机电一体化振动信号自适应分解方法

发布时间：2022-10-05 10:02 热度：

　　由于传统的振动信号自适应分解方法，在进行振动信号自适应分解时无法对振动信号进行有效的自适应降噪，因此自适应分解误差大，无法实现对振动信号进行自适应分解。针对这一问题，进行机电一体化系统振动信号自适应分解方法研究。添加振动信号Gaussian白噪声;再通过对振动信号进行自适应降噪;实现自适应分解振动信号。实验结果表明：设计的自适应分解方法误差最高为0.238，实验对照组为0.487，设计的自适应分解方法自适应分解能力更强，可以实现对振动信号自适应分解。

　　关键词：机电一体化系统;振动信号;自适应分解方法;自适应降噪

　　振动信号自适应分解属于数据驱动的自适应信号分解，通过对振动信号的自适应分解，致力于高精度地对振动信号进行重构[1]。通过对原始振动信号进行Gaussian添加白噪声处理，得到若干个子振动信号。考虑到传统的振动信号自适应分解方法没有引进一个体系完善的机电一体化系统，因此无法对振动信号进行基于机电一体化系统的EMD分解，导致很容易出现振动信号自适应分解精度低的问题。一个体系完善的机电一体化系统必须具备五大基本要素，分别为：信息输入、控制及信息处理部分、驱动部分、执行机构以及机械本体。其中，在机电一体化系统中最为重要的就是驱动部分。驱动部分作为机电一体化系统的动力部分，为机电一体化系统提供能量，致力于用最小的动力输入获得最大的功能输出[2]。机电一体化系统应用于振动信号自适应分解方法中，可以通过接口耦合进行能量转换，从而完成对振动信号自适应分解的信息控制以及运动传递。因此，本文进行机电一体化系统振动信号自适应分解方法研究。

　　1机电一体化系统振动信号自适应分解方法

　　1.1添加振动信号Gaussian白噪声

　　首先，利用机电一体化系统的信息输入功能，按照振动信号的频率从低到高进行输入，得到固有模态振动信号自适应函数。在原始振动信号中，通过添加Gaussian白噪声xi(i=1，2，…，n)，则设固有模态振动信号自适应函数为IMF，添加振动信号Gaussian白噪声后的固有模态振动信号自适应函数IMF计算公式，如公式(1)所示。(1)在公式(1)中，n指的是添加振动信号Gaussian白噪声的信噪比;i指的是添加振动信号Gaussian白噪声的个数，为实数;k指的是添加振动信号Gaussian白噪声幅值的大小[3]。因此，每个独立添加的振动信号Gaussian白噪声，都可以根据公式(1)得到一个独立的固有模态振动信号自适应函数。

　　1.2振动信号自适应降噪

　　在得到固有模态振动信号自适应函数的基础上，根据固有模态振动信号自适应函数的噪声水平以及置信区间，对振动信号进行自适应降噪处理[4]。将固有模态振动信号自适应函数投影到机电一体化系统中方差最大的正交主成分上，运用控制及信息处理部分进行振动信号控制及信息处理，使得多维振动信号的互相关达到最小，进而实现振动信号自适应降噪。设固有模态振动信号自适应函数IMF在主成分方向上的投影为IMF′，则按自适应降噪率大小排序的主成分为p={p1，p2，…，pm｝，则p的计算公式，如公式(2)所示。(2)在公式(2)中，e指的是协方差矩阵振动信号自适应降噪特征值的对角矩阵;x指的是特征值为主成分的贡献率;t指的是主成分的累计降噪贡献率。求得自适应降噪率大小排序的主成分函数后，按照自适应降噪率对振动信号自适应降噪[5]。设自适应降噪率为φ，则φ的计算公式如公式(3)所示。(3)在公式(3)中，m指的是机电一体化系统的对振动信号自适应降噪的控制向量。在实际对振动信号进行自适应降噪时，确定累计自适应降噪率大小排序主成分的阈值后，即可确定机电一体化系统对振动信号自适应降噪控制的向量[6]。

　　1.3自适应分解振动信号

　　完成振动信号自适应降噪后，得到自适应分解后的振动信号。设原始振动信号为IMFn，分别添加3个振动信号Gaussian白噪声，代入机电一体化系统，进行EMD分解，得出自适应分解后的振动信号。自适应分解振动信号整体流程如图1所示。如图1所示，基于机电一体化系统的EMD分解是机电一体化系统振动信号自适应分解方法中最关键的一步[7]。必须运用机电一体化系统信息输入、控制及信息处理部分、驱动部分、执行机构以及机械本体进行自适应分解，从而在自适应分解后获得高精度的子振动信号。

　　2实验

　　2.1实验准备

　　本文通过构建实验，对振动信号自适应分解方法中的关键性能自适应分解误差进行定量考核。本次实验选取两个20Hz的振动信号作为实验对象，两个振动信号的叠加噪声水平为20%。将两个20Hz的振动信号代入Eeapctlly仿真实验软件，进行振动信号模拟，则本次选取的两个20Hz的振动信号模拟具体情况，如图2所示。结合图2的信息，分别使用传统自适应分解方法以及本文设计的自适应分解方法进行仿真实验，设置传统的自适应分解方法为实验对照组。Eeapctlly仿真实验软件整体使用Logo语言，主要用于对振动信号自适应分解的仿真模拟。仿真实验主要内容为分析两种自适应分解方法的误差值，从而评定自适应分解性能更高的自适应分解方法。在此次仿真实验中，以2t/s为一个时间节点，共设置10个时间节点，进行10次仿真实验。针对Eeapctlly仿真实验软件测得的自适应分解误差，记录实验结果，并绘制振动信号自适应分解误差曲线，进而判断两种自适应分解方法对于振动信号的自适应分解能力。

　　2.2实验结果分析与结论

　　根据上述设计的实验步骤，采集10组实验数据，将两种自适应分解方法下的自适应分解误差进行对比，振动信号自适应分解误差曲线对比结果，如图3所示。通过图3可得出如下结论：本文设计的自适应分解方法误差最高为0.238，实验对照组为0.487，设计的自适应分解方法自适应分解能力更强，可以实现对振动信号自适应分解。通过仿真验证结果，证明所设计的自适应分解方法其各项功能均可以满足设计总体要求，可以广泛应用于振动信号自适应分解方面。

　　3结语

　　综上所述，机电一体化系统振动信号自适应分解方法在振动信号自适应分解中的具体优势已经显现出来。自适应分解误差的高低是保证振动信号自适应分解效率以及质量的主要衡量标准，而针对机电一体化系统对振动信号自适应分解方法的设计可以大幅度提高振动信号自适应分解精度。机电一体化系统振动信号自适应分解方法不但能够完成传统的自适应分解方法所不能完成的任务，还能为振动信号自适应分解领域的研究提供学术参考。本文唯一不足之处在于没有对改进LMD的振动信号自适应分解方法与机电一体化系统振动信号自适应分解方法进行对比分析，相信这一点也可以作为振动信号自适应分解方法日后的研究方向之一。

　　参考文献

　　[1]耿海璇，张济民.基于Yule-WalkerAR方法的振动信号除噪研究[J].机电一体化，2016，22(1)：34-37.

　　[2]李红光，魏协奔，谢跃鹏，等.数控机床振动监测及故障诊断系统研究[J].轻工科技，2016(7)：48-49.

　　[3]王伯昕，杨海涛，王清，等.基于补充改进集合经验模态分析法———多尺度排列熵分析桥梁振动信号优化滤波方法[J].吉林大学学报：工学版，2020，50(1)：216-226.

　　[4]杨建香，佘玉梅，傅美君，等.基于自适应变分模态分解的佤语孤立词共振峰估计[J].云南民族大学学报(自然科学版)，2019，28(3)：297-305.

　　[5]关泽文，陈建文，鲍拯.一种改进的基于峰值信噪比———高阶奇异值分解的天波超视距雷达自适应海杂波抑制算法[J].电子与信息学报，2019，41(7)：1743-1750.

　　[6]刘彦荣，刘庆存，丁昕，等.车体强度检测系统自适应控制研究[J].机电一体化，2014(10)：29-30.

　　[7]张泳，袁德志，范晓望，等.基于反向模型的动态材料试验机系统自适应控制策略研究[J].液压与气动，2012(6)：21-24.

　　作者：王晓岩