CN108344500A - 一种基于循环平稳密度谱的流致励源信号特征提取方法 - Google Patents

一种基于循环平稳密度谱的流致励源信号特征提取方法 Download PDF

Info

Publication number
CN108344500A
CN108344500A CN201810040323.1A CN201810040323A CN108344500A CN 108344500 A CN108344500 A CN 108344500A CN 201810040323 A CN201810040323 A CN 201810040323A CN 108344500 A CN108344500 A CN 108344500A
Authority
CN
China
Prior art keywords
cyclo
signal
stationary
source signal
stream
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.)
Granted
Application number
CN201810040323.1A
Other languages
English (en)
Other versions
CN108344500B (zh
Inventor
初宁
唐川荃
宁岳
余天义
吴大转
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201810040323.1A priority Critical patent/CN108344500B/zh
Publication of CN108344500A publication Critical patent/CN108344500A/zh
Application granted granted Critical
Publication of CN108344500B publication Critical patent/CN108344500B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于循环平稳密度谱的流致励源信号特征提取方法，通过循环平稳特征函数，构建算法程序，得到初步的处理结果；然后根据归一化原理，将初步的处理结果归一化，降低整体幅值差异，使得图像表现明显，再次归一化并积分，得到循环频率及相应幅值比相关信息；最后通过反推的方式，重构信号并验证信号模型的可靠性。利用本方法提取流致励源信号，相比于传统理论推导加频谱分析的方式，更科学有效，建立的信号模型具有更大的实际指导意义。

Description

一种基于循环平稳密度谱的流致励源信号特征提取方法
技术领域
本发明属于信号处理与信号建模领域，尤其涉及到一种基于循环平稳密度谱的流致励源信号特征提取方法。
背景技术
传统流致励源信号是用傅里叶变换和小波分析等平稳信号分析方法，信号模型简单、分析方法受限，很难准确提取流致激励源的信号特征。
但是，现有技术中至少存在以下缺点和不足：传统频谱分析的方法都建立在假设信号是平稳信号的基础上，而现实中往往是非平稳信号，从而这些检测方法都有不合理的地方，不合实际。同时，由于物理知识不能达到以及计算量的复杂，信号的理论建模可靠性不是很高，往往达不到要求的指导意义。
发明内容
为解决现有的理论推导加频谱分析提取励源信号的局限性，本发明提供一种基于循环平稳密度谱的流致励源信号特征提取方法，相比于传统信号提取的方法，更科学、更接近实际信号，具有强大的实用性，提取的信号具有实际指导意义。
本发明的技术方案为：一种基于循环平稳密度谱的流致励源信号特征提取方法，包括以下步骤：
步骤1，使用传感器采集振动信号；
步骤2，将采集到的信号导入到循环平稳程序中，通过循环平稳特征的相关性特征函数检测，得到处理结果图像并保存相应的处理结果数据；
步骤3，根据循环平稳的基本原理初步建模，得到流致振动信号的幅度调制模型；
步骤4，根据已保存的处理结果数据，初步确定建模的模型参数；
步骤5，将构建好的模型及模型参数，作为仿真信号，用同样的循环平稳程序进行处理，用相关性系数验证模型的可靠性；
步骤6，比较仿真结果与实际检测结果的不同，改善模型以及模型参数，重构流致励源信号特征。
其中，步骤2的具体步骤为：
步骤2-1，将采集的振动信号用基于循环平稳特征的相关性特征函数检测，得到循环密度谱；
步骤2-2，将得到的循环密度谱归一化，得到循环相关谱图像；
步骤2-3，将得到的循环相关谱图像的纵坐标加起来，并做归一化处理，得到循环平稳包络谱线。
所述的基于循环平稳特征的相关性特征函数检测方法为：
其中，t、T为时间；△f趋于零，T趋于正无穷；f1、f2表示计算的两个频率；xΔf(t,f1)表示滤波；表示xΔf(t,f2)的共轭复数；j表示虚数单位。
步骤4的具体步骤为：
步骤4-1，根据处理得到的循环平稳包络谱线，得到峰值和均值的差，再与标准差比较，提取循环平稳包络谱线上的峰值对应的幅度数值和频率信息；
步骤4-2，通过信号幅度调制模型得到的检测结果，对结果进行遍历搜索，找到流致励源信号的基本频率，作为调制频率的估计值；
步骤4-3，利用得到的基本频率，根据循环密度谱，找到峰值频率对应的组合方式，构建未知数方程式，解方程得到相应的流致励源信号的调制幅度。
步骤5的具体步骤为：
步骤5-1，根据提取得到的流致励源信号的调制频率和调制幅度，按信号模型重构原信号；
步骤5-2，将构建的信号导入循环平稳程序进行处理，得到该信号的循环平稳包络谱线；
步骤5-3，将原信号与重构信号的循环平稳包络谱线进行相关性计算，验证模型可靠性，并可对提取的调制幅度进行微调。
对于旋转机械故障，如不对中、不平衡、喘流、紊流等，会产生很多倍频以及它们的组合，频率十分复杂，而通过循环平稳检测的方法，不但可以精确找出这些频率信息以及对应的图像幅值，同时也可以通过建立程序的基本原理反推出采集信号的模型以及模型参数，对会产生大量倍频的机械(如旋转机械)是一种良好的检测手段和信号恢复方式。
傅立叶变换指出任何信号都可以拆成若干个正弦或余弦信号的和。而循环平稳对于多个正弦或余弦信号的和乘以一个随机信号，有良好的检测结果。通过最后得到的循环平稳包络谱线，可以得到相应的循环频率和幅值比信息，借此能达到很好的信号提取效果。
同时，循环平稳有很好的抗噪性，对于不同的噪声，最后出现的循环频率和幅值比信息变化几乎没有。这从另外一个角度使得循环平稳建模比传统方法更简单、更快捷、更准确。
本发明通过循环平稳的特征函数，在采样频率的二分之一和设定的计算频率范围内，计算输入的采样信号的循环平稳功率谱；然后通过归一化以及积分原理，得到归一化的包络谱，通过循环平稳包络谱的循环频率以及对应的幅值信息，构建信号模型。该方法相比于传统信号提取的方法，更科学、更接近实际信号，具有强大的实用性，提取的信号具有实际指导意义。
附图说明
图1是实施例中基于循环平稳密度谱的流致励源信号的提取方法流程图；
图2是采用此方法提取流致励源信号的调制频率的流程图；
图3是采用此方法提取流致励源信号频率对应的调制幅度的流程图；
图4是循环平稳处理仿真信号得到的循环平稳包络谱线图；
图5是循环平稳处理实际信号得到的循环平稳包络谱线图。
具体实施方式
为了更为具体地描述本发明，下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
如图1所示，一种基于循环平稳密度谱的流致励源信号特征提取方法，包括以下步骤：
S01，将传感器得到的数据，在程序中读入；
S02，在程序中设定好相应的参数，计算循环平稳的参数：
其中，t、T为时间；△f趋于零，T趋于正无穷；f1、f2表示计算的两个频率；xΔf(t,f1)表示滤波；表示xΔf(t,f2)的共轭复数；j表示虚数单位。
大多数旋转机械振动信号可以简化为：
其中v(t)为随机信号；Ai为实数，表示余弦信号的模；αi为需要检测到的循环频率。其中为调制信号，为调制频率，Ai为调制频率对应的调制幅度。
对于随机信号v(t),其互相关密度函数corrv(f1,f2)中f1＝f2时，corr值不为零，令α＝f1-f2，有
这样，通过corr函数，我们可以检测到信号内存在的循环平稳信息，即循环频率和相应的幅值比。
S03，由于S02得到循环平稳信息还不够明显和均匀，幅值差异较大，将得到的循环密度谱归一化，成为循环相关谱图像，更加直观。
S04，将得到的循环相关谱图像的纵坐标加起来，并做归一化处理，得到循环平稳包络谱线，使信号的循环频率相关信息更加明显，而且方便分辨。
对归一化后的循环相关谱积分的设为s，则当时，corrx＝Aicorrv，s正比于当时,i≠k，,s正比于i＝k,，s正比于
又因为随机信号的功率谱可以认为是波动不大的直线，所以当时，s正比于Ai；当时,i≠k，s正比于i＝k，s正比于
最后当某个频率出现了重复，即可以是二分之一倍频，也可是加减的二分之一耦合出现的频率，则其峰值比值直接线性相加。
可知最后得到的循环平稳包络谱线在幅值比上和载波信号几乎没有关系，利用这种性质可以很好地提取流致励源信号。
S05，将循环平稳包络谱线的横纵坐标信息保存下来，利用最大值减均值与方差的比值优化提取峰值频率信息和幅值信息；
S06，利用排列组合的方式优化提取流致励源信号的基本频率，具体步骤如图2所示；
S07，通过找到的基本频率，组合出循环平稳包络谱线的峰值频率，通过判断组合方式构建基本频率幅值的多元二次方程，解方程得到对应幅值，再通过将实数等比例归一的方法，得到最后的结果，具体步骤如图3所示。
S08，通过传统方法，理论推导加频谱分析的方式完善信号模型；
S09，用相关性系数计算建立的信号模型的仿真结果得到的循环平稳包络谱线与传感器采集信号得到的包络谱的相关性，验证信号模型的正确性。
为了表现本方法的优势和特征，对理想信号x＝[1+cos(60πt)+cos(100πt)+cos(130πt)]*N(0,1)进行了仿真，来恢复信号x0＝1+cos(60πt)+cos(100πt)+cos(130πt)，得到的循环平稳包络谱线如图4所示。此时的仿真结果以及其它仿真信号的仿真提取结果如表1所示。
表1
同时对使用加速度传感器采集的信号进行处理，处理结果如图5所示，轴频1.2Hz和叶频6.0Hz清晰可见，提取的调制频率为1.2Hz和6.0Hz，对应幅度的常数项为1，调制频率1.2Hz对应的幅度为0.6429，调制频率6.0Hz对应的幅度为1.5000。
不难看出，仿真结果中峰出现的频率和峰幅值比都是符合理论推导的，提取的峰值误差也在可以接受的范围内，频率完全准确，验证了我们程序的可行之处；实际数据处理，也能得到一定的贴近实际的处理结果。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于循环平稳密度谱的流致励源信号特征提取方法，其特征在于，包括以下步骤：
步骤1，使用传感器采集振动信号；
步骤2，将采集到的信号导入到循环平稳程序中，通过循环平稳特征的相关性特征函数检测，得到处理结果图像并保存相应的处理结果数据；
步骤3，根据循环平稳的基本原理初步建模，得到流致振动信号的幅度调制模型；
步骤4，根据已保存的处理结果数据，初步确定建模的模型参数；
步骤5，将构建好的模型及模型参数，作为仿真信号，用同样的循环平稳程序进行处理，用相关性系数验证模型的可靠性；
步骤6，比较仿真结果与实际检测结果的不同，改善模型以及模型参数，重构流致励源信号特征。
2.根据权利要求1所述的基于循环平稳密度谱的流致励源信号特征提取方法，其特征在于，步骤2的具体步骤为：
步骤2-1，将采集的振动信号用基于循环平稳特征的相关性特征函数检测，得到循环密度谱；
步骤2-2，将得到的循环密度谱归一化，得到循环相关谱图像；
步骤2-3，将得到的循环相关谱图像的纵坐标加起来，并做归一化处理，得到循环平稳包络谱线。
3.根据权利要求2所述的基于循环平稳密度谱的流致励源信号特征提取方法，其特征在于，所述的基于循环平稳特征的相关性特征函数检测方法为：
其中，t、T为时间；△f趋于零，T趋于正无穷；f1、f2表示计算的两个频率；xΔf(t,f1)表示滤波；表示xΔf(t,f2)的共轭复数；j表示虚数单位。
4.根据权利要求2所述的基于循环平稳密度谱的流致励源信号特征提取方法，其特征在于，步骤4的具体步骤为：
步骤4-1，根据处理得到的循环平稳包络谱线，得到峰值和均值的差，再与标准差比较，提取循环平稳包络谱线上的峰值对应的幅度数值和频率信息；
步骤4-2，通过信号幅度调制模型得到的检测结果，对结果进行遍历搜索，找到流致励源信号的基本频率，作为调制频率的估计值；
步骤4-3，利用得到的基本频率，根据循环密度谱，找到峰值频率对应的组合方式，构建未知数方程式，解方程得到相应的流致励源信号的调制幅度。
5.根据权利要求4所述的基于循环平稳密度谱的流致励源信号特征提取方法，其特征在于，步骤5的具体步骤为：
步骤5-1，根据提取得到的流致励源信号的调制频率和调制幅度，按信号模型重构原信号；
步骤5-2，将构建的信号导入循环平稳程序进行处理，得到该信号的循环平稳包络谱线；
步骤5-3，将原信号与重构信号的循环平稳包络谱线进行相关性计算，验证模型的可靠性，并对提取的调制幅度进行微调。
CN201810040323.1A 2018-01-16 2018-01-16 一种基于循环平稳密度谱的流致励源信号特征提取方法 Active CN108344500B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810040323.1A CN108344500B (zh) 2018-01-16 2018-01-16 一种基于循环平稳密度谱的流致励源信号特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810040323.1A CN108344500B (zh) 2018-01-16 2018-01-16 一种基于循环平稳密度谱的流致励源信号特征提取方法

Publications (2)

Publication Number Publication Date
CN108344500A true CN108344500A (zh) 2018-07-31
CN108344500B CN108344500B (zh) 2019-07-16

Family

ID=62960487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810040323.1A Active CN108344500B (zh) 2018-01-16 2018-01-16 一种基于循环平稳密度谱的流致励源信号特征提取方法

Country Status (1)

Country Link
CN (1) CN108344500B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109323757A (zh) * 2018-10-29 2019-02-12 浙江大学 一种估计气泡群对螺旋桨声源特征频率抑制作用的方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1494476A (en) * 1973-11-13 1977-12-07 Imp Metal Ind Kynoch Ltd Fourier analysers
CN1514209A (zh) * 2003-08-01 2004-07-21 重庆大学 旋转机械故障智能诊断方法与装置
CN104268335A (zh) * 2014-09-23 2015-01-07 工业和信息化部电子第五研究所 微组装组件振动疲劳寿命预测方法和系统
CN105698922A (zh) * 2016-02-04 2016-06-22 国网福建省电力有限公司 基于改进emd和谱峭度法变压器振动故障特征提取方法
CN105758604A (zh) * 2015-11-18 2016-07-13 上海航天精密机械研究所 基于加速度等效的多轴振动试验条件裁剪方法
CN106100762A (zh) * 2016-08-23 2016-11-09 桂林电子科技大学 一种循环平稳谱分析的弱通信信号检测方法
CN106092565A (zh) * 2016-06-08 2016-11-09 成都阜特科技股份有限公司 一种振动故障分析方法及其系统
CN106482827A (zh) * 2016-11-11 2017-03-08 北京航空航天大学 基于互功率谱函数模态参数识别的电子产品振动dlp方法
CN106644467A (zh) * 2016-12-27 2017-05-10 华南理工大学 一种齿轮箱非平稳信号故障特征提取方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1494476A (en) * 1973-11-13 1977-12-07 Imp Metal Ind Kynoch Ltd Fourier analysers
CN1514209A (zh) * 2003-08-01 2004-07-21 重庆大学 旋转机械故障智能诊断方法与装置
CN104268335A (zh) * 2014-09-23 2015-01-07 工业和信息化部电子第五研究所 微组装组件振动疲劳寿命预测方法和系统
CN105758604A (zh) * 2015-11-18 2016-07-13 上海航天精密机械研究所 基于加速度等效的多轴振动试验条件裁剪方法
CN105698922A (zh) * 2016-02-04 2016-06-22 国网福建省电力有限公司 基于改进emd和谱峭度法变压器振动故障特征提取方法
CN106092565A (zh) * 2016-06-08 2016-11-09 成都阜特科技股份有限公司 一种振动故障分析方法及其系统
CN106100762A (zh) * 2016-08-23 2016-11-09 桂林电子科技大学 一种循环平稳谱分析的弱通信信号检测方法
CN106482827A (zh) * 2016-11-11 2017-03-08 北京航空航天大学 基于互功率谱函数模态参数识别的电子产品振动dlp方法
CN106644467A (zh) * 2016-12-27 2017-05-10 华南理工大学 一种齿轮箱非平稳信号故障特征提取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
J. ANTONI ET AL.: "Cyclostationary modelling of rotating machine vibration signals", 《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》 *
周福昌等: "循环平稳信号处理在机械设备故障诊断中的应用综述", 《振动与冲击》 *
毕果: "基于循环平稳的滚动轴承及齿轮微弱故障特征提取应用研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109323757A (zh) * 2018-10-29 2019-02-12 浙江大学 一种估计气泡群对螺旋桨声源特征频率抑制作用的方法

Also Published As

Publication number Publication date
CN108344500B (zh) 2019-07-16

Similar Documents

Publication Publication Date Title
Li et al. Fault diagnosis for rolling bearing based on VMD-FRFT
Zhao et al. A weighted multi-scale dictionary learning model and its applications on bearing fault diagnosis
Chen et al. Nonlinear chirp mode decomposition: A variational method
Chen et al. Detection of rub-impact fault for rotor-stator systems: A novel method based on adaptive chirp mode decomposition
CN108318129B (zh) 桥梁结构模态参数真假甄别方法及终端设备
Balasubramanian et al. Gravitational waves from coalescing binaries: Detection strategies and Monte Carlo estimation of parameters
Qin et al. Research on iterated Hilbert transform and its application in mechanical fault diagnosis
CN111563227B (zh) 辐射源信号的指纹特征参数提取方法及辐射源识别
CN105445022B (zh) 一种基于双树复小波变换‑熵特征融合的行星齿轮故障诊断方法
CN108806718B (zh) 基于对enf相位谱和瞬时频率谱分析的音频鉴定方法
CN106786561B (zh) 一种基于自适应卡尔曼滤波的低频振荡模态参数辨识方法
Stanković et al. On the decomposition of multichannel nonstationary multicomponent signals
Yan et al. Windowed fractional Fourier transform on graphs: Properties and fast algorithm
Carassale et al. Wavelet-based identification of rotor blades in passage-through-resonance tests
Yao et al. An adaptive seismic signal denoising method based on variational mode decomposition
CN108180152B (zh) 一种基于振动信号循环平稳性的风机微弱故障检测方法
Fang et al. Comparison of EMD and EEMD in rolling bearing fault signal analysis
CN108344500B (zh) 一种基于循环平稳密度谱的流致励源信号特征提取方法
CN106301755B (zh) 一种基于小波分析的能量泄漏信号的降噪方法及系统
Hosseini et al. Comparison of nonlinearity measures based on time series analysis for nonlinearity detection
Chu et al. The research of machinery fault feature extraction methods based on vibration signal
Maiz et al. New second order cyclostationary analysis and application to the detection and characterization of a runner׳ s fatigue
Sun et al. A single-channel blind source separation technique based on AMGMF and AFEEMD for the rotor system
Tuntisak et al. Harmonic detection in distribution systems using wavelet transform and support vector machine
CN106294286A (zh) 基于小波变换与正弦曲线拟合的非稳态畸变噪声检测方法

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
GR01 Patent grant
GR01 Patent grant