【2017年整理】基于局部均值分解的信号非线性趋势项剔除方法及应用.docVIP

基于局部均值分解的信号非线性趋势项剔除方法及应用 摘 要：本文提出了一种基于样条插值的局部均值分解（lmd）法剔除趋势项的途径，并研究了其在发动机瞬时转速信号处理中的应用。通过与常用的最小二乘法（lsm）和小波分解法（wm）进行比较，表明了基于样条插值的局部均值分解法在去除信号中趋势项的问题上，具有剔除与真实信号频谱重叠的趋势项的优势。这对提高发动机瞬时转速信号预处理精度具有重要意义。 关键词：趋势项；局部均值分解法；最小二乘法；小波分解法；瞬时转速 【abstract】in this paper, the local mean decomposition (lmd) method based on the spline interpolation is researched into removing the linear trends of signal and applied in the engine instantaneous speed signal processing. compared with the commonly used least squares method (lsm) and wavelet decomposition method (wm), this mothod has more advantages in the issue of the linear trend of signal. it could remove the trend of overlap with the true signal spectrum trend. this is of great significance to improve the accuracy of the engine instantaneous speed signal preprocessing. 【key words】trends, local mean decomposition, least squares method, wavelet decomposition, instantaneous speed 0 引 言 在工程测试中采集到的信号数据，由于传感器频率范围外低频性能的不稳定以及传感器周围的环境干扰等，往往会偏离基线，甚至偏离基线的大小还会随时间变化。偏离基线随时间变化的整个过程被称为信号的趋势项[1-3]。趋势项可以是线性函数、幂函数、指数函数及周期函数等，其中幂函数和线性函数统称多项式函数。 趋势项的存在对信号分析处理精度具有很大影响。特别是在对数据进行积分变换时，趋势项对结果的影响比较突出。在对数据进行二次积分时，由于周期趋势项的存在，得到的变换结果可能完全失真。因此，在测试信号分析中常常要消除趋势项。而在实际工程中，技术人员往往因为趋势项拟合计算复杂，常使用线性趋势项代替之，此种处理对于精度要求不高的场合是可以的，但如果要对精密分析信号进行高精度分析时，必须用非线性趋势项才能取得很好的趋势项消除效果[4]。 本文研究了基于局部均值分解的信号非线性趋势项去除方法，并研究了其在发动机瞬时转速信号处理中的应用。 由于本文试验采用的是12缸发动机，在一个工作循环内，转速信号有12个波动，每一次波动对应一个气缸的工作过程。因此，通过测量发动机瞬时转速可检测发动机工作状态。 由图1(b)与图2(b)、图3(b)的自功率谱比较可知：使用lsm法去除趋势项和wm法去除趋势项，在一定程度上削弱 克服wm机械式分解频率带的弱点，能够有效地去除信号的非线性趋势项，尤其是与真实信号频谱重叠的趋势项。 2）由于发动机工作的非平稳性，测得的发动机瞬时转速信号中也广泛存在非线性趋势项。本文分析结果表明：基于样条插值的lmd的趋势项剔除方法能够有效地剔除瞬时转速信号中的非线性趋势项信号，提高信号预处理精度。 参考文献 [1] 李少远,曹保定,孟昭终,王仙琼.基于时间序列分析方法的预测模型研究[j].河北工学院学报, 1995,(3):7-11. [2] 王济,胡晓.matlab在振动信号处理中的应用[m].北京;中国水利水电出版社,2006:69-70. [3] 李舜酩,李香莲.振动信号的现代分析技术与应用[m].北京:国防工业出版社,2008. [4] 王广斌,刘义伦,金晓宏,何玉辉.基于最小二乘原理的趋势项处理及其matlab的实现[j].有色金属,2005,(5):4-5. [5] 易苏军.hilbert—huang变换及其在信号处理中的应用[d].大连:大连理工大学