一种基于改进CEEMD滚动轴承信号的多层降噪方法技术

本发明专利技术公开了一种基于改进CEEMD滚动轴承信号的多层降噪方法，其综合考虑了在进行滚动轴承故障诊断时由于内含的高频成分和噪声信号对诊断预测函数的训练干扰和误差的影响。采用了端点截断，解决端点曲率过大失真问题，SVD奇异值差分谱提取高频和噪声信号并确定加入的对称正负符号相反的一组高斯白噪声信号的标准差，确定CEEMD中分解的迭代聚合次数，最后评价每一个IMF分量与原始信号的线性相关度，去除低相关量和不相关量。本发明专利技术可适用于滚动轴承故障诊断的信号降噪优化预处理，改进了单次滤波的降噪种类局限性，同时降低了对计算机硬件的需求。

A multi-layer noise reduction method based on the improved ceemd rolling bearing signal

【技术实现步骤摘要】
一种基于改进CEEMD滚动轴承信号的多层降噪方法
本专利技术涉及一种多层降噪方法，尤其涉及一种基于改进CEEMD滚动轴承信号的多层降噪方法。
技术介绍
当机械设备发生故障时，在敏感点的振动参数的峰值和有效值往往会产生明显的变化，或者出现新的振动分量。对机器进行故障诊断时，振动信号的幅域、频域和时域等数据可反映机器的故障信息。利用振动信号检测系统可及时发现和识别这些异常的振动现象，通过神经网络算法的预测来诊断机械设备的故障与否及程度，从而控制和减少振动，避免发生重大的安全生产事故。滚动轴承振动信号包含了大量的运行状态信息，表现为非平稳性和多分量性的调制信号，故障信号中大量的突变以及短期的冲击成分也包含在内，特别是故障早期，由于调制源弱，早期故障信号微弱，并且受周围设备的噪声干扰，导致故障特征难以识别。因此，对滚动轴承故障振动信号的降噪提取特征信号，对轴承设备的正常运行具有重要意义。奇异值分解(Singularvaluedecomposition，SVD)以重构矩阵为基础，作为一种非线性滤波方法，可以有效地消除信号中的随机噪声成分，提取信号中的周期成分，得到相对纯净的故障信号。但是，长数据大矩阵的SVD分解对计算机求解性能要求较高，且易发生内存不足问题。CEEMD通过添加白噪声使得原始信号的极值点分布更加均匀，且覆盖了原始信号中的高频间歇或者噪声等异常信号，再用EMD分解，可以减弱模态的混淆。但基础的CEEMD需要人为经验对参数进行设置，不存在普遍适用性，对每个不同的信号需要根据经验设置参数，且参数精度不高。
技术实现思路
本专利技术目的是解决现有技术中的不足，提供一种可靠有效的基于改进CEEMD滚动轴承信号的多层降噪方法，增强了CEEMD对不同信号的自适应改进能力，提高对滚动轴承的原始振动信号的综合降噪能力。本专利技术的具体方案为：一种基于改进CEEMD滚动轴承信号的多层降噪方法，主要步骤如下：步骤一、对原始的滚动轴承信号进行时间定义处理，截取所需要分析的滚动轴承信号长度，定义每个信号采样点的对应时间点，与实际采样时间、采样时长和采样频率所对应匹配。根据滚动轴承振动信号采样的数据链长度，将数据链自适应分解成2048*1的多个列向量,分解总个数为：式中fix()为对括号内向零取整，迭代计数器为：m＝1,2,…,M；定义每个数据点的时间量为式中i∈[1,2048]。步骤二：根据原始滚动轴承信号定义处理，对滚动轴承振动信号的长数据链进行拆组迭代操作，将原本的数据链拆解为多个短数据链并进行SVD分解降噪。将每个2048*1的列向量拆分为两个向量C和R，其中C向量中取z(1：1024)，R向量取z(1024：2048)，并构建第一列为C向量，第一行取z(1：1024)，第二行取z(2：1025)，……，第1024行为R向量的Hankel矩阵；对构造出的Hankel矩阵进行SVD分解，得出含有原滚动轴承振动信号的特征矩阵，U、S、V特征矩阵；调用计算出的S特征矩阵中的主对角线元素，并依次对相临元素做差，得出S特征值矩阵的特征差值奇异值谱；根据特征差值奇异值谱内的最大特征差值B(max)，将0.5％作为最小有效相关性特征差值，将特征差值大于该阈值的特征差值放入S1矩阵中，用零矩阵补齐到原S特征值矩阵的维数，将特征差值小于该阈值的特征差值放入S2矩阵中，同样用零矩阵补齐到原S特征值矩阵的维数；分别利用H1＝U*S1*V、H2＝U*S2*V，重构一次降噪后的滚动轴承信号数据矩阵、高频和噪声信号分量的滚动轴承信号数据矩阵，并取H1、H2的第一列和最后一行，完成多段数据的SVD降噪过程，恢复成一维时序长链数据形式。步骤三：根据长数据链的SVD分解一次降噪，利用提取出的噪声和高频成分自适应确定加入的高斯白噪声标准差Nstd和CEEMD的迭代聚合次数NE，对降噪后的信号z1进行分解和多次EMD上下包络，得出多个IMF分量组并平均。根据高频和噪声分量z2的总体标准差参数量为：式中，μ为z2的总体平均值，根据高频和噪声分量z2，总体峭度参数量为：根据实际不同的振动信号数据的标准差和峭度而自适应确定加入高斯白噪声的标准差为：Nstd＝ω·std(z2)+ν·ku(z2)，式中权值ω取0.2，权值ν取0.05；根据高频和噪声分量的总体标准差参数量，自适应确定每次CEEMD的迭代聚合次数：NE＝fix(10*ln(Nstd+1.5))2，式中fix()表示对括号内的数值向零取整，且根据经验设置阈值限制NE∈[20,100]；根据一般经验初步设定IMF分量的自适应个数为：TNM0＝fix(log2(length(z1))-1)，式中length(z1)为计算滚动轴承降噪信号z1的实际信号长度；将滚动轴承降噪信号z1加入一组仅正负号不同，标准差为Nstd的高斯白噪声信号，并对其进行EMD分解，得出上下包络线和验证出TNM个IMF分量，并迭代NE次求解出平均值作为IMF(1)至IMF(TNM)分量；截取左右两端各10个点作端点截断，即将每个IMF分量的前10个采样点数据和最后10个采样点数据删除并取得截断后IMF各个分量，减少在边界时发生的过包络失真现象。步骤四：根据自适应改进CEEMD分解，判别筛选IMF线性相关性，对线性相关度小于一定阈值的IMF分量和剩余残差给与舍弃，二次降噪滚动轴承的振动信号，对二次降噪后的IMF分量组求和重构滚动轴承信号多层降噪后的特征数据链。根据一次降噪后的IMF分量组，依次验证，顺序去除IMF(i)分量后的滚动轴承余量信号z3与原始信号z1的相关系数把ρz1,z3＝0.1作为筛选线性相关信号的阈值，式中，Cov(z1，z3)表示z1与z3的协方差，std(z1)，std(z3)表示z1，z3的方差；根据相关系数阈值ρz1,z3，当z1与z3的相关系数小于阈值时，剔除剩余次序的IMF分量和所剩余残差，对线性相关IMF分量进行求和，重构得到二次降噪的滚动轴承信号。本专利技术的有益效果：本专利技术针对滚动轴承的原始振动信号数据所包含的大量高频信号和背景噪声信号进行降噪滤波处理，不同于单次降噪滤波方法，采用多层滤波的方式，分阶段把不同种类的无关信号、残差和噪声滤除。改进了单次滤波的降噪种类局限性，同时对现有的SVD奇异值分解和CEEMD算法做出改进，降低了对计算机硬件的需求，增强了CEEMD对不同信号的自适应改进能力，提高对滚动轴承的原始振动信号的综合降噪能力。附图说明图1为一种基于改进CEEMD滚动轴承信号的多层降噪方法的整体步骤流程图；图2为图1中所示原始滚动轴承信号定义处理步骤的具体流程图；图3为图1中所示长数据链SVD奇异值分解一次降噪步骤的具体流程图；图4为图1中所示自适应改进CEEMD分解步骤的具体流程图；图5为图1中所示IMF分量线性无关成分二次降噪步骤的具体流程图；具体实施方式下面结合上本文档来自技高网...

【技术保护点】
1.一种基于改进CEEMD滚动轴承信号的多层降噪方法，其特征在于，具体包括如下步骤：/n步骤一、对原始的滚动轴承信号进行时间定义处理，截取所需要分析的滚动轴承信号长度，定义每个信号采样点的对应时间点，与实际采样时间、采样时长和采样频率所对应匹配；/n步骤二、根据原始滚动轴承信号定义处理，对滚动轴承振动信号的长数据链进行拆组迭代操作，将原本的数据链拆解为多个短数据链并进行SVD分解降噪；/n步骤三、根据长数据链的SVD分解一次降噪，利用提取出的噪声和高频成分自适应确定加入的高斯白噪声标准差Nstd和CEEMD的迭代聚合次数NE，对降噪后的信号z1进行分解和多次EMD上下包络，得出多个IMF分量组并平均；/n步骤四、根据自适应改进CEEMD分解，判别筛选IMF线性相关性，对线性相关度小于阈值的IMF分量和剩余残差给与舍弃，二次降噪滚动轴承的振动信号，对二次降噪后的IMF分量组求和重构滚动轴承信号多层降噪后的特征数据链。/n

【技术特征摘要】
1.一种基于改进CEEMD滚动轴承信号的多层降噪方法，其特征在于，具体包括如下步骤：
步骤一、对原始的滚动轴承信号进行时间定义处理，截取所需要分析的滚动轴承信号长度，定义每个信号采样点的对应时间点，与实际采样时间、采样时长和采样频率所对应匹配；
步骤二、根据原始滚动轴承信号定义处理，对滚动轴承振动信号的长数据链进行拆组迭代操作，将原本的数据链拆解为多个短数据链并进行SVD分解降噪；
步骤三、根据长数据链的SVD分解一次降噪，利用提取出的噪声和高频成分自适应确定加入的高斯白噪声标准差Nstd和CEEMD的迭代聚合次数NE，对降噪后的信号z1进行分解和多次EMD上下包络，得出多个IMF分量组并平均；
步骤四、根据自适应改进CEEMD分解，判别筛选IMF线性相关性，对线性相关度小于阈值的IMF分量和剩余残差给与舍弃，二次降噪滚动轴承的振动信号，对二次降噪后的IMF分量组求和重构滚动轴承信号多层降噪后的特征数据链。


2.根据权利要求1所述的一种基于改进CEEMD滚动轴承信号的多层降噪方法，其特征在于，步骤1的具体实施过程为：
(1)根据滚动轴承振动信号采样的数据链长度，将数据链自适应分解成2048*1的多个列向量，分解总个数为：式中fix()为对括号内向零取整，迭代计数器为：m＝1,2,…,M；
(2)定义每个数据点的时间量为式中i∈[1,2048]。


3.根据权利要求2所述的一种基于改进CEEMD滚动轴承信号的多层降噪方法，其特征在于，步骤2的具体实施过程为：
(1)将每个2048*1的列向量拆分为两个向量C和R，其中C向量中取z(1:1024)，R向量取z(1024：2048)，并构建第一列为C向量，第一行取z(1:1024)，第二行取z(2:1025)，……，第1024行为R向量的Hankel矩阵；
(2)对构造出的Hankel矩阵进行SVD分解，得出含有原滚动轴承振动信号的特征矩阵，U、S、V特征矩阵；
(3)调用计算出的S特征矩阵中的主对角线元素，并依次对相临元素做差，得出S特征值矩阵的特征差值奇异值谱；
(4)根据特征差值奇异值谱内的最大特征差值B(max)，将0.5％作为最小有效相关性特征差值，将特征差值大于该阈值的特征差值放入S1矩阵中，用零矩阵补齐到原S特征值矩阵的维数，将特征差值小于该阈值的特征差值放入S2矩阵中，同样用零矩阵补齐到原S...

【专利技术属性】
技术研发人员：陈雪俊，贝绍轶，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：江苏;32