CN112347845B - 一种飞机液压导管振动信号工业电干扰自动识别方法 - Google Patents
一种飞机液压导管振动信号工业电干扰自动识别方法 Download PDFInfo
- Publication number
- CN112347845B CN112347845B CN202010999068.0A CN202010999068A CN112347845B CN 112347845 B CN112347845 B CN 112347845B CN 202010999068 A CN202010999068 A CN 202010999068A CN 112347845 B CN112347845 B CN 112347845B
- Authority
- CN
- China
- Prior art keywords
- vibration signal
- stationary
- hydraulic conduit
- airplane
- interference
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及工业电干扰自动识别技术领域,特别是涉及一种飞机液压导管振动信号工业电干扰自动识别方法,根据振动信号的衰减特性以变步长法截取时间片段,然后根据时间片段的能量差异性识别出液压导管振动信号衰减点,最后依据平稳因子自动识别工业电干扰。通过本方法,能够有效解决工业电干扰的自动识别效果差的问题,能有效地提高液压导管振动信号处理效率。
Description
技术领域
本发明涉及工业电干扰自动识别技术领域,特别是涉及一种飞机液压导管振动信号工业电干扰自动识别方法。
背景技术
飞机液压导管上布置的传感器可获取锤击液压导管后的振动信号,但实际环境中采集到的振动信号不可避免的受到各种用电设备或电网引入的工业电干扰,严重影响了飞机液压导管在安装或维护时应力状态的判断。关于飞机液压导管振动信号工业电干扰自动识别的文献较少,总结目前工业电干扰自动识别的方法主要有频域法和时域法两大类。
现有技术中,“地震资料中工频干扰的自动识别与压制”,根据目标频带内数据能量差异性识别工业电干扰,但实际环境中工频干扰频率具有可变性,且工频干扰频率不易提取。
现有技术中,提出了授权公告号为CN104570118B,授权公告日为2017年12月12日的中国发明专利文件,该专利文献公开了一种基于双因素的自动识别与去除工业干扰的方法,通过能量比值和过零点数确定工业电干扰,但该方法在信噪同频带时不宜有效提取工业电干扰频率,且该方法存在零点不确定性问题。
现有技术中,提出了授权公告号为CN101907726B,授权公告日为2012年05月30日的中国发明专利文件,该专利文献公开了一种自动识别和消除地震勘探工业电干扰的方法,运用自相关方法确定工业电干扰,但该方法受限于信号质量;频域法通常将时间域信号转换为频率域后进行工业电干扰频率识别,但该类方法在信噪频带混叠或噪声强度较弱时无法有效识别。
发明内容
为解决上述技术问题,本发明提出了一种飞机液压导管振动信号工业电干扰自动识别方法,能在信噪频谱混叠或工业电干扰能量较弱时,实现对飞机液压导管振动信号中工业电干扰的自动识别,能有效解决工业电干扰的自动识别效果差的问题,能有效地提高液压导管振动信号处理效率。
本发明是通过采用下述技术方案实现的:
一种飞机液压导管振动信号工业电干扰自动识别方法,其特征在于:包括以下步骤:
a.采集振动信号,根据振动信号的衰减特性以变步长法截取时间片段;
b.根据时间片段的能量差异性识别出液压导管振动信号衰减点;
c.计算平稳因子ε和平稳率p,依据平稳率p自动识别工业电干扰。
所述步骤c中,若平稳率p大于等于0.8,则判定存在工业电干扰,若平稳率p小于0.8,则判定不存在工业电干扰。
所述步骤a具体包括以下步骤:
a1.加速度传感器采集锤击飞机液压导管后得到振动信号x(i),i=1,2,…,N,其中i为采样序号,N为总采样点数,N≥1000;
a2.按采样序号以衰减步长Δ依次截取x(i),分别得到对应的截取段振动信号x1(i1),x2(i2),…,xa(ia),其中x(i)={x1(i1),x2(i2),…,xα(iα)},i1,i2,…,iα为截取段振动信号的采样序号,i={i1,i2,…,iα},其中Δ=100+50×k,k=0,1,…,6,k为截取系数,α为截取数。
所述步骤b具体包括:
b1.按信号平均能量计算方法得到x1(i1),x2(i2),…,xa(ia)的平均能量值E1,E2,…,Eα;
b2.计算E1,E2,…,Eα的能量差分谱形成的序列E的最大峰值坐标序号β,其中,E={E1-E2,E2-E3,…,Eα-1-Eα},2≤β≤α。
所述步骤c中平稳因子ε包括εβ,εβ+1…,εa-1,各平稳因子的具体计算方法为:
其中Eβ,Eβ+1…Eα为xβ(iβ),xβ+1(iβ+1),…,xa(ia)的平均能量值。
所述步骤c中计算平稳率p具体为:
其中,n为ε中平稳因子位于0.8≤ε≤1.5的数目,β为能量差分谱形成的序列E的最大峰值坐标序号,α为变步长法截取时间片段的截取数。
所述步骤c中,在计算平稳因子ε和平稳率p之间还包括将各平稳因子ε形成序列γ,所述γ为:γ={εβ,εβ+1…,εα-1}。
与现有技术相比,本发明的有益效果表现在:
1、本发明在飞机液压导管振动信号衰减特性基础上,首先根据振动信号的衰减特性以变步长法截取时间片段,然后根据时间片段的能量差异性识别出液压导管振动信号衰减点,最后依据平稳因子自动识别工业电干扰。由于工业电干扰的频率具有一定变化性,因此通过零点法是无法准确识别,本发明是利用衰减点去除有效信号,然后对干扰信号利用特征参数进行识别,使得本发明不受限于信噪频带混叠时无法识别的问题,通过本方法,能够有效解决工业电干扰的自动识别效果差的问题,能提高飞机液压导管应力判断的准确度。
由于不同材质的导管振动信号的衰减性有差异,本发明根据某型飞机的导管振动信号的实际机上衰减特征,通过设立一定的相匹配的可变步长法截取有效的振动信号片段,有效地提高了衰减点的准确识别。根据时间片段的能量差异性识别出液压导管振动信号衰减点,进一步提高了衰减点的准确识别性,避免由于飞机导管振动信号有时会重复出现,造成识别不准确的现象发生,也避免由于信噪频带混叠时,无法有效识别出衰减点的现象发生。
本发明中,根据平稳因子主要计算相邻的时间片段内能量的差异,平稳率是对整个采集时间的一个整体预估,平稳率的准确评估是建立在衰减点的准确识别上,由于振动信号具有不连续性和一定的重复性,而工业电干扰是贯穿整个采集时间的,同时工业电干扰的能量较平稳,因此通过平稳率能更好的区分干扰。
2、在计算平稳因子ε和平稳率p之间还包括将各平稳因子ε形成序列γ,便于后期在计算平稳率p时,快速找到平稳因子位于0.8≤ε≤1.5的数目,便于提高识别效率。
3、衰减步长Δ=100+50×k,k=0,1,…,6,k为截取系数,通过该计算方法能有效截取振动信号段。
4、计算E1,E2,…,Eα的能量差分谱形成的序列E的最大峰值坐标序号β,最大峰值坐标序号β能将振动信号和干扰信号分开,该坐标序号前边为振动信号,后边为干扰信号,这个坐标意味着剩下的待分析信号基本为干扰,再通过平稳因子等就可以更准确的找出是不是干扰信号,提高干扰信号识别的准确性和识别效率。
附图说明
下面将结合说明书附图和具体实施方式对本发明作进一步的详细说明,其中:
图1为采集到的振动信号示意图;
图2为差分谱示意图;
图3为平稳因子序列示意图。
具体实施方式
实施例1
作为本发明基本实施方式,本发明包括一种飞机液压导管振动信号工业电干扰自动识别方法,包括以下步骤:
a.采集振动信号,根据振动信号的衰减特性以变步长法截取时间片段;
b.根据时间片段的能量差异性识别出液压导管振动信号衰减点;
c.计算平稳因子ε和平稳率p,依据平稳率p自动识别工业电干扰。
实施例2
作为本发明一较佳实施方式,本发明包括一种飞机液压导管振动信号工业电干扰自动识别方法,包括以下步骤:
a.加速度传感器采集锤击飞机液压导管后得到振动信号x(i),i=1,2,…,N,i为采样序号,N为总采样点数,N≥1000,采样频率f0;
b.按采样序号以衰减步长Δ依次截取x(i),分别得到对应的截取段振动信号x1(i1),x2(i2),…,xa(ia),其中x(i)={x1(i1),x2(i2),…,xα(iα)},i1,i2,…,iα为截取段振动信号的采样序号,i={i1,i2,…,iα},其中Δ=100+50×k,k=0,1,…,6,k为截取系数,α为截取数;
c.按信号平均能量计算方法得到x1(i1),x2(i2),…,xa(ia)的平均能量值E1,E2,…,Eα;
d.计算E1,E2,…,Eα的能量差分谱形成的序列E的最大峰值坐标序号β,2≤β≤α,能量差分谱形成的序列如公式:
E={E1-E2,E2-E3,…,Eα-1-Eα} (1)
e.计算平稳因子ε,所述平稳因子ε具体包括εβ,εβ+1…,εa-1,并计算平稳因子ε形成的序列平稳因子ε,如公式:
γ={εβ,εβ+1…,εα-1} (2)
其中Eβ,Eβ+1…Eα为xβ(iβ),xβ+1(iβ+1),…,xa(ia)的平均能量值;
f.计算ε中平稳因子位于0.8≤ε≤1.5的数目n,若平稳率p大于等于0.8,则判定存在工业电干扰,如公式:
实施例3
作为本发明最佳实施方式,本发明包括一种飞机液压导管振动信号工业电干扰自动识别方法,包括以下步骤:
a.参照说明书附图1,采集振动信号,根据振动信号的衰减特性以变步长法截取时间片段。具体包括:
a1.加速度传感器采集锤击飞机液压导管后得到振动信号x(i),i=1,2,…,N,其中i为采样序号,N为总采样点数,N≥1000;
a2.按采样序号以衰减步长Δ依次截取x(i),分别得到对应的截取段振动信号x1(i1),x2(i2),…,xa(ia),其中x(i)={x1(i1),x2(i2),…,xα(iα)},i1,i2,…,iα为截取段振动信号的采样序号,i={i1,i2,…,iα},其中Δ=100+50×k,k=0,1,…,6,k为截取系数,α为截取数。本实施例中,Δ=100,k=0,α=12。
b.根据时间片段的能量差异性识别出液压导管振动信号衰减点。具体包括:
b1.按信号平均能量计算方法得到x1(i1),x2(i2),…,xa(ia)的平均能量值E1,E2,…,Eα;本实施例中,
E1=0.5734,E2=0.1405,E3=0.1184,E4=0.0743,
E5=0.0607,E6=0.0609,E7=0.0647,E8=0.0681,
E9=0.0569,E10=0.0568,E11=0.0635,E12=0.0623;
b2.参照说明书附图2,计算E1,E2,…,Eα的能量差分谱形成的序列E的最大峰值坐标序号β,其中,E={E1-E2,E2-E3,…,Eα-1-Eα},2≤β≤α;本实施例中,β=3。
c.参照说明书附图3,计算平稳因子ε,将各平稳因子ε形成序列γ,并计算平稳率p,依据平稳率p自动识别工业电干扰。
其中,平稳因子ε包括εβ,εβ+1…,εa-1,各平稳因子的具体计算方法为:
其中Eβ,Eβ+1…Eα为xβ(iβ),xβ+1(iβ+1),…,xa(ia)的平均能量值,将各平稳因子ε形成序列γ,所述γ为:γ={εβ,εβ+1…,εα-1}。本实施例中,γ={1.5931,1.2250,0.9962,0.9423,0.9493,1.1968,1,0.8966,1.0181}。
所述步骤c中计算平稳率p具体为:
其中,n为ε中平稳因子位于0.8≤ε≤1.5的数目,β为能量差分谱形成的序列E的最大峰值坐标序号,α为变步长法截取时间片段的截取数。其中,n=8,p=0.8889,则判定存在工业电干扰。
综上所述,本领域的普通技术人员阅读本发明文件后,根据本发明的技术方案和技术构思无需创造性脑力劳动而作出的其他各种相应的变换方案,均属于本发明所保护的范围。
Claims (3)
1.一种飞机液压导管振动信号工业电干扰自动识别方法,其特征在于:包括以下步骤:
步骤a.采集振动信号,根据振动信号的衰减特性以变步长法截取时间片段;
所述步骤a具体包括以下步骤:
a1.加速度传感器采集锤击飞机液压导管后得到振动信号x(i),i=1,2,…,N,其中i为采样序号,N为总采样点数,N≥1000;
a2.按采样序号以衰减步长△依次截取x(i),分别得到对应的截取段振动信号x1(i1),x2(i2),…,xa(ia),其中x(i)={x1(i1),x2(i2),…,xα(iα)},i1,i2,…,iα为截取段振动信号的采样序号,i={i1,i2,…,iα},其中△=100+50×k,k=0,1,…,6,k为截取系数,α为截取数;
步骤b.根据时间片段的能量差异性识别出液压导管振动信号衰减点,具体包括:b1.按信号平均能量计算方法得到x1(i1),x2(i2),…,xa(ia)的平均能量值E1,E2,…,Eα;
b2.计算E1,E2,…,Eα的能量差分谱形成的序列E的最大峰值坐标序号β,其中,E={E1-E2,E2-E3,…,Eα-1-Eα},2≤β≤α;
步骤c.计算平稳因子ε和平稳率p,依据平稳率p自动识别工业电干扰;所述平稳因子ε包括εβ,εβ+1…,εa-1,各平稳因子的具体计算方法为:
其中Eβ,Eβ+1…Eα为xβ(iβ),xβ+1(iβ+1),…,xa(ia)的平均能量值;
计算平稳率p具体为:
其中,n为ε中平稳因子位于0.8≤ε≤1.5的数目,β为能量差分谱形成的序列E的最大峰值坐标序号。
2.根据权利要求1所述的一种飞机液压导管振动信号工业电干扰自动识别方法,其特征在于:所述步骤c中,若平稳率p大于等于0.8,则判定存在工业电干扰,若平稳率p小于0.8,则判定不存在工业电干扰。
3.根据权利要求1所述的一种飞机液压导管振动信号工业电干扰自动识别方法,其特征在于:所述步骤c中,在计算平稳因子ε和平稳率p之间还包括将各平稳因子ε形成序列γ,所述γ为:γ={εβ,εβ+1…,εα-1}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010999068.0A CN112347845B (zh) | 2020-09-22 | 2020-09-22 | 一种飞机液压导管振动信号工业电干扰自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010999068.0A CN112347845B (zh) | 2020-09-22 | 2020-09-22 | 一种飞机液压导管振动信号工业电干扰自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112347845A CN112347845A (zh) | 2021-02-09 |
CN112347845B true CN112347845B (zh) | 2022-10-25 |
Family
ID=74357393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010999068.0A Active CN112347845B (zh) | 2020-09-22 | 2020-09-22 | 一种飞机液压导管振动信号工业电干扰自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112347845B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781433B (zh) * | 2022-03-24 | 2024-08-13 | 成都飞机工业(集团)有限责任公司 | 飞机液压导管振动信号提取方法、装置、存储介质及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831661A (zh) * | 2017-11-13 | 2018-03-23 | 广东石油化工学院 | 一种高精度工业机器人机械振动信号跟踪方法 |
CN109612568A (zh) * | 2018-11-22 | 2019-04-12 | 北京航天易联科技发展有限公司 | 一种振源移动干扰源识别方法 |
CN110633686A (zh) * | 2019-09-20 | 2019-12-31 | 安徽智寰科技有限公司 | 一种基于振动信号数据驱动的设备转速识别方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7433265B2 (en) * | 2005-10-04 | 2008-10-07 | Fairfield Industries, Inc. | Converted wave energy removal from seismic data |
CN101257305B (zh) * | 2007-02-26 | 2010-12-08 | 明基电通股份有限公司 | 用于降低电磁干扰的方法及装置 |
CN101907726B (zh) * | 2010-06-11 | 2012-05-30 | 中国石油天然气集团公司 | 一种自动识别和消除地震勘探工业电干扰的方法 |
CN104570118B (zh) * | 2013-10-29 | 2017-12-12 | 中国石油化工股份有限公司 | 一种基于双因素的自动识别与去除工业干扰的方法 |
CN106997458A (zh) * | 2017-03-17 | 2017-08-01 | 中国人民解放军陆军航空兵研究所 | 一种基于eemd‑cwd的设备振动信号特征提取方法 |
CN110007296B (zh) * | 2018-01-04 | 2020-10-23 | 中国科学院声学研究所 | 一种基于引导信号修正的时域干扰抵消方法 |
CN109254324B (zh) * | 2018-10-19 | 2020-03-10 | 中国石油天然气股份有限公司 | 全频保幅地震数据处理方法和装置 |
-
2020
- 2020-09-22 CN CN202010999068.0A patent/CN112347845B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831661A (zh) * | 2017-11-13 | 2018-03-23 | 广东石油化工学院 | 一种高精度工业机器人机械振动信号跟踪方法 |
CN109612568A (zh) * | 2018-11-22 | 2019-04-12 | 北京航天易联科技发展有限公司 | 一种振源移动干扰源识别方法 |
CN110633686A (zh) * | 2019-09-20 | 2019-12-31 | 安徽智寰科技有限公司 | 一种基于振动信号数据驱动的设备转速识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112347845A (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2136189B1 (en) | Method for analysing vibration in rotor blades | |
CN112347845B (zh) | 一种飞机液压导管振动信号工业电干扰自动识别方法 | |
CN102680860A (zh) | 一种高压电力线路行波测距用故障点自动定位方法 | |
CN113565584B (zh) | 一种叶端定时信号时频滤波方法 | |
CN110824429A (zh) | 深海环境下利用非同步垂直阵的宽带声源被动定位方法 | |
CN103743470B (zh) | 一种汽车噪声频谱分析方法 | |
CN104568113B (zh) | 一种基于模型的海洋声传播调查爆炸波自动截取方法 | |
CN111708006B (zh) | 一种适用于无人平台探测声纳的目标线谱检测方法 | |
CN105303181A (zh) | 一种基于滑动窗的随机共振微弱冲击特征增强提取方法 | |
CN111006873A (zh) | 叶尖间隙信号处理过程中的峰峰值获取方法和装置 | |
CN110333506B (zh) | 一种提取索力测量雷达的拉索位置参数的方法 | |
CN104977602A (zh) | 一种地震数据采集施工的控制方法及装置 | |
CN117348093A (zh) | 基于地面参考点的航空电磁数据处理方法及系统 | |
CN103558239A (zh) | 一种测定取向硅钢取向度的方法 | |
CN114781466B (zh) | 基于旋转机械振动信号谐波基频的故障诊断方法及系统 | |
CN109655885B (zh) | 一种自动初至拾取方法及系统 | |
CN113723207B (zh) | 一种基于直方图距离的声发射信号突变检测方法 | |
CN105631149B (zh) | 一种基于相关性求时差的方法 | |
CN111123356B (zh) | 基于初至信息的异常道智能判识方法 | |
CN112925020B (zh) | 一种参量阵型浅剖智能能量补偿方法 | |
CN112526611A (zh) | 表层地震波品质因子的提取方法及装置 | |
CN111521686A (zh) | 一种基于声发射b值卡尔曼滤波分析的沥青混合料低温断裂评价方法 | |
CN104504380A (zh) | 基于pccp管道声信号的现场试验系统及数据分析方法 | |
KR102376920B1 (ko) | 발전기 고정자의 웨지 체결 강도 진단 방법 | |
CN114861118B (zh) | 双转子旋转设备故障监测用测点布局确定方法 |
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 |