基于小波降噪的振动传感器数据分析
针对矿山机械设备的振动数据在信号滤波和故障信号数据保存及提取方面存在的问题,提出了神经网络优化阈值的小波变换方法.采用MEMS三轴加速度传感器采集数字量,对其运算处理后转换成位移,再进行小波分解,对分解出的高频系数部分进行神经网络阈值优化调节,重构数据以达到降噪的效果,最终对滤波后的信号进行傅里叶变换,并根据幅频能量计算高频系数的占比.实验表明,基于神经网络调节阈值的小波变换方法能够在自适应学习后自动调节阈值,对振动传感器信号具有理想的滤波效果.优化重构后的信号比传统方法多滤除了15%以上的高频噪声能量,并能保留突变故障信息,为后期的故障诊断提供重要依据.
振动传感器、小波变换、阈值优化、神经网络、数据处理
46
TM937
上海市经信委专项基金201601060;国家自然科学基金51507175
2019-07-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
537-539,565