强噪声背景下钢丝绳损伤信号降噪方法

• 作者: 吴东 张宝金 刘伟新 李光 宫涛 杨建华
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 钢丝绳 损伤识别 信号降噪 特征提取 自适应移位平均法 量子粒子群优化算法
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 实验研究|Experimental Research
• 页码范围: 58-63
• 页数: 6页
• 分类号: TD534.6
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2021070012

摘要

钢丝绳损伤信号是一种非平稳无周期性的冲击信号,其特征信号的降噪处理和特征提取成为亟待解决的难题.小波变换方法若小波基或者分解层数不适合,会在信号降噪的同时引入其他噪声干扰,影响信号处理与特征提取的效果.相较于小波变换方法,移位平均法只需要选择一定的移位窗宽即可实现对信号的有效降噪,但移位窗宽需要人为选择,盲目性大.针对上述问题,提出一种强噪声背景下钢丝绳损伤信号降噪方法.利用钢丝绳漏磁检测传感器采集不同类型的断丝数据,向信号中加入强高斯白噪声,以模拟强噪声背景;采用自适应移位平均法对钢丝绳损伤信号进行降噪,利用量子粒子群优化(QPSO)算法优化移位平均法的窗宽;将损伤信号的信噪比(SNR)作为适应度函数,通过QPSO算法使得损伤特征信号SNR最大化,从而实现最优信号降噪效果.实验结果表明,对于强噪声背景下的钢丝绳平稳和波动信号,相较于小波变换,自适应移位平均法的降噪效果更明显,信噪比更高,信号更为平滑.实测结果表明,对于现场采集的噪声相对弱一些的钢丝绳损伤信号,自适应移位平均法的降噪效果也比小波变换好,验证了自适应移位平均法具有较好的通用性.