一种基于VMD与RLS的采煤机振动信号降噪方法技术

本发明专利技术公开了一种基于VMD与RLS的采煤机振动信号降噪方法，该方法包括以下步骤：步骤一、采煤机摇臂振动信号的采集；步骤二、变分模态分解；步骤三、本征模态分量的频谱分析；步骤四、RLS自适应滤波降噪，得到降噪后的采煤机摇臂的振动信号。本发明专利技术方法步骤简单、设计合理且降噪效果好，通过频谱分析法选取VMD分解的本征模态分量，并将VMD降噪后的噪声信号作为RLS自适应滤波的输入信号，实现采煤机摇臂机械传动系统非平稳强噪声背景下的振动信号有效提取，为采煤机摇臂机械传动系统故障诊断奠定良好基础。

【技术实现步骤摘要】
一种基于VMD与RLS的采煤机振动信号降噪方法
本专利技术属于采煤机摇臂机械传动系统振动信号降噪
，尤其是涉及一种基于VMD与RLS的采煤机振动信号降噪方法。
技术介绍
采煤机是现代综采工作面的核心装备之一，其工作环境恶劣，在运行时极易受到来自硬煤、矸石等巨大冲击载荷影响，同时还持续遭受水汽、煤尘等的腐蚀，加之工人对设备管理、操作、维护的不恰当，致使采煤机机械传动系统故障频发。轻则影响煤矿企业生产效率，重则导致设备损坏、生产中断，造成重大的经济损失甚至人员身亡。根据神东矿区近年来进口采煤机摇臂机械传动系统故障率的统计，其故障率占采煤机故障率的34.2％，且有呈现逐年上升的趋势。由于采煤机机械传动系统具有工况复杂、传动链长和结构复杂等特点，其摇臂机械传动系统故障诊断仍是难题。小波降噪、小波包降噪、EMD降噪、EEMD降噪、变分模态分解VMD算法和粒子滤波算法是目前较好的振动信号降噪方法，在振动信号的降噪方面效果较好，EEMD降噪方法相对小波降噪具有更强适应性，但是以上方法的研究都具有一定的局限性。小波降噪和小波包降噪方法中存在小波阈值确定难题，并且对于同频带噪声无法滤除。EMD降噪存在模式混叠现象，会导致降噪效果不佳。EEMD降噪能克服EMD降噪存在的分解模式混叠问题，但是本征模态分量选取不好，导致降噪效果不佳。粒子滤波降噪方法需要知道噪声统计特性，对非平稳随机噪声降噪效果不佳。VMD算法可以有效减少伪分量与模态混叠问题，相比与EMD和EEMD有更好的鲁棒性。采煤机振动信号的噪声属非平稳噪声，单纯运用以上方法难以实现最佳滤波，而自适应滤波对非平稳噪声具有良好的滤除效果。目前，自适应滤波器主要有最小均方LMS和递推最小二乘RLS两种基本的自适应算法。LMS算法结构简单，鲁棒性强，但它的收敛性能较差，而RLS相对而言就具有良好的收敛性，稳定性强。因此，提出一种基于VMD与RLS自适应滤波结合的采煤机振动信号非平稳噪声降噪方法，通过频谱分析法选取VMD分解的本征模态分量，并将VMD降噪后的噪声信号作为RLS自适应滤波的输入信号，实现采煤机摇臂机械传动系统非平稳强噪声背景下的振动信号有效提取，为采煤机摇臂机械传动系统故障诊断奠定良好基础。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于VMD与RLS的采煤机振动信号降噪方法，其方法步骤简单、设计合理且降噪效果好，通过频谱分析法选取VMD分解的本征模态分量，并将VMD降噪后的噪声信号作为RLS自适应滤波的输入信号，实现采煤机摇臂机械传动系统非平稳强噪声背景下的振动信号有效提取，为采煤机摇臂机械传动系统故障诊断奠定良好基础。为解决上述技术问题，本专利技术采用的技术方案是：一种基于VMD与RLS的采煤机振动信号降噪方法，其特征在于：步骤一、采煤机摇臂振动信号的采集：采煤机正常采煤过程中，采用振动采集模块对采煤机摇臂的振动信号进行采集并发送至数据处理器；其中，数据处理器将含噪声摇臂振动信号记作X(n)，且X(n)＝[X(1)X(2)....X(m)]，含噪声摇臂振动信号X(n)为采煤机的摇臂振动加速度随时间变化的函数，n和m均为正整数，且1≤n≤m，m为采集总数；X(1)表示含噪声摇臂振动信号中第1个加速度值，X(2)表示含噪声摇臂振动信号中第2个加速度值，X(m)表示含噪声摇臂振动信号中第m个加速度值，n表示含噪声摇臂振动信号中第n个速度值；步骤二、变分模态分解：数据处理器利用变分模态分解算法对含噪声摇臂振动信号X(n)进行k层VMD分解，得到k个本征模态分量；其中，将第i个本征模态分量记作IMFi，i和k均为正整数，且1≤i≤k；步骤三、本征模态分量的频谱分析：步骤301、数据处理器利用频谱分析法从k个本征模态分量中得到有效的本征模态分量；步骤302、数据处理器将有效的本征模态分量进行重构，得到重构后的摇臂振动信号X′(n)；步骤四、RLS自适应滤波降噪：步骤401、设定含噪声摇臂振动信号X(n)作为RLS自适应滤波模块的期望信号d(n)；其中，d(n)＝X(n)；步骤402、数据处理器公式X″(n)＝X(n)-X′(n)，得到噪声信号X″(n)，并将噪声信号X″(n)作为当前时刻的输入信号；步骤403、设定RLS自适应滤波模块的输入信号矢量X(n)，且X(n)＝[X″(n)X″(n-1)X″(n-2)…X″(n-(L-1))]；其中，L表示自适应滤波的长度，X″(n-1)表示上一个时刻的输入信号，X(n-2)表示上两个时刻的输入信号，X(n-(L-1))表示上L-1个时刻的输入信号；设定权系数矢量W(n)，且W(n)＝[W0(n)W1(n)W2(n-2)…WL-1(n)]；其中，W0(n)表示当前时刻的输入信号X(n)所对应的权系数，W1(n)表示上一个采样时刻的输入信号X(n-1)所对应的权系数，W2(n)表示上两个采样时刻的输入信号X(n-1)所对应的权系数，WL-1(n)表示上L-1个采样时刻的输入信号X(n-(L-1))所对应的权系数；步骤404、数据处理器利用RLS自适应滤波算法获取权系数矢量W(n)；步骤405、数据处理器根据y(n)＝(W(n))T×X(n)，得到RLS自适应滤波模块的输出信号y(n)；数据处理器根据e(n)＝d(n)-y(n)，得到RLS自适应滤波模块的误差输出信号e(n)；其中，RLS自适应滤波模块的误差输出信号e(n)作为降噪后的采煤机摇臂的振动信号。上述的一种基于VMD与RLS的采煤机振动信号降噪方法，其特征在于：步骤404中数据处理器利用RLS自适应滤波算法获取权系数矢量W(n)，具体过程如下：步骤4041、系数矢量和逆矩阵的初始化：数据处理器设定令n初始值等于为0时的系数矢量和逆矩阵；其中，n初始值等于为0时的权系数矢量W(0)为零矩阵，n初始值等于为0时的逆矩阵P(0)＝σI，σ为常数，σ＝0.001，I为单位矩阵；步骤4042、数据处理器令n等于n时，数据处理器根据y(n)＝(W(n))T×X(n)，得到RLS自适应滤波模块的输出信号y(n)；其中，T表示向量的转置；步骤4043、数据处理器根据e(n)＝d(n)-y(n)，得到RLS自适应滤波模块的误差输出信号e(n)；步骤4044、数据处理器根据公式得到增益矢量g(n)；其中，λ表示遗忘因子，且0.9＜λ＜1，P(n-1)表示第n-1次更新后的逆矩阵P(n-1)；步骤4045、数据处理器根据公式W(n)＝W(n-1)+g(n)e(n)，得到第n次的权系数矢量W(n)；其中，W(n-1)表示第n-1次的权系数矢量；步骤4046、数据处理器根据公式对逆矩阵进行第n次更新，得到第n次更新后的逆矩阵P(n)；步骤4047、数据处理器令n等于n+1时，重复步骤4042至步骤4046，直至n＝L-1。上述的一种基于VMD与RLS的采煤机振动信号降噪方法，其特征在本文档来自技高网...

【技术保护点】
1.一种基于VMD与RLS的采煤机振动信号降噪方法，其特征在于：/n步骤一、采煤机摇臂振动信号的采集：/n采煤机正常采煤过程中，采用振动采集模块对采煤机摇臂的振动信号进行采集并发送至数据处理器；其中，数据处理器将含噪声摇臂振动信号记作X(n)，且X(n)＝[X(1) X(2).... X(m)]，含噪声摇臂振动信号X(n)为采煤机的摇臂振动加速度随时间变化的函数，n和m均为正整数，且1≤n≤m，m为采集总数；X(1)表示含噪声摇臂振动信号中第1个加速度值，X(2)表示含噪声摇臂振动信号中第2个加速度值，X(m)表示含噪声摇臂振动信号中第m个加速度值，n表示含噪声摇臂振动信号中第n个速度值；/n步骤二、变分模态分解：/n数据处理器利用变分模态分解算法对含噪声摇臂振动信号X(n)进行k层VMD分解，得到k个本征模态分量；其中，将第i个本征模态分量记作IMF

【技术特征摘要】
1.一种基于VMD与RLS的采煤机振动信号降噪方法，其特征在于：
步骤一、采煤机摇臂振动信号的采集：
采煤机正常采煤过程中，采用振动采集模块对采煤机摇臂的振动信号进行采集并发送至数据处理器；其中，数据处理器将含噪声摇臂振动信号记作X(n)，且X(n)＝[X(1)X(2)....X(m)]，含噪声摇臂振动信号X(n)为采煤机的摇臂振动加速度随时间变化的函数，n和m均为正整数，且1≤n≤m，m为采集总数；X(1)表示含噪声摇臂振动信号中第1个加速度值，X(2)表示含噪声摇臂振动信号中第2个加速度值，X(m)表示含噪声摇臂振动信号中第m个加速度值，n表示含噪声摇臂振动信号中第n个速度值；
步骤二、变分模态分解：
数据处理器利用变分模态分解算法对含噪声摇臂振动信号X(n)进行k层VMD分解，得到k个本征模态分量；其中，将第i个本征模态分量记作IMFi，i和k均为正整数，且1≤i≤k；
步骤三、本征模态分量的频谱分析：
步骤301、数据处理器利用频谱分析法从k个本征模态分量中得到有效的本征模态分量；
步骤302、数据处理器将有效的本征模态分量进行重构，得到重构后的摇臂振动信号X′(n)；
步骤四、RLS自适应滤波降噪：
步骤401、设定含噪声摇臂振动信号X(n)作为RLS自适应滤波模块的期望信号d(n)；其中，d(n)＝X(n)；
步骤402、数据处理器公式X″(n)＝X(n)-X′(n)，得到噪声信号X″(n)，并将噪声信号X″(n)作为当前时刻的输入信号；
步骤403、设定RLS自适应滤波模块的输入信号矢量X(n)，且X(n)＝[X″(n)X″(n-1)X″(n-2)…X″(n-(L-1))]；其中，L表示自适应滤波的长度，X″(n-1)表示上一个时刻的输入信号，X(n-2)表示上两个时刻的输入信号，X(n-(L-1))表示上L-1个时刻的输入信号；
设定权系数矢量W(n)，且W(n)＝[W0(n)W1(n)W2(n-2)…WL-1(n)]；其中，W0(n)表示当前时刻的输入信号X(n)所对应的权系数，W1(n)表示上一个采样时刻的输入信号X(n-1)所对应的权系数，W2(n)表示上两个采样时刻的输入信号X(n-1)所对应的权系数，WL-1(n)表示上L-1个采样时刻的输入信号X(n-(L-1))所对应的权系数；
步骤404、数据处理器利用RLS自适应滤波算法获取权系数矢量W(n)；
步骤405、数据处理器根据y(n)＝(W(n))T×X(n)，得到RLS自适应滤波模块的输出信号y(n)；数据处理器根据e(n)＝d(n)-y(n)，得到RLS自适应滤波模块的误差输出信号e(n)；其中，RLS自适应滤波模块的误差输出信号e(n)作为降噪后的采煤机摇臂的振动信号。


2.按照权利要求1所述的一种基于VMD与RLS的采煤机振动信号降噪方法，其特征在于：步骤404中数据处理器利用RLS自适应滤波算法获取权系数矢量W(n)，具体...

【专利技术属性】
技术研发人员：毛清华，张勇强，赵晓勇，张旭辉，李亚洲，樊红卫，王宇飞，赵健博，鲁毛毛，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：陕西;61