基于改進EMD和小波閾值法的風機數據降噪研究

趙 坤, 鄭小霞

(上海電力大學 自動化工程學院, 上海 200090)

風電機組采集系統采集到的信號通常都是將有用信號和噪聲混雜在一起,特別是在故障剛剛發生或故障程度較弱的情況下,噪聲的干擾會很嚴重,就增大了故障診斷難度[1-2]。另外,由于一些人為因素,加速度傳感器中的電路會產生波動信號,對隨后的信號分析結果產生不同程度的影響[3]。風機軸承的振動信號是非線性微弱信號,易受到噪聲的干擾,其故障特征的提取有一定的困難[4]。

常用的信號處理方法主要有Fourier變換、小波閾值法、頻譜分析法、人工神經網絡法等[5]。但Fourier變換無法獲得信號的全局化結果,只對平穩的信號比較有效;小波閾值法雖然可以分離不同頻率區間的信號,但小波基與小波系數的選擇較為困難[6-7]。

為了能夠更加有效地消除信號中的噪聲,本文提出利用改進經驗模態分解(Empirical Mode Decomposition,EMD)與小波降噪相結合的方法,對風機軸承的振動信號進行降噪。首先,運用EMD算法對初始信號進行一次降噪處理,獲得分解后的固有模態函數(Intrinsic Mode Function,IMF)分量,并計算其與初始信號的互相關系數;然后,根據相關系數的大小選擇出噪聲分量,并用小波閾值法對噪聲分量進一步降噪;最后,將處理后的信號進行重構得到消噪信號,從而有效消除原始信號中的噪聲。

1 EMD算法與小波閾值法原理

1.1 EMD算法

EMD信號處理算法并不像其他算法一樣有設定的基函數,其全部的分解過程中沒有預先設定好的基函數,信號本身就是所有基函數的來源[7]。……