一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于MFO
‑
WPT算法的扭矩信号去噪方法


[0001]本专利技术属于信号处理
，具体涉及一种基于
MFO
‑
WPT
算法的扭矩信号去噪方法
。

技术介绍

[0002]由于科技的不断成熟与完善，扭矩准确测量技术具有着很好地发展前景
。
其中，扭矩传感器广泛应用于扭矩扳手
、
电动机
、
发动机等旋转动力设备输出扭矩及功率的检测
,
以及生产监控和质量控制等许多方面
,
它在欧洲的应用量已超过了力传感器
。
然而，由于测量环境比较复杂，扭矩传感器采集到的扭矩信号中充满了噪声
。
为得到真实的扭矩信号，减小噪声对测量精度的影响，对信号进行去噪，提升信号的信噪比尤为重要
。
[0003]目前用于扭矩信号去噪的方法有很多，包括数字滤波器法
、
傅里叶变换法和小波包去噪法等
。
数字滤波器法和傅里叶变换法大多数情况下是基于频域或者时域进行信号的处理与分析，不能对扭矩信号局部特征进行细化和单独处理，所以去噪效果不是很理想
。
小波包去噪法是一种具有多分辨率特性的时频局部化分析方法，具有多分辨分析的特点，同时，小波包去噪法也是一种窗口面积不变，其形状可以改变的时频局部化分析方法，特别适合突变的非平稳信号的分析
。
因此，小波包去噪法是对扭矩信号最理想的去噪方法
。<br/>[0004]目前常用的小波包去噪算法包括模极大值去噪法
、
相关性去噪法和阈值去噪法，其中小波包阈值去噪法
(Wavelet Packet Threshold
，
WPT)
因为灵敏度高
、
抗干扰力强和去噪效果好而应用广泛，但是，小波包阈值去噪法存在着小波包阈值在选取过程中不能准确选取最优的阈值，去噪效果差，去噪后重构的扭矩信号容易失真的问题
。

技术实现思路

[0005]本专利技术实施例的目的是提供一种基于
MFO
‑
WPT
算法的扭矩信号去噪方法，能够解决现有的小波包阈值在选取过程中不能准确选取最优的阈值，去噪效果差，去噪后重构的扭矩信号容易失真的技术问题
。
[0006]为了解决上述技术问题，本专利技术是这样实现的：
[0007]本专利技术实施例提供了一种基于
MFO
‑
WPT
算法的扭矩信号去噪方法，包括：
[0008]S101
：获取含噪扭矩信号；
[0009]S102
：对含噪扭矩信号在不同分解尺度下进行分解，获取含噪扭矩信号在不同尺度下每个节点的小波包系数；
[0010]S103
：将小波包系数去噪后得到信号信噪比，并将信号信噪比作为飞蛾扑火优化算法的适应度函数；
[0011]S104
：利用适应度函数，通过飞蛾扑火优化算法对小波包阈值进行寻优，找到最优小波包阈值；
[0012]S105
：根据最优小波包阈值构建最优小波包阈值函数，其中，最优小波包阈值函数为最优小波包硬阈值函数或者最优小波包软阈值函数，通过小波包系数和最优小波包阈值
函数获取估计小波包系数；
[0013]S106
：对估计小波包系数进行小波包逆变换，将估计小波包系数重构为去噪扭矩信号
。
[0014]在本专利技术实施例中，通过采用小波包阈值去噪法对获取的含噪扭矩信号进行分解，并针对小波包阈值的选取采用飞蛾扑火优化算法
(Moth
‑
Flame Optimization Algorithm
，
MFO)
进行寻优，能够准确选取到最优小波包阈值，利用选取的最优小波包阈值对构建出小波包阈值函数，进而使用小波包阈值函数获取估计小波包系数，并对小波包系数进行逆变换，重构为去噪扭矩信号，通过这种方法对含噪扭矩信号进行去噪，去噪效果好，去噪后重构的去噪扭矩信号还原度高，不失真，从而提高了对扭矩信号特征波形在临床诊断中的准确性
。
附图说明
[0015]图1是本专利技术实施例提供的一种基于
MFO
‑
WPT
算法的扭矩信号去噪方法的流程示意图
。
[0016]本专利技术目的的实现
、
功能特点及优点将结合实施例
、
参照附图做进一步说明
。
具体实施方式
[0017]为使本专利技术的目的
、
技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0018]下面结合附图，通过具体的实施例及其应用场景对本专利技术实施例提供紫外
‑
可见光谱的溶解有机碳扭矩信号去噪方法进行详细地说明
。
[0019]参照图1，示出了本专利技术实施例提供的一种基于
MFO
‑
WPT
算法的扭矩信号去噪方法的流程示意图
。
[0020]本专利技术实施例提供的一种基于
MFO
‑
WPT
算法的扭矩信号去噪方法，包括：
[0021]S101
：获取含噪扭矩信号
。
[0022]在一种可能的实施方式中，
S101
具体包括：
[0023]S1011
：通过扭矩传感器采集扭矩信号；
[0024]S1012
：将扭矩信号进行放大，获得含噪扭矩信号
。
[0025]S102
：对含噪扭矩信号在不同分解尺度下进行分解，获取含噪扭矩信号在不同尺度下每个节点的小波包系数
。
[0026]在一种可能的实施方式中，
S102
具体包括：
[0027]S1021
：选取分解层次和小波包基函数；
[0028]S1022
：根据分解层次和小波包基函数，对含噪扭矩信号进行分解：
[0029][0030]其中，
d
j2n
和
d
j2n+1
分别表示第
j
层第
2n
个节点和第
j
层第
2n+1
个节点所对应的小波
包系数，
h
和
g
表示滤波器系数，
n
为分解层数
。
[0031]其中，分解层数为
n...

【技术保护点】

【技术特征摘要】
1.
一种扭矩信号去噪方法，其特征在于，包括：
S101
：获取含噪扭矩信号；
S102
：对所述含噪扭矩信号在不同分解尺度下进行分解，获取所述含噪扭矩信号在不同尺度下每个节点的小波包系数；
S103
：将所述小波包系数去噪后得到信号信噪比，并将所述信号信噪比作为飞蛾扑火优化算法的适应度函数；
S104
：利用所述适应度函数，通过所述飞蛾扑火优化算法对小波包阈值进行寻优，找到最优小波包阈值；
S105
：根据所述最优小波包阈值构建最优小波包阈值函数，其中，所述最优小波包阈值函数为最优小波包硬阈值函数或者最优小波包软阈值函数，通过所述小波包系数和所述最优小波包阈值函数获取估计小波包系数；
S106
：对所述估计小波包系数进行小波包逆变换，将所述估计小波包系数重构为去噪扭矩信号
。2.
根据权利要求1所述的扭矩信号去噪方法，其特征在于，所述
S101
具体包括：
S1011
：通过扭矩传感器采集扭矩信号；
S1012
：将所述扭矩信号进行放大，获得所述含噪扭矩信号
。3.
根据权利要求1所述的扭矩信号去噪方法，其特征在于，所述
S102
具体包括：
S1021
：选取分解层次和小波包基函数；
S1022
：根据所述分解层次和所述小波包基函数，对所述含噪扭矩信号进行分解：其中，
d
j2n
和
d
j2n+1
分别表示第
j
层第
2n
个节点和第
j
层第
2n+1
个节点所对应的所述小波包系数，
h
和
g
表示滤波器系数，
n
为分解层数
。4.
根据权利要求3所述的扭矩信号去噪方法，其特征在于，所述分解层数为
n
，其中，
n
为整数且
n
大于等于3，小于等于
5。5.
根据权利要求3所述的扭矩信号去噪方法，其特征在于，所述小波包基函数属于
db
系列和
sym
系列基函数
。6.
根据权利要求1所述的扭矩信号去噪方法，其特征在于，所述
S103
具体包括：
S1031
：将所述小波包系数去噪后得到信号信噪比
F
：其中，
x(t)
表示所述含噪扭矩信号，表示去噪后得到的扭矩信号，
N
表示所述扭矩信号序列长度；
S1032
：将所述信号信噪比作为所述飞蛾扑火优化算法的适应度函数
。7.
根据权利要求1所述的扭矩信号去噪方法，其特征在于，所述
S104
具体包括：
S1041
：初始化所述飞蛾扑火优化算法，设定当前迭代次数为1，确定待优化参数所述小波包阈值
d、
飞蛾种群规模
r
；
S1042
：确定对所述小波包阈值寻优的上下限：其中，
λ
j
为
j
尺度上的所述小波包阈值，
n
j
为
j
尺度上的小波包细节系数的长度，
σ
j
为噪声方差；
S1043
：在搜索空间中随机生成飞蛾位置作为飞蛾初始种群矩阵
M
，并计算所述飞蛾初始种群矩阵对应的适应度...

【专利技术属性】
技术研发人员：程晓，王嘉琦，姚俊，
申请(专利权)人：苏州法威紧固技术有限公司，
类型：发明
国别省市：