下载掌阅APP，畅读海量书库
立即打开
信号的消噪预处理是特征提取的重要基础，其结果对诊断的准确性有直接影响，对于长期处在强噪声和强干扰的工作环境下的风电机组，采集信号的消噪处理更为重要，是滚动轴承故障诊断过程中一个重要的必备环节。
由于风力发电机滚动轴承振动信号的强干扰、非线性、非平稳特性，时域和传统的时-频分析方法难以从背景噪声中提取信号的有用成分及有效的故障特征。小波变换兼具时、频域分析能力，具有可以调节的时-频窗口，通过伸缩和平移运算对信号进行多尺度细化，能够更细致地进行频域的局部特性分析，非常适用于非平稳、非线性信号的处理。但是传统的小波消噪方法，存在小波基选择、分解层数选取困难的问题，需要通过大量实验对比来最终确定，计算量大、耗时长。基于小波变换的硬、软阈值消噪方法是比较简单实用的小波阈值消噪方法，通过设定一个合适的阈值，把信号的小波系数保留或增强，从而消除噪声系数，得到消噪信号。但是，硬、软阈值小波消噪法对各尺度的小波分解系数采用单一阈值，难以在每一尺度实现噪声与信号的良好分离。
因此，本章针对风力发电机滚动轴承振动信号的强干扰、非线性、非平稳特性，提出了一种基于风电机组轴承振动信号的自适应阈值小波消噪方法，将信号进行多尺度分解，对每一层系数以最小错误率为准则以自适应确定其阈值，再重构信号。它克服了硬阈值、软阈值等小波变换阈值处理方法采用单一阈值的局限，对不同尺度的小波系数选用不同的阈值，实现信号和噪声的有效分离，具有根据能量分布特性自适应消噪的功能。将这种方法分别应用于正弦仿真信号和实测振动信号的消噪处理过程中，进行实验验证，通过对比分析，验证了基于风电轴承振动信号的自适应阈值小波消噪方法能够在强噪声背景下有效提取振动信号特征，具有比其他方法更突出的消噪效果。