基于EMD的振動信號去噪方法研究

馬宏偉， 張大偉,2， 曹現(xiàn)剛， 董 明，3， 李從會

(1.西安科技大學(xué) 機械工程大學(xué)，西安 710054； 2.西安重工裝備制造集團有限公司,西安 710000；3.長安大學(xué) 高速公路施工機械陜西省重點實驗室，西安 710054)

?

基于EMD的振動信號去噪方法研究

馬宏偉1， 張大偉1,2， 曹現(xiàn)剛1， 董 明1，3， 李從會1

(1.西安科技大學(xué) 機械工程大學(xué)，西安 710054； 2.西安重工裝備制造集團有限公司,西安 710000；3.長安大學(xué) 高速公路施工機械陜西省重點實驗室，西安 710054)

煤礦機械在重載情況下運行，其振動信號往往具有非線性、不平穩(wěn)等特性，其不僅帶有大量設(shè)備運動狀態(tài)的信息，同時也夾雜著大量的環(huán)境噪聲，無法直接對其進行分析。而經(jīng)驗?zāi)Ｊ椒纸?EMD)在處理非線性、非平穩(wěn)信號時具有一定優(yōu)勢，是一種自適應(yīng)的信號處理方法。針對煤礦機械振動信號的特性，提出基于EMD的去噪方法，首先將振動信號進行EMD分解，得到各固有模態(tài)函數(shù)(IMF)，然后計算各IMF與原始信號的相關(guān)系數(shù)，并將相關(guān)系統(tǒng)按照從小到大進行排序，通過相鄰兩個相關(guān)系數(shù)的差值最大，找到敏感IMF分量重構(gòu)，實現(xiàn)非平穩(wěn)信號的濾波，為機械設(shè)備后期故障診斷奠定了良好基礎(chǔ)。并通過實驗數(shù)據(jù)分析，驗證了EMD方法對振動信號進行去噪的有效性及可行性。

振動信號；EMD方法；去噪；煤礦機械

煤礦機械的安全運行決定著煤礦生產(chǎn)效率及生產(chǎn)水平的順利進行。而振動信號正是設(shè)備狀態(tài)信息的載體，實時監(jiān)測并及時采集機械設(shè)備振動信號，并利用有效的信號處理方法進行分析處理一直是煤礦機械安全研究的重點。其中，及時獲取在役設(shè)備的狀態(tài)信息是掌握設(shè)備使用壽命及運行狀態(tài)的基礎(chǔ)，是進行預(yù)防性維修的主要途徑。振動信號具有復(fù)雜的特征，對采集到的振動信號進行去噪處理以后，可更好的提高信噪比，從而使后續(xù)的處理得到更為準確的結(jié)果。

振動信號的去噪方法很多，針對振動信號低信噪比、非平穩(wěn)的特性，對傅里葉變換、小波變換、Hilbert-Huang變換等方法進行對比。其中，傅里葉變換可較好地處理平穩(wěn)信號以獲得有效信號，但很難識別信號的高頻部分和高頻噪聲信號，不利于非平穩(wěn)信號的分析。小波變換[1]與傅里葉變換相比，雖改善了處理非平穩(wěn)非線性時變信號時不適用的現(xiàn)狀，但存在小波基選取困難和噪聲較大或能量有限時，小波濾波效果不理想的問題。Hilbert-Huang變換[2]是一種自適應(yīng)的信號處理方法，主要用于非線性、非平穩(wěn)信號的分析，目前已在各個領(lǐng)域得到了廣泛應(yīng)用。Hilbert-Huang變換的核心是經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)，該方法無需更多先驗信息，可實時、高效、自適應(yīng)地分解信號，并能夠反映信號本身的固有特征[3-4]。

針對機械振動信號相關(guān)消噪濾波方法對比，提出基于EMD分解的振動信號去噪方法，對點檢儀所采集煤礦設(shè)備的振動信號進行去噪處理，獲取非平穩(wěn)振動信號的本質(zhì)特征，為煤礦機械設(shè)備的故障診斷提供有效的理論依據(jù)。

1 EMD分解

1.1 EMD去噪原理

EMD分解是把信號分解成一系列本征模函數(shù)(Intrinsic Mode Function,IMF)和一個余項之和。隨著分解階數(shù)的增加，IMF的頻率逐漸減小[5]，該余項則是頻率很低的脈動，從而體現(xiàn)出從高頻到低頻的層層濾波，表明了EMD多分辨分析自適應(yīng)的特性。其中，EMD分解時，IMF分量所要滿足的兩個條件和EMD分解步驟不再贅述。

因此，我們可以通過任意組合 IMF構(gòu)造濾波器，達到對信號進行濾波，減少或消除信號中混雜的噪聲的目的[6-7]，如：

(1)去除EMD分解先分解出來的一個或幾個分量，將剩余的若干個IMF分量進行重構(gòu)，其實質(zhì)相當(dāng)于一個低通濾波器進行濾波：

(1)

(2)去除EMD最后分解出來的一個或幾個分量，剩余的若干個IMF分量進行重構(gòu)，其實質(zhì)相當(dāng)于一個高通濾波器進行濾波：

(2)

(3)去除EMD分解出來的最先和最后一個或幾個分量，然后把其余IMF分量進行重構(gòu)，其實質(zhì)相當(dāng)于一個帶通濾波器進行濾波：

(3)

1.2 去除IMF偽分量

EMD分解在很大程度上相當(dāng)于一種正交分解，故在得到的IMF中，真實IMF與原始信號的正交程度高，即相關(guān)性較好，虛假IMF與原始信號的正交程度差，即相關(guān)性較差。因此，采用基于IMF分量與原始信號相關(guān)系數(shù)的選取原則來判斷IMF分量的真?zhèn)?，以去除IMF偽分量。為了避免幅值較小的真實IMF也被去除，對所有IMF和原始信號數(shù)據(jù)進行歸一化處理。計算過程如下：

(1)計算歸一化后的IMF(i)與原始信號x(i)之間相關(guān)系數(shù)公式為：

(4)

式中:j=1,2,…,m，m為IMF的個數(shù)。

(2)然后對各分量的相關(guān)系數(shù)進行歸一化處理，公式如下：

(5)

(3)對各IMF分量的相關(guān)系數(shù)進行從大到小的排序，并找到相鄰兩個系數(shù)差值最大值所在的編號，將編號前的所有IMF分量作為敏感分量，進行重構(gòu)，得到真實信號。

2 實驗分析

對采煤機搖臂進行實時檢測，采樣頻率為10 240 Hz，采樣長度分別為30 k。采用PCB公司的ICP型加速度傳感器Modual601A11，該傳感器的靈敏度為10.2 mv(m/s2)。采集到的原始信號如圖1所示，對其進行EMD分解，結(jié)果如圖2所示,圖2中只列出了前7個IMF分量。各IMF分量與原始信號相關(guān)系數(shù)如圖3所示，將其按從大到小的順序排列，然后找到相鄰兩個相關(guān)系數(shù)的最大差值，在IMF3和IMF2之間,因此前3個IMF是敏感分量，將用來重構(gòu)振動信號，重構(gòu)后信號頻譜如圖4所示。

與原始信號進行對比可以發(fā)現(xiàn)，通過信號重構(gòu)，有效地去除了原始信號中的低頻成分，各諧波分量更便于區(qū)分。

圖1 原始信號及其頻譜Fig.1 The original signal and its frequency spectrum

圖2 EMD分解得到的各 IMF分量Fig.2 The IMFs by EMD

圖3 各IMF分量與原始信號的相關(guān)系數(shù)Fig.3 The correlation coefficients for each IMF and the original signals

圖4 重構(gòu)信號頻譜Fig.4 The frequency spectrum of reconstructed signals

分析結(jié)果表明，EMD分解對于振動信號的去噪具有十分明顯的效果，驗證了EMD對實際振動信號去噪應(yīng)用的可行性。而且，該方法具有自適應(yīng)的特點，不需要先驗的知識。

3 結(jié) 論

本文用EMD分解對煤礦機械振動信號進行去噪處理，利用各IMF分量與原始信號的相關(guān)系數(shù)的關(guān)系，實現(xiàn)了偽IMF的剔除，有效地抑制了原始信號中的低頻成分，各諧波分量更便于區(qū)分，為煤礦機械故障診斷和壽命預(yù)測奠定了基礎(chǔ)。

[1] MALLAT S G. A theory for multiresolution signal decomposition: the wavelet represen-tation[J]. IEEE Transactions on Pattern Recon-gition and Machine Intelligence, 1989, 11(7): 674-693.

[2] 王建國, 吳林峰, 秦緒華. 基于自相關(guān)分析和 LMD 的滾動軸承振動信號故障特征提取[J]. 中國機械工程, 2014, 25(2): 186-191. WANG Jianguo, WU Linfeng, QIN Xuhua. Rolling bearing vibration signal fault feature extraction based on autocorrelation analysis and EMD [J]. China Mechanical Engineering, 2014, 25(2): 186-191.

[3] 籍永建，王紅軍. 基于EMD的主軸振動信號去噪方法研究[J].組合機床與自動化加工技術(shù)，2015(5)：35-37. JI Yongjian, WANG Hongjun. Research of denoising method for spindle vibration signal based on empirical mode decomposition [J]. Modular Machine Tool & Automatic Manufacturing Technique, 2015(5)：35-37.

[4] 譚善文，秦樹人，湯寶平. Hilbert-Huang變換的濾波特性及其應(yīng)用[J].重慶大學(xué)學(xué)報，2004，27(2)：9-12. TAN Shanwen, QIN Shuren, TANG Baoping. The filtering character of Hilbert-Huang transform and its application [J]. Journal of Chongqing University,2004，27(2)：9-12.

[5] 翟哲. EMD方法在近紅外光譜信號去噪問題中的應(yīng)用[D].大慶：黑龍江大學(xué)，2014.

[6] 劉暢，周川，伍星,等. 基于廣義形態(tài)濾波和相關(guān)系數(shù)的Hilbert-Huang變換方法[J]．機械科學(xué)與技術(shù)，2011，30(1)：71-75. LIU Chang, ZHOU Chuan, WU Xing, et al. Animproved Hibert-Huang transform based on generalized morphological filter and correlation coefficients [J]. Mechanical Science and Technology for Aerospace Engineering, 2011，30(1)：71-75.

[7] 雷亞國. 基于改進 Hilbert-Huang 變換的機械故障診斷[J]. 機械工程學(xué)報, 2011, 47(5): 71-77. LEI Yaguo. Machinery fault diagnosis based on improved Hilbert-Huang transform [J]. Journal of Mechanical Engineering, 2011, 47(5): 71-77.

Vibration signal de-noising method based on empirical mode decomposition

MA Hongwei1, ZHANG Dawei1,2, CAO Xiangang1, DONG Ming1,3, LI Conghui1

(1. School of Mechanical Engineering, Xi’an University of Science And Technology, Xi’an 710054, China; 2. Xi’an Heavy Equipment Manufacturing Group Co., Ltd., Xi’an 710000, China;3. Key Laboratory of Expressway Construction Machinery of Shaanxi Province, Chang’an University，Xi’an 710054,China)

The vibration signal of heavy-loaded coal mine machinery often has the nonlinear and non-stationary characteristics. It contains much information about the running status of equipment mixed with large amount of ambient noises, so the conventional spectrum analysis can’t be applied directly. According to the characteristics of vibration signals in coal mine machinery, a de-noising method was proposed based on the empirical mode decomposition (EMD), which has the advantages in dealing with nonlinear and non-stationary signals. In the method, the mechanical vibration signal was decomposed by EMD, to obtain the intrinsic mode functions (IMFs). The correlation coefficient between each IMF and the original signal was calculated and sorted from smallest to largest. Then, the maximum difference between two adjacent correlation coefficients was searched to get the sensitive IMF for signal reconstruction. The filtering of the non-stationary signal was thus realized, which offers a good theoretical foundation for the fault diagnosis of mechanical equipments. Through the experimental data analysis, the effectiveness and feasibility of the EMD method for vibration signal de-noising were verified.

vibration signal; empirical mode decomposition(EMD); de-noising; coal mine machinery

國家自然科學(xué)基金(U1361121);長安大學(xué)高速公路施工機械陜西省重點實驗室開放基金(310825161124)

2016-01-05 修改稿收到日期：2016-02-16

馬宏偉 男，博士，教授，1957年10月生

曹現(xiàn)剛 男，博士，教授，1970年12月生

TH212

A

10.13465/j.cnki.jvs.2016.22.006