毕业设计方案说明指导书机械电子机电一体化.doc

1 绪 论1.1 课题研究目随着当代工业及科学技术迅速发展，生产设备日趋大型化、集成化、高速化、自动化和智能化，设备在生产中地位越来越重要，对设备管理也提出了更高规定，能否保证某些核心设备正常运营，直接关系到一种行业发展各个层面。当代化工业生产，一旦发生故障，损失将十分巨大。因而，为最大也许地避免事故发生，机械设备状态监测与故障诊断技术近年来得到了广泛注重和发展7。当前，机械设备状态监测与故障诊断已基本上形成了一门既有理论基本、又有实际应用背景交叉性学科。机械故障诊断基本任务是监视机械设备运营状态，诊断和鉴别机械设备故障并提供有效排故办法，指引设备管理和维修。因而，机械故障诊断技术研究和应用，可以协助人们尽早发现故障隐患，防止故障发生，故障发生之后也能尽快地找出故障发生因素、部位、严重限度及发展趋势，并提供解决故障有效方案。机械故障诊断重要涉及四个步骡，即信号测量、特性提取、模式辨认和诊断决策。信号测量是指采集机械设备某个部位振动信号；特性提取是对振动信号作解决，分析信号时域和频域特性，并提取可以反映故障特性重要参数；模式辨认是对特性参数分类辨认，诊断出故障类型；诊断决策是寻找故障发生因素，分析故障状态特点，提供解决故障方案。在机械故障诊断发展过程中，人们发现最核心、最困难问题之一是故障信号特性提取，它直接关系到故障诊断精确性和故障初期预报可靠性3。在实际应用中，故障与征兆之间往往并不存在简朴一一相应关系，一种故障也许相应着各种征兆，反之一种征兆也也许由于各种故障所致，这些给故障特性提取带来了困难。为了从主线上解决特性提取这个核心问题，普通咱们必要要借助信号解决，特别是当代信号解决理论、办法和技术手段，从采集原始数据中寻找出特性信息，提取特性值，从而保证有效、精确地进行故障诊断。也就是说，信号解决和特性提取好坏与故障诊断效率和质量有着极为密切联系，信号解决、特性提取是故障诊断中必不可少重要环节。综上所述，机械故障诊断技术研究和应用，特别是先进信号解决和特性提取办法研究与应用，对于避免劫难性事故发生，减少经济损失，提高安全生产能力有着重大意义4。1.2 国内外研究现状分析美国是最早开展状态监测与故障诊断国家之一，1961年开始执行阿波罗筹划后，产生了一系列有设备故障酿成悲剧，引起了美国军方和政府关于部门注重。1967年4月，在美国宇航局(NASA)倡导下，由美国海军研究室(ONR)主持成立了美国机械故障防止小组(MFPG)，初次采用状态监测技术对机械进行防止监测，标志着该技术研究开始。除了MFPG外，美国机械工程师学会(ASME)领导下锅炉压力容器监测中心在应用声发射技术对设备故障诊断方面获得重大成果。其她尚有Johns Mitchell公司超低温水泵和空压机监测技术、SPIRE公司军用机械轴和轴承诊断技术、TEDECO公司润滑油分析诊断技术等都在国际上处在领先地位。英国在20世纪60年代末70年代初，以RACollacott为首机械保健中心开始研究故降障断技术。1982年曼彻斯特大学成立了沃福森工业维修公司，重要从事状态监测与故障诊研究与教诲培训工作，此外，在核电站，钢铁等领域也成立了相应组织，开展这方面研究。在欧洲其她某些国家，设备状态监测与诊断技术研究也有不同限度发展，并在一方面具备特色或领先地位，如瑞典SPM仪器公司轴承监测技术，挪威船舶诊断技术。如丹麦B&K公司传感器制造技术。国内在故障诊断技术方面研究起步较晚，但是发展不久。其间经历了两个阶段：一阶段从1979年至U1983年，该阶段重要是吸取国外先进技术，并对某些故障机理和诊断法展开了研究：第二阶段从1984年至今，在这一阶段随着官方组织成立和学术会议推广，全方位开展了机械设备故障诊断研究。国内有某些大学及研究所陆续推出自己产品，如北京振通检测技术研究所推出902和903便携式采集器，重庆大学测试中心QLSAW型振动测试分析仪，大连理工大学推出PDM数据采集分析仪及管理软件，哈尔滨工业大学“机组振动微机监测与故障诊断系统，西安交通大学RMMMDS系统，浙江大学CMD.3系统和清华大学ADVISOR系统等5。1.3故障诊断研究难点和发展趋势1.3.1故障诊断基本问题普通来说，故障可以理解为至少一种系统重要特性偏离了正常范畴。广义地讲，故障可以理解为系统任何异常现象，使系统体现出所不盼望特7。从构造上看，控制系统故障大体上可以分为受控对象故障(component Fault)、传感器或仪表故障(sensor or Instrument Fault)、执行器故障(Actuator Fault)和控制器故障(controller Fault);依照故障时间特性，可以把故障分为突变故障和缓变故障;依照故障发生形式，可以把故障分为加性故障和乘性故障6。故障诊断技术包括了故障建模、故障检测、故障分离、故障辨识和故障评价等内容。故障建模就是依照先验经验和输入输出信息，运用各种建模办法来建立系统故障数学模型，为故障诊断提供根据;故障检测就是判断系统中与否发生了故障以及检测出故障发生时刻；故障分离就是在检测出故障后拟定故障类型和位置；故障辨识就是在分离出故障后拟定故障大小和时变特性；故障评价就是判断故障严重限度及其对象影响和发展趋势。在实际工程应用中，由于诊断对象多样性和故障发生复杂性，诊断系统辨认故障办法诸多。当前国内外研究理论和办法810如图1.1：图1.1：故障诊断理论与办法评价故障诊断系统性能重要从如下三个方面1112：检测性能指标。涉及故障初期检测敏捷度、速度以及误报率和漏报率。检测系统初期检测敏捷度越高，表白它能检测到最小故障信号越小；故障检测速度越快阐明故障从发生到被对的检测出来之间时间间隔越短；故障误报是指系统没有发生故障却被错误鉴定浮现了故障情形。漏报则是指系统中浮现了故障却没有被检测出来情形。一种可靠故障检测系统应当保持尽量低误报率和漏报率；诊断性能指标，涉及故障分离能力、辨认精确率和鲁棒性。故障分离能力是指诊断系统对不同故障区别能力。分离能力越强，表白诊断系统对于不同故障区别能力越强，那么对故障定位也就越精确；故障辨识精确性是指诊断系统对故障大小、发生时刻及其时变特性预计精确限度。故障辨识精确性越高，表白诊断系统对故障预计就越精确；综合性能指标，涉及鲁棒性和自适应性。鲁棒性是指在有模型失配和存在噪声或干扰状况下故障诊断系统保持对的诊断能力。一种故障诊断系统鲁棒性越强，它受噪声、干扰和建模误差影响就越小，其可靠性也就越高。自适应能力是指诊断系统具备自适应能力，可以充分运用变化产生新信息来自动调节自身，以维持原有诊断性能指标。上述性能指标分别从检测性能、诊断性能以及综合性能三个不同方面给出了评判一种故障诊断系统性能原则。对于实际系统，特别是复杂大系统，在实际工程设计中，一方面要分析详细诊断对象特点以及诊断规定，明确重要性能规定和次要性能规定，然后综合规定，选取最佳故障诊断办法以及实行方案。1.3.2故障诊断研究现状通过十近年迅速发展，故障诊断获得了突出成绩，但是相对日趋复杂生产过程和对可靠性日益增长实际需求，尚有许多问题没有解决，其有关理论和办法还远没有完善，特别是非线性系统故障诊断问题，还需要不断发展和进一步研究。故障诊断难研究现状可以归纳如下18：1. 非线性系统故障诊断技术还不完善和成熟；通过20近年不懈研究，线性系统故障诊断理论已基本成熟。它重要通过状态预计办法、参数预计办法和等价空间办法可以完毕已知精准模型线性时不变系统故障诊断。受非线性理论发展局限，对非线性系统缺少普通性建模办法，对非线性系统故障诊断研究还比较薄弱，是当前故障诊断研究难点问题之一。由于实际系统严格意义上讲都是非线性，非线性具备相称普遍性，因而研究此类系统故障诊断又是当前研究热点和前沿课题。2. 对模型失配和系统不拟定性干扰鲁棒性研究；在实际生产过程受客观环境种种限制，系统建模中存在诸多干扰、参数时变和系统样本不完全等因素，往往使所建模型存在一定误差和不拟定性。同步，在系统实际运营中，不可避免地也会有若干不拟定性干扰因素加入到系统中影响系统状态。并且在设计实际诊断方略时，诊断敏捷度和鲁棒性往往是矛盾。如何因而提高故障诊断方略鲁棒性对于抑制干扰，增强方略合用性具备重要实际意义。3. 集成型智能故障诊断系统研究。故障诊断办法诸多，有是基于构造分析办法，有是基于参数预计办法，有是基于规则和推理办法，它们各自也存在着局限性。对于复杂实际对象故障诊断，如用单一知识表达办法，有时难以完整表达对象故障领域知识。因而，集成各种知识表达办法则能更好地表达对象故障诊断领域知识，综合各诊断办法长处，克服各诊断办法局限性，从而提高了诊断系统智能性和诊断效率。因而，集成型诊断办法是故障诊断发展趋势。4. 网络化远程故障诊断系统研究;当代化生产过程日趋大型化和持续化，涉及设备和装置十分繁多和工艺非常复杂。并且随着人类科学摸索行为增长，空间飞行器和探测器研究日益增多。这些系统由众多装备和装置构成，采用网络化通讯和网络化控制，这就需要网络化远程故障诊断系统。例如，空间飞行器设计一种核心问题就是安全性和可靠性。飞行器故障信息重要来自3个方面：一是来自飞行器内部信息，如密封泄漏、构造损伤、零部件断裂、操作失灵、振动、冲击等;二是来自环境信息，如高温、高压、宇宙射线、空间碎片袭击等;三是来自历史数据，如各种历史资料和数据。空间飞行器远程故障诊断系统采用在轨监控诊断、地面监控诊断和远程诊断维护三级监控诊断方略。网络化远程故障诊断系统采用多级监视和诊断，提高了监控、诊断、维护实时性和有效性;运用当代信息传播载体一网络，可以缩短收集故障信息时间，可以极大地提高故障诊断效率;采用分布式智能体构造，每个Agent既互相独立，又互相协作。远程诊断系统克服了地区障碍，实现了多系统、多专家协同监控诊断，提高了诊断成果可靠性和智能水平。这也是故障诊断发展趋势。5. 虚拟现实技术将得到注重和应用；虚拟现实技术是人们通过计算机对复杂数据进行可视化操作以及交互一种全新方式。应用该技术后，顾客、计算机和控制对象被视为一种整体，通过各种直观工具将信息进行可视化，顾客直接置身于这种三维信息空间中自由地操作、控制计算机。可以预言，随着虚拟现实技术进一步发展和在故障诊断系统中广泛应用。它将给故障诊断系统带来一次技术性革命。2 机械故障中惯用信号解决办法2.1时域分析法由于时域波形具备直观、易于理解等特点，惯用工程信号大都是时域波形形式，因此时域分析在工程中使用较为普遍。由于是最原始信号，因此包括信息量大，但缺陷是只能对某些具备明显特性波形进行初步判断，不容易看出所包括信息与故障进一步联系。时域分析所进行初步波形分析是通过观测信号时间历程对信号周期性和随机性给出基本评价。2.1.1时域记录参数分析：a. 有量纲参数：有量纲参数衡量设备故障有无及其发展趋势。但这些参数依赖历史数据并且对载荷和转速等因素变化比较敏感。1. 最大值： (2-1)2. 最小值： (2-2)3. 元素和： (2-3)4. 均值：均值表达随机过程中心趋势，随机过程一切也许实现都环绕着它汇集和波动，是随机过程静态分量，反映信号中直流成分大小。其数学表达式： (2-4)5. 方差：方差了描述了随机过程在均值周边散布限度，是随机过程动态分量，其定义为： (2-5)6. 原则差 (2-6)b. 无量纲参数 ： 无量纲参数指标判断设备故障基本上不受设备型号、转速和载荷等因素影响，无需考虑相对原则值或与此前数据进行比较。此外，它也不受信号绝对水平影响，因此虽然测点同以往地方略有变动，也不至对诊断成果产生很大影响27。1.峰值指标 (2-7)2.裕度指标： (2-8)3.峭度指标： (2-9)2.1.2时域有关分析时域有关分析可以找出两个信号之间关系和相似之处，也可以找出同一信号当前值与过去值关系，或者依照过去值、当前值来预计将来值28。在故障信号解决和分析中，经常需要研究和理解某一时刻信号和延时一种t时刻后信号之间相似限度，以及这种相似限度随着t变化是如何变化。由于研究是两个信号相似限度，故称这个过程为有关分析。对于变量x和y之间有关限度惯用式（2.10）有关系数表达之： (2-10)式中： sxy随机变量x、y 协方差；mx、my是随机变量x、y均值;sx、sy随机变 量x、y原则差。运用柯西-许瓦兹不等式： (2-11) 故知|rxy|1，0，j，kZ，则由式(3-2)得 （3-4）这时离散小波变换为 （3-5） 如果特殊地取=2，=1，则 （3-6）这就是通过二进制离散化小波函数。小波分析是按照不同尺度因子j把Hilbert空间L2(R)分解为所有子空间L2(R)Wj (jZ)正交和，即 （3-7）其中形为小波函数小波子空间，相应规范正交基为： （3-8）小波变换三层分解构造图如图21所示。S表达原始信号，A1-A3表达低频，D1D3表达高频，S=A3+D3+D2+Dl。 图3-1 小波分解构造图由小波分解构造图可以看出，小波分析是一种多辨别率分析。但小波多辨别率分析只是对低频某些进行进一步分解，使低频段频率辨别率越来越高，而高频某些则不予细分。15312小波包分析小波包分析是进一步对小波子空间Wj按照二进制分式进行频率细分： 式中：j=l2，；k=12，：相应规范正交基为 （310）即为具备尺度因子j、位置因子k和频率因子n小波包(其中j，kZ，nZ+)与前面比较，增长了一种频率函数n=2t+m。正式由于频率参数作用，使得小波包克服了小波时间辨别率高时，频率辨别率低缺陷，从而可觉得信号提供一种更加精细分析办法。三层小波包分解构造图如图3-2所示，信号S=AAA3+DAA3+ADA3 +DDA3+AAD3+DAD3+AAD3+DAD3+ADD3+DDD3。 图3-2 三层小波包分解构造图从小波包分解构造图可以看出，小波包将频带进行多层次划分，对小波分解没有细分高频某些进一步分解。小波包分解可以依照被分析信号特性，自适应地选取相应频带，使之与信号频谱相匹配，从而提高了时频辨别率。1832惯用小波函数及其性质与傅里叶变换相比，小波分析中所用到小波函数具备不唯一性，即小波函数具备多样性。下面简介几种重要小波函数1. Haar小波。Haar小波是小波分析发展过程中用得最早，也是最简朴小波。其函数表达式为： （3-11）Haar小波支集长度为l，滤波器长度为2。2. Daubechies小波。Daubechies系列小波简写为dbN,其中表达阶数，曲是小波名字前缀，除dbl外，别的db系列小波函数都没有解析表达式。3. SymletsA(symN)dx波。Sym小波构造类似于db小波，两者差别在于sym小波有更好对称性，更适当于图像解决，减少重构时相移。4. Biorthogonal(biorNrNd)小波。这是一族双正交小波，满足正交性为， 5. Coiflet(coifN)小波。CoiftJ小波是Db小波进一步发展，有更长支集长度(6N-1)，更大消失矩(2N)，对称性比较好。6. Morlet小波。Morlet小波是一种具备解析表达式小波，但它不具备正交性，因此只能满足联系小波可容许条件，但不存在紧支集，不能做离散小波变换和正交小波变换。其解析形式如下： (3-12)7. Mexican Hat小波。类似于morlet，Mexican hat小波同样有解析小波函数，也不存在尺度函数，因此不具备正交性。其解析形式为： (3-13)8. Meyer小波。Meyer小波是在频域定义具备解析形式正交小波，由于不存在紧支集，因此在做离散小波变换时不存在迅速算法，在实际应用中，可以用FIR滤波器来模仿Meyer小波构造可逆滤波器矩阵，使得迅速小波变换可以逼近Meyer小波变换27。紧支性是选取小波基重要因素。当紧支集长度增长，意味着带通滤波时通频带宽减小，辨别能力提高，因而可通过变化紧支集大小来调节通频带宽。在选取小波基时，紧支撑区间越大，反映局部形态能力就越强，为了有效地提高机械振动信号分析中时频辨别率，应当选取紧支撑区域大小波基。然而，紧支撑区间过大，会增and,波变换计算量，因而需要依照实际状况合理选取。小波基消失矩必要具备足够阶数，这样可以有效地突出信号各种奇异性特性。但是消失矩阶数也不能太高，过高阶数使分析成果模糊，并且消失矩阶数与紧支撑区间有关，过高阶数将增长计算量。小波基正则性反映了持续可微规定，刻画了小波光滑度，因而必要得到满足。普通来说足够消失矩可以保证其正则性规定。此外，正则性与紧支撑大小关于，紧支撑越大，正则性越好。对称或反对称尺度函数和小波函数也是很重要，由于可以构造紧支正交小波基，并且具备线性相位。在信号分析中，尺度函数和小波函数又可以作为滤波函数，如果滤波器具备线性相位，则能避免信号在小波分解和重构时失真。惯用小波重要性质如表3-1所示。综上所述，在机械故障诊断中为了有效地分析振动信号，在选取小波基时，重要应当满足定区间紧支撑和足够消失矩阶数，另一方面应当满足正则性和对称性，这样可以有效地提取振动信号故障特性28 。表3-1 惯用小波重要性质小波族 Haar Db Sym Bior Coif Morl Mexh meyr正交性 有有有有有无无 有对称性有近似 近似无 近似有有 有紧支性有有有有有无 无 无消失矩1NNN6N+1 33小波分析与傅里叶分析比较在信号解决中，最惯用重要办法之一是傅里叶变换，它架起了时间域和频率域之间桥梁，在工程实践中得到了广泛地应用。虽然傅里叶变换能将信号时域特性和频域特性联系起来，但它是一种所有变换，要么完全在时域，要么完全在频域，不能将两者结合起来。在实际应用过程中也发现其具备局限性：1. 傅里叶变换只能应用于稳态信号分析，不合用于非稳态信号分析；2. 傅里叶变换是一种整体变换，不能作局某些析。为了分析和解决非平稳信号，人们对傅里叶分析进行了推广乃至主线性革命，提出并发展了一系列新信号分析理论：短时傅里叶变换、时频分布、小波变换等。短时傅里叶变换基本思想是：假定非平稳信号在分析窗函数g（t）一种短时间间隔内是平稳，并移动分析窗函数，使f(t)g(t-r)在不同有限时间宽度内是平稳信号，从而计算出各个不同步刻功率谱嗍。但本质上讲，短时傅里叶变换是一种单一辨别率信号分析办法，由于它使用一种固定短时窗函数，窗函数一旦拟定了后来，其形状就不再发生变化，短时傅里叶变换辨别率也就拟定了。如果要变化辨别率，则需要重新选取窗函数。短时傅里叶变换可以用来分析分段平稳信号或者近似平稳信号，但是对于非平稳信号，当信号变化激烈时，规定窗函数有较高时间辨别率；而波形变化比较平缓时刻，重要是低频信号，则规定窗函数有较高频率辨别率。短时傅里叶变换不能兼顾频率与时间辨别率需求。因而短时傅里叶变换在信号分析上还是存在着很大缺陷。小波变换作为一种全新时间一尺度分析办法，它继承了傅里叶分析用简谐函数作为基函数来逼近任意信号思想，具备如下特点：1. 小波分析基函数是一系列尺度可变函数，对不同信号可以选取不同小波函数和分解尺度；2. 良好时-频定位特性；3. 多辨别率分析，时频辨别率可变，适合对信号做局某些析；4. 非常适合分析非平稳信号，探测信号中夹带瞬态反常现象。因而，在机械设备故障诊断中，运用小波变换对故障信号进行分析和解决具备良好效果。综上所述，小波变换具备比傅里叶变换、短时傅里叶变换更优越性能，可以有效解决机械运动形式复杂、非平稳、噪音大等特点信号。本文采用小波分析对机械振动信号进行解决32。34本章小结本章一方面研究了小波分析基本理论，阐述了小波和小波包分解过程，分析了某些惯用小波函数特性，然后比较了小波分析和傅里叶分析，概括了小波分析特点，最后拟定了小波分析作为本文工作研究基本理论办法。4 小波分析在机械故障诊断中应用研究小波分析在机械故障诊断中应用依然体当前对故障信号解决上，重要涉及信号奇异点检测、信号降噪和特性提取等方面。本章将重要研究小波分析如何应用于信号降噪和特性提取，并探讨应用过程中小波参数选用问题。41机械故障信号小波降噪解决小波分析在机械故障诊断领域一种重要应用就是去除故障信号中噪音信号。由于当发生故障时，设备处在非正常工作状态，其振动信号往往夹杂某些随机、高频噪音，严重状况下，噪音信号还也许沉没有效振动信号。为了还原信号中有效成分，有必要对故障信号作降噪解决。本节将研究小波阈值降噪基本原理和环节，通过Matlab仿真分析小波阈值降噪中有关参数对降噪效果影响，在Matlab一维小波自动降噪函数wden基本上编写新降噪函数，提出自动选取最优小波函数进行降噪思想。信号和噪声小波系数在不同尺度上具备不同特性机理，随着尺度增长，噪声系数幅值不久衰减为零，而真实信号系数幅值基本不变。由此构造相应规则，在小波域对含噪信号小波系数进行解决。解决实质在于减小甚至完全剔除由噪声产生系数，同步最大限度地保存真实信号系数，最后由通过解决小波系数重构原信号，得到真实信号最优预计。小波去噪办法之因此获得成功是由于小波变换具备如下重要特点：1. 时频局部化特性。小波变换可在时间轴上准拟定位信号突变点；2. 多辨别率特性。由于采用了多辨别率办法，可以非常好地刻画信号非平稳特性，如边沿、尖峰、断点等，以便于特性提取和保护；3. 解有关特性。小波变换可以对信号解有关，使信号能量集中于少数几种小波系数上，而噪声能量分布于大某些小波系数上；4. 小波基选取多样性。由于小波变换可以灵活选取变换基，因此可以针对不同应用场合选用不同小波函数，以获得最佳解决效果。当前存在小波去噪办法33重要分为贝叶斯办法和非贝叶斯办法，其中非贝叶办法又依照对小波系数解决办法不同，大体又分三种：1）Mallat提出运用波变换模极大重构去噪34,35；2）Xu Yansun提出空域有关去噪36；3）Donoho提出采用非线性小波变换阈值去噪33。在实际应用中惯用是这三种办法。模极大值重构去噪办法是依照信号和噪声在小波变换下随尺度变化呈现出不同变化特性提出来，有较好理论基本，因而去噪性能较为稳定，它对噪声依赖性较小，不需要懂得噪声方差，特别是对低信噪比信号去噪时更能体现其优越性。然而它有个主线性缺陷就是在去噪过程中存在一种有模极大值重构小波系数问题，从而使得该办法计算量大大增长。此外，其实际去噪效果也并不十分令人满意。基于小波系数尺度之间有关性原理空域有关去噪办法，在对含噪信号作小波变换之后，计算相邻尺度间各点小波系数有关性，依照有关性大社区别小波系数类型，从而进行取舍，然后直接重构信号。去噪时获得了较好效果，实现原理也较简朴。但其计算量较大，需要进行迭代，并且用到了小波域阈值去噪某些思想。在实际应用时，还需要预计噪声方差，才干设定恰当阈值。第三种小波阈值去噪法是斯坦福大学Donoho和Johnstone专家于1992年提出，该办法以为对于小波系数包具有信号重要信息，其幅值较大，但数目较少，而噪声对于小波系数是一致分布，个数较多，但幅值小。该办法在最小均方误差意义下可达近似最优，并且可获得较好视觉效果，因而得到了进一步研究和广泛应用。小波阈值去噪办法是实现最简朴、计算量最小一种办法。但其阈值选用比较困难，虽然Donoho在理论上证明并找到了最优通用阈值，但实际应用中效果并不十分抱负。此外，阈值选用还依赖于噪声方差，因而需要事先预计噪声方差。通过定性比较咱们可以得到如图4.1所示分析37：去噪办法模极大值重构去噪空域有关去噪阈值去噪计算量大较大小稳定性稳定较稳定依赖于信噪比去噪效果较好好好合用范畴低信噪比信号高信噪比信号低信噪比信号图4.1：三种去噪办法定性比较从比较成果看，三种办法均有各自长处和缺陷，没有一种办法完全优于另一种办法。在实际应用中，也常把上述办法有机地结合起来使用，这样效果会更佳。下面分析老式小波阈值去噪办法。4.2小波阈值去噪办法原理在信号解决、模式辨认、自动控制等诸多学科中，信号噪声存在往往使得问题分析变得复杂，并且使得实际应用时系统状态变化偏离理论分析成果，导致办法分析误差甚至使办法失效。因此信号去噪是信号解决重要内容之一。去噪算法是运用噪声先验知识对含噪信号在信噪比增益和均方误差意义上进行预计办法。老式基于傅立叶分析信号去噪办法存在着保护信号局部特性和抑制噪声之间矛盾。而在对被噪声污染信号进行滤波时，总但愿在滤除噪声同步但是多平滑掉信号细节，这是采用傅立叶变换信号去噪办法很难做到。尽管当前提出了许多不同小波域去噪办法，由于小波阈值去噪办法简朴有效，故得到广泛应用，也相继提出了某些改进算法383940。但是在改进软阈值去噪算法中大都包括需要通过经验得到待定参数，这样就带有一定猜测性，使得去噪效果不稳定。本文依照随机噪声概率特点提出了采用小波熵理论选取阈值函数中待定参数最佳值办法。它运用随机噪声小波系数和去噪之后有用信号概率分布特性选取最佳参数值，从而在尽量消除噪声状况下尽量小影响真实信号，从而使其具备了比软、硬阈值更好去噪效果。4.3基于小波熵最优阈值去噪办法设有一观测信号： (4-1)其中x( t)为含噪信号，s (t)为原始信号，n( t)为加入噪声。对x (t)作离散小波变换，可得： (4-2)其中分别是含噪声信号，原始信号和噪声信号在第j层上西伯系数，分别记作；J为小波变换最大分解层数；N为信号长度。如果可以精确预计出原始信号小波系数则可以通过小波重构就可以获得精确原始信号，因而小波去噪问题就化为了原始信号小波分解系数预计问题。小波阈值去噪办法基本思想是：当不大于某一阈值时，重要由噪声引起，则可以以为，并将其舍去；当不不大于不不大于阈值时，小波系数重要由信号引起，可以为小波阈值去噪办法核心环节是阈值解决，这某些涉及阈值预计和阈值函数选用。D.L Donoho提出软、硬阈值函数41分别如式(4.3),(4.4)。 (4-3) (4-4)其中sgn()为符号函数，阈值为，为噪声原则差，可通过最小尺度上小波系数来预计，其预计值，其中表达取第一层所有小波变换系数幅值中间值，N为信号长度。软、硬阈值办法虽然在实际中得到了广泛应用，也去得了较好效果，但她们自身存在着较多缺陷：(1) 软阈值法该阈值办法函数在小波域内对于不不大于阈值小波系数采用恒定值压缩，这与噪声分量随着小波系数增大而逐渐减小趋势不相符。(2) 硬阈值法该阈值函数在整个小波域内只对不大于阈值小波系数进行解决，对不不大于阈值小波系数不加解决，与实际状况下不不大于阈值小波系数也存在噪声信号干扰不相符，势必影响信号重构精度。对于一种不拟定性系统，若用一种取有限个值随机变量X表达其状态特性，取值为概率，且则X某一成果得到信息可以用表达，于是信息熵为： (4-5)信息熵H是在一定状态下定位系统一种信息测度，它是对序列未知限度一种度量，可以用来预计随机信号复杂性。对于信号去噪问题，由最小信息熵可知，得到式(4-1)中原始信号s( t)和噪声信号n( t)有关性越小，它们熵之和越小。因而，令去噪后得到原始信号s( t)和噪声信号n( t)信号熵之和最小，此时去噪效果最优。小波熵W定义为： (4-6)在去噪过程中，令原始信号和噪声之间有关性尽量小，即令原始信号小波熵和滤掉噪声小波熵之和尽量小，这时去噪阈值函数是最优。由式4-3得：去噪后原始信号小波系数为： (4-7)滤掉噪声小波系数为： (3-8)令是通过去噪后保存信号总能量，是滤掉噪声总能量 (4