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 PDF

Info

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
Application number
CN201711317668.9A
Other languages
English (en)
Inventor
王成栋
董玉磊
王莉娜
吴洋
黄齐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201711317668.9A priority Critical patent/CN108090432A/zh
Publication of CN108090432A publication Critical patent/CN108090432A/zh
Pending legal-status Critical Current

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

一种振动信号频谱谱峰的自动识别方法
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。
CN201711317668.9A 2018-03-15 2018-03-15 一种振动信号频谱谱峰的自动识别方法 Pending CN108090432A (zh)

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)

* Cited by examiner, † Cited by third party
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

Cited By (1)

* Cited by examiner, † Cited by third party
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