CN103424183B - 机械振动信号检测异常干扰消除方法 - Google Patents

Abstract

本发明提供了一种机械振动信号检测异常干扰消除方法，主要包括以下步骤：①对采集信号做1阶差分，旋转扫描差分信号确定初始脉冲分界；②确定信号有效幅度上限和脉冲幅度下限；从处理信号中检索有效点，做高阶平滑处理，对序列中的非有效点内插形成序列扩展信号；③从处理信号中减去平滑后的序列扩展信号，获得新信号；④若处理信号和新信号差别较大，则将新信号作为处理信号，调整脉冲分界值，重复②后的操作。否则，从新信号中截取脉冲，并重构形成脉冲干扰信号；⑤从采集信号中排除脉冲干扰，就是机械振动信号。本发明具有快速、精度高、可选择和可控制性好的特点，在数据无线传输、语音处理、机械设备声振信号处理领域具有广阔的应用前景。

Description

机械振动信号检测异常干扰消除方法

技术领域

本发明涉及机械设备状态检测与故障诊断领域，特别涉及一种机械振动信号检测异常干扰消除方法，是一种机械振动信号测量过程中，以及后台信号预处理期间由电机激励带来的异常干扰检测与消除方法。

背景技术

在机械设备振动信号测量过程中，尤其是在动力机为电机、通过无线检测振动信号的场合，电磁激励产生的干扰十分强烈，采用一般的方法难以进行有效地抑制，甚至可能导致检测工作失败。排除这些干扰最简单的方法是采用电磁屏蔽电缆，但在无线测量领域这是无法实现的，从而极大地影响了无线测量技术在机械设备状态检测与实时故障诊断中的应用。

一般来说，对于有局部强干扰的非平稳信号，由于信号及干扰本身都包含了很复杂的频率成分，直接采用数字滤波器是很难滤除的。无论是EMD方法、Kalman滤波、干扰信号多项式回归处理、小波分析、组合滤波、独立分量分析、自适应滤波算法、神经网络技术等，各种方法均有一定的局限性，不能够适应各种不同工况的信号滤波(或分离)处理。尤其是要消除信号结构复杂、参数存在漂移的工频干扰，目前还没有十分有效的方法。

发明内容

本发明要解决的技术问题是：为了克服在机械设备状态检测和故障诊断过程中，因采用无线信号传输装置传递信号会带来工频干扰，尤其是电磁激励干扰的不足，本发明提供一种机械振动信号检测异常干扰消除方法，是针对机械设备振动信号检测过程中遇到的特定的电磁脉冲激励和设备运动件之间撞击信号的一种有效的滤波分离与抑制方法，具有高精度、可选择和可控制性等优点。

本发明解决其技术问题所采用的技术方案是：一种机械振动信号检测异常干扰消除方法，包括以下步骤：

(1)设采集获得的振动信号序列为u₀(i)＝{u₀(0)、u₀(1)、u₀(2)……u₀(N)}，当前处理信号为S₀(K,i)；令K＝0，将采集获得的振动信号u₀(i)作为当前处理信号S₀(K,i)；

(2)对处理信号S₀(K,i)进行1阶差分处理，获得1阶差分信号：

y₁(0)＝S₀(K,0)，y₁(i)＝S₀(K,i)-S₀(K,i-1) (i＝1,2,3,......,N)  (a)

其中，N为采集获得的振动信号序列的数据点数量；K为循环计算次数，K＝0表示初次计算，处理的是测量信号；K≥1时计算处理K-1次获得的、包含高频成分的脉冲信号；

(3)对1阶差分信号进行旋转扫描显示，根据旋转扫描显示结果来确定信号的振幅绝对值范围[0,V_max]，定义信号振幅在[0,V]的数据点数量与数据点总量的百分比值为半径V的分界百分比；若1阶差分信号中，大于数值V_K的数据点是脉冲信号，则称[0,V_K]的数据点数量与数据点总量的百分比值为脉冲分界百分比R_K；若K＝0，则估计脉冲分界百分比初始值R₀；否则，根据上次处理的R_K-1值计算本次的脉冲分界百分比数值R_K，计算公式为

式(b)中，R_max是脉冲分界百分比最大值，且R_max≤100，R_max＝100对应测量信号中没有脉冲干扰信号的情况；

(4)确定当前处理信号(当K＝0时是测量信号u0(i)，当K>1时是脉冲信号+高阶平滑后的高频信号y_mcs(K,i)之和)的幅度下限A_min和有效数据点幅度上限B_max；在此，把信号振幅绝对值>A_min的数据点归为脉冲信号，而将信号振幅绝对值<B_max的数据点归为不含脉冲成分的有效信号；令初始密度分布数值f(j)＝0，(j＝0,1,2,3，……，W)，计算处理信号S₀(K,i)的数据点密度分布函数：

$f(\frac{S_0(K,i)}{V_{\max }}\&times;W)=f(\frac{S_0(K,i)}{V_{\max }}\&times;W)+\frac{1}{N},(i=\mathrm{0,1,2},......N)---\left(c\right)$

其中，W为振幅绝对值范围[0,V_max]区间的分段数量，W越大，密度分布函数刻画就越精细，W取不小于100的整数，进一步处理可获得数据点的分布函数：

$F\left(j\right)=\underset{i=0}{\overset{j}{\mathrm{\&Sigma;}}}f\left(i\right),(j=\mathrm{0,1,2},...W)$

则A_min数值由下式确定：

取B_max＝C_f×A_min，C_f<1；

(5)如果存在脉冲干扰，则会在采集获得的振动信号和1阶差分信号中出现明显的短时能量涨落，对于电磁激励脉冲，有以下结果：

$\left\{\begin{array}{c}{y}_1\left(i\right)\&times;y_1(i+1)<0\\ |y_1\left(i\right)-y_1(i+1)|>A_{\min }\end{array}\right.(i=\mathrm{1,3},......,N-1)---\left(e\right)$

(6)在检测得到电磁激励脉冲信号之后，获取该脉冲定位序列号n_j，其中j表示在测量信号中的脉冲排列序号；相应地，脉冲作用的时间范围用脉冲信号数据点序列号表示为[n_j1,n_j2]，其中n_j1为第j个脉冲的起始端点序号，n_j2为第j个脉冲的终止端点序号，所有脉冲数据点序列号的集合为

{Λ|[n_j1,n_j2]，_j＝1,2,3,......,M_c}

其中，M_c为脉冲信号段的数量；

(7)在检测电磁激励脉冲信号的同时，在非脉冲序列段中进行有效振动信号数据点的检索，对符合以下条件的数据点按序形成新的序列y_BM(k)：

$y_{\mathrm{BM}}\left(k\right)=\left\{S_0(K,i)\right|\begin{array}{c}{y}_1\left(i\right)|\&le;B_{\max }\&cap;i\&NotElement;\mathrm{\&Lambda;}\\ (i=\mathrm{1,2,3},......N)\end{array}\}(k=\mathrm{1,2,3}......M)---\left(f\right)$

式(f)中，M为有效信号数据点数量；

(8)对信号序列y_BM(k)进行高阶平滑处理，获得高阶平滑处理后的信号序列y_BML(k)；

(9)对步骤(8)所述的信号序列y_BML(k)，在对应的非y_BM(k)数据点处进行内插处理，由此形成信号序列y_BMLI(i)；

(10)对信号序列y_BMLI(i)再做高阶平滑处理，获得新的平滑信号序列y_BMLIL(i)；

(11)生成新信号序列y_mcs(K,i)：y_mcs(K,i)＝S₀(K,i)-y_BMLIL(i)；

(12)计算当前处理信号S₀(K,i)和新信号序列y_mcs(K,i)的相对误差是否满足：

$\frac{\mathrm{\&Sigma;}|S_0(K,i)-y_{\mathrm{mcs}}(K,i)|}{\mathrm{\&Sigma;}\left|S_0(K,i)\right|}<1-\frac{R_K}{100}---\left(g\right)$

(13)若步骤(12)计算得到的相对误差不满足(g)式，则令K＝K+1，S₀(K,i)＝y_mcs(K,i)，转入步骤(2)；否则，转入步骤(14)；

(14)利用步骤(6)的脉冲定位信息，从y_mcs(K,i)序列中截取得到相应的M_c个短脉冲信号y_MC(j)，(j＝1,2,3……,M_c)。由于采样点数量与采样时间存在一定关系，因此，边界需要用时间来表示的地方也可以用采样点数量来表示，本发明中，脉冲作用时间的边界范围用脉冲采样点数量k_f来表示，k_f≥2；

(15)对这M_c个脉冲进行信号重构，建立脉冲干扰信号序列y_ms(i)；

(16)获得机械设备振动信号y_mv(i)：y_mv(i)＝u₀(i)-y_ms(i)；

步骤(9)所述的内插处理，根据脉冲或冲击信号的类型不同，分别采用两种方式进行处理，设i为内插点；k₁、k₂分别为内插段左右两个端点的序号：

①对于高频电磁脉冲激励干扰信号，采用线性内插：

所述的线性内插计算公式为：

$y_{\mathrm{BMLI}}\left(i\right)=\frac{i-k_1}{k_2-k_1}[y_{\mathrm{BML}}\left(k_2\right)-y_{\mathrm{BML}}\left(k_1\right)]---\left(h\right)$

式中y_BML(k₁)、y_BML(k₂)是对应的端点数值；

②对于混有机械设备运动件之间的撞击、冲击信号，在无冲击信号段采用傅里叶级数变换，再做逆变换内插处理：

对于在序列{y_BML(k)}中，需要在k₁、k₂之间内插N_B个数据点，以便构成完整的{y_BMLI(i)，i＝1,2，……，2K_B+1}序列的情况，所述的无冲击信号段信号傅里叶级数变换计算公式为：

$\left\{\begin{array}{c}{a}_n=\frac{1}{2K_B+1}\underset{j\&NotEqual;k_1+1,k_1+2,k_1+3,......,k_1+N_B}{\overset{2K_B+l_1}{\mathrm{\&Sigma;}}}{y}_{\mathrm{BML}}(k_1+j)\cos (2\mathrm{\&pi;}{f}_j\&times;\frac{n}{\mathrm{SP}})\\ b_n=\frac{1}{2K_B+1}\underset{j\&NotEqual;k_1+1,k_1+2,k_1+3,......,k_1+N_B}{\overset{2K_B+l}{\mathrm{\&Sigma;}}}{y}_{\mathrm{BML}}(k_1+j)\cos (2\mathrm{\&pi;}{f}_j\&times;\frac{n}{\mathrm{SP}})\end{array}\right.(n=\mathrm{0,1,2,3}...K_B)---\left(i\right)$

然后利用以下逆变换计算公式，计算得到内插点k₁+1、k₁+2,k₁+3,……,k₁+N_B的内插值

$\begin{array}{c}{y}_{\mathrm{BMLI}}\left(i\right)=\frac{1}{2}{a}_0+\underset{j=1}{\overset{K_B}{\mathrm{\&Sigma;}}}[a_j\cos (2\mathrm{\&pi;}{f}_j\&times;\frac{i-k}{\mathrm{SP}})+b_j\sin (2\mathrm{\&pi;}{f}_j\&times;\frac{i-k}{\mathrm{SP}})]\\ (i=k_1+1,k_1+2,,......,k_2+N_B)\end{array}---\left(j\right)$

式中K_B＝(N_B div 2)+1；SP为信号采样率；为傅里叶变换的第j项频率。

步骤(3)所述的信号幅度范围[0,V_max]可以凭经验给定，也可以通过实测信号的比较来确定。脉冲分界百分比的初始值R₀是由脉冲数据点和信号采样点之间的比值大小来初步估算，并且R_max＝100对应测量信号中没有脉冲干扰信号的情况。

为了在脉冲干扰和非脉冲干扰数据点之间有一个合理的分隔带，又不至于丢失太多的有效数据点信息，步骤(4)所述的C_f取[0.5,0.85]之间的数值较为合理。

为了保证电磁激励脉冲与设备振动信号分离，步骤(8)和(10)中所述的高阶平滑处理的阶数≥5。

本申请中涉及的所有i、j、k、k1、k2、n_j、n_j1、n_j2、W、K、KB、M、Mc、N、NB均为非负整数。

本发明的有益效果是，本发明的机械振动信号检测异常干扰消除方法，具有快速、精度高、可选择和可控制性的特点，特别适合于进行测试过程中的滤波与分离处理，在数据无线传输、语音处理、机械设备声振信号处理领域具有广阔的应用前景。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的机械振动信号检测异常干扰消除方法的处理流程图。

图2是采集获得的振动信号的时域波形图。

图3是1阶差分信号的时域波形图。

图4是1阶差分信号的旋转扫描显示图。

图5是第一次处理形成的新信号序列y_mcs(1,i)的时域波形图。

图6是第二次处理形成的新信号序列y_mcs(2,i)的时域波形图。

图7是第三次处理形成的新信号序列y_mcs(3,i)的时域波形图。

图8是脉冲干扰信号序列y_ms(i)时域波形图。

图9是机械设备振动信号y_mv(i)时域波形图。

图10是步骤(8)和步骤(10)所述的高阶平滑处理方法的流程图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

图1所示，本发明的机械振动信号检测异常干扰消除方法，包括以下步骤：

(1)设采集获得的振动信号序列为u₀(i)＝{u₀(0)、u₀(1)、u₀(2)……u₀(N))}，图2就是采集获得的振动信号时域波形图。令K＝0，将采集信号u₀(i)作为当前处理信号S₀(K,i)。

(2)对处理信号S₀(K,i)进行1阶差分处理，获得1阶差分信号，如图3所示：

y₁(0)＝S₀(K,0)，y₁(i)＝S₀(K,i)-S₀(K,i-1) (i＝1,2,3,......,N)  (a)

式(a)中，N为采集获得的振动信号序列的数据点数量；

(3)若K＝0，则对1阶差分信号进行旋转扫描显示，如图4就是每个数据点以幅值的绝对值为半径、相隔1°增量旋转扫描显示的结果。根据旋转扫描显示结果来确定信号的振幅绝对值范围[0,V_max]，估计脉冲分界百分比初始值R₀，本实施例中，R₀是由脉冲数据点和信号采样点之间的比值大小来初步估算，并且R_max＝100对应测量信号中没有脉冲干扰信号的情况。本实施例中获得的结果是V_min＝-0.5881509204，V_max＝0.58478579762；实际取V_min＝0，V_max＝0.6，R₀＝98.5。如果K>0，则利用上次处理的R_K-1值来计算本次的脉冲分界百分比数值R_K，计算公式为

式(b)中，R_max是脉冲分界百分比最大值，本实施例中R_max＝99.99。

(4)确定脉冲信号的幅度下限A_min和有效数据点幅度上限B_max。为此，令初始密度分布数值f(j)＝0，(j＝0,1,2,3，……，W)，计算处理信号S₀(K,i)的数据点密度分布函数：

$f(\frac{S_0(K,i)}{V_{\max }}\&times;W)=f(\frac{S_0(K,i)}{V_{\max }}\&times;W)+\frac{1}{N},(i=\mathrm{0,1,2},......N)---\left(c\right)$

式(c)中的W为振幅绝对值范围[0,V_max]区间的分段数量，为了获得十分精细的分布密度函数刻画结果，在此取W＝3000。进一步处理可获得数据点的分布函数：

$F\left(j\right)=\underset{i=0}{\overset{j}{\mathrm{\&Sigma;}}}f\left(i\right),(j=\mathrm{0,1,2},...W)$

则A_min数值由下式确定：

取B_max＝C_f×A_min。在此实例中，取C_f＝2/3。在本实施例中，根据R0值得到满足式(d)条件的j＝119，A_min＝0.02333，B_max＝0.015333。

(5)如果存在脉冲干扰，则会在采集获得的振动信号和1阶差分信号中出现明显的短时能量涨落，对于电磁激励脉冲，有以下结果：

$\left\{\begin{array}{c}{y}_1\left(i\right)\&times;y_1(i+1)<0\\ |y_1\left(i\right)-y_1(i+1)|>A_{\min }\end{array}\right.(i=\mathrm{1,3},......,N-1)---\left(e\right)$

(6)在检测得到电磁激励脉冲信号之后，获取该脉冲定位序列号n_j，其中j表示在测量信号中的脉冲排列序号；相应地，脉冲作用的时间范围用脉冲信号数据点序列号表示为[n_j1,n_j2]，其中n_j1为第j个脉冲的起始端点序号，n_j2为第j个脉冲的终止端点序号，所有脉冲数据点序列号的集合为

{Λ|[n_j1,n_j2]，_j＝1,2,3,......,M_c}

其中，M_c为脉冲信号段的数量；

(7)在检测电磁激励脉冲信号的同时，在非脉冲序列段中进行有效振动信号数据点的检索，对符合以下条件的数据点按序形成新的序列y_BM(k):

$y_{\mathrm{BM}}\left(k\right)=\left\{S_0(K,i)\right|\begin{array}{c}{y}_1\left(i\right)|\&le;B_{\max }\&cap;i\&NotElement;\mathrm{\&Lambda;}\\ (i=\mathrm{1,2,3},......N)\end{array}\}(k=\mathrm{1,2,3}......M)---\left(f\right)$

式(f)中，M为有效信号数据点数量；

(8)对信号序列y_BM(k)进行高阶平滑处理，获得高阶平滑处理后的信号序列y_BML(k)。本实施例中采用的高阶(或高次)平滑处理方法，参见非专利文献“吕苗荣，陈志强.检测识别钻井泵冲击振动信号的新方法[J].长江大学学报(理工卷)，2010，7(2)：58-61.”；

(9)对步骤(8)所述的信号序列y_BML(k)，在对应的非y_BM(k)数据点处进行内插处理，由此形成信号序列y_BMLI(i)；

(10)对信号序列y_BMLI(i)再做高阶平滑处理，获得新的平滑信号序列y_BMLIL(i)；

(11)生成新信号序列y_mcs(K,i)：y_mcs(K,i)＝S₀(K,i)-y_BMLIL(i)。图5、图6、图7就是本实施例处理获得的第1次、第2次、第3次新信号序列时域波形图，第一次是测量信号为当前处理信号，后面两次为前一次的脉冲信号+高阶平滑后的高频信号y_mcs(K,i)之和；

(12)计算当前处理信号S₀(K,i)和新信号序列y_mcs(K,i)的相对误差

$\frac{\mathrm{\&Sigma;}|S_0(K,i)-y_{\mathrm{mcs}}(K,i)|}{\mathrm{\&Sigma;}\left|S_0(K,i)\right|}<1-\frac{R_K}{100}---\left(g\right)$

(13)若计算得到的相对误差不满足(g)式，则令K＝K+1，S₀(K,i)＝y_mcs(K,i)，转入步骤(2)。否则，转入步骤(14)；

(14)利用步骤(6)的脉冲定位信息，从y_mcs(K,i)序列中截取得到相应的M_c个短脉冲信号y_MC(j)，(j＝1,2,3……,M_c)，脉冲作用的时间的边界范围用脉冲采样点数量k_f来表示，k_f≥2，本实施例取k_f＝2，截取得到的第j个脉冲信号序列可以表示为

y_MC(j)＝{y₀(k_cj-k_f),y₀(k_cj-k_f+1),……,y₀(k_cj+k_f-1),y₀(k_cj+k_f)}，(j＝1,2,3……,M_c)

式中，M_c是整个振动信号中包含的脉冲信号的数量，本实施例中检索获得的脉冲数量M_c＝510。每个脉冲的位置由脉冲峰值位置确定，并根据脉冲左右波形转折点外延k_f＝2个数据点，来确定脉冲的作用时间范围；

(15)对这M_c个脉冲进行信号重构，建立脉冲干扰信号序列y_ms(i)。图8就是通过3次重复过滤后，在满足式(g)条件的脉冲干扰信号序列时域波形图；

(16)从采集的振动信号中取出脉冲干扰，即可获得机械设备振动信号y_mv(i)：y_mv(i)＝u₀(i)-y_ms(i)。图9就是本实施例处理得到的机械设备振动信号y_mv(i)的时域波形图。

步骤(9)所述的内插处理，根据脉冲或冲击信号的类型不同，分别采用两种方式进行处理，设i为内插点；k₁、k₂分别为内插段左右两个端点的序号：

①对于高频电磁脉冲激励干扰信号，采用线性内插：

所述的线性内插计算公式为：

$y_{\mathrm{BMLI}}\left(i\right)=\frac{i-k_1}{k_2-k_1}[y_{\mathrm{BML}}\left(k_2\right)-y_{\mathrm{BML}}\left(k_1\right)]---\left(h\right)$

式中y_BML(k₁)、y_BML(k₂)是对应的端点数值；

②对于混有机械设备运动件之间的撞击、冲击信号，在无冲击信号段采用傅里叶级数变换，再做逆变换内插处理：

对于在序列{y_BML(k)}中，需要在k₁、k₂之间内插N_B个数据点，以便构成完整的{y_BMLI(i)，i＝1,2，……，2K_B+1}序列的情况，所述的无冲击信号段信号傅里叶级数正变换计算公式为：

$\left\{\begin{array}{c}{a}_n=\frac{1}{2K_B+1}\underset{j\&NotEqual;k_1+1,k_1+2,k_1+3,......,k_1+N_B}{\overset{2K_B+l_1}{\mathrm{\&Sigma;}}}{y}_{\mathrm{BML}}(k_1+j)\cos (2\mathrm{\&pi;}{f}_j\&times;\frac{n}{\mathrm{SP}})\\ b_n=\frac{1}{2K_B+1}\underset{j\&NotEqual;k_1+1,k_1+2,k_1+3,......,k_1+N_B}{\overset{2K_B+l}{\mathrm{\&Sigma;}}}{y}_{\mathrm{BML}}(k_1+j)\cos (2\mathrm{\&pi;}{f}_j\&times;\frac{n}{\mathrm{SP}})\end{array}\right.(n=\mathrm{0,1,2,3}...K_B)---\left(i\right)$

然后利用以下逆变换计算公式，计算得到内插点k₁+1、k₁+2,k₁+3,……,k₁+N_B的内插值

$\begin{array}{c}{y}_{\mathrm{BMLI}}\left(i\right)=\frac{1}{2}{a}_0+\underset{j=1}{\overset{K_B}{\mathrm{\&Sigma;}}}[a_j\cos (2\mathrm{\&pi;}{f}_j\&times;\frac{i-k}{\mathrm{SP}})+b_j\sin (2\mathrm{\&pi;}{f}_j\&times;\frac{i-k}{\mathrm{SP}})]\\ (i=k_1+1,k_1+2,,......,k_2+N_B)\end{array}---\left(j\right)$

式中K_B＝(N_B div 2)+1；SP为信号采样率；为傅里叶变换的第j项频率。

步骤(8)和步骤(10)所述的高阶平滑处理，以信号序列y_BM(k)进行5点平滑为例，其处理流程如图10所示，即信号序列经过j＝NN次的一阶平滑处理，其中，一阶平滑处理方式

由以下四个步骤的计算公式来表示：

$\begin{array}{c}\mathrm{stepl}:y_B\left(1\right)=\frac{1}{70}[69y_{\mathrm{BM}}\left(1\right)+4y_{\mathrm{BM}}\left(2\right)-6y_{\mathrm{BM}}\left(3\right)+4y_{\mathrm{BM}}\left(4\right)-y_{\mathrm{BM}}\left(5\right)]\\ y_B\left(2\right)=\frac{1}{35}[2y_{\mathrm{BM}}\left(1\right)+27y_{\mathrm{BM}}\left(2\right)+12y_{\mathrm{BM}}\left(3\right)-8y_{\mathrm{BM}}\left(4\right)+2y_{\mathrm{BM}}\left(5\right)]\\ \mathrm{step}\left(2\right):\{y_B\left(i\right)=\frac{1}{35}[-3y_{\mathrm{BM}}((i-2)+12y_{\mathrm{BM}}((i-1)+17y_{\mathrm{BM}}\left(i\right)+12y_{\mathrm{BM}}(i+1)-3y_{\mathrm{BM}}\left((i+2)\right]|i=\mathrm{3,4,5}......M-2\}\\ \mathrm{step}3:y_B(M-1)=\frac{1}{35}[2y_{\mathrm{BM}}(M-4)-8y_{\mathrm{BM}}(M-3)+12y_{\mathrm{BM}}(M-2)+27y_{\mathrm{BM}}((M-1)+2y_{\mathrm{BM}}\left(M\right)]\\ y_B\left(M\right)=\frac{1}{70}[-y_{\mathrm{BM}}(M-4)+4y_{\mathrm{BM}}(M-3)-6y_{\mathrm{BM}}(M-2)+4y_{\mathrm{BM}}(M-1)+69y_{\mathrm{BM}}\left(M\right)]\\ \mathrm{step}4:\{y_{\mathrm{BM}}\left(k\right)=y_B\left(k\right)|k=\mathrm{1,2},......M\}\end{array}$

步骤(8)和(10)中的高阶平滑处理的阶数NN≥5。

本申请中涉及的所有i、j、k、k1、k2、n_j、n_j1、n_j2、W、K、K_B、M、M_c、N、N_B均为非负整数。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (4)

1.一种机械振动信号检测异常干扰消除方法，其特征在于，包括以下步骤： 

(1)设采集获得的振动信号序列为u₀(i)＝{u₀(0)、u₀(1)、u₀(2)......u₀(N)}，当前处理信号为S₀(K,i)；令K＝0，将采集获得的振动信号u₀(i)作为当前处理信号S₀(K,i)； 

(2)对处理信号S₀(K,i)进行1阶差分处理，获得1阶差分信号： 

y₁(0)＝S₀(K,0)，y₁(i)＝S₀(K,i)-S₀(K,i-1)   (i＝1,2,3,......,N)       (a) 

其中，N为采集获得的振动信号序列的数据点数量；K为循环计算次数，K＝0表示初次计算，处理的是测量信号；K≥1时计算处理K-1次获得的、包含高频成分的脉冲信号； 

(3)对1阶差分信号进行旋转扫描显示，根据旋转扫描显示结果来确定信号的振幅绝对值范围[0,V_max]，定义信号振幅在[0,V]的数据点数量与数据点总量的百分比值为半径V的分界百分比；若1阶差分信号中，大于数值V_K的数据点是脉冲信号，则称[0,V_K]的数据点数量与数据点总量的百分比值为脉冲分界百分比R_K；若K＝0，则估计脉冲分界百分比初始值R₀；否则，根据上次处理的R_K-1值计算本次的脉冲分界百分比数值R_K，计算公式为 

式(b)中，R_max是脉冲分界百分比最大值，且R_max≤100，R_max＝100对应测量信号中没有脉冲干扰信号的情况； 

(4)确定当前处理信号的幅度下限A_min和有效数据点幅度上限B_max；在此，把信号振幅绝对值＞A_min的数据点归为脉冲信号，而将信号振幅绝对值＜B_max的数据点归为不含脉冲成分的有效信号；令初始密度分布数值f(j)＝0，(j＝0,1,2,3，......，W)，计算处理信号S₀(K,i)的数据点密度分布函数： 

   (i＝0,1,2,......N)      (c) 

其中，W为振幅绝对值范围[0,V_max]区间的分段数量，W越大，密度分布函数刻画就越精细，W取不小于100的整数，进一步处理可获得数据点的分布函数： 

   (j＝0,1,2,...W) 

则A_min数值由下式确定： 

取B_max＝C_f×A_min，C_f＜1； 

(5)如果存在脉冲干扰，则会在采集获得的振动信号和1阶差分信号中出现明显的短 时能量涨落，对于电磁激励脉冲，有以下结果： 

   (i＝1,3,......,N-1)        (e) 

(6)在检测得到电磁激励脉冲信号之后，获取该脉冲定位序列号n_j，其中j表示在测量信号中的脉冲排列序号；相应地，脉冲作用的时间范围用脉冲信号数据点序列号表示为[n_j1,n_j2]，其中n_j1为第j个脉冲的起始端点序号，n_j2为第j个脉冲的终止端点序号，所有脉冲数据点序列号的集合为 

{Λ|[n_j1,n_j2]，j＝1,2,3,......,M_c} 

其中，M_c为脉冲信号段的数量； 

(7)在检测电磁激励脉冲信号的同时，在非脉冲序列段中进行有效振动信号数据点的检索，对符合以下条件的数据点按序形成新的序列y_BM(k)： 

   (k＝1,2,3......M)     (f) 

式(f)中，M为有效信号数据点数量； 

(8)对信号序列y_BM(k)进行高阶平滑处理，获得高阶平滑处理后的信号序列y_BML(k)； 

(9)对步骤(8)所述的信号序列y_BML(k)，在对应的非y_BM(k)数据点处进行内插处理，由此形成信号序列y_BMLI(i)； 

(10)对信号序列y_BMLI(i)再做高阶平滑处理，获得新的平滑信号序列y_BMLIL(i)； 

(11)生成新信号序列y_mcs(K,i)：y_mcs(K,i)＝S₀(K,i)-y_BMLIL(i)； 

(12)计算当前处理信号S₀(K,i)和新信号序列y_mcs(K,i)的相对误差是否满足： 

(13)若步骤(12)计算得到的相对误差不满足(g)式，则令K＝K+1，S₀(K,i)＝y_mcs(K,i)，转入步骤(2)；否则，转入步骤(14)； 

(14)利用步骤(6)的脉冲定位信息，从y_mcs(K,i)序列中截取得到相应的M_c个短脉冲信号y_MC(j)，(j＝1,2,3......,M_c)，脉冲作用时间的边界范围用脉冲采样点数量k_f来表示，k_f≥2； 

(15)对这M_c个脉冲进行信号重构，建立脉冲干扰信号序列y_ms(i)； 

(16)获得机械设备振动信号y_mv(i)：y_mv(i)＝u₀(i)-y_ms(i)； 

步骤(9)所述的内插处理，根据脉冲或冲击信号的类型不同，分别采用两种方式进行处理，设i为内插点；k₁、k₂分别为内插段左右两个端点的序号： 

①对于高频电磁脉冲激励干扰信号，采用线性内插： 

所述的线性内插计算公式为： 

式中y_BML(k₁)、y_BML(k₂)是对应的端点数值； 

②对于混有机械设备运动件之间的撞击、冲击信号，在无冲击信号段采用傅里叶级数变换，再做逆变换内插处理： 

对于在序列{y_BML(k)}中，需要在k₁、k₂之间内插N_B个数据点，以便构成完整的{y_BMLI(i)，i＝1,2，......，2K_B+1}序列的情况，所述的无冲击信号段信号傅里叶级数变换计算公式为： 

   (n＝0,1,2,3....K_B)     (i) 

然后利用以下逆变换计算公式，计算得到内插点k₁+1、k₁+2,k₁+3,......,k₁+N_B的内插值 

式中K_B＝(N_B div 2)+1；SP为信号采样率；为傅里叶变换的第j项频率。 

2.如权利要求1所述的机械振动信号检测异常干扰消除方法，其特征在于：步骤(3)所述的脉冲分界百分比的初始值R₀是由脉冲数据点和信号采样点之间比值的大小，来初步估算确定。 

3.如权利要求1所述的机械振动信号检测异常干扰消除方法，其特征在于：步骤(4)所述的C_f数值在[0.5,0.85]之间。 

4.如权利要求1所述的机械振动信号检测异常干扰消除方法，其特征在于：步骤(8)和步骤(10)中所述的高阶平滑处理的阶数≥5。