Abstract:

摘要： 针对齿轮运行的声发射信号，提出一种将集合经验模态分解(Ensemble Empirical Modal Decomposition，EEMD)与改进小波阈值相结合的降噪方法。首先，基于Sigmoid 函数平滑、易于求导的特点，改进传统的小波阈值函数。其次，构建仿真加噪信号进行EEMD分解，得到一系列本征模函数(Intrinsic Mode Function，IMF)分量，计算各IMF分量的相关性系数并重构信号。最后，采用河马优化(Hippopotamus Optimizatio，HO)算法在改进小波阈值函数中寻找最佳调整参数α，使用改进小波阈值降噪得到最终的去噪信号，以信噪比(Signal-to-Noise Ratio，SNR)、均方误差(Mean Squared Error，MSE)和余弦相似度(Cosine Similarity，Cos)为评价标准，仿真结果显示，所提方法与传统降噪方法相比，信噪比显著提高。在此基础上，用齿轮试验所采集的声发射信号进行验证，试验结果表明：该方法相比于传统的降噪方法有更好的降噪效果，实用价值更高。

关键词: 声学, 声发射, 集合经验模态分解, 小波阈值函数, Sigmoid函数, 河马优化算法