第3期 孙志辉等：基于形态非抽样小波和S变换的轧机振动信号分析 .369· 信号采取软阙值消噪处理，消噪处理后时域图见图 出了一种基于多尺度平均滤波器的形态非抽样小 9.在对其进行224.61Hz时的S变换（图10），计 波. 算224.61Hz成分开始时间时，所选取参数与F4振 (2)通过一组仿真谐波信号的处理效果，分析 动信号处理时相同，计算结果为TB=23.603s.所 了此形态非抽样小波分解尺度与谐波频率之间的关 以，在F4和F5两轧机振动信号中，F5首先出现 系，为信号分解频率区间的识别提供了依据. 了224.61Hz频率成分 (3)从实际信号分析中可以看出，基于多尺度 平均滤波器的形态非抽样小波和S变换的算法能 够精确地提取出故障频率的时间信息. 0.5 22 22.5 23 23.5 参考文献 时间/s 图8降噪第4层细节信号224.61Hz时的S变换 [1]Yang X,Tong C N.Chatter in rolling mill.J Iron Steel Re5,2009,21(11:1 Fig.8 S-transform of the fourth layer detail signal after noise (杨旭，童朝南。板带轧机振动问题研究.钢铁研究学报， reduction at 224.61 Hz 2009,21(11):1) 10 [2]Zhang S J,Zhao X P.Research of morphology-based recognition method for digital symbol image skeleton. 0 Comput Era,2010(5):38 g10 (张胜军，赵雪萍.基于形态学的数字符号图像骨架的识别 2 22.5 23 23.5 时间/s 方法研究.计算机时代，2010(5：38) 图9F5振动信号第4层细节信号降噪后时域图 [3 Li C Z,He R J,Tian G M.Research on the application of the mathematical morphology filtering in vibration signal Fig.9 Time-domain spectrum of the fourth layer detail signal analysis.Comput Eng Sci,2008,30(9):126 from F5 after noise reduction (李春枝，何荣建，田光明.数学形态滤波在振动信号分析 中的应用研究.计算机工程与科学，2008,30(9)：126) [4]Zhang L J,Yang J H,Xu J W,et al.Morphological undec- 1 imated wavelet and its application to feature extraction of impulsive signal.J Vib Shock,2007,26(10):56 22 22.5 23 23.5 时间/s (章立军，阳建宏，徐金梧，等.形态非抽样小波及其在冲击 信号特征提取中的应用.振动与冲击，2007,26(11：56) 图10F5振动信号224.61Hz时的S变换 (5]Zhang L J,Li M,Yang J H,et al.Compression method Fig.10 S-transform of vibration signals from F5 at 224.61 Hz of electrical signals from rolling mills based on adaptive morphological wavelets.J Univ Sci Technol Beijing,2011, 考虑到轧机在振动时信号幅值会发生明显增 33(3):353 大，1/4幅值可以近似作为振动的临界点.阈值的 (章立军，黎敏，阳建宏，等.基于白适应形态小波的轧机电 选择会影响每个信号的TB计算值，由于两个信号 气信号压缩方法.北京科技大学学报，2011,33(3)：353) 采用同样的阈值进行处理，对两个信号起振顺序的 (6]Zhang Y P,Gai Q.Application of S-transform in rolling 比较没有影响. bearing fault diagnosis.Appl Sci Technol,2011,38(7):26 从分析结果中可以看出，本文提出的方法成功 (张云鹏，盖强。S变换在滚动轴承故障诊断上的应用.应 提取了故障频率的起振时间，确定了两台轧机的起 用科技，2011,38(7)：26) 振顺序，为确定轧机振源提供了一定基础.但是，由 7]Liu Q,Zhang J.Application of S transform in analysis of 于轧机振动是一个复杂机电系统的振动问题，引起 strain changes before and after Wenchuan earthquake.J Geodesy Geodyn,2011,31(4):6 振动的原内很复杂，振动信号存在着非线性、非平 (刘琦，张晶.S变换在汶川地震前后应变变化分析中的应 稳现象，能否利用形态小波分解提取出更为准确的 用.人地测量与地球动力学，2011,31(4)：6) 振动原因，尚需进一步的实验验证. [8)Yang H T,Zhu S J,Yang A G,et al.Application research 3结论 on time variable filtering with S-transform in denoising processing.J Southwest Pet Univ Sci Technol Ed,2009, (1)在形态非抽样小波一般框架的基础上，提 31(6:56第 期 孙志辉等 基于形态非抽样小波和 变换的轧机振动信号分析 · · 信号采取软闭值消噪处理 , 消噪处理后时域 图见图 在对其进行 时的 变换 图 , 计 算 成分开始时间时, 所选取参数与 振 动信号处理时相 同, 计算结果为 几 所 以, 在 和 两轧机振动信号中, 首先出现 了 频率成分 ” “' ”从俨应叩 出了一种基于 多尺度平均滤波器的形态非抽样小 波 通过一组仿真谐波信号的处理效果, 分析 了此形态非抽样小波分解尺度与谐波频率之间的关 系, 为信号分解频率区间的识别提供 了依据 从 实际信号分析中可 以看出, 基于多尺度 平均滤波器的形态非抽样小波和 变换的算法能 够精确地提取 出故障频率的时间信息 参 考 文 献 侧瑕具︵︶,日 时间 图 降噪第 层细节信号 石 时的 变换 一 侧姻具︶、。子日 振动信 号第 时间 层细节信 号降噪后时域图 于 侧昙姻甲︶日 苦厂、 图 振动信号 时的 变换 一 , 考 虑到轧机 在振动时信号幅值会 发生明显增 大 , 幅值可以近似作为振动的临界点 闭值 的 选择会影响每个信号的 几 计算值 , 由一飞两个信号 采用同样 的闭值进行处理, 对两个信号起振顺序的 比较没有影响 从分析结果中可以看出, 本文提 出的方法成功 提取 了故障频率 的起振时间, 确定了两台轧机 的起 振顺序 , 为确定轧机振源提供了一定基础 但是, 由 于轧机振动是一个复杂机电系统 的振动 问题 , 引起 振动的原因很复杂, 振动信号存在着非线性 、非平 稳现象, 能否利用形态小波分解提取出更为准确的 振动原因, 尚需进一步的实验验证 结论 在形态 非抽样小波一般框架 的基础上 , 提 【 、乞 , 加 。 亡。 , , 杨旭, 童朝南 板带轧机振动问题研究 钢铁研究学报, , 【」 , 罗一 · 夕。艺 , 张胜军, 赵雪萍 基 于形态学的数字符 号图像骨架的识别 方法研究 计算机时代, 【】 , , 夕。 乞, , 李春枝, 何荣建, 田光明 数学形态滤波在振动信 号分析 中的应用研究 计算机工程与科学, , 【 , , , 就 叭 , , 章立军, 阳建宏, 徐金梧, 等 形态非抽样小波及其在冲击 信号特征提取中的应用 振动与冲击, , 【」 。 , 丫五 , 叭 葱 乞 几 红乞几 , , 章立军, 黎敏, 阳建宏, 等 基于 自适应形态小波的轧机 电 气信号压缩方法 北京科技大学学报, , 【」 , 一 鳍 葱 , , 张云鹏, 盖强 变换在滚动轴承故障诊断 上的应用 应 用科技, , 【』 , 匕 “ ”, , 。, , 刘琦, 张晶 变换在汉川地震前后应变变化分析中的应 用 大地测量 与地球动力学, , 【 , , , 一 乙 叨 忿 之 几云 坛 几 ,