基于交叉验证法优化参数的Morlet小波消噪方法

被引：18

作者：

汤宝平

刘文艺

蒋永华

机构：

[1] 重庆大学机械传动国家重点实验室

来源：

重庆大学学报 | 2010年 / 33卷 / 01期

基金：

国家高技术研究发展计划(863计划);

关键词：

小波变换; 小波消噪; 改进Morlet小波; 故障诊断; 交叉验证法;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对机械监测故障信号的非平稳性特点,提出一种基于交叉验证法优化参数的Morlet小波消噪方法。选择与机械冲击振动波形相似的Morlet小波,对Morlet母小波进行改进,增加了波形调整参数。通过交叉验证方法设计了改进Morlet小波的波形参数和变换尺度。对信号进行连续小波变换(CWT),实现对含噪信号的滤波消噪。将该方法应用于齿轮故障检测中,对比2种传统的小波消噪方法,验证该方法能够提取出强噪声背景下的有效信号特征成分,具有较好的滤波消噪效果。

引用

页码：1 / 6

页数：6

共 6 条

[1] 基于最优Morlet小波和SVD的滤波消噪方法及故障诊断的应用 [J].

程发斌 ;

汤宝平 ;

钟佑明 .

振动与冲击, 2008, (02) :91-94+128+178

[2] 基于小波变换的脑电噪声消除方法 [J].

王巧兰 ;

季忠 ;

秦树人 .

重庆大学学报(自然科学版), 2005, (07) :15-17+26

[3]

机械信号处理及其应用[M]. 华中科技大学出版社 , 李力, 2007

[4] Verification for generalizability and accuracy of a thinning-trees selection model with the ensemble learning algorithm and the cross-validation method [J].

Minowa, Yasushi .

JOURNAL OF FOREST RESEARCH, 2008, 13 (05) :275-285

[5]

Rolling element bearing faults diagnosis based on autocorrelation of optimized: wavelet de-noising technique[J] . Khalid F. Al-Raheem,Asok Roy,K. P. Ramachandran,D. K. Harrison,Steven Grainger.The International Journal of Advanced Manufacturing Technology . 2009 (3)

[6]

Correcting data from an unknown accelerometer using recursive least squares and wavelet de-noising[J] . A.A. Chanerley,N.A. Alexander.Computers and Structures . 2007 (21)

← 1 →