矿集区采集的大地电磁信号极易受到各类噪声污染,导致其视电阻率-相位曲线在低频段出现紊乱现象或呈现出近源效应等。文中提出了一种优化固有时间尺度分解(Improved Intrinsic Time Decomposition,IITD)和小波阈值(Wavelet Threshold,WT...矿集区采集的大地电磁信号极易受到各类噪声污染,导致其视电阻率-相位曲线在低频段出现紊乱现象或呈现出近源效应等。文中提出了一种优化固有时间尺度分解(Improved Intrinsic Time Decomposition,IITD)和小波阈值(Wavelet Threshold,WT)的大地电磁(Magnetotelluric,MT)去噪方法及应用。首先将含噪信号进行IITD分解得到若干阶旋转(Proper Rotation,PR)分量;然后对PR分量进行小波去噪,叠加小波系数重构得到MT去噪数据。通过计算机模拟出不同类型的强噪声,并对小波阈值法设置不同的分解层数、基函数对强噪声进行处理,总结出该算法面对不同噪声时的去噪性能。对模拟大尺度方波和三角波噪声去噪后,信噪比最高可达24dB和17dB,所提方法去噪性能显著。将所提方法应用至MT实测数据的降噪,结果显示该方法能够有效去除隐藏在MT数据中的强噪声。由去噪前后视电阻率曲线对比可知,相较于远参考法和原始曲线,所提方法获得的视电阻率曲线更为光滑、连续,低频段的数据质量明显改善。展开更多
针对滚动轴承早期故障信号具有周期性冲击的特点和被强噪声淹没而难以提取的问题,提出了一种基于固有时间尺度分解(Intrinsic Time Scale Decomposition,ITD)与稀疏编码收缩(Sparse Coding Shrinkage,SCS)集成的轴承故障特征提取方法(...针对滚动轴承早期故障信号具有周期性冲击的特点和被强噪声淹没而难以提取的问题,提出了一种基于固有时间尺度分解(Intrinsic Time Scale Decomposition,ITD)与稀疏编码收缩(Sparse Coding Shrinkage,SCS)集成的轴承故障特征提取方法(命名为ITD-SCS)。ITD能自适应地将振动信号分解成若干固有旋转分量(Proper Rotation,PR),选择有效的PR分量突显信号的冲击特征。进一步采用奇异值分解(Singular Value Decomposition,SVD)对每一有效PR实施滤噪作为SCS的前置滤噪单元以提高信号的稀疏性。最后,通过SCS利用极大似然估计方法提取合成信号中的冲击特征。将ITD-SCS应用于轴承内圈故障仿真信号和外圈实际故障振动信号的实验结果表明,ITD-SCS能有效提取强背景噪声下的轴承故障信号的冲击特征。展开更多
文摘针对滚动轴承早期故障信号具有周期性冲击的特点和被强噪声淹没而难以提取的问题,提出了一种基于固有时间尺度分解(Intrinsic Time Scale Decomposition,ITD)与稀疏编码收缩(Sparse Coding Shrinkage,SCS)集成的轴承故障特征提取方法(命名为ITD-SCS)。ITD能自适应地将振动信号分解成若干固有旋转分量(Proper Rotation,PR),选择有效的PR分量突显信号的冲击特征。进一步采用奇异值分解(Singular Value Decomposition,SVD)对每一有效PR实施滤噪作为SCS的前置滤噪单元以提高信号的稀疏性。最后,通过SCS利用极大似然估计方法提取合成信号中的冲击特征。将ITD-SCS应用于轴承内圈故障仿真信号和外圈实际故障振动信号的实验结果表明,ITD-SCS能有效提取强背景噪声下的轴承故障信号的冲击特征。
