CN112197964A - 一种基于谱pq-mean的局部冲击信号定位方法 - Google Patents
一种基于谱pq-mean的局部冲击信号定位方法 Download PDFInfo
- Publication number
- CN112197964A CN112197964A CN202011413484.4A CN202011413484A CN112197964A CN 112197964 A CN112197964 A CN 112197964A CN 202011413484 A CN202011413484 A CN 202011413484A CN 112197964 A CN112197964 A CN 112197964A
- Authority
- CN
- China
- Prior art keywords
- sub
- pass filter
- mean
- low
- signal
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于谱pq‑mean的局部冲击信号定位方法,包括以下步骤:构造一个低通滤波器和高通滤波器,并输入时域信号和分解层数n;利用低通滤波器和高通滤波器来对输入的时域信号分别进行高通和低通滤波处理;分别对高通滤波和低通滤波处理后的信号进行2倍降采样,得到子带信号;利用低通滤波器及高通滤波器分别对子带信号连续逐层进行分解滤波,则在第k层上得到2k个子带信号;分别计算所有子带信号的pq‑mean值,并进行比较,取最大pq‑mean位置所在子带信号为局部冲击特征存在位置。本发明利用pq‑mean克服了传统谱峭度方法对于随机冲击干扰的影响,使得在传递路径较长或恶劣的工作条件下依然能够保证具有较好的效果。
Description
技术领域
本发明涉及故障诊断技术领域,特别涉及一种基于谱pq-mean的局部冲击信号定位方法。
背景技术
谱峭度是一种根据峭度最大化原则自动确定带通滤波器的方法,在故障诊断中取得了一定的诊断效果,得到了广泛应用。然而,谱峭度法的一个重要缺点是该方法倾向于选择具有单个脉冲的频带,而不是期望的故障脉冲。因此,谱峭度方法对于随机冲击干扰影响很大,当经受外界冲击或电磁干扰时容易影响结果的鲁棒性。此外复杂结构的局部微小冲击也容易影响最终诊断结果。针对于这一问题,本发明提出了一种基于谱pq-mean的局部冲击信号定位方法。
发明内容
本发明的目的在于,提供一种基于谱pq-mean的局部冲击信号定位方法。本发明利用pq-mean克服了传统谱峭度方法对于随机冲击干扰的影响,使得在传递路径较长或恶劣的工作条件下依然能够保证具有较好的效果。
本发明的技术方案:一种基于谱pq-mean的局部冲击信号定位方法,包括以下步骤:
步骤S1:构造一个低通滤波器和高通滤波器,并输入时域信号和分解层数n;
步骤S2:利用低通滤波器和高通滤波器来对输入的时域信号分别进行高通和低通滤波处理;
步骤S3:分别对高通滤波和低通滤波处理后的信号进行2倍降采样,得到子带信号;
步骤S4:利用低通滤波器及高通滤波器对子带信号连续逐层进行分解滤波,则在第k层上得到2k个子带信号;
步骤S5:分别计算所有子带信号的pq-mean值,并进行比较,取最大pq-mean位置所在子带信号为局部冲击特征存在位置。
前述的基于谱pq-mean的局部冲击信号定位方法中,所述的步骤S2中, 所述的步骤S2中, 所述的滤波处理的滤波算法为:
前述的基于谱pq-mean的局部冲击信号定位方法中,所述的步骤S5中,计算所有子带信号的pq-mean值的算法为:
与现有技术相比,本发明具有以下优点:
本发明首先构造一个低通滤波器和高通滤波器,并采用低通滤波器和高通滤波器对输入的时域信号分别进行高通和低通滤波处理;随后分别对两个滤波后信号进行2倍降采样得到子带信号,利用低通滤波器及高通滤波器分别对子带信号连续逐层进行分解滤波,则在第k层上得到2k个子带信号;分别计算所有子带信号的pq-mean值,并进行比较,取最大pq-mean位置所在子带信号为局部冲击特征存在位置。本发明利用pq-mean克服了传统谱峭度方法对于随机冲击干扰的影响,因此在传递路径较长或恶劣的工作条件下依然能够保证较好的效果。从而仅需少量样本即能快速实现滚动轴承性能退化状态的评价。
附图说明
图1是本发明的流程图;
图2是本发明的实施例中时域信号;
图3是本发明的实施例中第一层分解的高频信号;
图4是本发明的实施例第一层分解的低频信号;
图5是本发明中实施例中计算获取的谱pq-mean图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明,但并不作为对本发明限制的依据。
实施例:一种基于谱pq-mean的局部冲击信号定位方法,如图1所示,包括以下步骤:
步骤S1:构造一个低通滤波器和高通滤波器,并输入时域信号(如附图2所示)和分解层数n,n=7;
步骤S2:利用低通滤波器和高通滤波器来对输入的时域信号分别进行高通和低通滤波处理;高通滤波处理如图3所示,低通滤波处理如图4所示
所述的步骤S2中, 所述的滤波处理的滤波算法为:
步骤S3:分别对高通滤波和低通滤波处理后的信号进行2倍降采样,得到子带信号;
步骤S4:利用低通滤波器及高通滤波器分别对子带信号连续逐层进行分解滤波,则在第k层上得到2k个子带信号;
步骤S5:分别计算所有子带信号的pq-mean值,并进行比较,取最大pq-mean位置所在子带信号为局部冲击特征存在位置。图5为计算获取的谱pq-mean图。
所述的步骤S5中,计算所有子带信号的pq-mean值的pq-mean的算法为:
本发明首先构造一个低通滤波器和高通滤波器,并采用低通滤波器和高通滤波器对输入的时域信号分别进行高通和低通滤波处理;随后分别对两个滤波后信号进行2倍降采样得到子带信号,利用低通滤波器及高通滤波器分别对子带信号连续逐层进行分解滤波,则在第k层上得到2k个子带信号;分别计算所有子带信号的pq-mean值,并进行比较,取最大pq-mean位置所在子带信号为局部冲击特征存在位置。本发明利用pq-mean克服了传统谱峭度方法对于随机冲击干扰的影响,因此在传递路径较长或恶劣的工作条件下依然能够保证较好的效果。
Claims (3)
1.一种基于谱pq-mean的局部冲击信号定位方法,其特征在于:包括以下步骤:
步骤S1:构造一个低通滤波器和高通滤波器,并输入时域信号和分解层数n;
步骤S2:利用低通滤波器和高通滤波器来对输入的时域信号分别进行高通和低通滤波处理;
步骤S3:分别对高通滤波和低通滤波处理后的信号进行2倍降采样,得到子带信号;
步骤S4:利用低通滤波器及高通滤波器分别对子带信号连续逐层进行分解滤波,则在第k层上得到2k个子带信号;
步骤S5:分别计算所有子带信号的pq-mean值,并进行比较,取最大pq-mean位置所在子带信号为局部冲击特征存在位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011413484.4A CN112197964B (zh) | 2020-12-07 | 2020-12-07 | 一种基于谱pq-mean的局部冲击信号定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011413484.4A CN112197964B (zh) | 2020-12-07 | 2020-12-07 | 一种基于谱pq-mean的局部冲击信号定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112197964A true CN112197964A (zh) | 2021-01-08 |
CN112197964B CN112197964B (zh) | 2021-03-02 |
Family
ID=74033752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011413484.4A Active CN112197964B (zh) | 2020-12-07 | 2020-12-07 | 一种基于谱pq-mean的局部冲击信号定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112197964B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113686577A (zh) * | 2021-08-17 | 2021-11-23 | 山东科技大学 | 一种基于快速非线性稀疏谱的轴承故障诊断方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243140A (zh) * | 2011-04-18 | 2011-11-16 | 杨彦利 | 一种基于子带信号分析的机械设备状态监测方法 |
CN106226739A (zh) * | 2016-07-29 | 2016-12-14 | 太原理工大学 | 融合子带分析的双声源定位方法 |
CN108535638A (zh) * | 2018-01-25 | 2018-09-14 | 国网浙江省电力有限公司电力科学研究院 | 基于多层滤波器的有载分接开关机械状态监测方法及系统 |
CN111833371A (zh) * | 2020-09-17 | 2020-10-27 | 领伟创新智能系统(浙江)有限公司 | 一种基于pq-mean稀疏测度的图像边缘检测方法 |
CN111898556A (zh) * | 2020-08-01 | 2020-11-06 | 华东交通大学 | 基于ck指标一致的轴承瞬态冲击特征提取方法 |
-
2020
- 2020-12-07 CN CN202011413484.4A patent/CN112197964B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243140A (zh) * | 2011-04-18 | 2011-11-16 | 杨彦利 | 一种基于子带信号分析的机械设备状态监测方法 |
CN106226739A (zh) * | 2016-07-29 | 2016-12-14 | 太原理工大学 | 融合子带分析的双声源定位方法 |
CN108535638A (zh) * | 2018-01-25 | 2018-09-14 | 国网浙江省电力有限公司电力科学研究院 | 基于多层滤波器的有载分接开关机械状态监测方法及系统 |
CN111898556A (zh) * | 2020-08-01 | 2020-11-06 | 华东交通大学 | 基于ck指标一致的轴承瞬态冲击特征提取方法 |
CN111833371A (zh) * | 2020-09-17 | 2020-10-27 | 领伟创新智能系统(浙江)有限公司 | 一种基于pq-mean稀疏测度的图像边缘检测方法 |
Non-Patent Citations (2)
Title |
---|
任学平 等: "基于双树复小波包自适应Teager能量谱的滚动轴承早期故障诊断", 《振动与冲击》 * |
李星 等: "基于最优品质因子信号共振稀疏分解的滚动轴承故障诊断", 《振动工程学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113686577A (zh) * | 2021-08-17 | 2021-11-23 | 山东科技大学 | 一种基于快速非线性稀疏谱的轴承故障诊断方法 |
CN113686577B (zh) * | 2021-08-17 | 2024-06-11 | 山东科技大学 | 一种基于快速非线性稀疏谱的轴承故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112197964B (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107505135B (zh) | 一种滚动轴承复合故障提取方法及系统 | |
CN102323518A (zh) | 一种基于谱峭度的局部放电信号识别方法 | |
CN106441288A (zh) | 一种加速度计的自适应小波降噪方法 | |
CN107728018A (zh) | 一种电力电缆现场局部放电信号的降噪方法 | |
CN109506938A (zh) | 基于改进小波包阈值去噪与局部均值分解的故障提取方法 | |
CN106199532B (zh) | 基于混合傅立叶-小波分析的探地雷达信号降噪方法 | |
CN109063672A (zh) | 一种基于自适应mckd的早期轴承外圈故障诊断方法 | |
CN105223482A (zh) | 局部放电特高频信号波形的小波分解二值去噪方法 | |
CN102546499B (zh) | 一种实线性调频信号的分数阶信道化接收方法 | |
CN111769810B (zh) | 一种基于能量峭度谱的流体机械调制频率提取方法 | |
CN114112400A (zh) | 一种基于多角度信息融合的机械轴承故障诊断方法 | |
CN105807241A (zh) | 一种利用先验信息的指数信号去噪方法 | |
CN112197964B (zh) | 一种基于谱pq-mean的局部冲击信号定位方法 | |
CN109724693B (zh) | 一种基于平稳小波的融合光谱去噪方法 | |
CN113283297A (zh) | 基于奇异值分解和改进小波包局部放电信号时间估计方法 | |
CN107966287B (zh) | 一种自适应机电装备微弱故障特征提取方法 | |
CN112926014A (zh) | 基于rls与rssd的滚动轴承声信号多频带融合故障诊断方法 | |
CN117928951B (zh) | 基于改进经验小波变换和包络谱能量比的故障诊断方法 | |
Xu et al. | Rolling bearing fault feature extraction via improved SSD and a singular-value energy autocorrelation coefficient spectrum | |
CN107610055B (zh) | 傅里叶变换光谱仪干涉图噪声检测及抑制方法 | |
CN117571316A (zh) | 一种复合故障诊断方法及系统 | |
CN112115842A (zh) | 一种基于改进提升小波变换和高次自相关处理的微弱电信号检测系统及其方法 | |
CN111623968A (zh) | 一种基于自适应形态滤波的故障特征提取方法 | |
CN109586763B (zh) | 一种电子通信系统中扩频信号的去噪方法及其去噪系统 | |
CN105700019A (zh) | 一种基于Born-Jordan时频分布的地震信号时频峰值滤波方法 |
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 |