CN113109063A - 用于船舶机械结构健康监测数据信号的分离方法及装置 - Google Patents
用于船舶机械结构健康监测数据信号的分离方法及装置 Download PDFInfo
- Publication number
- CN113109063A CN113109063A CN202110285990.8A CN202110285990A CN113109063A CN 113109063 A CN113109063 A CN 113109063A CN 202110285990 A CN202110285990 A CN 202110285990A CN 113109063 A CN113109063 A CN 113109063A
- Authority
- CN
- China
- Prior art keywords
- signal
- imf
- signals
- function
- mechanical structure
- 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
Links
- 230000036541 health Effects 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 238000000926 separation method Methods 0.000 title claims abstract description 16
- 238000001228 spectrum Methods 0.000 claims abstract description 61
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 53
- 230000009131 signaling function Effects 0.000 claims description 24
- 230000009466 transformation Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- G01M99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请公开了一种用于船舶机械结构健康监测数据信号的分离方法,包括对船舶机械结构健康监测数据信号进行EMD分解,得到所述数据信号分解后的各阶IMF信号;对所述各阶IMF信号进行HHT变换,得到Hilbert谱和Hilbert边际谱;以所述Hilbert谱和所述Hilbert边际谱为依据,将所述数据信号变换为系列特征信号的组合,并结合实际情况中不同特征信号所在的频段,确定所述船舶机械结构正常工作中产生的所述数据信号中表征不同作用力的特征信号。本申请实施例通过对待分离数据信号进行EMD分解和HHT变换方法为船舶机械结构健康监测系统能最终得到准确、可靠的有效数据提供了保证。
Description
技术领域
本申请涉及船舶机械结构健康监测技术领域,尤其涉及一种用于船舶机械结构健康监测数据信号的分离方法及装置。
背景技术
在船舶机械结构健康监测系统既能够实现对船舶机械结构健康状态的实时评估,还能及时捕获结构失效的前兆,从而避免重大人员伤亡与财产损失。
但由于大型船用机械设备在海上正常服役时,不仅仅受到机械结构本身在服役过程中产生的载荷作用,还同时受到恶劣海洋环境中行驶时船舶的惯性系统导致的惯性力作用。这样,由各类力学传感器监测得到的原始数据信号中,如应力应变传感器数值信号、加速度传感器数值信号等,通常既包含大型船用机械设备正常工作的载荷信号,也包含了在船体运动惯性系中的船用机械设备所产生的惯性力作用信号。另外,周围其它设备工作产生的噪音信号也在其中有所体现,从而导致最后组合而成原始数据信号通常会是一种非线性非平稳信号。因此,如何对各类传感器监测所得的原始数据信号进行信号分离,以从原始数据信号中提取出准确、可靠的有效信号,是船用机械设备结构健康监测中一个亟待解决的技术问题,也是保证船舶机械设备平稳、安全运行的关键问题。
发明内容
为解决上述问题,本申请实施例第一方面提供了一种用于船舶机械结构健康监测数据信号的分离方法,包括:
S110,对船舶机械结构健康监测数据信号进行EMD分解,得到所述数据信号分解后的各阶IMF信号,所述数据信号来自用于船舶机械结构健康监测的力学传感器;
S120,对所述各阶IMF信号进行HHT变换,得到Hilbert谱和Hilbert边际谱;
S130,以所述Hilbert谱和所述Hilbert边际谱为依据,将所述数据信号变换为一系列特征信号的组合,并结合实际情况中不同特征信号所在的频段,用所述特征信号表征所述船舶机械结构中不同频段的确定工作信号。
一些实施例中,步骤S110包括:
S111,确定所述数据信号的信号函数x(t),其中变量t为时间参数;
S112,确定所述信号函数x(t)各个局部的极大值点和极小值点,并分别形成极大值点序列x(ti)和极小值点序列x(tj),其中i,j均为大于1的自然数;
S113,对所述极大值点序列x(ti)和所述极小值点序列x(ti)分别采用三次样条插值函数拟合形成所述数据信号x(t)的上、下包络线函数xu(t)和xl(t),并确定所述上、下包络线函数xu(t)和xl(t)的均值函数xm(t),其中所述上、下包络线函数xu(t)和xl(t)在任意时点上下对称;
S114,令h(t)=x(t)-xm(t),当函数h(t)不满足获得各阶IMF信号的条件时,重复步骤S112-S113直到所述函数h(t)满足获得各阶IMF信号的条件;
S115,确定所述函数h(t)的一阶IMF信号分量IMF1(t);
S116,令ri(t)=x(t)-IMFi(t),将函数ri(t)作为新的信号函数,重复步骤S112-S115的过程,以确定下一阶的IMF信号分量IMFi(t),直到函数rn(t)中的极值点个数不超过2个,其中i与n均为自然数,且1≤i≤n;
其中,所述信号函数x(t)可被表达为:
x(t)=∑IMFi(t)+rn(t) (1)。
一些实施例中,步骤S120包括:
S121,按照HHT变换公式:
S124,对各阶IMF信号分量IMFi(t)作HHT变换,并求其解析函数z(t)的瞬时幅值谱ai(t)和瞬时圆频率ωi(t),使所述信号函数x(t)表示为:
其中Re表示复数的实部,i是不小于1且不大于n的自然数;
S125,依据式(4)得Hilbert谱,记为:
其中,fi(t)为阶IMF信号分量IMFi(t)的瞬时频率,且fi(t)=ωi(t)/2π,Re表示复数的实部,i是不小于1且不大于n的自然数;
S126,根据式(6)获得Hilbert边际谱:
其中,T为所述数据信号的时间长度,i是不小于1且不大于n的自然数。
一些实施例中,步骤S130包括:
S131,分别计算出各阶IMF信号分量IMFi(t)的瞬时频率fi(t);
S132,根据所述瞬时频率fi(t)所属的频段,将其对应的信号分量IMFi(t)归到对应的频段区间;
S133,利用所述频段区间对应的所述信号分量IMFi(t),绘制相应的特征信号曲线;
S134,根据所述船舶机械结构中确定工作信号所在的确定频段,用所述特征信号曲线表征所述确定工作信号。
本申请实施例第二方面提供了一种用于船舶机械结构健康监测数据信号的分离装置,包括:
信号分解模块,用于对船舶机械结构健康监测数据信号进行EMD分解,得到所述数据信号分解后的各阶IMF信号,所述数据信号来自用于船舶机械结构健康监测的力学传感器;
信号变换模块,用于对所述各阶IMF信号进行HHT变换,得到Hilbert谱和Hilbert边际谱;
特征信号确定模块,用于以所述Hilbert谱和所述Hilbert边际谱为依据,将所述数据信号变换为系列特征信号的组合,并结合实际情况中不同特征信号所在的频段,确定所述船舶机械结构正常工作中产生的所述数据信号中表征不同作用力的特征信号。
本申请实施例第三方面提供了一种电子设备,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当执行所述计算机程序时,实现如本申请第一方面所述任一项所述的方法。
本申请实施例第四方面提供了一种船舶机械结构健康监测系统,所述系统采用了本申请第二方面任一所述的装置。
本申请实施例的有益效果在于通过对待分离数据信号进行EMD分解,并采用HHT变换摆脱了信号分析或分离中的线性和平稳性束缚,使得复杂海况下通过传感器检测到的船舶机械结构中的非线性、非平稳信号可以得到有效处理,从而为船舶机械结构健康监测系统能最终得到准确、可靠的有效数据提供了可能,为船舶机械设备得以平稳、安全运行提供了保证。
附图说明
图1是本申请实施例1的数据信号分离方法的方法流程图;
图2是本申请实施例1中的待分离数据信号的信号示意图;
图3是本申请实施例1中的数据信号经分解后得到的各阶信号分量的信号示意图;
图4是本申请实施例1中的各阶信号分量经重组后的各频段信号分量示意图;
图5是本申请实施例1对应的装置结构框图;
图6是本申请实施例2的方法流程图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本申请进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本申请的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本申请的概念。
显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。此外,下面所描述的本申请不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
相关术语:
EMD(Empirical mode decomposition,简称EMD)分解,中文称经验模式分解,是依据数据信号自身的时间尺度特征来进行信号分解,无须预先设定任何基函数。正是由于这样的特点,EMD分解方法在理论上可以应用于任何类型的信号的分解,因而在处理非平稳及非线性数据上,具有非常明显的优势,适合于分析非线性、非平稳信号序列,具有很高的信噪比。
IMF(Intrinsic Mode Function,简称IMF)信号,中文称本征模信号,其任意一点的瞬时频率都有意义,且任何信号都可看作由若干IMF信号组成,也即任何时候一个信号都可以包含若干个IMF信号,如果IMF信号之间相互重叠,便形成复合信号。EMD分解的目的就是为了获取IMF信号,然后再对各IMF信号进行HHT变换,得到Hilbert谱。
HHT(Hilbert-Huang Transform,简称HHT)变换,中文称希尔伯特-黄变换,其内容包含两部分,第一部分为EMD分解;第二部分为Hilbert谱分析(Hilbert SpectrumAnalysis,简称HSA)。其处理非平稳信号的基本过程是:首先利用EMD方法将给定的信号分解为若干IMF信号表示,这些IMF信号是满足一定条件的分量;然后,对每一个IMF信号进行Hilbert变换,得到相应的Hilbert谱,即将每个IMF信号表示在联合的时频域中;最后,汇总所有IMF的Hilbert谱就会得到原始信号的Hilbert谱。
Hilbert谱,中文称希尔伯特谱,它是HHT变换得到的最直观结果,其反映的是信号时间、瞬时频率和幅值之间的关系。该图谱可以用于分析包含混合分量信号中各分量随时间变化的规律,以识别局部特征。
Hilbert边际谱,中文称希尔伯特边际谱,Hilbert边际谱是建立在已经得出的Hilbert谱的基础上的,计算方法是将Hilbert谱在时间轴上进行积分,使之从幅值-时间-频率三者间的关系转变为幅值-频率两者间的关系,用以描述的是幅值(或能量)在频率轴上的分布。
本申请实施例中由于要处理的数据信号来源于船舶机械结构健康监测系统的各类力学传感器在服役期间所产生的非线性非平稳力学响应数据信号。这些力学响应数据信号主要来源于船舶在服役过程中,大型船用机械设备本身产生的工作载荷以及船用机械设备与船体之间的相互作用所诱发的结构力学响应,如结构上监测点位置的应力应变、加速度等。本申请实施例通过对待分离的船舶机械结构健康监测数据信号进行EMD分解,并进一步采用HHT变换摆脱了信号分析或分离中的线性和平稳性束缚,准确分离出各个有效成分,从而实现基于有效数据信号的更可靠的机械结构健康状况分析。
实施例1
图1是本申请实施例1的数据信号分离方法的方法流程图。
如图1所示,本申请实施例第一方面提供了一种用于船舶机械结构健康监测数据信号的分离方法,包括:
S110,对船舶机械结构健康监测数据信号进行EMD分解,得到所述数据信号分解后的各阶IMF信号,所述数据信号来自用于船舶机械结构健康监测的力学传感器;
S120,对所述各阶IMF信号进行HHT变换,得到Hilbert谱和Hilbert边际谱;
S130,以所述Hilbert谱和所述Hilbert边际谱为依据,将所述数据信号变换为一系列特征信号的组合,并结合实际情况中不同特征信号所在的频段,用所述特征信号表征所述船舶机械结构中不同频段的确定工作信号。
图2是本申请实施例1中的待分离数据信号的信号示意图。
步骤110中的力学传感器,可选为光纤应力应变传感器,其监测所得数据信号为如图2所示的待分离数据信号。
步骤S110中对数据信号进行EMD分解是指,使复杂信号分解为有限IMF信号分量,所分解出来的各IMF信号分量包含了原数据信号不同时间尺度的局部特征信号。
其中IMF信号任意一点的瞬时频率都是有意义的,所以任何时候一个信号都可以包含若干个IMF,如果IMF之间相互重叠,便形成复合信号。EMD分解的目的就是为了获取IMF信号,然后再对各IMF进行HHT变换,得到Hilbert谱。
步骤110中EMD分解后得到的IMF信号必须满足以下两个条件:
(1)信号函数在整个时间范围内,局部极值点和过零点的数目必须相等,或最多相差一个;
(2)在任意时刻点,局部最大值的包络(上包络线)和局部最小值的包络(下包络线)平均必须为零。
IMF表征了数据信号的内在的振动模式。由IMF的定义可知,由过零点所定义的IMF的每一个振动周期,只有一个振动模式,没有其他复杂的骑波;一个IMF没有约束为是一个窄带信号,并且可以是频率和幅值的调制,还可以是非稳态的;单由频率或单由幅值调制的信号也可成为IMF。
图3是本申请实施例1中的数据信号经分解后得到的各阶信号分量的信号示意图。
如图3所示,为步骤S110中经EMD分解后得到的各阶IMF信号,包括IMF1、IMF2、IMF3和IMF4,四阶IMF信号。
一些实施例中,步骤S110包括:
S111,确定所述数据信号的信号函数x(t),其中变量t为时间参数;
S112,确定所述信号函数x(t)各个局部的极大值点和极小值点,并分别形成极大值点序列x(ti)和极小值点序列x(tj),其中i,j均为大于1的自然数;
S113,对所述极大值点序列x(ti)和所述极小值点序列x(ti)分别采用三次样条插值函数拟合形成所述数据信号x(t)的上、下包络线函数xu(t)和xl(t),并确定所述上、下包络线函数xu(t)和xl(t)的均值函数xm(t),其中所述上、下包络线函数xu(t)和xl(t)在任意时点上下对称;
S114,令h(t)=x(t)-xm(t),当函数h(t)不满足获得各阶IMF信号的条件时,重复步骤S02-S03直到所述函数h(t)满足获得各阶IMF信号的条件;
S115,确定所述函数h(t)的一阶IMF信号分量IMF1(t);
S116,令ri(t)=x(t)-IMFi(t),将函数ri(t)作为新的信号函数,重复步骤S112-S115的过程,以确定下一阶IMF信号分量IMFi(t),直到函数rn(t)中的极值点个数不超过2个,i是不小于1且不大于n的自然数;
其中,所述信号函数x(t)可被表达为:
x(t)=∑IMFi(t)+rn(t) (1)。
步骤S120中的HHT变换主要内容包含两部分,第一部分为步骤110中提出到经验模态分解EMD;第二部分为Hilbert谱分析。HHT处理非平稳信号的过程包括,先利用EMD方法将给定的数据信号分解为若干个IMF,这些IMF是满足一定条件的分量;然后对每一个IMF进行HHT变换,得到相应的Hilbert谱,即将每个IMF表示在联合的时频域中;最后汇总所有IMF的Hilbert谱就会得到原始数据信号的Hilbert谱。
一些实施例中,步骤S120包括:
S121,按照HHT变换公式:
S124,对各阶IMF信号分量IMFi(t)作HHT变换,并求其解析函数z(t)的瞬时幅值谱ai(t)和瞬时圆频率ωi(t),使所述信号函数x(t)表示为:
其中Re表示复数的实部,i是不小于1且不大于n的自然数;
S125,依据式(4)得Hilbert谱,记为:
其中,fi(t)为阶IMF信号分量IMFi(t)的瞬时频率,且fi(t)=ωi(t)/2π,Re表示复数的实部,i是不小于1且不大于n的自然数;
S126,根据式(6)获得Hilbert边际谱:
其中,T为所述数据信号的时间长度,i是不小于1且不大于n的自然数。
步骤S130中以所述Hilbert谱和所述Hilbert边际谱为依据,将所述数据信号变换为一系列特征信号的组合,并结合实际情况中不同特征信号所在的频段,用所述特征信号表征所述船舶机械结构中不同频段的确定工作信号。
图4是本申请实施例1中的各阶信号分量经重组后的各频段信号分量示意图。
如图4所示,步骤S130中经过对各阶信号分量重绘之后,得到图中新的各个频段的信号曲线。其中A1为低频段信号曲线,根据工程经验可知该频段信号是由船用机械设备处于船舶运动惯性系中,与船体之间的相互作用所产生的;A2为大型船舶设备正常服役时所产生的工作载荷信号;A3为大型船舶设备附近其它设备所产生的时断时续的噪音信号。通过特征信号的组合和重绘就可找到船舶机械结构正常工作信号,为船舶机械结构健康监测系统能最终得到准确、可靠的有效数据提供了可能。
一些实施例中,步骤S130包括:
S131,分别计算出各阶IMF信号分量IMFi(t)的瞬时频率fi(t);
S132,根据所述瞬时频率fi(t)所属的频段,将其对应的信号分量IMFi(t)归到对应的频段区间;
S133,根据所述频段区间对应的所述信号分量IMFi(t),重新绘制各个频段的信号曲线图;
S134,根据预设的频段信号与所述船舶机械结构中作用力的对应关系,确定所述船舶机械结构正常工作中产生的所述数据信号中表征不同作用力的特征信号。
本申请实施例1通过对待分离数据信号进行EMD分解,并采用HHT变换摆脱了信号分析或分离中的线性和平稳性束缚,使得复杂海况下通过传感器检测到的船舶机械结构中的非线性、非平稳信号可以得到有效处理,从而为船舶机械结构健康监测系统能最终得到准确、可靠的有效数据提供了可能,为船舶机械设备得以平稳、安全运行提供了保证。
实施例2
图5是本申请实施例2的数据信号分离方法的方法流程图。
如图5所示,用于船舶机械结构健康监测数据信号的分离方法,包括:
通过船舶机械结构健康监测系统中的某一位置的力学传感器,比如光纤应力应变传感器,获得原始的数据信号x(t),其中变量t为时间参数;
第一步,输入数据信号x(t),进行EMD分解,包括:
(1)确定数据信号x(t)各个各个局部的极大值点和极小值点,并分别形成极大值点序列x(ti)和极小值点序列x(tj),其中i,j均为大于1的自然。
(2)对所述极大值点序列x(ti)和所述极小值点序列x(ti)分别采用三次样条插值函数构造所述数据信号x(t)的上、下包络线函数xu(t)和xl(t),并确定所述上、下包络线函数xu(t)和xl(t)的均值函数xm(t),其中所述上、下包络线函数xu(t)和xl(t)在任意时点上下对称;
(3)令h(t)=x(t)-xm(t),考察h(t)是否满足IMF条件,如果满足则转到下一步,否则对h(t)进行前两步操作,依次下去,直到其满足IMF条件,则求得第一个IMF1(t);
(4)令ri(t)=x(t)-IMFi(t),将函数ri(t)作为新的信号函数,重复步骤S112-S115的过程,以确定下一阶IMF信号分量IMFi(t),直到函数rn(t)中的极值点个数不超过2个,i是不小于1且不大于n的自然数。
其中,所述信号函数x(t)可被表达为:
x(t)=∑IMFi(t)+rn(t) (1)。
第二步,对各阶IMFi(t)信号进行HHT变换,得到Hilbert谱和Hilbert边际谱,包括:
(5)根据(2)进行HHT变换,设输入数据信号x(t):
(8)对各阶IMF信号分量IMFi(t)作HHT变换,并求其解析函数z(t)的瞬时幅值谱ai(t)和瞬时圆频率ωi(t),使所述信号函数x(t)表示为:
其中,Re表示复数的实部,i是不小于1且不大于n的自然数;
(9)依据式(4)得Hilbert谱,记为:
其中,fi(t)为阶IMF信号分量IMFi(t)的瞬时频率,且fi(t)=ωi(t)/2π,Re表示复数的实部,i是不小于1且不大于n的自然数;
(10)根据式(6)获得Hilbert边际谱:
其中,T为所述数据信号的时间长度,i是不小于1且不大于n的自然数。
第三步,以数据信号的Hilbert谱和Hilbert边际谱为依据,将船舶机械结构健康监测数据信号写成一系列的特征信号的组合,并根据实际情况中特征信号所在的频段,把关心的船舶机械结构正常工作信号找到,以便后续进一步进行处理操作需要,包括:
(11)分别计算出各阶信号分量IMFi(t)的瞬时频率fi(t)。
(12)将瞬时频率fi(t)对应的各阶IMFi(t)信号分量瞬时值根据瞬时频率fi(t)值所属的频段放到对应的频段区间。
(13)根据频段上获取的阶IMFi(t)信号分量瞬时值,重新绘制各个频段的信号曲线图。
如图3所示,经过对各阶IMFi(t)信号分量重绘之后,得到如图3中新的各个频段的信号曲线图。其中A1为低频段信号曲线,根据工程经验,该频段信号是由船用机械设备处于船舶运动惯性系中,与船体之间的相互作用所产生的;A2为大型船舶设备正常服役时所产生的工作载荷信号;A3为大型船舶设备附近其它设备所产生的时断时续的噪音信号。通过以上步骤即可找到船舶机械结构正常工作中的有效信号,从而给下一步的船舶机械结构健康状况评估提供了关键信息。
本申请实施例第二方面提供了一种用于船舶机械结构健康监测数据信号的分离装置,包括:
信号分解模块11,用于对船舶机械结构健康监测数据信号进行EMD分解,得到所述数据信号分解后的各阶IMF信号,所述数据信号来自用于船舶机械结构健康监测的力学传感器;
信号变换模块12,用于对所述各阶IMF信号进行HHT变换,得到Hilbert谱和Hilbert边际谱;
特征信号确定模块13,用于以所述Hilbert谱和所述Hilbert边际谱为依据,将所述数据信号变换为系列特征信号的组合,并结合实际情况中不同特征信号所在的频段,确定所述船舶机械结构正常工作中产生的所述数据信号中表征不同作用力的特征信号。
本申请实施例第三方面提供了一种电子设备,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当执行所述计算机程序时,实现如本申请第一方面所述任一项所述的方法。
本申请实施例第四方面提供了一种船舶机械结构健康监测系统,所述系统采用了本申请第二方面任一所述的装置。
应当理解的是,本申请的上述具体实施方式仅仅用于示例性说明或解释本申请的原理,而不构成对本申请的限制。因此,在不偏离本申请的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。此外,本申请所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (7)
1.用于船舶机械结构健康监测数据信号的分离方法,包括:
S110,对船舶机械结构健康监测数据信号进行EMD分解,得到所述数据信号分解后的各阶IMF信号,所述数据信号来自用于船舶机械结构健康监测的力学传感器;
S120,对所述各阶IMF信号进行HHT变换,得到Hilbert谱和Hilbert边际谱;
S130,以所述Hilbert谱和所述Hilbert边际谱为依据,将所述数据信号变换为一系列特征信号的组合,并结合实际情况中不同特征信号所在的频段,用所述特征信号表征所述船舶机械结构中不同频段的确定工作信号。
2.根据权利要求1所述的方法,其中,步骤S110包括:
S111,确定所述数据信号的信号函数x(t),其中变量t为时间参数;
S112,确定所述信号函数x(t)各个局部的极大值点和极小值点,并分别形成极大值点序列x(ti)和极小值点序列x(tj),其中i,j均为大于1的自然数;
S113,对所述极大值点序列x(ti)和所述极小值点序列x(ti)分别采用三次样条插值函数拟合形成所述数据信号x(t)的上、下包络线函数xu(t)和xl(t),并确定所述上、下包络线函数xu(t)和xl(t)的均值函数xm(t),其中所述上、下包络线函数xu(t)和xl(t)在任意时点上下对称;
S114,令h(t)=x(t)-xm(t),当函数h(t)不满足获得各阶IMF信号的条件时,重复步骤S112-S113直到所述函数h(t)满足获得各阶IMF信号的条件;
S115,确定所述函数h(t)的一阶IMF信号分量IMF1(t);
S116,令ri(t)=x(t)-IMFi(t),将函数ri(t)作为新的信号函数,重复步骤S112-S115的过程,以确定下一阶IMF信号分量IMFi(t),直到函数rn(t)中的极值点个数不超过2个,其中i与n均为自然数,且1≤i≤n;
其中,所述信号函数x(t)可被表达为:
x(t)=∑IMFi(t)+rn(t) (1)。
3.根据权利要求2所述的方法,其中,步骤S120包括:
S121,按照HHT变换公式:
S124,对各阶IMF信号分量IMFi(t)作HHT变换,并求其解析函数z(t)的瞬时幅值谱ai(t)和瞬时圆频率ωi(t),使所述信号函数x(t)表示为:
其中Re表示复数的实部,i是不小于1且不大于n的自然数;
S125,依据式(4)得Hilbert谱,记为:
其中,fi(t)为阶IMF信号分量IMFi(t)的瞬时频率,且fi(t)=ωi(t)/2π,Re表示复数的实部,i是不小于1且不大于n的自然数;
S126,根据式(6)获得Hilbert边际谱:
其中,T为所述数据信号的时间长度,i是不小于1且不大于n的自然数。
4.根据权利要求3所述的方法,其中,步骤S130包括:
S131,分别计算出各阶IMF信号分量IMFi(t)的瞬时频率fi(t);
S132,根据所述瞬时频率fi(t)所属的频段,将其所述信号分量IMFi(t)归到相应的频段区间;
S133,利用所述频段区间对应的所述信号分量IMFi(t),绘制相应的特征信号曲线;
S134,根据所述船舶机械结构中确定工作信号所在的确定频段,用所述特征信号曲线表征所述确定工作信号。
5.用于船舶机械结构健康监测数据信号的分离装置,包括:
信号分解模块,用于对船舶机械结构健康监测数据信号进行EMD分解,得到所述数据信号分解后的各阶IMF信号,所述数据信号来自用于船舶机械结构健康监测的力学传感器;
信号变换模块,用于对所述各阶IMF信号进行HHT变换,得到Hilbert谱和Hilbert边际谱;
特征信号确定模块,用于以所述Hilbert谱和所述Hilbert边际谱为依据,将所述数据信号变换为系列特征信号的组合,并结合实际情况中不同特征信号所在的频段,确定所述船舶机械结构正常工作中产生的所述数据信号中表征不同作用力的特征信号。
6.一种电子设备,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当执行所述计算机程序时,实现如权利要求1-4任一项所述的方法。
7.一种船舶机械结构健康监测系统,其中,所述系统采用了权利要求5所述的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110285990.8A CN113109063A (zh) | 2021-03-17 | 2021-03-17 | 用于船舶机械结构健康监测数据信号的分离方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110285990.8A CN113109063A (zh) | 2021-03-17 | 2021-03-17 | 用于船舶机械结构健康监测数据信号的分离方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113109063A true CN113109063A (zh) | 2021-07-13 |
Family
ID=76711975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110285990.8A Pending CN113109063A (zh) | 2021-03-17 | 2021-03-17 | 用于船舶机械结构健康监测数据信号的分离方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113109063A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106371002A (zh) * | 2015-07-24 | 2017-02-01 | 国网四川省电力公司眉山供电公司 | 一种基于希尔伯特黄变换算法对断路器故障诊断的方法 |
CN106840637A (zh) * | 2017-03-24 | 2017-06-13 | 国网山东省电力公司莱芜供电公司 | 基于改进hht算法的gis机械振动信号时频分析方法 |
CN113435281A (zh) * | 2021-06-18 | 2021-09-24 | 秦皇岛北方管业有限公司 | 基于改进hht变换的波纹补偿器故障诊断方法 |
-
2021
- 2021-03-17 CN CN202110285990.8A patent/CN113109063A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106371002A (zh) * | 2015-07-24 | 2017-02-01 | 国网四川省电力公司眉山供电公司 | 一种基于希尔伯特黄变换算法对断路器故障诊断的方法 |
CN106840637A (zh) * | 2017-03-24 | 2017-06-13 | 国网山东省电力公司莱芜供电公司 | 基于改进hht算法的gis机械振动信号时频分析方法 |
CN113435281A (zh) * | 2021-06-18 | 2021-09-24 | 秦皇岛北方管业有限公司 | 基于改进hht变换的波纹补偿器故障诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qin et al. | M-band flexible wavelet transform and its application to the fault diagnosis of planetary gear transmission systems | |
EP2103915B1 (en) | Apparatus and method for determining a resonant frequency of a wind turbine tower | |
US8066486B2 (en) | Method and apparatus for vibration-based automatic condition monitoring of a wind turbine | |
CN105699072B (zh) | 一种基于级联经验模态分解齿轮故障诊断方法 | |
CN102539150A (zh) | 基于连续小波变换的旋转机械部件的自适应故障诊断方法 | |
CN113970419B (zh) | 一种基于时频变换的激波风洞测力天平信号数据处理方法 | |
Qin et al. | Adaptively detecting the transient feature of faulty wind turbine planetary gearboxes by the improved kurtosis and iterative thresholding algorithm | |
Shuuji et al. | Low-speed bearing fault diagnosis based on improved statistical filtering and convolutional neural network | |
CN115371988A (zh) | 基于多特征融合的工程机械故障诊断方法及系统 | |
CN112115802A (zh) | 一种起重机回转机构齿轮故障诊断方法、系统及存储介质 | |
Niu et al. | Application of SN-EMD in mode feature extraction of ship radiated noise | |
CN113435281A (zh) | 基于改进hht变换的波纹补偿器故障诊断方法 | |
CN113109063A (zh) | 用于船舶机械结构健康监测数据信号的分离方法及装置 | |
Zhou et al. | Application of IPSO-MCKD-IVMD-CAF in the compound fault diagnosis of rolling bearing | |
CN117571316A (zh) | 一种复合故障诊断方法及系统 | |
CN106224224B (zh) | 一种基于希尔伯特黄变换和质量矩熵的液压泵故障特征提取方法 | |
Du et al. | Fractional iterative variational mode decomposition and its application in fault diagnosis of rotating machinery | |
KR101028779B1 (ko) | 시간-주파수 변화량 및 가변 임계값을 이용한 지진파 자동 검출 장치 및 그 방법 | |
JP3561151B2 (ja) | 異常診断装置および異常診断方法 | |
US9829540B2 (en) | Method and controller for determining an undesired condition in an electrical drive system | |
CN112329626A (zh) | 调制与深度学习融合的设备故障诊断方法、系统及介质 | |
JP2019074373A (ja) | 船舶エンジン回転数推定装置、船舶エンジン回転数推定方法および船舶エンジン回転数推定プログラム | |
Yu | Early fault detection for gear shaft and planetary gear based on wavelet and hidden Markov modeling | |
Aburakhia et al. | On the Intersection of Signal Processing and Machine Learning: A Use Case-Driven Analysis Approach | |
TWI436047B (zh) | 一種利用多尺度熵之機械震動信號評估系統與方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 116000 Miao Ling Village, Lingshui Town, Ganjingzi District, Dalian City, Liaoning Province Applicant after: Dalian Komeier Marine Technology Co.,Ltd. Address before: 116000 room 1008, TAD building, 537 Huangpu Road, hi tech park, Dalian, Liaoning Applicant before: DALIAN KINGMILE ANTICORROSION TECHNOLOGY Co.,Ltd. |