基于小波包阈值方法的齿轮箱振动信号降噪处理

许亚男　王旭升

摘要：通过研究小波包变换的基本原理，结合小波包阈值去噪的方法，分别对仿真信号以及采集到的汽车齿轮箱振动信号进行小波包去噪处理。选用合适的小波函数对信号进行小波包分解，对分解后的小波包系数进行全局阈值处理，适当调节全局阈值的大小，实验表明当阈值选择合适的情况下，可以得到比较好的去噪效果。

关键词：振动信号；小波变换；小波包；阈值方法；信号去噪

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）23-0238-03

Abstract： Studied of the basic principle of wavelet packet transform， combined wavelet packet thresholding methods， denoising to the simulated signal and the collected automobile gearbox vibration signal based wavelet packet transform. Selected the suitable wavelet function to decompose signal based on wavelet packet， globally thresholding to the wavelet packet coefficients after decomposition， Suitably adjusted threshold size， Experiments show that when the threshold is chosen right， you can get better denoising.

Key words： vibration signal； wavelet transform； wavelet packet； thresholding methods； signal denoising

在工程领域中，齿轮箱是一种十分常见的机械设备，我们想要知道它是否能够正常工作，就需要随时检测它的内部部件的运行情况。一般情况下，我们是通过测试内部零件比如齿轮或者轴承的振动信号，通过分析振动信号的特征来对齿轮箱进行监测。然而，我们在获得齿轮箱振动信号的过程中，容易受到噪声的干扰，这些噪声一部分是传感器在测量的时候产生的，另一部分是由于机器运转的时候产生的，还有就是环境的影响，这些都会使得振动信号带有噪声。所以，我们要分析振动信号，首先就要去除掉振动信号中的噪声，这也将成为故障诊断的一个重要研究课题 [1][2]。

小波变换是一种很好的时频分析工具，采用了多分辨率的思想，可以对信号进行局部细化处理，这使得人们在分析振动信号的时候使用小波变换变得更有实际应用价值[3-6]。但是小波变换在处理信号的时候只是对低频部分进行细分，高频信号则保持不变。实际应用中，许多信号比如非平稳机械振动信号、地震信号以及医学信号等，我们可能对这些信号的某段时间或某段频率比较感兴趣，正交小波分解对信号的低频部分进行逐层分解，高频部分不再继续分解，此时采用正交小波分解方法就存在一定的缺陷。考虑到小波变换的这个缺陷，人们在此基础上研究了小波包变换[7-10]，它对低频与高频信号同时进行细化处理，在一定的频域范围内提高了时频分辨率。

本文就是利用小波包对振动信号进行去噪处理，结合阈值去噪的原理，在实验过程中适当调节阈值的大小，以达到比较好的去噪效果。

1 小波包变换的基本原理

3 实验结果与分析

对一个加噪的信号进行小波包阈值去噪效果如图1所示。图中，选用“sym6”小波进行5层小波包分解，利用全局阈值进行软阈值去噪处理，得到图1（c）为全局阈值的去噪效果，（d）为第一次调节阈值（阈值取全局阈值-1）的去噪效果，（e）为第二次调节阈值（阈值取全局阈值+5）的去噪效果。从去噪的结果来看，小波包可以取得比较好的去噪效果，特别是（d）图的去噪效果更好，不但可以去除噪声还可以比较好的保留原信号的特征。从中我们也发现影响去噪效果的好坏与阈值的选取以及阈值的量化都有很大关系，所以在信号去噪方法中阈值的选取与量化方法是很关键的。

4 结束语

本文通过对小波包理论的研究，结合阈值去噪的方法，实现了对振动信号去噪的处理，实验表明，小波包分析在齿轮箱振动信号去噪方面具有一定的优越性，但是阈值的选取这方面还是研究的重点问题。本文通过调节全局阈值的大小，可以得到比较好的去噪效果。然而，我们利用加速度传感器获得齿轮箱的振动信号是一种十分复杂的信号，本文只是对小波包用于振动信号的阈值去噪方法做了一些研究，今后可以考虑将小波变换与分形以及神经网络联系起来，以便于找到更好的振动信号分析方法。此外，阈值的选取也是信号去噪的关键，今后还需要对阈值的选择规则做更深入的研究。

参考文献：

[1] 陈长征，胡立新，周勃，等.设备振动分析与故障诊断技术[M].北京：科学出版社， 2007：12-15.

[2] 孙振明，徐敏强，王日新.齿轮箱振动信号降噪方法的研究[J].沈阳：风机技术， 2002（2）：17-19.

[3]寿海飞，曹志锡，楼建勇.基于小波变换的齿轮振动信号降噪分析[J].机械设计与制造，2007，7（10）：125-126.

[4]紫阳，何正嘉，张周锁.小波分析技术及其在机械设备非平稳故障诊断中的应用.西安：西安交通大学学报.2000，34（9）：82-87.

[5]王翔，葛晓霞.基于小波变换的汽轮机振动信号软阀值消噪技术研究[J].汽轮机技术，2009，51（3）：204-206.

[6] 王敏.基于蚁群优化算法的齿轮箱故障诊断研究. 硕士学位论文，太原：中北大学，2010.

[7]魏红梅，黄世源，许飞.小波包去噪在地震信号预处理中的应用[J]东北地震研究，2008，6（5）：45-49.

[8]沈鑫，杜宇人.一种基于最优小波包基的电泳荧光信号去噪方法[J].扬州大学学报自然科学版，2011，14（2）：70-73.

[9]李慧，蔺启忠，王钦军，等.基于小波包变换和数学形态学结合的光谱去噪方法研究[J].光谱学与光谱分析，2010，30（3）：644-648.

[10] 邓玉娟.基于小波包的阈值语音去噪算法研究[J].电声技术，2009，33（9）：65-69.

[11] 彭玉华， 小波变换与工程应用[M]. 北京： 科学出版社， 1999：90-94.

[12]D.L.Donoho.Denoising By Soft Thresholding [J]. IEEE Trans. on Information Theory， 1995， 41（3）：613-627.

[13] 赵未莲. 基于小波变换的阈值语音信号去噪[J].重庆科技学院学报，2005，7（4）：6-8.

[14] 付炜，许山川.基于阈值的小波域语音降噪新算法[J].计算机与数字工程，2005，33（11）：80-83.