何付軍

【摘要】將小波變換方法引入到曲柄搖桿結(jié)構(gòu)搖桿角位移噪聲去處中。在小波變換后，噪聲與信號(hào)中的小波域中的高頻段對(duì)應(yīng)，有效信號(hào)與低頻段對(duì)應(yīng)。對(duì)信號(hào)進(jìn)行3層分解，并將高頻部分置零以去除噪聲。處理結(jié)果顯示，該方法能有效祛除位移信號(hào)中的噪聲，有較好的工程應(yīng)用前景。

【關(guān)鍵詞】曲柄搖桿機(jī)構(gòu) 小波變換 角位移

【中圖分類號(hào)】TN911.4 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】2095-3089（2018）14-0266-01

引言

曲柄搖桿機(jī)構(gòu)是常用的機(jī)械結(jié)構(gòu)，其角位移和角速度變化是機(jī)械裝置常用的狀態(tài)監(jiān)測(cè)和控制信號(hào)[1]-[2]。由于鉸鏈之間存在間隙、搖桿受力帶來的震動(dòng)帶來的，會(huì)給信號(hào)帶來噪聲。小波方法因?yàn)榭梢赃M(jìn)行多尺度分解，被廣泛應(yīng)用于信號(hào)噪聲祛除中[3]-[8]。為此將小波變換方法引入，進(jìn)行多尺度分解，分別進(jìn)行去噪。旨在能夠還原真實(shí)位移，提高良好的狀態(tài)監(jiān)測(cè)。

一、實(shí)驗(yàn)裝置及實(shí)驗(yàn)信號(hào)

設(shè)計(jì)曲柄搖桿裝置，進(jìn)行實(shí)驗(yàn)，測(cè)量位移信號(hào)。圖1為構(gòu)件結(jié)構(gòu)示意圖，個(gè)構(gòu)件尺寸如圖1所示；圖2為測(cè)得的搖桿角位移時(shí)序圖。觀察圖2可知，角位移信號(hào)存在較強(qiáng)噪聲。對(duì)位移信號(hào)進(jìn)行一階微分，得到其速度時(shí)序圖，如圖3所示，可知速度信號(hào)噪聲更強(qiáng)。

二、角位移去噪處理

在實(shí)際應(yīng)用中可能要實(shí)時(shí)觀察搖桿的角位移變化，實(shí)現(xiàn)對(duì)系統(tǒng)運(yùn)行狀態(tài)的監(jiān)測(cè)或進(jìn)行實(shí)時(shí)控制。為實(shí)現(xiàn)更為準(zhǔn)確的監(jiān)測(cè)，需要對(duì)實(shí)際角位移進(jìn)行去噪，基于小波變換對(duì)實(shí)際角位移進(jìn)行去噪。因?yàn)樵肼暦植几哳l段，所以將高頻小波系數(shù)進(jìn)行置零處理。圖4為3層小波系數(shù)置零處理后重構(gòu)信號(hào)與原實(shí)際角位移對(duì)比時(shí)序圖。觀察圖4可知，經(jīng)過4層小波去噪后，角位移信號(hào)已經(jīng)變得非常光滑。

三、總結(jié)

為祛除曲柄搖桿機(jī)構(gòu)的噪聲，將小波方法引入。先對(duì)信號(hào)噪聲進(jìn)行分析，指出噪聲主要集中在高頻段。通過多尺度分解，對(duì)信號(hào)中的小波系數(shù)置零，進(jìn)行噪聲祛除處理。最后通過實(shí)驗(yàn)驗(yàn)證了該方法的有效性。為一維噪聲的祛除找一種有效方法。

參考文獻(xiàn)：

[1]Farge M.Wavelet transform and their application to turbulence[J].Annu.rev.fluidMech，1992，56（4）：68-68.

[2]Daubechies I.The wavelet transform，time-frequency localization and signal analysis[J].Journal of Renewable & Sustainable Energy，2015，36（5）：961-1005.

[3]Liu T，Zhang W，Yan S.A novel image enhancement algorithm based on stationary wavelet transform for infrared thermography to the de-bonding defect in solid rocket motors[J].Mechanical Systems and Signal Processing，2015，62：366-380.

[4]Chang T，Kuo C C J.Kuo，C.：Texture Analysis and Classification with Tree-Structured Wavelet Transform.IEEE Trans.Image Processing 2（4），429-441[J].IEEE Transactions on Image Processing，1993，2（4）：429-441.

[5]Wang，Y.，Z.He and Y.Zi，Enhancement of signal denoising and multiple fault signatures detecting in rotating machinery using dual-tree complex wavelet transform.Mechanical Systems and Signal Processing，2010.24（1）：p.119-137.

[6]Pan Q，Zhang D，Dai G，et al.“Two Denoising Methods by Wavelet Transform，”[J].IEEE Transactions on Signal Processing，1999，47（12）：3401-3406.

[7]Liu T，Yan S，Zhang W.Time–frequency analysis of nonstationary vibration signals for deployable structures by using the constant-Q nonstationarygabor transform[J].Mechanical Systems & Signal Processing，2016，75：228-244.

[8]Schukin，E.L.，R.U.Zamaraev and L.I.Schukin，The optimisation of wavelet transform for the impulse analysis in vibration signals.Mechanical systems and signal processing，2004.18（6）：p.1315-1333.