1 簡介

軟閾值消噪是信號消噪中的標準算法。故障檢測中的信號去噪,要求在降低噪聲水平的同時,保留信號中用于故障檢測的奇異特征。通過分析信號和噪聲的小波系數(shù)在小波空間的不同特性,在""閾值選擇策略"方面對軟閾值除噪技術進行了改進。仿真研究表明改進方法較好地解決了保護信號局部特征和抑制噪聲之間的矛盾,并對各種類型的故障信號均能進行有效的分析。

信號參數(shù)：位移常數(shù)y0 = 5;?阻尼系數(shù)g = 0.1;?沖擊故障發(fā)生的周期（重復周期）T = 0.01;采樣點數(shù)N = 4096;?固有振動頻率fn=3000Hz；故障特征頻率為100Hz；采樣頻率fs=20Khz；為0.01s；采樣點數(shù)為N=4096。

2 部分代碼

clcclear allclose allfs = 20e3; ? ? ? ? ? ? ? ? ?% 采樣頻率fn = 3e3; ? ? ? ? ? ? ? ? ? % 固有頻率y0 = 5; ? ? ? ? ? ? ? ? ? ? ?% 位移常數(shù)g = 0.1; ? ? ? ? ? ? ? ? ? ? % 阻尼系數(shù)T = 0.01; ? ? ? ? ? ? ? ? ? % 重復周期N = 4096; ? ? ? ? ? ? ? ? ?% 采樣點數(shù)NT = round(fs*T); ? ? ?% 單周期采樣點數(shù)t = 0:1/fs:(N-1)/fs; ? ? ?% 采樣時刻t0 = 0:1/fs:(NT-1)/fs; ?% 單周期采樣時刻K = ceil(N/NT)+1; ? ? ? % 重復次數(shù)y = [];for i = 1:K ? ?y = [y,y0*exp(-g*2*pi*fn*t0).*sin(2*pi*fn*sqrt(1-g^2)*t0)];endy = y(1:N);Yf = fft(y); ? ? ? ? ? ? ? ?% 頻譜figure(1);subplot(231);plot(t,y);axis([0,inf,-4,5])title('軸承故障仿真信號時域波形圖')xlabel('Time(s)')ylabel('Amplitude')y5 = awgn(y,5,'measured'); % Add white Gaussian noisey10 = awgn(y,10,'measured'); % Add white Gaussian noisey15 = awgn(y,15,'measured'); % Add white Gaussian noisesubplot(232);f = 0:fs/N:fs-fs/N;plot(f/1e3,abs(Yf));xlabel('Frequency(KHz)');ylabel('\itY\rm(\itf\rm)')title('軸承故障仿真信號幅度譜圖');subplot(233);plot(t,y5);axis([0,inf,-4,5]);title('軸承故障仿真信號+5db噪聲時域波形圖');xlabel('Time(s)');ylabel('Amplitude');subplot(234);plot(t,y10);axis([0,inf,-4,5]);title('軸承故障仿真信號+10db噪聲時域波形圖');xlabel('Time(s)');ylabel('Amplitude');subplot(235);plot(t,y15);axis([0,inf,-4,5]);title('軸承故障仿真信號+15db噪聲時域波形圖');xlabel('Time(s)');ylabel('Amplitude');figure(2);

3 仿真結果

4 參考文獻

[1]劉毅華, 趙光宙. 故障分析中的小波軟閾值改進除噪方法[J]. 繼電器, 2004, 32(24):5.

博主簡介：擅長智能優(yōu)化算法、神經網(wǎng)絡預測、信號處理、元胞自動機、圖像處理、路徑規(guī)劃、無人機等多種領域的Matlab仿真，相關matlab代碼問題可私信交流。

部分理論引用網(wǎng)絡文獻，若有侵權聯(lián)系博主刪除。