CN115344824A - 一种特种装备无源转速计算方法和系统 - Google Patents
一种特种装备无源转速计算方法和系统 Download PDFInfo
- Publication number
- CN115344824A CN115344824A CN202210818504.9A CN202210818504A CN115344824A CN 115344824 A CN115344824 A CN 115344824A CN 202210818504 A CN202210818504 A CN 202210818504A CN 115344824 A CN115344824 A CN 115344824A
- Authority
- CN
- China
- Prior art keywords
- vibration signal
- frequency conversion
- frequency
- source signal
- instantaneous
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提出一种特种装备无源转速计算方法和系统。其中,方法虑到了旋转设备转动频率与干扰成分在机械体不同位置的差异性,信息量更加丰富的多通道振动数据可以联合作为输入参数,从而排除了单通道中不相干频率成分,采用了改进的二阶统计量盲源分离融合Vold‑Kalman滤波的方法,可自动确定待分离源数目和优化多时间延迟输入,准确识别特种装备的瞬时转速。本发明提出的方案,可实现在复杂环境,如邻频干扰和高噪声水平,下精确估算瞬时转速。
Description
技术领域
本发明属于旋转设备转速提取领域,尤其涉及一种特种装备无源转速计算方法和系统。
背景技术
特种装备属于复杂的特种设备,设备运行条件复杂。为了确保设备的可靠运行,需要对设备的振动状态进行监测。但由于特种装备属于重载设备,设备运行速度慢,运行持续时间短,每次运行都伴随有加减速过程,设备稳态运行时间短。常规的振动数据处理算法多用于稳态信号的处理,对于非稳态振动信号的处理,工程中多通过增加转速同步采用实现对旋转类设备的阶次跟踪分析。但特种装备由于受结构和使用场景的限制,无法安装同步采样转速测量装置,为此需要通过其他方法实现对特种装备转速的计算。
国内外许多学者对转速的估计进行了较多的研究。史振盛等采用短时傅立叶变换将振动信号转入时频空间并运用峰值提取的方法估计特种装备的瞬时转速;同样按照峰值搜索的思想,胡爱军等提出了一种基于改进的峰值搜索的特种装备转速提取方法,该方法主要将待提取峰值点附近相邻两点位置的一阶导数变化差值作为区别真实与虚假峰值位置的判断因素;J.,Urbanek等提出了一种基于时频分析的瞬时转速的两步提取方法,该方法首先在时频分析中初步获取时频峰值位置点作为瞬时转率的粗糙估计,基于这些时频点再对原始数据进行相位解调,并由调制后的信号再次进行时频分析来识别机械的瞬时转动频率。
现有的旋转设备转速提取方法大多只考虑了单通道的振动数据,一般通过时频变换提取时频峰脊位置的方式来进行转频修正和估算。但在实际问题中,待调查的转频范围内往往存在多个相邻频率及噪声成分,仅通过单个通道振动数据往往难以区分这些干扰信息。
发明内容
为解决上述技术问题,本发明提出一种特种装备无源转速计算方法和系统的技术方案,以解决上述技术问题。
本发明第一方面公开了一种特种装备无源转速计算方法,所述方法包括:
步骤S1、获取多通道的振动信号,并针对特种装备型号,确定转频范围;
步骤S2、按所述转频范围,对所述振动信号进行滤波重采样和强度归一化的预处理操作,得到预处理后的振动信号;
步骤S3、计算所述预处理后的振动信号的时间延迟为0时刻的协方差矩阵;
步骤S4、计算预处理后的振动信号的时间延迟为0时刻的协方差矩阵的特征值和对应的特征向量,并将所述特征值按由大到小顺序排列,保留特征值大于全部总和预定比例的前n个特征值,剩余m-n特征值用于计算振动信号噪声水平估计值,所述m为预处理后的振动信号的协方差矩阵的特征值的总数量;
步骤S5、应用所述振动信号噪声水平估计值、前n个特征值和对应的特征向量计算振动信号的白化矩阵;
步骤S6、应用所述白化矩阵与所述预处理后的振动信号做乘积,得到白化后的振动信号,并计算K个随机时间延迟τ时刻的白化后的振动信号的协方差矩阵;
步骤S7、对所述白化后的振动信号的协方差矩阵进行联合对角化,分离得到的源信号序列;
步骤S8、根据多通道振动数据的频谱特征,在所述源信号序列中挑选在转频范围内的源信号,对所述源信号进行希尔伯特变换计算出所述源信号的任意时刻的瞬时频率;
步骤S9、根据所述瞬时频率对所述源信号进行随机带宽的Vold-Kalman滤波得到修正后的目标转频的时域波形;
步骤S10、应用希尔伯特变换提取所述时域波形的瞬时频率,得到目标的转频;
步骤S11、重复迭代步骤S9和步骤S10,应用每一次迭代得到的瞬时频率和目标的转频计算转频迭代误差,当所述转频迭代误差小于预设阈值时,认为模型收敛,停止迭代,并应用最后一次迭代的目标的转频,计算瞬时转速估计值。
根据本发明第一方面的方法,在所述步骤S4中,所述计算振动信号噪声水平估计值的方法包括:
根据本发明第一方面的方法,在所述步骤S5中,所述计算振动信号的白化矩阵的方法包括:
根据本发明第一方面的方法,在所述步骤S7中,所述对所述白化后的振动信号的协方差矩阵进行联合对角化,分离得到的源信号序列的方法包括:
计算正交矩阵U使得{Rzz(τ)K=U{D}KUH,其中{D}K为K对对焦矩阵;
根据本发明第一方面的方法,在所述步骤S8中,所述对所述源信号进行希尔伯特变换计算出所述源信号的任意时刻的瞬时频率的方法包括:
根据本发明第一方面的方法,在所述步骤S11中,所述应用每一次迭代得到的瞬时频率和目标的转频计算转频迭代误差的方法包括:
其中,error为转频迭代误差,Finst,j(t)为瞬时频率,F′inst(t)为目标的转频,L为迭代的数据长度。
根据本发明第一方面的方法,在所述步骤S11中,所述计算瞬时转速估计值的方法包括:
N(t)=60×F′inst()
其中,N(t)为瞬时转速估计值,F′inst(t)为目标的转频。
本发明第二方面公开了一种特种装备无源转速计算系统,所述系统包括:
第一处理模块,被配置为,获取多通道的振动信号,并针对特种装备型号,确定转频范围;
第二处理模块,被配置为,按所述转频范围,对所述振动信号进行滤波重采样和强度归一化的预处理操作,得到预处理后的振动信号;
第三处理模块,被配置为,计算所述预处理后的振动信号的时间延迟为0时刻的协方差矩阵;
第四处理模块,被配置为,计算预处理后的振动信号的时间延迟为0时刻的协方差矩阵的特征值和对应的特征向量,并将所述特征值按由大到小顺序排列,保留特征值大于全部总和预定比例的前n个特征值,剩余m-n特征值用于计算振动信号噪声水平估计值,所述m为预处理后的振动信号的协方差矩阵的特征值的总数量;
第五处理模块,被配置为,应用所述振动信号噪声水平估计值、前n个特征值和对应的特征向量计算振动信号的白化矩阵;
第六处理模块,被配置为,应用所述白化矩阵与所述预处理后的振动信号做乘积,得到白化后的振动信号,并计算K个随机时间延迟τ时刻的白化后的振动信号的协方差矩阵;
第七处理模块,被配置为,对所述白化后的振动信号的协方差矩阵进行联合对角化,分离得到的源信号序列;
第八处理模块,被配置为,根据多通道振动数据的频谱特征,在所述源信号序列中挑选在转频范围内的源信号,对所述源信号进行希尔伯特变换计算出所述源信号的任意时刻的瞬时频率;
第九处理模块,被配置为,根据所述瞬时频率对所述源信号进行随机带宽的Vold-Kalman滤波得到修正后的目标转频的时域波形;
第十处理模块,被配置为,应用希尔伯特变换提取所述时域波形的瞬时频率,得到目标的转频;
第十一处理模块,被配置为,重复第九处理模块和第十处理模块,应用每一次重复得到的瞬时频率和目标的转频计算转频迭代误差,当所述转频迭代误差小于预设阈值时,认为模型收敛,停止迭代,并应用最后一次迭代的目标的转频,计算瞬时转速估计值。
根据本发明第二方面的系统,第四处理模块,被配置为,所述计算振动信号噪声水平估计值包括:
根据本发明第二方面的系统,第五处理模块,被配置为,所述计算振动信号的白化矩阵的方法包括:
根据本发明第二方面的系统,第七处理模块,被配置为,所述对所述白化后的振动信号的协方差矩阵进行联合对角化,分离得到的源信号序列包括:
计算正交矩阵U使得{Rzz(τ)}K=U{D}KUH,其中{D}K为K对对焦矩阵;
根据本发明第二方面的系统,第八处理模块,被配置为,所述对所述源信号进行希尔伯特变换计算出所述源信号的任意时刻的瞬时频率包括:
根据本发明第二方面的系统,第十一处理模块,被配置为,所述应用每一次迭代得到的瞬时频率和目标的转频计算转频迭代误差包括:
其中,error为转频迭代误差,Finst,j(t)为瞬时频率,F′inst(t)为目标的转频,L为迭代的数据长度。
根据本发明第二方面的系统,第十一处理模块,被配置为,所述计算瞬时转速估计值包括:
N(t)=60×F′inst(t)
其中,N(t)为瞬时转速估计值,F′inst(t)为目标的转频。
本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时,实现本公开第一方面中任一项的一种特种装备无源转速计算方法中的步骤。
本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,实现本公开第一方面中任一项的一种特种装备无源转速计算方法中的步骤。
本发明提出的方案,可实现在复杂环境,如邻频干扰和高噪声水平,下精确估算瞬时转速。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的一种特种装备无源转速计算方法的流程图;
图2为根据本发明实施例的某电机4测点加速度数据;
图3为根据本发明实施例的加速度数据的频率谱;
图4为根据本发明实施例的白化后的振动数据;
图5为根据本发明实施例的分离的源信号及其频谱图;
图6为根据本发明实施例的源信号1经Vold-kalman滤波修正后的时域波形;
图7为根据本发明实施例的迭代过程中误差的收敛性;
图8为根据本发明实施例的估计的瞬时转速;
图9为根据本发明实施例的一种特种装备无源转速计算系统的结构图;
图10为根据本发明实施例的一种电子设备的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明旨在公开一种通过多通道的振动信号联合提取特种装备转速的新方法,可实现在复杂环境(如邻频干扰、高噪声水平)下精确估算瞬时转速。本方法运用了一种盲源分离融合弗德卡曼滤波的方法,与常见的基于单通道数据的转速估计方法不同,本方法考虑到了旋转设备转动特征频率在机械体不同位置的一致性,多通道的振动数据可以联合作为输入参数,因此本方法不易受局部频率成分的干扰,具有较高的识别精度及鲁棒性。盲源分离(BSS)技术是机器学习中的一类非监督式学习方法,其目标是在仅仅只有观测信号的前提下重构信号中统计学不相关的源成分及其混合系数矩阵。将BSS算法应用于特种装备的转速提取的合理性是转动频率存在于不同传感器中且独立于其他频率成分。由于待分离的转频时域信号的往复性良好,局部相关性明显,可通过振动信号的高阶统计量入手进行分离操作。但在一些复杂情况下,分离得到的转频时域源信号中可能仍受噪声及微弱相邻频率成分干扰。同时BSS算法自身仍有一些局限性,比如信号源的数目的不确定以及分离结果鲁棒性受时间延迟影响严重,可以进一步修正。因此在本方案中采用了改进的二阶统计量盲源分离融合Vold-Kalman滤波的方法,可自动确定待分离源数目和优化多时间延迟输入。Vold-Kalman滤波是常用于特种装备的阶比跟踪分析算法,但其带宽选择往往会影响最后滤波的好坏,因此本发明通过迭代的思路,对分离得到的转频时域信号再多次进行Vold-Kalman滤波修正,隐藏在振动信号中的非目标频率成分及测试噪声得以有效消除,进而可以准确识别特种装备的瞬时转速。
实施例1:
本发明第一方面公开了一种特种装备无源转速计算方法。图1为根据本发明实施例的一种特种装备无源转速计算方法的流程图,如图1所示,所述方法包括:
步骤S1、获取多通道的振动信号,并针对特种装备型号,估计转频范围;
步骤S2、按所述转频范围,对所述振动信号进行滤波重采样和强度归一化的预处理操作,得到预处理后的振动信号;
步骤S3、计算所述预处理后的振动信号的时间延迟为0时刻的协方差矩阵;
步骤S4、计算预处理后的振动信号的协方差矩阵的特征值和对应的特征向量,并将所述特征值按由大到小顺序排列,保留特征值大于全部总和预定比例的前n个特征值,剩余m-n特征值用于计算振动信号噪声水平估计值,所述m为预处理后的振动信号的协方差矩阵的特征值的总数量;
步骤S5、应用所述振动信号噪声水平估计值、前n个特征值和对应的特征向量计算振动信号的白化矩阵;
步骤S6、应用所述白化矩阵与所述预处理后的振动信号做乘积,得到白化后的振动信号,并计算K个随机时间延迟τ时刻的白化后的振动信号的协方差矩阵;
步骤S7、对所述白化后的振动信号的协方差矩阵进行联合对角化,分离得到的源信号序列;
步骤S8、根据多通道振动数据的频谱特征,在所述源信号序列中挑选在转频范围内的源信号,对所述源信号进行希尔伯特变换计算出所述源信号的任意时刻的瞬时频率;
步骤S9、根据所述瞬时频率对所述源信号进行随机带宽的Vold-Kalman滤波得到修正后的目标转频的时域波形;
步骤S10、应用希尔伯特变换提取所述时域波形的瞬时频率,得到目标的转频;
步骤S11、重复迭代步骤S9和步骤S10,应用每一次迭代得到的瞬时频率和目标的转频计算转频迭代误差,当所述转频迭代误差小于预设阈值时,认为模型收敛,停止迭代,并应用最后一次迭代的目标的转频,计算瞬时转速估计值。
在步骤S1,获取多通道的振动信号,并针对特种装备型号,估计转频范围。
在步骤S2,按所述转频范围,对所述振动信号进行滤波重采样和强度归一化的预处理操作,得到预处理后的振动信号X=[x1,..xm]T,其中符号(·)T代表了矩阵的转置操作,m为振动信号的通道数。
在步骤S3,计算所述预处理后的振动信号的时间延迟为0,τ=0时刻的协方差矩阵Rxx(0)。
在步骤S4,计算预处理后的振动信号的协方差矩阵Rxx(0)的特征值λ和对应的特征向量υ,并将所述特征值按由大到小顺序排列,保留特征值大于全部总和5%的前n(n≤m)个特征值λ1,…λn,剩余m-n个特征值λn+1…λm用于计算振动信号噪声水平估计值所述m为预处理后的振动信号的协方差矩阵的特征值的总数量。
在一些实施例中,在所述步骤S4中,所述计算振动信号噪声水平估计值的方法包括:
在步骤S5,应用所述振动信号噪声水平估计值、前n个特征值和对应的特征向量计算振动信号的白化矩阵W。
在一些实施例中,在所述步骤S5中,所述计算振动信号的白化矩阵的方法包括:
在步骤S6,应用所述白化矩阵W与所述预处理后的振动信号X做乘积,得到白化后的振动信号Z=WX,并计算K个随机时间延迟τ时刻的白化后的振动信号的协方差矩阵Rzz(τ)。
在一些实施例中,在所述步骤S7中,所述对所述白化后的振动信号的协方差矩阵进行联合对角化,分离得到的源信号序列的方法包括:
计算正交矩阵U使得{Rzz(τ)}K=U{D}KUH,其中{D}K为K对对焦矩阵,(·)H代表了矩阵的埃尔米特转置;
在步骤S8,根据多通道振动数据的频谱特征,在所述源信号序列中挑选在转频范围内的源信号,对所述源信号进行希尔伯特变换计算出所述源信号的任意时刻的瞬时频率Finst(t)。
在一些实施例中,在所述步骤S8中,所述对所述源信号进行希尔伯特变换计算出所述源信号的任意时刻的瞬时频率的方法包括:
在步骤S11,重复迭代步骤S9和步骤S10,应用每一次迭代得到的瞬时频率和目标的转频计算转频迭代误差,当所述转频迭代误差小于5%时,认为模型收敛,停止迭代,并应用最后一次迭代的目标的转频,计算瞬时转速估计值。
在一些实施例中,在所述步骤S11中,所述应用每一次迭代得到的瞬时频率和目标的转频计算转频迭代误差的方法包括:
其中,error为转频迭代误差,Finst,j(t)为瞬时频率,F′inst(t)为目标的转频,L为迭代的数据长度。
所述计算瞬时转速估计值的方法包括:
N(t)=60×F′inst(t)
其中,N(t)为瞬时转速估计值,F′inst(t)为目标的转频。
实施例2:
如图2所示,为某电机在工作状态所采集的4个不同测点振动数据,所安装的传感系统以固定采样频率(2560Hz)持续采集设备的加速度数据,现截选了长度L=8192的数据进行转速识别。根据该电机的型号及历史工作情况得知转频范围为0Hz~60Hz。
图3为该电机振动数据的在低频区段的频谱图,可以发现该电机的转频受其他相邻振动频率成分干扰严重,且不同通道的干扰频率各不相同,体现出了复杂特征。对单一通道数据而言,不仅难以区分转频,而且很难消除相邻频率对转频识别的干扰。
图4为图2的振动数据经步骤2的预处理和步骤3至5白化后的结果。值得注意的是,在步骤4的计算中发现振动数据在零延时的协方差矩阵特征值分别为λ=[0.0341,0.0234,0.0064,0.0021],此时该保留的特征值应大于0.0034,因此估计源信号数目为3,并得到噪声强度的估计值为0.0021。
图5为图4的白化振动数据经联合对角化操作后得到的源信号及对应频谱图。可见通过本发明,多通道内不同频率成分已被明显区分。通过对源信号的频谱分析可知第一个源信号均存在于参与计算的四个传感器中,据此可知源信号1为转频的时域信号。通过图5我们还可发现,源信号1中仍存在少量其他成分频率成分的干扰,因此我们将继续按照步骤9至11进行弗德卡曼滤波修正。
图7为在迭代过程中转动频率误差值随迭代次数的变化情况。由图可见在本例中,迭代误差随迭代次数的增多而减少,最终收敛于3%左右,预设5%的误差阈值可以满足实测数据的要求。
图8为本方法识别的瞬时转速数据与实际的数据对比。
综上,本发明提出的方案能够可实现在复杂环境,如邻频干扰和高噪声水平,下精确估算瞬时转速。
实施例3:
本实施例3公开了一种特种装备无源转速计算系统。图9为根据本发明实施例的一种特种装备无源转速计算系统的结构图;如图9所示,所述系统100包括:
第一处理模块101,被配置为,获取多通道的振动信号,并针对特种装备型号,估计转频范围;
第二处理模块102,被配置为,按所述转频范围,对所述振动信号进行滤波重采样和强度归一化的预处理操作,得到预处理后的振动信号;
第三处理模块103,被配置为,计算所述预处理后的振动信号的时间延迟为0时刻的协方差矩阵;
第四处理模块104,被配置为,计算预处理后的振动信号的协方差矩阵的特征值和对应的特征向量,并将所述特征值按由大到小顺序排列,保留特征值大于全部总和预定比例的前n个特征值,剩余m-n特征值用于计算振动信号噪声水平估计值,所述m为预处理后的振动信号的协方差矩阵的特征值的总数量;
第五处理模块105,被配置为,应用所述振动信号噪声水平估计值、前n个特征值和对应的特征向量计算振动信号的白化矩阵;
第六处理模块106,被配置为,应用所述白化矩阵与所述预处理后的振动信号做乘积,得到白化后的振动信号,并计算K个随机时间延迟τ时刻的白化后的振动信号的协方差矩阵;
第七处理模块107,被配置为,对所述白化后的振动信号的协方差矩阵进行联合对角化,分离得到的源信号序列;
第八处理模块108,被配置为,根据多通道振动数据的频谱特征,在所述源信号序列中挑选在转频范围内的源信号,对所述源信号进行希尔伯特变换计算出所述源信号的任意时刻的瞬时频率;
第九处理模块109,被配置为,根据所述瞬时频率对所述源信号进行随机带宽的Vold-Kalman滤波得到修正后的目标转频的时域波形;
第十处理模块1010,被配置为,应用希尔伯特变换提取所述时域波形的瞬时频率,得到目标的转频;
第十一处理模块1011,被配置为,重复第九处理模块和第十处理模块,应用每一次重复得到的瞬时频率和目标的转频计算转频迭代误差,当所述转频迭代误差小于预设阈值时,认为模型收敛,停止迭代,并应用最后一次迭代的目标的转频,计算瞬时转速估计值。
进一步,第四处理模块104,被配置为,所述计算振动信号噪声水平估计值包括:
具体地,第五处理模块105,被配置为,所述计算振动信号的白化矩阵的方法包括:
其中,第七处理模块107,被配置为,所述计算振动信号的白化矩阵包括:
更进一步,第七处理模块107,被配置为,所述对所述白化后的振动信号的协方差矩阵进行联合对角化,分离得到的源信号序列包括:
计算正交矩阵U使得{Rzz(τ)}K=U{D}KUH,其中{D}K为K对对焦矩阵,(·)H代表了矩阵的埃尔米特转置;
优选地,第八处理模块,被配置为,所述对所述源信号进行希尔伯特变换计算出所述源信号的任意时刻的瞬时频率包括:
第十一处理模块1011,被配置为,所述应用每一次迭代得到的瞬时频率和目标的转频计算转频迭代误差包括:
其中,error为转频迭代误差,Finst,j(t)为瞬时频率,F′inst(t)为目标的转频,L为迭代的数据长度。
第十一处理模块1011,被配置为,所述计算瞬时转速估计值包括:
N(t)=60×F′inst(t)
其中,N(t)为瞬时转速估计值,F′inst(t)为目标的转频。
实施例4:
本实施例4公开了一种电子设备。电子设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时,实现本发明公开第一方面中任一项的一种特种装备无源转速计算方法中的步骤。
图10为根据本发明实施例的一种电子设备的结构图,如图10所示,电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该电子设备的输入装置可以是显示屏上覆盖的触摸层,也可以是电子设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本公开的技术方案相关的部分的结构图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,实现本发明公开第一方面中任一项的一种特种装备无源转速计算方法中的步骤中的步骤。
请注意,以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种特种装备无源转速计算方法,其特征在于,所述方法包括:
步骤S1、获取多通道的振动信号,并针对特种装备型号,确定转频范围;
步骤S2、按所述转频范围,对所述振动信号进行滤波重采样和强度归一化的预处理操作,得到预处理后的振动信号;
步骤S3、计算所述预处理后的振动信号的时间延迟为0时刻的协方差矩阵;
步骤S4、计算预处理后的振动信号的时间延迟为0时刻的协方差矩阵的特征值和对应的特征向量,并将所述特征值按由大到小顺序排列,保留特征值大于全部总和预定比例的前n个特征值,剩余m-n个特征值用于计算振动信号噪声水平估计值,所述m为预处理后的振动信号的协方差矩阵的特征值的总数量;
步骤S5、基于所述振动信号噪声水平估计值、前n个特征值和对应的特征向量计算振动信号的白化矩阵;
步骤S6、将所述白化矩阵与所述预处理后的振动信号做乘积,得到白化后的振动信号,并计算K个随机时间延迟τ时刻的白化后的振动信号的协方差矩阵;
步骤S7、对所述白化后的振动信号的协方差矩阵进行联合对角化,分离得到源信号序列;
步骤S8、根据多通道振动数据的频谱特征,在所述源信号序列中挑选在转频范围内的源信号,对所述源信号进行希尔伯特变换计算出所述源信号的任意时刻的瞬时频率;
步骤S9、根据所述瞬时频率对所述源信号进行随机带宽的Vold-Kalman滤波得到修正后的目标转频的时域波形;
步骤S10、采用希尔伯特变换提取所述时域波形的瞬时频率,得到目标的转频;
步骤S11、重复迭代步骤S9和步骤S10,采用每一次迭代得到的瞬时频率和目标的转频计算转频迭代误差,当所述转频迭代误差小于预设阈值时,认为模型收敛,停止迭代,并采用最后一次迭代的目标的转频,计算瞬时转速估计值。
7.根据权利要求6所述的一种特种装备无源转速计算方法,其特征在于,在所述步骤S11中,所述计算瞬时转速估计值的方法包括:
N(t)=60×F′inst(t)
其中,N(t)为瞬时转速估计值,F′inst(t)为目标的转频。
8.一种用于特种装备无源转速计算系统,其特征在于,所述系统包括:
第一处理模块,被配置为,获取多通道的振动信号,并针对特种装备型号,确定转频范围;
第二处理模块,被配置为,按所述转频范围,对所述振动信号进行滤波重采样和强度归一化的预处理操作,得到预处理后的振动信号;
第三处理模块,被配置为,计算所述预处理后的振动信号的时间延迟为0时刻的协方差矩阵;
第四处理模块,被配置为,计算预处理后的振动信号的协方差矩阵的特征值和对应的特征向量,并将所述特征值按由大到小顺序排列,保留特征值大于全部总和预定比例的前n个特征值,剩余m-n个特征值用于计算振动信号噪声水平估计值,所述m为预处理后的振动信号的协方差矩阵的特征值的总数量;
第五处理模块,被配置为,应用所述振动信号噪声水平估计值、前n个特征值和对应的特征向量计算振动信号的白化矩阵;
第六处理模块,被配置为,应用所述白化矩阵与所述预处理后的振动信号做乘积,得到白化后的振动信号,并计算K个随机时间延迟τ时刻的白化后的振动信号的协方差矩阵;
第七处理模块,被配置为,对所述白化后的振动信号的协方差矩阵进行联合对角化,分离得到的源信号序列;
第八处理模块,被配置为,根据多通道振动数据的频谱特征,在所述源信号序列中挑选在转频范围内的源信号,对所述源信号进行希尔伯特变换计算出所述源信号的任意时刻的瞬时频率;
第九处理模块,被配置为,根据所述瞬时频率对所述源信号进行随机带宽的Vold-Kalman滤波得到修正后的目标转频的时域波形;
第十处理模块,被配置为,应用希尔伯特变换提取所述时域波形的瞬时频率,得到目标的转频;
第十一处理模块,被配置为,重复第九处理模块和第十处理模块,应用每一次重复得到的瞬时频率和目标的转频计算转频迭代误差,当所述转频迭代误差小于预设阈值时,认为模型收敛,停止迭代,并应用最后一次迭代的目标的转频,计算瞬时转速估计值。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现权利要求1至7中任一项所述的一种特种装备无源转速计算方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1至7中任一项所述的一种特种装备无源转速计算方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210818504.9A CN115344824A (zh) | 2022-07-13 | 2022-07-13 | 一种特种装备无源转速计算方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210818504.9A CN115344824A (zh) | 2022-07-13 | 2022-07-13 | 一种特种装备无源转速计算方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115344824A true CN115344824A (zh) | 2022-11-15 |
Family
ID=83947761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210818504.9A Pending CN115344824A (zh) | 2022-07-13 | 2022-07-13 | 一种特种装备无源转速计算方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115344824A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116578856A (zh) * | 2023-05-16 | 2023-08-11 | 利维智能(深圳)有限公司 | 故障检测方法、装置、计算机设备和存储介质 |
-
2022
- 2022-07-13 CN CN202210818504.9A patent/CN115344824A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116578856A (zh) * | 2023-05-16 | 2023-08-11 | 利维智能(深圳)有限公司 | 故障检测方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107968689B (zh) | 基于无线通信信号的感知识别方法及装置 | |
CN109389058B (zh) | 海杂波与噪声信号分类方法及系统 | |
CN108629380B (zh) | 一种基于迁移学习的跨场景无线信号感知方法 | |
CN106845010B (zh) | 基于改进SVD降噪和Prony的低频振荡主导模式辨识方法 | |
CN109065027B (zh) | 语音区分模型训练方法、装置、计算机设备及存储介质 | |
WO2017024692A1 (zh) | 一种单测量节点模拟电路故障诊断方法 | |
CN110619296B (zh) | 一种基于奇异分解的信号降噪方法 | |
Cheng et al. | Independent component analysis based source number estimation and its comparison for mechanical systems | |
CN109034127A (zh) | 一种频谱异常检测方法、装置和电子设备 | |
Li et al. | A mixing matrix estimation algorithm for underdetermined blind source separation | |
CN110967599A (zh) | 一种电能质量扰动检测与定位算法 | |
CN112615801B (zh) | 基于压缩感知和深度学习的信道估计方法、介质及设备 | |
CN111597991A (zh) | 一种基于信道状态信息和BiLSTM-Attention的康复检测方法 | |
CN115344824A (zh) | 一种特种装备无源转速计算方法和系统 | |
CN112329914B (zh) | 地埋式变电站的故障诊断方法、装置及电子设备 | |
CN113438731B (zh) | 一种基于信号质量控制与特征指纹增强的定位方法及系统 | |
CN114152825A (zh) | 变压器的故障诊断方法、装置和变压器的故障诊断系统 | |
CN109541306A (zh) | 一种基于tls-esprit的谐波间谐波检测方法 | |
CN110749655A (zh) | 一种针对比例阻尼结构的复模态辨识方法 | |
CN114745233B (zh) | 一种基于导频设计的联合信道估计方法及装置 | |
Ali et al. | Blind source separation schemes for mono-sensor and multi-sensor systems with application to signal detection | |
CN117471227B (zh) | 汽车线束参数性能测试方法及测试系统 | |
CN104868962B (zh) | 基于压缩感知的频谱检测方法及装置 | |
CN111999607B (zh) | 一种单通道信号下局部放电窄带干扰盲源分离方法及装置 | |
CN113155462A (zh) | 基于辛几何模式分解与图结构增强动态时间规整的轴承故障诊断方法 |
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 |