CN112197964B - 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 PDF

Info

Publication number
CN112197964B
CN112197964B CN202011413484.4A CN202011413484A CN112197964B CN 112197964 B CN112197964 B CN 112197964B CN 202011413484 A CN202011413484 A CN 202011413484A CN 112197964 B CN112197964 B CN 112197964B
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.)
Active
Application number
CN202011413484.4A
Other languages
English (en)
Other versions
CN112197964A (zh
Inventor
李小刚
林苏奔
陈景云
孙维芳
伏建友
邵正鹏
黄豪驰
顾王林
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.)
Liaiwei Innovative Intelligent System Zhejiang Co ltd
Original Assignee
Liaiwei Innovative Intelligent System Zhejiang Co ltd
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 Liaiwei Innovative Intelligent System Zhejiang Co ltd filed Critical Liaiwei Innovative Intelligent System Zhejiang Co ltd
Priority to CN202011413484.4A priority Critical patent/CN112197964B/zh
Publication of CN112197964A publication Critical patent/CN112197964A/zh
Application granted granted Critical
Publication of CN112197964B publication Critical patent/CN112197964B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种基于谱pq-mean的局部冲击信号定位方法
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：
Figure DEST_PATH_IMAGE002
其中
Figure DEST_PATH_IMAGE004
为滤波后信号序列，
Figure DEST_PATH_IMAGE006
为滤波前输入信号序列，
Figure DEST_PATH_IMAGE008
为滤波操作符号。
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：
Figure DEST_PATH_IMAGE010
其中
Figure DEST_PATH_IMAGE012
为当前子带信号，
Figure DEST_PATH_IMAGE014
为当前子带信号所有元素的个数，
Figure DEST_PATH_IMAGE016
为当前子带信号元素对应序号，
Figure DEST_PATH_IMAGE018
为所求的局部稀疏测度，
Figure DEST_PATH_IMAGE020
和
Figure DEST_PATH_IMAGE022
为对应的指数信息，其中
Figure DEST_PATH_IMAGE024
。
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：
Figure 907160DEST_PATH_IMAGE002
其中
Figure 371640DEST_PATH_IMAGE004
为滤波后信号序列，
Figure 322409DEST_PATH_IMAGE006
为滤波前输入信号序列，
Figure 112511DEST_PATH_IMAGE008
为滤波操作符号。
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：
Figure DEST_PATH_IMAGE025
其中
Figure DEST_PATH_IMAGE026
为当前子带信号，
Figure 945469DEST_PATH_IMAGE014
为当前子带信号所有元素的个数，
Figure 213639DEST_PATH_IMAGE016
为当前子带信号元素对应序号，
Figure DEST_PATH_IMAGE027
为所求的局部稀疏测度，
Figure 799341DEST_PATH_IMAGE020
和
Figure 511076DEST_PATH_IMAGE022
为对应的指数信息，其中
Figure 18281DEST_PATH_IMAGE024
。
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 (2)

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，
所述的步骤S5中,计算所有子带信号的pq-mean值的算法为：
Figure FDA0002906334940000011
其中c为当前子带信号，N为当前子带信号所有元素的个数，j为当前子带信号元素对应序号，pq-mean为所求的局部稀疏测度，p和q为对应的指数信息，其中p＜q。
2.根据权利要求1所述的基于谱pq-mean的局部冲击信号定位方法，其特征在于：所述的步骤S2中,所述的滤波处理的滤波算法为：
Figure FDA0002906334940000021
其中y为滤波后信号序列，x为滤波前输入信号序列，
Figure FDA0002906334940000022
为滤波操作符号。
CN202011413484.4A 2020-12-07 2020-12-07 一种基于谱pq-mean的局部冲击信号定位方法 Active CN112197964B (zh)

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 CN112197964A (zh) 2021-01-08
CN112197964B true 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)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102243140B (zh) * 2011-04-18 2013-01-23 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
CN108535638B (zh) * 2018-01-25 2020-05-12 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
CN111898556B (zh) * 2020-08-01 2024-04-16 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
CN111833371B (zh) * 2020-09-17 2020-12-11 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

Also Published As

Publication number Publication date
CN112197964A (zh) 2021-01-08

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
CN109816599B (zh) 一种基于小波分解卷积神经网络的图像条带噪声抑制方法
CN106441288A (zh) 一种加速度计的自适应小波降噪方法
CN108801251B (zh) 一种惯性传感器混叠干扰信号分离方法
CN104006962A (zh) 一种齿轮故障特征提取方法及系统
US9949029B2 (en) Audio filtering with virtual sample rate increases
CN106199532B (zh) 基于混合傅立叶-小波分析的探地雷达信号降噪方法
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
CN112197964B (zh) 一种基于谱pq-mean的局部冲击信号定位方法
CN104182946A (zh) 基于指数软硬择中阈值函数的光谱去噪方法
CN105807241A (zh) 一种利用先验信息的指数信号去噪方法
CN114112400A (zh) 一种基于多角度信息融合的机械轴承故障诊断方法
CN109724693B (zh) 一种基于平稳小波的融合光谱去噪方法
Ali et al. An improved method of audio denoising based on wavelet transform
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
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
CN106096199B (zh) 一种滚动轴承的wt、谱峭度和平滑迭代包络分析方法
CN106053069B (zh) 一种滚动轴承的ssd、谱峭度和平滑迭代包络分析方法
CN107610055B (zh) 傅里叶变换光谱仪干涉图噪声检测及抑制方法
Xu et al. Rolling bearing fault feature extraction via improved SSD and a singular-value energy autocorrelation coefficient spectrum
CN102999889A (zh) 一种保护显著边缘的图像降噪处理方法
CN117571316A (zh) 一种复合故障诊断方法及系统
CN105700019B (zh) 一种基于Born‑Jordan时频分布的地震信号时频峰值滤波方法
CN111623968A (zh) 一种基于自适应形态滤波的故障特征提取方法

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