一种基于EEMD和小波阈值的真空泵振动信号降噪方法技术

本发明专利技术公开了一种基于EEMD和小波阈值的真空泵振动信号降噪方法：首先对原始信号进行EEMD分解，得到若干个IMF分量和一个余项；其次对所有IMF分量进行归一化自相关函数的计算，根据自相关函数零点衰减的特性将IMF分量分为信号主导的IMF分量与噪声主导的IMF分量；然后对噪声主导的IMF分量进行小波软阈值降噪处理；最后将经过小波软阈值处理后的噪声主导的IMF分量和信号主导的IMF分量与余项进行信号的重构，从而得到经过降噪后的真空泵振动信号。本发明专利技术采用EEMD分解，能够克服由EMD分解带来的模式混叠与端点效应等问题，有效的去除真空泵振动信号中的噪声信号，较好的保留更多有用信号，提高信号的信噪比。

A Noise Reduction Method of Vacuum Pump Vibration Signal Based on EEMD and Wavelet Threshold

【技术实现步骤摘要】
一种基于EEMD和小波阈值的真空泵振动信号降噪方法
本专利技术涉及振动信号噪声处理技术，特别涉及一种基于EEMD和小波阈值的真空泵振动信号降噪方法。
技术介绍
近年来，我国在航天
得到了快速的发展，相继发射了多批卫星与空间探测设备。为保证航天器设备在复杂太空环境下的平稳运行，需要进行空间环境的地面模拟试验，其中超低温和高真空是重点要求的仿真测试环境。真空泵作为地面空间环境模拟的重要设备，其故障发生频率较高，会导致真空泵性能的下降、低温噪声异常等。因此，需要对真空泵结构进行在线故障诊断，及时发现设备的性能变化，以保证真空泵的正常运行与实验安全。振动信号作为此类机械设备的状态信号载体，对其进行实时采集监测，并采取一定的信号处理方法对其进行分析处理一直是相关领域的研究重点。在实际工作环境下，由于受到现场环境噪声的影响，振动信号中的故障特征信息往往会淹没在噪声信号中，影响对故障特征量的提取。因此，如何有效的对真空泵的振动信号进行降噪处理是实现真空泵在线故障诊断的关键问题之一。针对真空泵等类别的机械设备振动信号的降噪方法较多，早期主要采用的是以小波分解为主的降噪方法，如利用改进的阈值函数对信号进行小波降噪处理，都取得了一定的效果，但其降噪效果往往依赖于小波基和阈值的选择。随后提出的经验模态分解(EMD)适用于非线性、非平稳的信号处理方法，该方法将信号分解成若干个从高频到低频依次排列的固有模式函数(IMF)和一个余项(res)，具有一定的实际物理意义和频率分层性能，是一种完全自适应的分解方法。但如果信号中存在异常突变，则会产生模态混叠与端点效应从而影响降噪效果。而后提出的一种集合经验模态分解(EEMD)方法，利用白噪声的零均值特性，将不同的白噪声多次添加到原始信号中，得到一系列IMF和余项，能够有效的抑制EMD中存在模式混叠与端点效应等带来的影响。
技术实现思路
本专利技术的目的是克服现有技术中的不足，提供一种基于EEMD和小波阈值的真空泵振动信号降噪方法，能够有效去除真空泵振动信号中的噪声信号，较好的保留更多有用信号，提高信号的信噪比，减小信号的均方根误差。本专利技术所采用的技术方案是：一种基于EEMD和小波阈值的真空泵振动信号降噪方法，包括以下步骤：步骤1，对真空泵原始振动信号进行EEMD分解，得到若干个IMF分量和余项；步骤2，对步骤1得到的所有IMF分量进行自相关函数计算，根据IMF分量的归一化自相关函数零点衰减的特性，将IMF分量分为信号主导的IMF分量与噪声主导的IMF分量；步骤3，对步骤2得到的噪声主导的IMF分量进行小波软阈值降噪处理；步骤4，将步骤3中经过小波软阈值降噪处理后的噪声主导的IMF分量、步骤2得到的信号主导的IMF分量和步骤1得到的余项进行重构，得到降噪后的真空泵振动信号。进一步的，步骤一中，所述的对真空泵原始振动信号进行EEMD分解的过程如下：步骤1-1，对真空泵原始振动信号加入M次均值为零，标准差k为常数的高斯白噪声，生成新的信号；步骤1-2，对步骤1-1中生成的新信号进行多次EMD分解，得到若干个IMF分量以及余项；步骤1-3，将步骤1-2得到的所有的IMF分量进行总体平均计算，即得到由EEMD分解产生的IMF分量与余项。其中，步骤1-1中，分解次数M的取值范围在100-300次，辅助高斯白噪声标准差k在0.01-0.5倍原始振动信号标准差取值。其中，步骤2中，所述的将IMF分量分为信号主导的IMF分量与噪声主导的IMF分量的过程如下：步骤2-1，自相关函数定义为：Rx(t,t+τ)＝E[x(t)x(t+τ)](3)其中，τ为时间间隔，x(t)和x(t+τ)分别为信号在t时刻和t+τ时刻的取值，E[x(t)x(t+τ)]表示数学期望；步骤2-2，归一化自相关函数表示为：其中，Rx(0)表示信号与该信号本身在同一时刻下的自相关函数值；步骤2-3，根据一般信号与随机噪声信号的归一化自相关函数在零点附近衰减的缓慢程度这一特性，对IMF分量进行分类筛选。其中，步骤2-3中，在IMF分量的归一化自相关函数中，在零点取得最大值后缓慢震荡的信号为一般信号，将一般信号筛选为信号主导的IMF分量；在零点处有最大取值、并且在零点处两旁迅速衰减接近于零的信号为随机噪声信号，将随机噪声信号筛选为噪声主导的IMF分量。进一步的，步骤3中，所述的对噪声主导的IMF分量进行小波软阈值降噪处理中，采用固定阈值规则对阈值进行选取，采用软阈值函数对小波系数进行收缩或置零处理。进一步的，步骤3中，所述的小波软阈值降噪处理中所涉及到的小波基函数选取sym8小波系，分解层数设定为4层。本专利技术的有益效果是：(1)本专利技术对信号进行EEMD分解能够克服由EMD分解带来的模式混叠与端点效应等问题，并且与小波阈值相结合，去噪效果明显优于传统小波阈值降噪、EEMD强制降噪和EMD小波阈值降噪。(2)本专利技术利用一般信号与随机噪声的归一化自相关函数在零点衰减特性对IMF分量进行分类，进而对信号主导的IMF分量进行保留，而对噪声主导的IMF分量进行处理。(3)本专利技术能够有效去除真空泵振动信号中的噪声信号，较好的保留更多有用信号，提高信号的信噪比，减小信号的均方根误差。附图说明图1是本专利技术一种基于EEMD和小波阈值的真空泵振动信号降噪方法的算法流程图；图2a是一般信号；图2b是一般信号的归一化自相关函数；图2c是随机噪声信号；图2d是随机噪声信号的归一化自相关函数；图3a是原始Blocks信号；图3b是加噪Blocks信号；图4a是加噪Blocks信号经EEMD分解后得到的一阶IMF分量(IMF1)；图4b是加噪Blocks信号经EEMD分解后得到的二阶IMF分量(IMF2)；图4c是加噪Blocks信号经EEMD分解后得到的三阶IMF分量(IMF3)；图4d是加噪Blocks信号经EEMD分解后得到的四阶IMF分量(IMF4)；图4e是加噪Blocks信号经EEMD分解后得到的五阶IMF分量(IMF5)；图4f是加噪Blocks信号经EEMD分解后得到的六阶IMF分量(IMF6)；图4g是加噪Blocks信号经EEMD分解后得到的七阶IMF分量(IMF7)；图4h是加噪Blocks信号经EEMD分解后得到的八阶IMF分量(IMF8)；图4i是加噪Blocks信号经EEMD分解后得到的九阶IMF分量(IMF9)；图4j是加噪Blocks信号经EEMD分解后得到的余项(res)；图5a是图4a中一阶IMF分量(IMF1)的自相关函数；图5b是图4b中二阶IMF分量(IMF2)的自相关函数；图5c是图4c中三阶IMF分量(IMF3)的自相关函数；图5d是图4d中四阶IMF分量(IMF4)的自相关函数；图5e是图4e中五阶IMF分量(IMF5)的自相关函数；图5f是图4f中六阶IMF分量(IMF6)的自相关函数；图5g是图4g中七阶IMF分量(IMF7)的自相关函数；图5h是图4h中八阶IMF分量(IMF8)的自相关函数；图5i是图4i中九阶IMF分量(IMF9)的自相关函数；图5j是图4j中余项(res)的自相关函数；图6a是采用传统小波阈值降噪方法对加噪Blocks信号进行降噪处理结果；图6b是采用EEMD强制降噪方法对加噪Blocks本文档来自技高网...

【技术保护点】
1.一种基于EEMD和小波阈值的真空泵振动信号降噪方法，其特征在于，包括以下步骤：步骤1，对真空泵原始振动信号进行EEMD分解，得到若干个IMF分量和余项；步骤2，对步骤1得到的所有IMF分量进行自相关函数计算，根据IMF分量的归一化自相关函数零点衰减的特性，将IMF分量分为信号主导的IMF分量与噪声主导的IMF分量；步骤3，对步骤2得到的噪声主导的IMF分量进行小波软阈值降噪处理；步骤4，将步骤3中经过小波软阈值降噪处理后的噪声主导的IMF分量、步骤2得到的信号主导的IMF分量和步骤1得到的余项进行重构，得到降噪后的真空泵振动信号。

【技术特征摘要】
1.一种基于EEMD和小波阈值的真空泵振动信号降噪方法，其特征在于，包括以下步骤：步骤1，对真空泵原始振动信号进行EEMD分解，得到若干个IMF分量和余项；步骤2，对步骤1得到的所有IMF分量进行自相关函数计算，根据IMF分量的归一化自相关函数零点衰减的特性，将IMF分量分为信号主导的IMF分量与噪声主导的IMF分量；步骤3，对步骤2得到的噪声主导的IMF分量进行小波软阈值降噪处理；步骤4，将步骤3中经过小波软阈值降噪处理后的噪声主导的IMF分量、步骤2得到的信号主导的IMF分量和步骤1得到的余项进行重构，得到降噪后的真空泵振动信号。2.根据权利要求1所述的一种基于EEMD和小波阈值的真空泵振动信号降噪方法，其特征在于，步骤一中，所述的对真空泵原始振动信号进行EEMD分解的过程如下：步骤1-1，对真空泵原始振动信号加入M次均值为零，标准差k为常数的高斯白噪声，生成新的信号；步骤1-2，对步骤1-1中生成的新信号进行多次EMD分解，得到若干个IMF分量以及余项；步骤1-3，将步骤1-2得到的所有的IMF分量进行总体平均计算，即得到由EEMD分解产生的IMF分量与余项。3.根据权利要求2所述的一种基于EEMD和小波阈值的真空泵振动信号降噪方法，其特征在于，步骤1-1中，分解次数M的取值范围在100-300次，辅助高斯白噪声标准差k在0.01-0.5倍原始振动信号标准差取值。4.根据权利要求1所述的一种基于EEMD和小波阈值的真空泵振动信号降噪方法...

【专利技术属性】
技术研发人员：李一博，刘嘉玮，樊帆，王莉娜，綦磊，芮小博，王晢，
申请(专利权)人：天津大学，北京卫星环境工程研究所，
类型：发明
国别省市：天津,12