自動機振動信號去基線漂移

原 平

（山西機電職業技術學院汽車工程系，山西長治046000）

自動機振動信號去基線漂移

原 平

（山西機電職業技術學院汽車工程系，山西長治046000）

針對高速自動機振動信號中工作信號頻率高，因低頻背景噪音、傳感器線頭松動等原因引起的基線漂移信號頻率相對較低的固有特點，采用小波多分辨率分析方法對實測自動機信號進行分解重構，去除基線漂移，對去除基線漂移前后的信號進行小波包特征提取并將特征進行對比，結果表明該方法不僅有效地去除了自動機振動信號中的漂移信號，而且較好地保持了自動機信號的原有形態，為特征提取、故障診斷工作提供了便利。

自動機；基線漂移；小波包

自動武器射擊時具有高溫、高速等特點，其本身結構小巧復雜、運動劇烈，并且在射擊過程中伴隨著各種沖擊、碰撞、跳動等情況，因此，其振動信號是一種典型的復雜沖擊信號[1]，加上火炮發射時測試環境的惡劣性，使得所測得的振動信號中包含了各種不同頻率的成分。在對試驗所測數據進行處理時發現，所測的多組信號中出現了基線漂移的情況，影響到了后續工作。而在對高速自動機進行故障診斷過程中，最為重要的一步就是提取故障特征。因此，去除基線漂移是自動機故障診斷中必要前提工作。

常見的基線漂移是一種低頻擾動，頻響一般小于1 Hz，通常表現為緩慢變化的曲線。例如ECG信號，針對這種信號的去基線漂移技術就是利用基漂信號頻率與正常信號頻率之間的差異，剔除了基線漂移[2]。

本文中自動機振動信號的特點是短時沖擊信號，且頻率較高，本文利用小波變換的多分辨率分析特性，在取得較好去基漂效果的同時，很好地保持了原有信號的特點。

1 自動機振動信號分析

在測取故障信號之前，首先對正常工作中的某型號高速自動機進行了測試，通過分析這些振動信號的曲線（如圖1所示）發現，實際信號包含了自動機工作時引起的正常振動信號，以及一些不同頻率的干擾信號，由于傳感器線頭隨火炮發射的劇烈振動變得松弛而抖動引起低頻漂移成分等，這些基線的漂移并未攜帶故障信息，給后續故障特征提取帶來不便。圖1為某型號自動機正常工作時的加速度信號。

圖1 帶基線漂移的原始信號

為了更直觀形象地說明漂移信號對后續故障診斷工作帶來的不變，運用小波包分解對實測振動信號進行特征提取，得到了信號的能量譜值如表1所示。

表1 去基線漂移前信號特征向量

給出能量譜圖如圖2所示。

圖2 去基線漂移前信號能量譜圖

按照能量方式表示的小波包分解結果稱為能量譜。把不同頻段上信號的能量求解出來，將這些能量值按順序排列形成特征向量，以供分析識別出信號的特征頻帶和進行特征提取，從譜圖中可以看到，能量主要集中在低頻段，導致高頻部分的能量譜不能很好地顯現，因此無法提取高頻有用信號的特征，必須去除低頻的基線漂移。

2 小波多分辨率分析算法

多分辨率分析分解的最終目的是為了構造一個在頻率上高度逼近L2（R）空間的正交小波基。由于基線漂移的主要成分為緩變趨勢分量，在小波分解中會直接顯現于較大的尺度下，只要在重構過程中將這一尺度下的分量直接去除，便可以實現基線漂移的矯正。

考慮到信號的離散性和計算的簡便性，采用離散二進小波變換，該二進小波具有時域上的平移不變性，因此不會破壞被分析的信號。任給一個信號，經小波變換后都可分解為平滑近似信號cj（k）及細節信號dj（k），cj（k）和dj（k）的遞推公式為：

基于多分辨率分析的信號分解可用由共軛正交鏡像濾波器組成的子帶濾波器組來實現，子帶濾波器組的初始輸入信號c0（k）直接采用x（t）的采樣序列x（k）.

平滑近似信號cj（n），其重構公式為：

其中，g0（k）以及g1（k）分別為信號重構時所需要的低通濾波器和高通濾波器的脈沖響應，它們與h0（k）和h1（k）一樣，都滿足式（3）和（4）。

3 自動機振動信號去基線漂移

為不破壞原始信號，運用式（1）離散小波多分辨率分析算法在Matlab軟件中對信號進行多組實驗處理，分解過程如圖3所示，對圖1所示實測原始信號進行五層的分解，低頻部分已經低于50 Hz，得到平滑近似信號a和各層細節信號d5到d1，其中a為一條清晰的緩慢變化的曲線，說明很好地分解出漂移信號，而又未破壞信號的高頻部分的特征。其各層分解系數如圖4所示。

圖3 小波分解樹

圖4 小波多分辨率分解各層系數

圖中，a5為低頻的漂移信號，d5到d1為頻率從低到高的其他各層細節信號，在重構過程中只需將a5置零，得到高速自動機振動信號去除基線漂移結果如圖5所示。

圖5 自動機信號去除基線漂移結果

對比原始信號發現，重構信號沒有了漂移，而且最大限度地保持了原有形態特點。

運用小波包分解對去基線漂移后的振動信號進行特征提取，得到信號的能量譜值如表2所示。

表2 去基線漂移后信號特征向量

對比表1數據發現該方法對低頻的漂移成分比較敏感，且五層分解已經可以有效地將其去除。為了更形象地說明前后特征的變化，給出去基線漂移后的能量譜圖如圖6所示。

圖6 去基線漂移后信號能量譜圖

對比圖2發現去除基線漂移后，解決了能量主要集中在低頻段的問題，高頻段的能量很好地顯示出來，使提取自動機高頻有用信號中的故障信息成為可能，因此去除基線漂移為信號的特征提取工作掃清了障礙。

4 結束語

小波多分辨率分析方法是一種比較成熟的方法，簡單實用，通過圖5的處理結果以及去基漂前后信號特征對比發現，只要選擇合適的分解尺度，重構時將漂移信號置零，便可以有效地去除高速自動機振動信號的漂移信號，而且完好地保存了信號的原有形態特征，為后續的故障特征提取工作提供了便利。

[1]陶以蘇.多參數槍械動態測試系統設計研究[D].南京：南京理工大學，2010.

[2]張立新，丁北生.用IIR算法消除ECG基線漂移[J].天津大學學報，1998，1（31）：120-124.

[3]石為人，羅雪松，胡寧.基于小波多分辨率分析的信號消噪[J].重慶大學學報，2002，25（6）：59-62.

Removing Baseline Wander of Automatic Machine Signal

YUAN Ping
（Department of Automotive Engineering，Shanxi Institute of Mechanical and Electrical Engineering，Changzhi Shanxi 046000，China）

In view of the high frequency of the working signal in the vibration signal of the high speed automatic machine and the relatively low frequency of the baseline wander signal caused by the low frequency background noise，the loose wire of the sensor and other reasons，wavelet multiresolution analysis method is used to decompose and reconstruct the measured automata signal and remove baseline wander，wavelet packet feature extraction is performed on the signals before and after removal of the baseline wander and the features are compared.The results show that this method not only can effectively remove the drift signals in the automatic machine vibration signal，but also preserve the original form of the automatic machine signal，and facilitate the feature extraction and fault diagnosis.

automatic machine；baseline wander；wavelet packet

TH17

A

1672-545X（2016）11-0206-03

2016-08-15

原平（1986-），男，山西長治人，碩士，助教，研究方向：機械故障診斷。