《表2 各方法对轴承信号降噪后的评价指标》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《分层自适应小波阈值轴承故障信号降噪方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过图4的轴承信号仿真图可以看出，外圈故障信号的特点是有一个周期性的脉冲，其振动幅值不变；内圈故障信号的特点是有一系列幅值不等的周期脉冲；滚珠故障信号的特点是不平稳的随机脉冲。对比图6（a），（b） ，（c） 中的降噪波形，硬阈值降噪方法后的信号有重构振荡的缺陷，会额外产生脉冲，造成干扰。软阈值降噪方法后的信号虽没有重构振荡，但是噪声去除的不充分，噪声部分的波形易与冲击脉冲混淆。比较几种改进方法，图6（a）中几种改进方法都没有重构振荡的现象，但是对于噪声去除程度文献[10]<文献[8]<文献[9]<本文降噪的方法。采取本文降噪后的信号完整保留了外圈故障信号的各周期脉冲，且噪声去除的更彻底，更能体现出故障特征。图6（b）中几种改进方法都没有重构振荡的现象，由于内圈故障型号特点是一系列幅值不等的周期脉冲，因此对噪声去除方面要求较高，否则小幅值的冲击脉冲会和噪声信息混淆，通过图形可以看出，本文方法降噪后的波形更优，保留了各冲击脉冲。图6（c）中的几种改进方法都没有重构振荡的现象，对于滚珠故障信号来说，由于其幅值不等且无周期性，因此对重构偏差方面的要求较高，需要尽可能地分离出故障脉冲信号。通过图形可以看出，本文方法降噪后的冲击脉冲绝对幅值大于其余3种改进方法，进一步体现了分层自适应阈值函数的优越性。表2计算了各方法对轴承信号降噪后的评价指标，无论外圈、内圈还是滚珠故障信号，本文方法的信噪比和均方根误差均好于传统及改进算法，更适用于轴承故障信号的降噪。