基于EMD阈值方法的轴承故障振动信号去噪

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (10): 205-210.

基于EMD阈值方法的轴承故障振动信号去噪

包广清，常勇，杨国金

兰州理工大学电气工程与信息工程学院，兰州 730050

出版日期:2015-05-15 发布日期:2015-05-15

De-noising of rolling bearing fault vibration signal based on empirical mode decomposition threshold

BAO Guangqing, CHANG Yong, YANG Guojin

College of Electrical and Information Engineering, Lanzhou University of Technology, Lanzhou 730050, China

Online:2015-05-15 Published:2015-05-15

摘要/Abstract

摘要： 针对随机噪声信号影响对有用信息的获取，提出了EMD分解阈值去噪方法，将小波阈值去噪原理应用于经验模态分解（Empirical Mode Decomposition，EMD）中。首先对实际含噪信号进行EMD分解，根据分解后得到的内蕴模态函数（Intrinsic Mode Function，简称IMF分量），采用自适应阈值去噪，进行信号重构，得到消噪后的信号，获取有用信息。将该方法应用于实际工程故障振动信号中分析研究表明，该方法可以获得较高的信噪比，能够对实际信号进行有效的故障特征频率提取，降噪后比降噪前的诊断效果更明显。

关键词: 经验模态分解（EMD）, 信号降噪, 小波阈值, 固有模态函数（IMF）

Abstract: Caused by random noise signals in the analysis of actual signal interference, and influence to obtain useful information seriously, in this paper, the wavelet threshold denoising principle is applied to the Empirical Mode Decomposition（EMD）, the EMD threshold denoising method is proposed. Firstly to actual noise signal EMD, according to the decomposition after each Intrinsic Mode Function（IMF） adopts adaptive threshold denoising, then reconstructs signal and gets after de-noising of the signal, then carries on the analysis to obtain useful information. Finally the method and the traditional denoising method is applied to practical engineering fault vibration signal analysis in the comparative study shows that the method of denoising performance is superior, can be obtained the higher signal-to-noise power ratio and the actual signal extraction of fault feature frequency effectively, after de-noising diagnosis effect is obvious.

Key words: Empirical Mode Decomposition（EMD）, signal denoising, wavelet thresholding, Intrinsic Mode Function（IMF）

包广清，常勇，杨国金. 基于EMD阈值方法的轴承故障振动信号去噪[J]. 计算机工程与应用, 2015, 51(10): 205-210.

BAO Guangqing, CHANG Yong, YANG Guojin. De-noising of rolling bearing fault vibration signal based on empirical mode decomposition threshold[J]. Computer Engineering and Applications, 2015, 51(10): 205-210.

[1]	杨博楠1，张智军1，肖冰松1，江良英2. 基于EMD阈值算法的脉冲涡流信号消噪[J]. 计算机工程与应用, 2017, 53(2): 260-264.
[2]	宋丽君，蒋建虎. 小波阈值降噪中阈值函数族的一般构造方法[J]. 计算机工程与应用, 2017, 53(19): 236-240.
[3]	王霞1，王丹1，王光艳2，张艳1. 压缩感知与EMD相结合的带噪面罩语音增强[J]. 计算机工程与应用, 2017, 53(18): 137-140.
[4]	孟娟，洪利，程丽娜，吴燕雄. 自适应去噪的地震数据采集系统设计[J]. 计算机工程与应用, 2017, 53(16): 258-262.
[5]	谭洋波，程进军，刘帅. 基于EMD与邻域粗糙集的液体电磁阀故障诊断[J]. 计算机工程与应用, 2017, 53(12): 255-260.
[6]	杨正瓴1，2，张玺1，张军1，2，杨钊1，刘亚迪1. 采用反正切变换降低小波去噪对野值的敏感性[J]. 计算机工程与应用, 2017, 53(10): 241-245.
[7]	孔国杰，王凯，沈明堂，张芳，吴科. 一种结合小波阈值滤波的自适应整体变分方法[J]. 计算机工程与应用, 2016, 52(8): 240-242.
[8]	井波，金炜东，秦娜. 基于EMD的小波脊线法轨道检测[J]. 计算机工程与应用, 2016, 52(4): 266-270.
[9]	岳廷明，王金海，王慧泉. 融合加速度信息的动态心电EMD滤波算法[J]. 计算机工程与应用, 2015, 51(20): 192-197.
[10]	谷鹏1，2，朱俊华1，2，丁飞1，2. 一种含噪压缩感知的语音消噪方法[J]. 计算机工程与应用, 2015, 51(15): 216-220.
[11]	王斌，陈小强，吴琼. 基于改进阈值和小波包的轴承故障诊断方法[J]. 计算机工程与应用, 2015, 51(10): 247-251.
[12]	郭兴明，何彦青，卢德林，袁志会. 平移不变小波在心音信号去噪中的应用[J]. 计算机工程与应用, 2014, 50(24): 209-212.
[13]	常天庆，李勇，陈军伟，张洋. 基于最大能量匹配与样本熵的小波降噪方法[J]. 计算机工程与应用, 2014, 50(21): 210-213.
[14]	龚莹，龙伟，李蒙，张晓. HHT和神经网络结合的血细胞识别算法[J]. 计算机工程与应用, 2014, 50(10): 266-270.
[15]	翟学明，张盼，朱永利，赵丽娜. 基于分形理论的绝缘子泄漏电流数据压缩方法[J]. 计算机工程与应用, 2012, 48(35): 224-227.