Page 83 - 摩擦学学报2025年第8期

第 8 期 王大刚, 等: 钢丝绳摩擦损伤定量识别研究 1181

0.6

0.4

0.2
B/mT
0.0

−0.2

−0.4
0 200 400 600 800 1 000 1 200 1 400
Signal number
Fig. 7 The De-trended signal of the wire rope with loss cross-section 0.1%
图 7 钢丝绳横截面损失0.1%的去趋势项信号

表 4 离散小波包降噪参数组合试验表 峭度、峰值因数和裕度因数波形较为相似，波形因数
Table 4 Discrete wavelet packet noise reduction 与脉冲因数波形较为相似. 降噪后信号特征值存在数
parameter combination experiment table
值尺度差异大，不同损伤钢丝绳降噪后信号特征值间
Noise reduction parameter
Serial number SNR 具有一定的数据冗余.
Basic wavelets Decomposition level
1 db3 3 24.9 2.4 信号特征值分析
2 db3 4 24.7 为消除特征值间的数值量纲差异，使用normalize
3 db3 5 22.6
归一化函数，将不同种类的损伤钢丝绳降噪后的信号
4 db4 3 25.2
5 db4 4 24.7 特征值归一化在[0,1]范围内. 为进一步衡量损伤钢丝
6 db4 5 23.4 绳降噪后信号特征值间的相关性关系，使用皮尔逊相
7 db5 3 25.0
关系数方法对270个样本的15种特征值进行相关性分
8 db5 4 24.5
9 db5 5 23.8 析. 绘制损伤钢丝绳特征值间皮尔逊相关系数热力
图，如图10所示.
定针对损伤钢丝绳原始信号的离散小波包最优降噪 均值、标准差、均方根和峰峰值之间的线性相关
参数为基本小波db4、分解等级为3. 性关系较强，均值与均方根特征值间的线性相关性系
使用离散小波包算法及最优降噪参数，去除270个 数高达0.98，具有较高的线性相关性；偏度、峭度和峰
损伤钢丝绳原始信号中的噪声，降噪后信号特征更加 值因数之间的线性相关性较强；峰值因数与裕度因数
显著且平顺，无局部突变信号点存在，钢丝绳各种不 之间的线性相关性较高(0.89)；波形因数与脉冲因数
同损伤形式信号降噪效果均较为显著，如图8所示. 之间同样存在较高的线性相关性(0.90)；小波能量与

2.3 信号特征值提取 峰值的线性相关性系数高于小波能量与其余特征值
在信号特征提取前，因信号去趋势项后信号基线 间的线性相关性系数 (0.80). 波宽、波形下面积、功率
在y=0位置，部分信号数据小于0，将损伤钢丝绳降噪 谱熵、重心频率与其余特征值间的线性相关性关系均
后信号减去相应信号段中的最小值，处理后的数据数 较弱，特征值较为独立. 部分特征值间存在较强的线
值最小值为0，其余数据均处于x轴上方，利于保持降 性相关性，特征值间存在冗余；冗余的特征值会造成
噪后信号特征值提取的统一性. 损伤信号特征主要包 特征值中重复信息量增大，而且损伤钢丝绳降噪后信
含时域与频域等特征，对270个降噪后信号的峰值、均 号特征值集合包含15种信号特征，信号维度过大，易
值、标注差、波形下面积、功率谱熵、重心频率和小波 导致定量识别中出现过拟合现象，给损伤钢丝绳定量
能量等共15种信号的时域与频域特征进行全面提取. 识别带来困难.

损伤信号降噪后信号特征值如图9所示. 其中损伤钢 2.5 信号特征值降维
丝绳样品序号由小到大依次对应钢丝绳截面积损失 针对钢丝绳降噪后信号特征值特征维度高、特
0.1%~8.0%. 征冗余的问题. 运用数据分析软件SPSS对270×15大小
特征值则呈现出不规则变化的特点，均值、标准 的特征值数据进行KMO和Bartlett检验判断是否能
差、均方根和峰峰值相关特征波形较为相似，偏度、 对信号特征值进行主成分分析降维，检验结果列于