振动信号趋势项提取方法研究

mutougeda

; a  S& N/ Q/ {( c& p5 s5 O, }

振动信号趋势项提取方法研究

% z' v- [5 Z4 L4 f
摘要:针对某车载武器振动位移测试中存在的严重趋势项干扰问题,提出了基于经验模态分解(EmpiricalMode Decomposition ,EMD)的信号处理方法.为有效提取趋势项,提出了一种新的趋势项判定方法.该方法根据振动信号相对时间轴对称的特点,通过比较各IMF分量与原始信号的均值判定该阶IMF分量是否为趋势项.模拟振动信号仿真证明了方法的有效性.最后对实测信号进行了EMD处理并最终重构了振动位移信号,与小波变换方法及一种定性的EMD趋势项判定方法进行了比较,结果表明提出的基于EMD的信号趋势项提取和判定方法有更大的优越性,有助于客观评价该武器性能.
关键词:信号处理;振动位移;趋势项;经验模态分解;小波变换
0 E% P* P" p! {2 M* }

1引言
. K3 X5 a! v' P& ]2 x* f武器射击过程中各部件的振动信号复杂,包含频率丰富的振动特征信号以及干扰信号,干扰信号的存在增加了对测试结果正确评价的难度.在进行某车载武器试验中,为了计算武器后坐能量大小,需要测试武器身管及其连接体整体后坐运动的位移变化情况,测试传感器选用激光多普勒测振仪,先获得结构的振动速度信号,然后数值积分得到最终的位移量.但是测试结果存在多重干扰,导致积分结果产生趋势项使结果严重失真,这就需要对测试结果进行一定的处理以获得真实的位移量.
, ^/ E8 M; x+ Y0 n8 N1 P9 Q5 C
信号趋势项的消除有很多方法,如:平均斜率法、差分法、低通滤波法、最小二乘拟合方法、小波变换方法以及经验模态分解方法(EMD)方法等[1·2].与其他几种方法相比,EMD方法无需关于原信号的先验信息,具有较强的自适应性,因而在多领域实践中得到了广泛的应用[3~7].
经验模态分解方法(EMD)是一种新的信号处理方法,它可以依据信号的自身尺度特征自适应地将其分解为若干个被称为本征模函数(IMF)的和.因此,采用EMD方法进行趋势项提取,就是如何通过各阶IMF分量的性质确定趋势项的问题.一般认为趋势项是指信号中周期大于记录长度的成分1,所以趋势项的确定

9 O4 w! c+ o# d& x

游客，如果您要查看本帖隐藏内容请回复

) j9 K: f) l- W9 W! F2 R! P$ X) q

xiaogegepcb

振动信号趋势项提取方法研究