基于小波降噪的振动传感器数据分析

论文摘要

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。

论文目录

• 1 引言
• 2 小波变换
•   2.1 常用阈值设置
•   2.2 经验阈值算法
• 3 基于神经网络的阈值算法分析
•   3.1 神经网络输入输出数据
•   3.2 阈值算法的分析过程
• 4 数据实验分析

文章来源

类型: 期刊论文

作者: 张阳峰,韦仕鸿,邓娜娜,王文瑞

关键词: 振动传感器,小波变换,阈值优化,神经网络,数据处理

来源: 计算机科学 2019年S1期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 矿业工程,自动化技术

单位: 中国水利水电第七工程局有限公司,上海云统信息科技有限公司,中国科学院上海高等研究院

基金: 上海市经信委专项基金(201601060),国家自然科学基金(51507175)资助

分类号: TD40;TP212

页码: 537-539+565

总页数: 4

文件大小: 865K

下载量: 255