运用小波函数对曲轴冲击响应中不同特征信号的提取.pdf

《运用小波函数对曲轴冲击响应中不同特征信号的提取.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第5期内燃机工程V01．32No．52011年10月ChineseInternalCombustionEngineEngineeringOctober．2011文章编号：1000--0925(2011)05一0074一05320084运用小波函数对曲轴冲击响应中不同特征信号的提取易太连1。欧阳光耀1．朱石坚1。高洪滨1。朱远龙2(1．海军工程大学船舶与动力学院，武汉430033；2．海军湛江地区装备修理监修室，湛江524000)StudyonExtractionofFeatureSignalfromCrankshaftShockResponseSign

2、alUsingWaveletAnalysisYITai—lianl，OUYANGGuang-ya01，ZHUShi-jianl，GAOHong-binl，ZHUYuan。lon92(1．CollegeofMarineandPowerEngineering，NavalUniversityofEngineering，Wuhan430033，China；2．NavalSuperviseandRepairRoominZhanjiang，Zhanjiang524000，China)Abstract：Themultiresolutionmethodofsignaldeco

3、mposing，denoisingandreconstructingwithwaveletanalysisessentiallyisusingamulti·-scaleband—-passfiltertochangesitscoherentfrequencybandandgetdifferentfrequencysignaloutput．Comparedwithlimitedtimedigitallow—passfilter，thefeatureandthechangetendencyofdifferentfrequencycomponentofthesign

4、alscouldbeseeninthedecompositionprocesswithwaveletanalysis．Ashocktesttothedesignedcrankshaftbearingwascarriedoninthispaper，theorigi—naldisplacementsignalsobtainedcontainedeitherthedisplacementsignalsofcrankshaftrotor，orvariousnoisesignals．Forthesakeofdistinguishingdisplacementsignal

5、s，shockdisplacementsignalsofcrankshaftrotorandthenoisesignalseffectively，usingthecompletelydifferentoddityofwavelettransformforinforma—tionsignalandnoisesignal，theusefulfeaturesignalscanbegottenfromthemeasureddisplacementdataofthecrankshaftrotorbythemethodofwaveletdecomposing，deoisi

6、ngandreconstructingofsignals．O概述摘要：采用小波分解消噪重构的方法实质上是采用了一个具有多个通道的带通滤波器，每一层分解相当于改变其通频带，获得不同频率的信号输出。与采用有限时间低通数字滤波器相比，采用小波变换更为突出的是可以从小波分解过程看到信号不同频率分量的变化趋势与特征，即可以看到冲击响应信号的变化特征。针对设计的曲轴轴承冲击试验装置进行了冲击试验，采集得到的原始位移信号中包含曲轴转子的位移，以及各种干扰的噪声。为了有效区分信号中曲轴转子的位移信号、冲击位移信号和干扰的噪声，利用信息信号和噪声信号在小波变换下具有截然不同的奇

7、异性，对测量得到的位移测量数据进行小波不同层次的分解并进行小渡去噪和重构，得到了所需要的各种信号。关键词：内燃机；信息信号；噪声信号；小波变换；电涡流传感器；曲轴轴承Keywords：ICengine；informationsignal；noisesignal；wavelettransform；eddycurrentsensor；crankshaftbearing中图分类号：TK422．4文献标识码：A在信号分析领域有许多处理方法和工具，如Fourier分析、短时傅里叶变换(STFT)、时频分析、小波分析、神经网络分析等。其中，最常用的是Fourier分析，这

8、是一种将信号由基于时间变换为基于频率收