08-01 | 中国人民解放军陆军航空兵研究所 | 一种基于eemd‑cwd的设备振动信号特征提取方法 |
CN107422381A (zh) * | 2017-09-18 | 2017-12-01 | 西南石油大学 | 一种基于eemd‑ica的地震低频信息流体预测方法 |
CN108801251A (zh) * | 2018-06-12 | 2018-11-13 | 中国科学院光电技术研究所 | 一种惯性传感器混叠干扰信号分离方法 |
CN110208211A (zh) * | 2019-07-03 | 2019-09-06 | 南京林业大学 | 一种用于农药残留检测的近红外光谱降噪方法 |
Non-Patent Citations (4)
Title |
---|
Diagnostics of gear deterioration using EEMD approach and PCA process;C.Y. Yang等;《Measurement》;20141030;第75-87页 * |
基于图像分析的煤岩冲击破坏特征研究;艾迪昊;《中国博士学位论文全文数据库 工程科技Ⅰ辑》;20190115;第B021-26页 * |
基于多尺度经验模态分解的图像融合算法研究;郑有志;《中国博士学位论文全文数据库 信息科技辑》;20110415;第I138-55页 * |
基于维纳滤波和主成分分析的脉冲涡流检测信号降噪方法;徐志远 等;《传感技术学报》;20190331;第32卷(第3期);第411-417页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110688981A (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388908B (zh) | 基于k-svd和滑窗降噪的滚动轴承冲击故障诊断方法 | |
CN108875170B (zh) | 一种基于改进变分模态分解的噪声源识别方法 | |
CN105258789B (zh) | 一种振动信号特征频率带的提取方法及装置 | |
CN113420691A (zh) | 一种基于皮尔逊相关系数的混合域特征轴承故障诊断方法 | |
CN110458976B (zh) | 一种基于小波和主分量分析的螺旋桨空化状态检测方法 | |
CN102323518A (zh) | 一种基于谱峭度的局部放电信号识别方法 | |
CN111414893B (zh) | 基于vmd精细复合多尺度散布熵的转子故障特征提取方法 | |
CN113537102B (zh) | 一种微震信号的特征提取方法 | |
CN115730199B (zh) | 一种滚动轴承振动信号降噪和故障特征提取方法和*** | |
CN102624349B (zh) | 一种对原始数据低失真的谐波噪声干扰和白噪声干扰的去除方法 | |
Jiang et al. | A novel method for self-adaptive feature extraction using scaling crossover characteristics of signals and combining with LS-SVM for multi-fault diagnosis of gearbox | |
CN114492538A (zh) | 一种城市中压配电电缆局部放电信号去噪方法 | |
CN110688981B (zh) | 一种振动信号去噪的模态混叠消除方法 | |
CN109630908B (zh) | 一种多次降噪的管道泄漏定位方法 | |
CN110147637B (zh) | 基于小波及谐波成分贪婪稀疏识别的碰摩故障诊断方法 | |
CN107941511A (zh) | 一种基于信号时频分解的频率—峭度图的实现方法 | |
CN115655719A (zh) | 一种轴承振动信号分阶段降噪方法及轴承故障识别方法 | |
CN116720059A (zh) | CEEMDAN-Grey-SSA弱信号提取方法 | |
Chen et al. | Gear fault diagnosis model combined with MED-LMD-Hypersphere multiclass SVM | |
Pang et al. | The evolved kurtogram: a novel repetitive transients extraction method for bearing fault diagnosis | |
CN115563480A (zh) | 基于峭度比系数筛选辛几何模态分解的齿轮故障辨识方法 | |
CN113657268B (zh) | 一种应用于风电机组齿轮箱故障诊断的信号自动分解方法 | |
CN113567129A (zh) | 一种列车轴承振动信号基于ceemd的降噪方法 | |
Yin et al. | Research on ECG signal denoising by combination of EEMD and NLM | |
Lu et al. | Bearing fault diagnosis using convolutional sparse representation combined with nonlocal similarity |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |