呂賽格,胡 雄,王 冰
(上海海事大學 物流工程學院,上海 201306)
承擔著港口集裝箱裝卸任務的大型起重設備之一的岸橋,其結(jié)構(gòu)復雜,工作環(huán)境惡劣[1]。作為起升機構(gòu)的重要傳動部件,起升減速箱的運行狀態(tài)直接影響著岸橋的可靠性。
在高速、重載、大沖擊的特殊工況下,岸橋起升機構(gòu)減速箱的現(xiàn)場監(jiān)測信號會呈現(xiàn)出非線性、非平穩(wěn)、大沖擊的特征。惡劣的工作環(huán)境使得其現(xiàn)場實時監(jiān)測的信號中存在大量噪聲,導致在進行信號分析與處理時,存在干擾與誤差,使得信號處理困難且分析結(jié)果不準確。這將對后續(xù)的信號特征提取、機械故障診斷、設備壽命預測等工作產(chǎn)生影響。因此,先對含有噪聲的信號進行消噪處理是岸橋健康管理中的一項重要任務[2]。
信號采集過程中通常會受到各種干擾,嚴重時甚至會被噪聲淹沒,為了達到降低噪聲干擾、增強有效信號、提高信噪比的目的,國內(nèi)外學者進行了一系列的研究,提出了許多有效的消噪方法。
ZHENG J等人[3]提出了一種非線性中值濾波方法,該方法以中位數(shù)為基礎,使誤差的絕對值之和最小,來確定激勵響應輸出,從而將信號與噪聲分離;但該方法的計算復雜,應用不方便。LIU B等人[4]通過對含噪地震信號矩陣進行奇異值分解(singular value decomposition, SVD),分別得到了有效信號和噪聲的特征值和特征向量,然后利用二者的特征值差異進一步區(qū)分有效信號和噪聲,最終實現(xiàn)了有效信號恢復以及噪聲消除;但當工作環(huán)境復雜,噪聲來源繁雜時,該方法并不適用。
LI M等人[5]通過多尺度分解,獲取有效信號與噪聲在不同尺度層和方向上能量、頻率等特征的分布情況,并根據(jù)該特征分布的差異選擇合適的閾值,以此來實現(xiàn)有效信號與噪聲的分離,從而達到消噪的目的;該方法僅選擇了合適的閾值,沒有考慮到不同小波閾值函數(shù)對消噪結(jié)果的影響。
因此,當前傳統(tǒng)的消噪手段難以應對非平穩(wěn)、現(xiàn)場噪聲環(huán)境惡劣的岸橋機構(gòu)的噪聲問題。
目前常用的消噪法包括:基于低通濾波的消噪法[6]、基于奇異值分解(singular value decomposition,SVD)的消噪法[7]、基于小波變換的消噪法等。其中:
(1)低通濾波消噪法能夠過濾掉高頻信號中的噪聲,使得信號消噪平滑增強,但同時也抑制了信號的邊界,造成信號不同程度上的模糊[8]。(2)SVD消噪法在進行消噪處理時能確保奇異值所代表的信號特征具有強魯棒性,但其會因階次選擇不當而導致過消噪或欠消噪發(fā)生,從而不能準確消除信號中的噪聲成分[9]。(3)基于小波變換的消噪法的廣泛應用得益于小波變換具有的低熵性、多分辨率特性、去相關(guān)性和選基靈活性等特點。
基于小波變換的常用消噪方法有:模極大值重構(gòu)濾波消噪法[10]、空域相關(guān)濾波消噪法[11]、小波包消噪法[12]、小波閾值消噪法等。其中,小波閾值消噪法因其實現(xiàn)簡便、消噪效果好,被廣泛應用,其核心在于小波閾值和小波閾值函數(shù)的選擇。
綜上所述,筆者選擇小波閾值消噪法對信號進行消噪處理,提出一種改進的小波閾值函數(shù)消噪法,并采用該方法以及傳統(tǒng)的軟、硬閾值函數(shù)消噪法、自適應小波閾值函數(shù)消噪法,分別對仿真信號及某岸橋起升減速箱高速軸振動信號進行消噪處理,對其消噪的效果進行定量的對比分析。
小波閾值消噪的實質(zhì)為抑制信號中的無用部分,增強有用部分的過程。
含有噪聲的信號經(jīng)過小波分解后會得到一系列的小波系數(shù),有用信號的能量主要集中在幅值較大的小波系數(shù)中,而噪聲的能量主要集中于幅值較小的小波系數(shù)中[13];通過選取合適的閾值作為判別界限,將閾值小于的小波系數(shù)部分的信號視為噪聲,予以剔除,將閾值大于的小波系數(shù)部分的信號視為有用信號,予以保留,從而完成對含噪信號的消噪處理[14]。
小波閾值消噪最關(guān)鍵的是閾值的選取和閾值函數(shù)的確定。
小波閾值消噪原理如圖1所示。
閾值作為區(qū)分有效信號與噪聲的標志,在整個信號消噪過程中起著極其重要的作用,選取合適的閾值有利于提升信號的消噪效果[15]。
(1)
式中:N—采樣點數(shù);σ—對第一層小波系數(shù)中噪聲方差的估計。
將σ應用到每一層進行閾值計算時,由于噪聲具有隨機性,傳統(tǒng)的閾值選取方法得到的閾值是固定不變的,這會導致其他的分解層中有效信號去除過多。
基于上述問題,CHANG F等人[16]改進了閾值選取方法,即:
(2)
式中:j—分解層數(shù);λj—第j層小波系數(shù)的閾值。
但當j=1,即在第一分解層時,該閾值選取方法的閾值過大,會導致第一層小波系數(shù)中有效信號去除過多。
張鎮(zhèn)濤等人[17]55提出了一種自適應的閾值選取方法:
(3)
式中:e—自然對數(shù);ωj—第j層的小波系數(shù)。
式(3)引入自然對數(shù)e,增加了分解前兩層閾值之間的距離,減少了有效信號的過量去除。噪聲的小波系數(shù)主要集中在分解后的第一層小波系數(shù)中,并且隨著分解層數(shù)的增加,噪聲是逐層減少的[18]。
上式中,對數(shù)函數(shù)位于分母位置,即隨著分解層數(shù)j的增加,閾值λ是減小的,這符合噪聲在小波系數(shù)中的分布規(guī)律。
筆者選擇式(3)自適應的閾值選取方法,進行后續(xù)的小波閾值函數(shù)確定及信號的消噪處理。
傳統(tǒng)的小波閾值函數(shù)主要有軟閾值函數(shù)及硬閾值函數(shù)。其中,軟閾值函數(shù)的優(yōu)點是連續(xù)性好,對信號的處理過程平滑,但對信號進行了壓縮,導致信號細節(jié)部分丟失,會存在較大偏差。硬閾值函數(shù)由于其不連續(xù)性會導致有效信號的缺失,并且在信號處理后會產(chǎn)生波形振蕩,使得信號不光滑[19]。
針對傳統(tǒng)閾值函數(shù)存在的問題,CUI H等人[20]提出了一種介于軟、硬閾值函數(shù)之間的改進閾值函數(shù):
η(ωj,λ)=
(4)
該函數(shù)只是軟、硬閾值函數(shù)的折中算法,并不能進行自適應調(diào)節(jié)。因此,張鎮(zhèn)濤等人[17]56提出了自適應小波閾值函數(shù):
(5)