基于Birgé-Massart阈值的烟气发电机组状态特征弱信息提取方法

烟气发电机组是石油化工行业中的一种高速旋转大型机械,用于将催化裂化再生烟气中具有的能量转变成机械能。为保证机组安全、稳定运行而进行的运行状态监测,需解决机组在大量背景噪声下状态特征弱信息提取的问题。为此研究基于Birgé-Massart惩罚函数策略获取阈值的信号小波变换模极大值抑制噪声算法。由Birgé-Massart惩罚函数策略获取阈值,在小波变换不同分解尺度上构建不同的模极大值点邻域来影响模极大值点搜索过程,获得小波分解各尺度上合适的模极大值点序列,凸显状态特征信息,利用Mallat的交错投影法重构信号。为验证该算法的有效性,将该算法与Rigrsure、Sqtwolog、Heursure、Minimaxi四种阈值抑噪方法进行比较,结果表明该算法具有更好的信噪比和方均根误差。应用该算法对现场采集的振动信号进行状态特征弱信息提取处理,结果表明处理后的信号在保留突变点的同时,具有良好的光滑性,可以用来进行烟气发电机组状态特征信息的提取。