自动机振动信号去基线漂移

原 平

（山西机电职业技术学院汽车工程系，山西长治046000）

自动机振动信号去基线漂移

原 平

（山西机电职业技术学院汽车工程系，山西长治046000）

针对高速自动机振动信号中工作信号频率高，因低频背景噪音、传感器线头松动等原因引起的基线漂移信号频率相对较低的固有特点，采用小波多分辨率分析方法对实测自动机信号进行分解重构，去除基线漂移，对去除基线漂移前后的信号进行小波包特征提取并将特征进行对比，结果表明该方法不仅有效地去除了自动机振动信号中的漂移信号，而且较好地保持了自动机信号的原有形态，为特征提取、故障诊断工作提供了便利。

自动机；基线漂移；小波包

自动武器射击时具有高温、高速等特点，其本身结构小巧复杂、运动剧烈，并且在射击过程中伴随着各种冲击、碰撞、跳动等情况，因此，其振动信号是一种典型的复杂冲击信号[1]，加上火炮发射时测试环境的恶劣性，使得所测得的振动信号中包含了各种不同频率的成分。在对试验所测数据进行处理时发现，所测的多组信号中出现了基线漂移的情况，影响到了后续工作。而在对高速自动机进行故障诊断过程中，最为重要的一步就是提取故障特征。因此，去除基线漂移是自动机故障诊断中必要前提工作。

常见的基线漂移是一种低频扰动，频响一般小于1 Hz，通常表现为缓慢变化的曲线。例如ECG信号，针对这种信号的去基线漂移技术就是利用基漂信号频率与正常信号频率之间的差异，剔除了基线漂移[2]。

本文中自动机振动信号的特点是短时冲击信号，且频率较高，本文利用小波变换的多分辨率分析特性，在取得较好去基漂效果的同时，很好地保持了原有信号的特点。

1 自动机振动信号分析

在测取故障信号之前，首先对正常工作中的某型号高速自动机进行了测试，通过分析这些振动信号的曲线（如图1所示）发现，实际信号包含了自动机工作时引起的正常振动信号，以及一些不同频率的干扰信号，由于传感器线头随火炮发射的剧烈振动变得松弛而抖动引起低频漂移成分等，这些基线的漂移并未携带故障信息，给后续故障特征提取带来不便。图1为某型号自动机正常工作时的加速度信号。

图1 带基线漂移的原始信号

为了更直观形象地说明漂移信号对后续故障诊断工作带来的不变，运用小波包分解对实测振动信号进行特征提取，得到了信号的能量谱值如表1所示。

表1 去基线漂移前信号特征向量

给出能量谱图如图2所示。

图2 去基线漂移前信号能量谱图

按照能量方式表示的小波包分解结果称为能量谱。把不同频段上信号的能量求解出来，将这些能量值按顺序排列形成特征向量，以供分析识别出信号的特征频带和进行特征提取，从谱图中可以看到，能量主要集中在低频段，导致高频部分的能量谱不能很好地显现，因此无法提取高频有用信号的特征，必须去除低频的基线漂移。

2 小波多分辨率分析算法

多分辨率分析分解的最终目的是为了构造一个在频率上高度逼近L2（R）空间的正交小波基。由于基线漂移的主要成分为缓变趋势分量，在小波分解中会直接显现于较大的尺度下，只要在重构过程中将这一尺度下的分量直接去除，便可以实现基线漂移的矫正。

考虑到信号的离散性和计算的简便性，采用离散二进小波变换，该二进小波具有时域上的平移不变性，因此不会破坏被分析的信号。任给一个信号，经小波变换后都可分解为平滑近似信号cj（k）及细节信号dj（k），cj（k）和dj（k）的递推公式为：

基于多分辨率分析的信号分解可用由共轭正交镜像滤波器组成的子带滤波器组来实现，子带滤波器组的初始输入信号c0（k）直接采用x（t）的采样序列x（k）.

平滑近似信号cj（n），其重构公式为：

其中，g0（k）以及g1（k）分别为信号重构时所需要的低通滤波器和高通滤波器的脉冲响应，它们与h0（k）和h1（k）一样，都满足式（3）和（4）。

3 自动机振动信号去基线漂移

为不破坏原始信号，运用式（1）离散小波多分辨率分析算法在Matlab软件中对信号进行多组实验处理，分解过程如图3所示，对图1所示实测原始信号进行五层的分解，低频部分已经低于50 Hz，得到平滑近似信号a和各层细节信号d5到d1，其中a为一条清晰的缓慢变化的曲线，说明很好地分解出漂移信号，而又未破坏信号的高频部分的特征。其各层分解系数如图4所示。

图3 小波分解树

图4 小波多分辨率分解各层系数

图中，a5为低频的漂移信号，d5到d1为频率从低到高的其他各层细节信号，在重构过程中只需将a5置零，得到高速自动机振动信号去除基线漂移结果如图5所示。

图5 自动机信号去除基线漂移结果

对比原始信号发现，重构信号没有了漂移，而且最大限度地保持了原有形态特点。

运用小波包分解对去基线漂移后的振动信号进行特征提取，得到信号的能量谱值如表2所示。

表2 去基线漂移后信号特征向量

对比表1数据发现该方法对低频的漂移成分比较敏感，且五层分解已经可以有效地将其去除。为了更形象地说明前后特征的变化，给出去基线漂移后的能量谱图如图6所示。

图6 去基线漂移后信号能量谱图

对比图2发现去除基线漂移后，解决了能量主要集中在低频段的问题，高频段的能量很好地显示出来，使提取自动机高频有用信号中的故障信息成为可能，因此去除基线漂移为信号的特征提取工作扫清了障碍。

4 结束语

小波多分辨率分析方法是一种比较成熟的方法，简单实用，通过图5的处理结果以及去基漂前后信号特征对比发现，只要选择合适的分解尺度，重构时将漂移信号置零，便可以有效地去除高速自动机振动信号的漂移信号，而且完好地保存了信号的原有形态特征，为后续的故障特征提取工作提供了便利。

[1]陶以苏.多参数枪械动态测试系统设计研究[D].南京：南京理工大学，2010.

[2]张立新，丁北生.用IIR算法消除ECG基线漂移[J].天津大学学报，1998，1（31）：120-124.

[3]石为人，罗雪松，胡宁.基于小波多分辨率分析的信号消噪[J].重庆大学学报，2002，25（6）：59-62.

Removing Baseline Wander of Automatic Machine Signal

YUAN Ping
（Department of Automotive Engineering，Shanxi Institute of Mechanical and Electrical Engineering，Changzhi Shanxi 046000，China）

In view of the high frequency of the working signal in the vibration signal of the high speed automatic machine and the relatively low frequency of the baseline wander signal caused by the low frequency background noise，the loose wire of the sensor and other reasons，wavelet multiresolution analysis method is used to decompose and reconstruct the measured automata signal and remove baseline wander，wavelet packet feature extraction is performed on the signals before and after removal of the baseline wander and the features are compared.The results show that this method not only can effectively remove the drift signals in the automatic machine vibration signal，but also preserve the original form of the automatic machine signal，and facilitate the feature extraction and fault diagnosis.

automatic machine；baseline wander；wavelet packet

TH17

A

1672-545X（2016）11-0206-03

2016-08-15

原平（1986-），男，山西长治人，硕士，助教，研究方向：机械故障诊断。