CN108090432A - 一种振动信号频谱谱峰的自动识别方法 - Google Patents
一种振动信号频谱谱峰的自动识别方法 Download PDFInfo
- Publication number
- CN108090432A CN108090432A CN201711317668.9A CN201711317668A CN108090432A CN 108090432 A CN108090432 A CN 108090432A CN 201711317668 A CN201711317668 A CN 201711317668A CN 108090432 A CN108090432 A CN 108090432A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- peak
- cross
- sequence
- zero crossing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/14—Classification; Matching by matching peak patterns
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种利用计算机自动识别振动信号谱峰的识别方法。先将振动信号进行傅立叶变换,得到幅值谱或功率谱,即频谱序列;然后构造一个高斯型函数,再计算频谱序列和高斯型函数之间的互相关系数序列;再对互相关系数求一阶导数,得到互相关系数的斜率序列;然后设定一个阈值,在斜率序列中,从左到右寻找斜率由大于正阈值变为小于负阈值的过零点,记录下过零点位置;再在互相关系数序列中,以过零点位置为中心的附近寻找最大值,记录下最大值的位置;最后在频谱序列中,以最大位置处对应的频谱序列位置作为频谱谱峰位置。
Description
技术领域
本发明涉及机械设备故障诊断技术领域,特别是振动信号频谱分析中谱峰的计算机自动识别方面。
背景技术
在振动信号的频谱分析及故障诊断中,谱峰处的信息量很大。一般而言,幅值最大的谱峰往往反映振动的主要分量,谱峰处的横坐标反映振动的频率,而谱峰处的纵坐标反映对应频率的振动分量的强弱,因此,在分析机械设备的振动信号时,对频谱谱峰的识别很重要。随着计算机技术的发展,利用计算机来自动识别谱峰已经提出了很多方法,比如一阶导数法、幅值法、二阶导数法、小波变换法、双尺度法等,这些识别方法在谱图分析应用中比较广。本发明针对振动信号的频谱,提供了一利用计算机自动识别频谱谱峰的方法,计算量小,速度快,稳定性好,识别准确率高。
发明内容
本发明的目的在于:针对机械设备振动信号的频谱特性,提供一种利用计算机识别振动信号频谱谱峰的方法,自动识别各个谱峰对应的频率和幅值,为后续提取信号特征,实现机械设备的故障诊断提供便利。
本发明所采用的技术方案如下:
一种振动信号频谱谱峰的自动识别方法,包括以下步骤:
步骤一,对振动信号进行傅立叶变换,得到振动信号的幅值谱或功率谱等频谱结果,设频谱结果为yk,其中k=0,1,…,N-1,N为频谱数据长度。
步骤二,构造高斯型函数作为参考峰型,其中k=0,1,…,M-1,c为高斯型函数的中心点,σ为高斯型函数的尺度参数,σ越大,高斯型函数波形越削瘦。
步骤三,求频谱yk与高斯型函数的互相关函数,得到互相关函数的系数其中j=0,1,...,N-1。
步骤四,求互相关系数的一阶导数,得到斜率序列si=ri+1-ri,其中i=0,1,...,N-2。
步骤五,设定阈值t,在互相关系数的斜率序列si中,从左到右寻找斜率由大于t变为小于-t的过零点,将过零点的位置序列号记为zi,0<zi<N-2,其中i=0,1,...,m,m表示过零点个数,即峰值个数。
步骤六,在互相关系数序列中,寻找过零点位置zi附近的最大值,并将各个最大值对应的位置序列号记为li,0≤li≤N-1,其中i=0,1,...,m-1,m表示峰值个数。
步骤七,以最大值对应的位置序列号li作为自动识别到的各个谱峰位置,以横坐标li处对应的频谱值yli作为自动识别到的谱峰值。
与现有技术相比,本发明的优点是:
1)采用高斯型函数作为参考峰型,和原始的频谱序列进行互相关分析,可以减少噪声的干扰,提高方法的稳定性。
2)高斯型函数中的尺度参数可调,参数越小,对重叠谱峰的分辨力越高,能识别离得很近的重叠谱峰;尺度参数越大,则可以将间隔很近的重叠谱峰作为一个谱峰看待,因此可以通过设置尺度参数,满足不同的应用需求。
3)本发明所公开的方法计算量小,识别速度快,稳定性好,准确率高。
附图说明
图1为所述方法的流程图。
图2为实例所采用的高斯型参考峰的波形图,左边和右边的图分别对应尺度参数为2.0和1.0时的参考峰型图。
图3为实例所用的振动信号的原始时域波形和频域波形(幅值谱)图。
图4为实例频谱与高斯型参考峰进行互相关分析后的相关系数波形图。
图5为互相关系数进行一阶求导后的斜率波形图。
图6为斜率过零点与谱峰之间的关系示意图。
图7为计算机自动识别出的幅值最大的20个相关系数谱峰的位置,图中“*”表示自动识别出的相关系数谱峰。
图8为计算机自动识别出的幅值最大的20个频谱谱峰的位置,图中“*”表示自动识别出的频谱谱峰。
具体实施方式
下面结合一个具体实例对本发明进行更详细的描述。
一种振动信号频谱谱峰的自动识别方法,包括以下步骤:
步骤一,对振动信号进行傅立叶变换,得到振动信号的幅值谱或功率谱等频谱结果,设频谱结果为yk,其中k=0,1,…,N-1,N为频谱数据长度,实例中的数据长度为1024,振动信号的采样频率为20KHz。
步骤二,构造高斯型函数作为参考峰型,其中k=0,1,…,M-1,c为高斯型函数的中心点,实例中c=8;σ为高斯型函数的尺度参数,σ越大,高斯型函数波形越削瘦,实例中的尺度参数σ=1.0;图2分别给出了σ为2.0和1.0时参考峰型图。
步骤三,求频谱yk与高斯型函数的互相关函数,得到互相关函数的系数其中j=0,1,...,N-1。
步骤四,求互相关系数的一阶导数,得到斜率序列si=ri+1-ri,其中i=0,1,...,N-2。
步骤五,设定阈值t,在互相关系数的斜率序列si中,从左到右寻找斜率由大于t变为小于-t的过零点,将过零点的位置序列号记为zi,0<zi<N-2,其中i=0,1,...,m,m表示过零点个数,即峰值个数;图6给出了过零点和谱峰之间的关系示意图。
步骤六,在互相关系数序列中,寻找过零点位置zi附近的最大值,并将各个最大值对应的位置序列号记为li,0≤li≤N-1,其中i=0,1,...,m-1,m表示峰值个数;图7中的“*”标识出了寻找到的互相关系数最大的前20个谱峰位置。
步骤七,以最大值对应的位置序列号li作为自动识别到的各个谱峰位置,以横坐标li处对应的频谱值yli作为自动识别到的谱峰值;图8中“*”所在的位置表示自动识别出的频谱幅值最大的前20个谱峰。上述说明仅仅是示例性的一种具体实施方式,不能因此而限制本发明的范围及其应用。在本发明公开的技术范围内,任何可轻易想到的变化或替换,都应在本发明的保护范围之内。
Claims (1)
1.一种振动信号频谱谱峰的自动识别方法,其特征在于,包括以下步骤:
步骤一,对振动信号进行傅立叶变换,得到振动信号的幅值谱或功率谱等频谱结果,设频谱结果为,其中k=0,1,…,N-1,N为频谱数据长度;
步骤二,构造高斯型函数作为参考峰型,其中k=0,1,…,M-1,c为高斯型函数的中心点,为高斯型函数的尺度参数,越大,高斯型函数波形越削瘦;
步骤三,求频谱与高斯型函数之间的互相关函数,得到互相关函数的系数,其中j=0,1,...,N-1;
步骤四,求互相关系数的一阶导数,得到斜率序列,其中i=0,1,...,N-2;
步骤五,设定阈值t,在互相关系数的斜率序列中,从左到右寻找斜率由大于t变为小于-t的过零点,将过零点的位置序列号记为,,其中i=0,1,...,m,m表示过零点个数,即峰值个数;
步骤六,在互相关系数序列中,寻找过零点位置附近的最大值,并将各个最大值对应的位置序列号记为,,其中i=0,1,...,m-1,m表示峰值个数;
步骤七,以最大值对应的位置序列号作为自动识别出的各个谱峰位置,以横坐标处对应的频谱值作为自动识别到的谱峰值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711317668.9A CN108090432A (zh) | 2018-03-15 | 2018-03-15 | 一种振动信号频谱谱峰的自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711317668.9A CN108090432A (zh) | 2018-03-15 | 2018-03-15 | 一种振动信号频谱谱峰的自动识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108090432A true CN108090432A (zh) | 2018-05-29 |
Family
ID=62175244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711317668.9A Pending CN108090432A (zh) | 2018-03-15 | 2018-03-15 | 一种振动信号频谱谱峰的自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108090432A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110440910A (zh) * | 2019-08-22 | 2019-11-12 | 西门子工厂自动化工程有限公司 | 振动监测方法、装置、驱动系统、工控设备及存储介质 |
-
2018
- 2018-03-15 CN CN201711317668.9A patent/CN108090432A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110440910A (zh) * | 2019-08-22 | 2019-11-12 | 西门子工厂自动化工程有限公司 | 振动监测方法、装置、驱动系统、工控设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sharma et al. | Improved eigenvalue decomposition-based approach for reducing cross-terms in Wigner–Ville distribution | |
Sharma et al. | An empirical wavelet transform-based approach for cross-terms-free Wigner–Ville distribution | |
Manjula et al. | Comparison of empirical mode decomposition and wavelet based classification of power quality events | |
CN110907826A (zh) | 一种基于卷积神经网络滤波的电机故障诊断方法及系统 | |
KR100254121B1 (ko) | 시계열 데이타 식별 장치 및 방법 | |
CN113325277A (zh) | 一种局部放电处理方法 | |
CN113565584A (zh) | 一种叶端定时信号时频滤波方法 | |
CN115954017A (zh) | 一种基于hht的发动机小样本声音异常故障识别方法及系统 | |
EP2391895B1 (en) | Precision measurement of waveforms | |
CN108919241A (zh) | 一种基于恒虚警检测的水下信号时频端点参数估计方法 | |
CN114185030A (zh) | 一种雷达信号脉内调制识别方法及系统 | |
CN108090432A (zh) | 一种振动信号频谱谱峰的自动识别方法 | |
Melgoza et al. | Comparing radar receiver pulse deinterleaving performance of differing window functions for bandpass FIR filter design | |
EP2877820A1 (en) | Method of extracting zero crossing data from full spectrum signals | |
Abdullah et al. | Bilinear time-frequency analysis techniques for power quality signals | |
CN112116917B (zh) | 基于相位跃变度的电抗器本体与风机声信号分离方法 | |
US6853933B2 (en) | Method of identifying spectral impulses for Rj Dj separation | |
Faisal et al. | Suppression of false-terms in wigner-ville distribution using time and frequency windowing | |
CN113219333A (zh) | 一种电机故障诊断时的频谱参数处理方法 | |
Verma et al. | Improved signal preprocessing techniques for machine fault diagnosis | |
CN117290670B (zh) | 一种基于增强滤波器算法的变压器套管绝缘状态估计方法 | |
Govalkar et al. | Siamese Network based Pulse and Signal Attribute Identification | |
Wolf et al. | Amplitude and frequency estimator for aperiodic multi-frequency noisy vibration signals of a tram gearbox | |
CN103198053A (zh) | 一种基于相位随机的瞬时小波双相干方法 | |
US20160080863A1 (en) | Feedback suppression test filter correlation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180529 |
|
WD01 | Invention patent application deemed withdrawn after publication |