CN116992254B - 变频电机的壳振信号的重构方法、装置、设备及存储介质 - Google Patents

变频电机的壳振信号的重构方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116992254B
CN116992254B CN202311243206.2A CN202311243206A CN116992254B CN 116992254 B CN116992254 B CN 116992254B CN 202311243206 A CN202311243206 A CN 202311243206A CN 116992254 B CN116992254 B CN 116992254B
Authority
CN
China
Prior art keywords
spectrum
frequency
time domain
shell vibration
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
CN202311243206.2A
Other languages
English (en)
Other versions
CN116992254A (zh
Inventor
高晖
闫贺
刘锦南
郝高岩
高东方
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.)
Beijing Bohua Xinzhi Technology Co ltd
Original Assignee
Beijing Bohua Xinzhi Technology 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 Beijing Bohua Xinzhi Technology Co ltd filed Critical Beijing Bohua Xinzhi Technology Co ltd
Priority to CN202311243206.2A priority Critical patent/CN116992254B/zh
Publication of CN116992254A publication Critical patent/CN116992254A/zh
Application granted granted Critical
Publication of CN116992254B publication Critical patent/CN116992254B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • 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
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/22—Source localisation; Inverse modelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本申请公开了一种变频电机的壳振信号的重构方法、装置、设备及存储介质。该方法包括：获取壳振信号的对数频谱；根据对数频谱中的频率信息确定对数频谱中的第一部分频谱；其中，第一部分频谱的频率值大于预设频率值；获取第一部分频谱的时域信号，确定时域信号中幅值最大的目标时域信号以及目标时域信号的正常幅值，并基于正常幅值对时域信号进行调幅处理，获得第二部分频谱；根据第二部分频谱、对数频谱中除第一部分频谱之外的频谱与壳振信号对应频谱中的相位信息确定重构壳振信号。从而能够将原始壳振信号中异常高频信号的幅值调整为正常幅值，提升了变频电机的壳振信号的滤波效果。

Description

变频电机的壳振信号的重构方法、装置、设备及存储介质
技术领域
本公开一般涉及计算机技术领域，尤其涉及一种变频电机的壳振信号的重构方法、装置、设备及存储介质。
背景技术
在实际应用中，变频电机主要依靠其内部变频器实现自动调节转速的功能，而变频器在运行过程中由于其工作原理容易产生高次谐波等干扰信号，此类干扰信号会影响变频电机的正常壳振信号。
为了消除高次谐波等信号的干扰，现有技术中会利用降噪或滤波技术对干扰信号进行滤除，但现有滤波技术主要按照预设频率对壳振信号进行滤波，这会导致其他频率的信号也会随之滤除。
因此，对变频电机的壳振信号的滤波效果仍较差。
发明内容
鉴于现有技术中的上述缺陷或不足，期望提供一种变频电机的壳振信号的重构方法、装置、设备及存储介质，能够将原始壳振信号中异常高频信号的幅值调整为正常幅值，从而提升了变频电机的壳振信号的滤波效果。
第一方面，提供了一种变频电机的壳振信号的重构方法，该方法包括：
获取壳振信号的对数频谱；根据对数频谱中的频率信息确定对数频谱中的第一部分频谱；其中，第一部分频谱的频率值大于预设频率值；
获取第一部分频谱的时域信号，确定时域信号中幅值最大的目标时域信号以及目标时域信号的正常幅值，并基于正常幅值对时域信号进行调幅处理，获得第二部分频谱；
根据第二部分频谱、对数频谱中除第一部分频谱之外的频谱与壳振信号对应频谱中的相位信息确定重构壳振信号。
第二方面，提供了一种变频电机的壳振信号的重构装置，该装置包括：
第一获取单元，用于获取壳振信号的对数频谱；根据对数频谱中的频率信息确定对数频谱中的第一部分频谱；其中，第一部分频谱的频率值大于预设频率值；
第二获取单元，用于获取第一部分频谱的时域信号，确定时域信号中幅值最大的目标时域信号以及目标时域信号的正常幅值，并基于正常幅值对时域信号进行调幅处理，获得第二部分频谱；
确定单元，用于根据第二部分频谱、对数频谱中除第一部分频谱之外的频谱与壳振信号对应频谱中的相位信息确定重构壳振信号。
第三方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现上述第一方面中任一项所述的方法。
第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述第一方面中任一项所述的方法。
第五方面，提供了一种计算机程序产品，计算机程序产品中包含指令，当指令被运行时，上述第一方面中任一项所述的方法被执行。
本申请实施例提供的变频电机的壳振信号的重构方法、装置、设备及存储介质，相较于现有技术中根据预设频率对变频电机的壳振信号进行滤波，本申请先确定出原始壳振信号中的高频信号，再将高频信号中需要滤除的目标时域信号的幅值调整为正常幅值，以使高频部分的信号幅值均处于正常状态，最后再基于幅值调整后的信号重构壳振信号，从而滤除了原始壳振信号中的干扰信号，提升了变频电机的壳振信号的滤波效果。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1为本申请实施例的系统架构；
图2为本申请实施例的一种变频电机的壳振信号的重构方法的流程示意图;
图3（a）为本申请实施例的第一部分频谱的时域信号示意图;
图3（b）为本申请实施例的第二部分频谱的时域信号示意图;
图4为本申请实施例的基于SFLP-CE方法滤波后的壳振加速度信号的波形示意图与频谱示意图；
图5为本申请实施例的另一种变频电机的壳振信号的重构方法的流程示意图；
图6为本申请实施例的变频电机的壳振信号的重构装置的方框示意图；
图7为本申请实施例提供的计算机设备的结构框图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1是本申请实施例的系统架构。参考图1，该系统可以包括变频电机10和计算机设备20。其中，变频电机10可以是变频感应电机、变频同步电机、变频直流电机、变频步进电机或变频无刷直流电机等变频电机。
示例性的，可以通过安装在变频电机10上的传感器对变频电机10在运行过程中产生的振动信号进行获取。其中，振动信号可以包括变频电机10的外壳振动信号、磁场振动信号、铁芯振动信号、电缆振动信号等。
例如，可以由安装在变频电机10外壳上的加速度传感器获取变频电机10外壳的加速度振动信号，并将加速度振动信号传输至计算机设备20。具体实现中，计算机设备20可以根据加速度振动信号对变频电机10的健康状态进行评估。
而在变频电机10实际的运行过程中，由于变频电机10内部变频器的工作原理，变频电机10容易产生高次谐波等干扰信号，这就导致变频电机10的加速度振动信号产生无规律的波动，从而影响变频电机10健康状态的评估结果。
目前，为了滤除高次谐波等干扰信号，可以利用降噪或低通、高通、带通、带阻等数字滤波方式对变频电机10的振动信号进行滤波处理，但由于此类滤波方式是按照预设频带进行滤波，容易将用于评估变频电机10健康状态的振动信号进行滤除。因此，对变频电机的壳振信号的滤波效果仍较差。
基于此，本申请提出了一种变频电机的壳振信号的重构方法、装置、设备及存储介质，能够将原始壳振信号中异常高频信号的幅值调整为正常幅值，从而提升了变频电机的壳振信号的滤波效果。
图2是本申请实施例提供的一种变频电机的壳振信号的重构方法的流程示意图，该方法的执行主体可以是前文所述的计算机设备20。如图2所示，该方法包括以下步骤：
步骤201，获取壳振信号的对数频谱；根据对数频谱中的频率信息确定对数频谱中的第一部分频谱；其中，第一部分频谱的频率值大于预设频率值。
相较于现有技术中直接对变频电机产生的壳振信号进行滤波处理，本申请实施例先从原始壳振信号中筛选出容易产生干扰信号的信号频谱，从而提高了滤除干扰信号的准确率，同时在一定程度上也提高了对壳振信号的滤波效率。
一种可能的实现方式中，可以根据壳振信号的频域变换结果确定壳振信号的频谱。示例性的，可以通过傅里叶变换将壳振信号转化为频域信号，从而获取壳振信号的频谱。
需要说明的是，本申请实施例中的壳振信号可以用于表示上述变频电机10产生的壳振信号在时间轴上的变化情况，具体可以包括壳振信号的幅度、频率、相位等信息的变化情况。
其次，壳振信号的频谱可以分解为幅值信息与相位信息。例如，壳振信号的频谱可以表示为；其中，/>用于表示原始壳振信号；/>用于表示频率；/>用于表示壳振信号对应频谱的幅值信息；/>用于表示壳振信号对应频谱的相位信息。而幅值信息适用于信号的特征提取与分析，因此本申请实施例中仅考虑壳振信号对应频谱的幅值信息。
一种可能的实现方式中，可以通过对壳振信号频谱的相关运算处理，获得壳振信号的对数频谱。
示例性的，首先根据壳振信号的频谱获得壳振信号的幅度谱；其中，壳振信号的幅度谱可以为壳振信号在不同频率上的幅度信息；再取幅度谱中各频率点幅度数值的对数，从而确定出壳振信号的对数频谱。
例如，壳振信号的对数频谱可以表示为；其中，/>用于表示壳振信号的对数频谱；/>用于表示原始壳振信号；FFT用于表示傅里叶变换。
需要说明的是，本申请实施例之所以获取壳振信号的对数频谱，是因为壳振信号的频率范围较宽、干扰信号的信号幅度较小，通过对数频谱可以提升对干扰信号的分析效果。
一种可能的实现方式中，可以根据壳振信号各对数频谱的频率值大小对第一部分频谱进行确定。示例性的，可以将频率值大于预设频率值的对数频谱确定为第一部分频谱。
步骤202，获取第一部分频谱的时域信号，确定时域信号中幅值最大的目标时域信号以及目标时域信号的正常幅值，并基于正常幅值对时域信号进行调幅处理，获得第二部分频谱。
相较于直接滤除掉壳振信号中的干扰信号，本申请实施例将干扰信号的异常幅值调整为正常幅值，使得壳振信号更加完整，从而提升了壳振信号的滤波效果。
一种可能的实现方式中，可以根据第一部分频谱的时域变换结果确定第一部分频谱的时域信号。示例性的，可以通过对第一部分频谱进行傅里叶逆变换获取第一部分频谱的时域信号。
需要说明的是，第一部分频谱的时域信号可以称为第一部分倒谱，而由于第一部分频谱是根据对数频谱中的幅值信息而确定的，因此第一部分倒谱属于信号的实倒谱。
一种可能的实现方式中，可以将第一部分频谱中幅值最大的时域信号确定为目标时域信号，并根据预测模型获取目标时域信号的正常幅值。
示例性的，可以根据历史时域信号先确定出时域信号的变化趋势，再将时域信号的变化趋势与历史时域信号输入预测模型中，从而获取目标时域信号的正常幅值。
需要说明的是，由于高次谐波信号的最大幅值之间具有相等的间隔，目标时域信号之间的间隔也相等。
示例性的，根据上述预测模型输出的正常幅值对目标时域信号的幅值进行调整，并基于调幅后的目标时域信号与剩余时域信号获取第二部分频谱。
步骤203，根据第二部分频谱、对数频谱中除第一部分频谱之外的频谱与壳振信号对应频谱中的相位信息确定重构壳振信号。
需要说明的是，由于第一部分频谱、第二部分频谱均是根据上述对数频谱中的幅值信息而确定的，因此在重构壳振信号时还需要考虑壳振信号对应频谱中的相位信息。
一种可能的实现方式中，可以根据第二部分频谱与对数频谱中除第一部分频谱之外的频谱构成全频带的对数频谱，再根据全频带的对数频谱与原始壳振信号对应频谱中的相位信息确定重构壳振信号。
示例性的，上述全频带的对数频谱可以与原始壳振信号对应频谱中的相位信息构成重构复频谱。
示例性的，可以通过对重构复频谱的相关运算处理获得重构壳振信号。
本申请实施例提供的变频电机的壳振信号的重构方法中，相较于现有技术中根据预设频率对变频电机的壳振信号进行滤波，本申请先确定出原始壳振信号中的高频信号，再将高频信号中需要滤除的目标时域信号的幅值调整为正常幅值，以使高频部分的信号幅值均处于正常状态，最后再基于幅值调整后的信号重构壳振信号，从而滤除了原始壳振信号中的干扰信号，提升了变频电机的壳振信号的滤波效果。
在本申请的另一实施例中，还提供了对数频谱中第一部分频谱的具体确定方式。示例性的，前文涉及的“根据对数频谱中的频率信息确定对数频谱中的第一部分频谱”的具体实现包括：根据壳振信号中高次谐波信号所处区域的频率高低，确定预设频率值；将频率值大于预设频率值的对数频谱确定为第一部分频谱。
本申请实施例中，可以根据原始壳振信号中干扰信号集中区域的具体频率确定出可以用于划分对数频谱的预设频率值，并基于预设频率值划分出高频对数频谱，以便于后续有针对性地对高频对数频谱中的异常信号进行处理。
一种可能的实现方式中，可以根据原始壳振信号中基波信号与高次谐波信号的相关信息确定高次谐波信号的频率。需要说明的是，高次谐波信号的频率是基波信号频率的整数倍。
示例性的，可以根据基波信号的频率与高次谐波信号的次数的乘积确定高次谐波信号的频率。例如，当基波信号的频率为60Hz、高次谐波信号的次数为第5次谐波时，高次谐波信号的频率可以表示为60Hz×5=300Hz。
一种可能的实现方式中，可以根据原始壳振信号中高次谐波信号集中区域的频率确定预设频率值。示例性的，高次谐波信号主要集中在不小于2000Hz的高频处，因此预设幅值可以为2000Hz。
示例性的，可以根据预设频率值2000Hz，将对数频谱中不小于2000Hz的频谱确定为第一部分频谱；其中，第一部分频谱也可以称为高频部分频谱，则对数频谱中小于2000Hz的剩余频谱可以称为低频部分频谱。
具体地，壳振信号的对数频谱可以表示为下述公式：
其中，用于表示壳振信号的对数频谱；/>用于表示第一部分频谱（高频部分频谱）；/>用于表示低频部分频谱。
在本申请的另一实施例中，还提供了在获取第一部分频谱的时域信号之前对第一部分频谱的具体操作。示例性的，前文涉及的“获取第一部分频谱的时域信号”之前还包括：对第一部分频谱的频率进行变换，以更新第一部分频谱。
本申请实施例中，在获取第一部分频谱的时域信号之前，可以对第一部分频谱进行频率变换，以避免第一部分频谱中频谱峰值缺失的情况，从而提高了时域信号的准确性。
一种可能的实现方式中，可以通过第一部分频谱的平移操作实现第一部分频谱的频率变换。示例性的，可以将第一部分频谱平移至预设频率处。例如，预设频率可以为零频率。
具体地，可以将第一部分频谱拆分为正频谱与负频谱，通过将正频谱中的频率值减去预设频率幅值、将负频谱中的频率值加上预设频率幅值，使频谱平移到中心位置；再将移动后的正频谱和负频谱合并为一个频谱，以得到第一部分频谱移动至零频附近的频谱。
示例性的，完成第一部分频谱的更新之后，可以获取第一部分频谱的时域信号；其中，更新后的第一部分频谱的时域信号可以是第一部分频谱的倒谱，也可以称为高频部分倒谱；具体可以表示为。
在本申请的另一实施例中，还提供了目标时域信号的正常幅值的具体确定方式。示例性的，前文涉及的“确定目标时域信号的正常幅值”的具体实现包括：将目标时域信号输入预测模型，根据自相关函数确定与目标时域信号相关的历史时域信号；将历史时域信号输入预测模型中，根据目标时域信号的预测幅值与历史时域信号的实际幅值的最小残差平方和确定预测模型的模型参数；根据模型参数确定目标时域信号的正常幅值。
本申请实施例中，一方面，基于历史时域信号的幅值，利用预测模型对目标时域信号的幅值进行预测，以使目标时域信号的预测幅值符合时域信号正常幅值的发展趋势；另一方面，利用最小残差法确定模型参数，从而简化了确定模型参数的复杂运算过程。
一种可能的实现方式中，可以利用预测模型对目标时域信号的正常幅值进行预测。示例性的，可以利用自回归模型(Autoregressive Integrated Moving AverageModel，简称ARIMA模型）预测目标时域信号的正常幅值。
需要说明的是，自回归模型是一种用于描述时间序列数据之间的依赖关系的时间序列模型，因此本申请实施例需要将历史时域信号输入自回归预测模型中。
一种可能的实现方式中，可以根据第一部分频谱的时域信号的自相关函数确定出与目标时域信号相关的历史时域信号。
示例性的，可以根据自相关函数的截尾或拖尾情况确定出与目标时域信号相关的预设数量的历史时域信号。需要说明的是，历史时域信号的个数即为自回归模型的模型阶数。
一种可能的实现方式中，可以根据预测模型输出的预测幅值与历史时域信号的实际幅值之间的最小残差平方和确定预测模型的模型参数。
示例性的，预测模型可以表示为下述公式：
其中，用于表示目标时域信号的预测幅值；/>用于表示模型参数，具体可以为自回归系数；P用于表示模型阶数；/>用于表示历史时域信号的幅值；/>用于表示随机误差。
例如，当模型阶数为4时，可以根据预测幅值与历史时域信号的实际幅值之间的最小残差平方和确定出上述预测模型的4个自回归系数与随机误差值。
示例性的，可以根据上述自回归系数与随机误差值确定目标时域信号的正常幅值。需要说明的是，根据正常幅值进行调幅处理后的时域信号可以称为编辑后的高频部分倒谱，具体可以表示为。
例如，图3（a）是本申请实施例提供的第一部分频谱的时域信号示意图；图3（b）是本申请实施例提供的第二部分频谱的时域信号示意图。如图3（a）所示，第一部分频谱中峰值幅值对应的时域信号为目标时域信号；如图3（b）所示，根据模型阶数为10的自回归模型输出的目标时域信号的正常幅值，可以将第一部分频谱的异常时域信号编辑为正常幅值，以构成第二部分频谱的时域信号。
一种可能的实现方式中，可以根据上述高频部分倒谱的频域变换结果确定第二部分频谱。示例性的，可以通过傅里叶变换将高频部分倒谱转化为第二部分频谱；其中，第二部分频谱也可以称为编辑后的高频对数频谱，具体可以表示为。
在本申请的另一实施例中，还提供了重构壳振信号的具体确定方式。示例性的，前文涉及的“根据第二部分频谱、对数频谱中除第一部分频谱之外的频谱与壳振信号对应频谱中的相位信息确定重构壳振信号”的具体实现包括：根据第二部分频谱与对数频谱中除第一部分频谱之外的频谱的组合获得全频对数频谱；对全频对数频谱与壳振信号对应频谱中的相位信息进行加和处理确定重构壳振信号。
示例性的，可以根据上述第二部分频谱与原始对数频谱中除第一部分频谱之外的频谱的组合构成全频带的对数频谱。其中，第二部分频谱为编辑后的高频对数频谱；原始对数频谱中除第一部分频谱之外的频谱为低频对数频谱/>；全频带的对数频谱可以表示为/>。
示例性的，可以通过全频带的对数频谱与原始壳振信号对应频谱中的相位信息的加和结果再取自然指数确定重构复频谱。需要说明的是，由于重构复频谱中包括频谱的相位信息，因此重构复频谱属于信号的复数谱。具体地，重构复频谱可以表示为；其中，/>用于表示全频带的对数频谱；/>用于表示原始壳振信号对应频谱中的相位信息。
示例性的，可以对重构复频谱进行傅里叶逆变换，以获得重构壳振信号。
在本申请的另一实施例中，还提供了重构壳振信号的具体公式。示例性的，重构壳振信号满足以下公式：
其中，用于表征重构壳振信号；/>用于表征全频对数频谱；/>用于表征壳振信号对应频谱中的相位信息。
需要说明的是，上述重构壳振信号的方法可以称为选频线性预测倒谱编辑（Selected Frequency Linear Predicated-Ceptrum Editing，简称SFLP-CE）方法。
示例性的，图4是本申请实施例提供的基于SFLP-CE方法滤波后的壳振加速度信号的波形与频谱示意图。如图4所示，经过滤波后的壳振加速度信号的波形幅值与频谱中高次谐波信号的幅值明显降低。
在本申请的另一实施例中，图5为另一种变频电机的壳振信号的重构方法的流程示意图。参考图5，该获取方法可以包括以下步骤：
步骤501，确定原始壳振信号的第一部分频谱。
一种可能的实现方式中，可以根据原始壳振信号的频域变换结果确定第一部分频谱。
示例性的，可以通过傅里叶变换获取原始壳振信号的频谱，再根据原始壳振信号的频谱获得原始壳振信号的幅度谱。获得幅度谱之后，可以通过取幅度谱中各频率点幅度数值的对数，确定出原始壳振信号的对数频谱。
示例性的，可以根据原始壳振信号中高次谐波信号所处区域的频率高低，对预设频率值进行确定；并将频率值大于预设频率值的对数频谱确定为第一部分频谱。
步骤502，根据自回归模型的幅值预测结果，对第一部分频谱中的目标时域信号进行调幅处理，以获得第二部分频谱。
一种可能的实现方式中，可以利用自回归模型确定出与目标时域信号相关的历史时域信号。示例性的，可以利用自回归模型根据第一部分频谱的时域信号的自相关函数确定出与目标时域信号相关的历史时域信号。
一种可能的实现方式中，可以根据历史时域信号获取自回归模型的模型参数。示例性的，可以根据自回归模型输出的预测幅值与历史时域信号的实际幅值之间的最小残差平方和确定自回归模型的模型参数。
一种可能的实现方式中，可以基于上述模型参数，利用自回归模型根据历史时域信号对目标时域信号的正常幅值进行预测。
示例性的，预测模型可以表示为下述公式：
其中，用于表示目标时域信号的预测幅值；/>用于表示模型参数，具体可以为自回归系数；P用于表示模型阶数；/>用于表示历史时域信号的幅值；/>用于表示随机误差。
示例性的，根据自回归模型输出的预测幅值对目标时域信号进行调幅处理，以获得第二部分频谱的时域信号；通过对第二部分频谱的时域信号进行傅里叶变换，以获得第二部分频谱。
步骤503，根据原始壳振信号、第一部分频谱与第二部分频谱的相关信息确定重构壳振信号。
示例性的，可以根据第二部分频谱与原始壳振信号的对数频谱中除第一部分频谱之外的频谱的组合构成全频带的对数频谱；在获得全频带的对数频谱之后，可以通过全频带的对数频谱与原始壳振信号对应频谱中的相位信息的加和结果再取自然指数确定重构复频谱。
示例性的，可以对重构复频谱进行傅里叶逆变换，以获得重构壳振信号。
前文所述的实施例中，介绍了另一种完整的变频电机的壳振信号的重构方法的具体流程。图6为本申请实施例的变频电机的壳振信号的重构装置的方框示意图，该装置可以部署于前文所述的计算机设备20。参考图6，该装置包括第一获取单元601、第二获取单元602以及确定单元603。
第一获取单元601，用于获取壳振信号的对数频谱；根据对数频谱中的频率信息确定对数频谱中的第一部分频谱；其中，第一部分频谱的频率值大于预设频率值；
第二获取单元602，用于获取第一部分频谱的时域信号，确定时域信号中幅值最大的目标时域信号以及目标时域信号的正常幅值，并基于正常幅值对时域信号进行调幅处理，获得第二部分频谱；
确定单元603，用于根据第二部分频谱、对数频谱中除第一部分频谱之外的频谱与壳振信号对应频谱中的相位信息确定重构壳振信号。
在一种可能的实施例中，第一获取单元601还用于，根据壳振信号中高次谐波信号所处区域的频率高低，确定预设频率值；将频率值大于预设频率值的对数频谱确定为第一部分频谱。
在一种可能的实施例中，第二获取单元602还用于，对第一部分频谱的频率进行变换，以更新第一部分频谱。
在一种可能的实施例中，第二获取单元602还用于，将目标时域信号输入预测模型，根据自相关函数确定与目标时域信号相关的历史时域信号；将历史时域信号输入预测模型中，根据目标时域信号的预测幅值与历史时域信号的实际幅值的最小残差平方和确定预测模型的模型参数；根据模型参数确定目标时域信号的正常幅值。
在一种可能的实施例中，确定单元603还用于，根据第二部分频谱与对数频谱中除第一部分频谱之外的频谱的组合获得全频对数频谱；对全频对数频谱与壳振信号对应频谱中的相位信息进行加和处理确定重构壳振信号。
在一种可能的实施例中，确定单元603还用于，重构壳振信号满足以下公式：
其中，用于表征重构壳振信号；/>用于表征全频对数频谱；/>用于表征壳振信号对应频谱中的相位信息。
本申请实施例提供的变频电机的壳振信号的重构装置中，相较于现有技术中根据预设频率对变频电机的壳振信号进行滤波，本申请先确定出原始壳振信号中的高频信号，再将高频信号中需要滤除的目标时域信号的幅值调整为正常幅值，以使高频部分的信号幅值均处于正常状态，最后再基于幅值调整后的信号重构壳振信号，从而滤除了原始壳振信号中的干扰信号，提升了变频电机的壳振信号的滤波效果。
在一个实施例中，提供了一种计算机设备。图7为本申请实施例提供的计算机设备的结构框图，参考图7。该计算设备包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取壳振信号的对数频谱；根据对数频谱中的频率信息确定对数频谱中的第一部分频谱；其中，第一部分频谱的频率值大于预设频率值；获取第一部分频谱的时域信号，确定时域信号中幅值最大的目标时域信号以及目标时域信号的正常幅值，并基于正常幅值对时域信号进行调幅处理，获得第二部分频谱；根据第二部分频谱、对数频谱中除第一部分频谱之外的频谱与壳振信号对应频谱中的相位信息确定重构壳振信号。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。
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 (9)

1.一种变频电机的壳振信号的重构方法，其特征在于，所述方法包括：
获取所述壳振信号的对数频谱；根据所述对数频谱中的频率信息确定所述对数频谱中的第一部分频谱；其中，所述第一部分频谱的频率值大于预设频率值；
获取所述第一部分频谱的时域信号，确定所述时域信号中幅值最大的目标时域信号，利用预测模型确定所述目标时域信号的正常幅值，并基于所述正常幅值对所述时域信号进行调幅处理，获得第二部分频谱；
根据所述第二部分频谱、所述对数频谱中除所述第一部分频谱之外的频谱与所述壳振信号对应频谱中的相位信息确定重构壳振信号。
2.根据权利要求1所述的方法，其特征在于，所述根据所述对数频谱中的频率信息确定所述对数频谱中的第一部分频谱，包括：
根据所述壳振信号中高次谐波信号所处区域的频率高低，确定所述预设频率值；
将频率值大于所述预设频率值的所述对数频谱确定为第一部分频谱。
3.根据权利要求1所述的方法，其特征在于，在获取所述第一部分频谱的时域信号之前，所述方法还包括：
对所述第一部分频谱的频率进行变换，以更新所述第一部分频谱。
4.根据权利要求1所述的方法，其特征在于，所述确定所述目标时域信号的正常幅值，包括：
将所述目标时域信号输入所述预测模型，根据自相关函数确定与所述目标时域信号相关的历史时域信号；
将所述历史时域信号输入所述预测模型中，根据目标时域信号的预测幅值与所述历史时域信号的实际幅值的最小残差平方和确定所述预测模型的模型参数；
根据所述模型参数确定所述目标时域信号的正常幅值。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第二部分频谱、所述对数频谱中除所述第一部分频谱之外的频谱与所述壳振信号对应频谱中的相位信息确定重构壳振信号，包括：
根据所述第二部分频谱与所述对数频谱中除所述第一部分频谱之外的频谱的组合获得全频对数频谱；
对所述全频对数频谱与所述壳振信号对应频谱中的相位信息进行加和处理确定所述重构壳振信号。
6.根据权利要求5所述的方法，其特征在于，所述重构壳振信号满足以下公式：
其中，用于表征所述重构壳振信号；/>用于表征所述全频对数频谱；/>用于表征所述壳振信号对应频谱中的相位信息。
7.一种变频电机的壳振信号的重构装置，其特征在于，所述装置包括：
第一获取单元，用于获取所述壳振信号的对数频谱；根据所述对数频谱中的频率信息确定所述对数频谱中的第一部分频谱；其中，所述第一部分频谱的频率值大于预设频率值；
第二获取单元，用于获取所述第一部分频谱的时域信号，确定所述时域信号中幅值最大的目标时域信号，利用预测模型确定所述目标时域信号的正常幅值，并基于所述正常幅值对所述时域信号进行调幅处理，获得第二部分频谱；
确定单元，用于根据所述第二部分频谱、所述对数频谱中除所述第一部分频谱之外的频谱与所述壳振信号对应频谱中的相位信息确定重构壳振信号。
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6中任一项所述的方法。
CN202311243206.2A 2023-09-25 2023-09-25 变频电机的壳振信号的重构方法、装置、设备及存储介质 Active CN116992254B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311243206.2A CN116992254B (zh) 2023-09-25 2023-09-25 变频电机的壳振信号的重构方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311243206.2A CN116992254B (zh) 2023-09-25 2023-09-25 变频电机的壳振信号的重构方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN116992254A CN116992254A (zh) 2023-11-03
CN116992254B true CN116992254B (zh) 2024-01-19

Family

ID=88525111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311243206.2A Active CN116992254B (zh) 2023-09-25 2023-09-25 变频电机的壳振信号的重构方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116992254B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990070595A (ko) * 1998-02-23 1999-09-15 이봉훈 평탄화된 스펙트럼에서 유성-무성구간 분류방법
CN105425038A (zh) * 2015-11-23 2016-03-23 广东工业大学 一种电力系统间谐波测量方法
CN108196986A (zh) * 2017-12-29 2018-06-22 东软集团股份有限公司 设备异常检测方法、装置、计算机设备和存储介质
CN110543820A (zh) * 2019-07-29 2019-12-06 华南理工大学 一种基于编辑倒频谱的故障滚动轴承模态参数提取方法
CN113405795A (zh) * 2021-06-22 2021-09-17 昆明理工大学 一种关节rv减速器弱故障识别的方法
CN114070136A (zh) * 2020-08-04 2022-02-18 美的威灵电机技术（上海）有限公司 基于振动信号的电机的控制方法、电机和存储介质
KR20220109953A (ko) * 2021-01-29 2022-08-05 서울대학교산학협력단 셉스트럼 기반 유성 기어박스의 고장 감지 장치 및 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990070595A (ko) * 1998-02-23 1999-09-15 이봉훈 평탄화된 스펙트럼에서 유성-무성구간 분류방법
CN105425038A (zh) * 2015-11-23 2016-03-23 广东工业大学 一种电力系统间谐波测量方法
CN108196986A (zh) * 2017-12-29 2018-06-22 东软集团股份有限公司 设备异常检测方法、装置、计算机设备和存储介质
CN110543820A (zh) * 2019-07-29 2019-12-06 华南理工大学 一种基于编辑倒频谱的故障滚动轴承模态参数提取方法
CN114070136A (zh) * 2020-08-04 2022-02-18 美的威灵电机技术（上海）有限公司 基于振动信号的电机的控制方法、电机和存储介质
KR20220109953A (ko) * 2021-01-29 2022-08-05 서울대학교산학협력단 셉스트럼 기반 유성 기어박스의 고장 감지 장치 및 방법
CN113405795A (zh) * 2021-06-22 2021-09-17 昆明理工大学 一种关节rv减速器弱故障识别的方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
New cepstral methods for the diagnosis of gear and bearing faults under variable speed conditions;RANDALL R等;"23rd International Congress on Sound and Vibration";全文 *
Sparse Time-Frequency Representation for Incipient Fault Diagnosis of Wind Turbine Drive Train;Boyuan Yang等;《 IEEE Transactions on Instrumentation and Measurement》;第67卷(第11期);全文 *
Vibration-based bearing fault detection for operations and maintenance cost reduction in wind energy;Cedric Peeters等;《Renewable Energy》;全文 *
基于广义回归神经网络的变压器表面振动基频幅值计算;李中等;《高电压技术》;第43卷(第7期);全文 *
局部倒频谱编辑方法及其在齿轮箱微弱轴承故障特征提取中的应用;张西宁等;《西安交通大学学报》;第53卷(第12期);全文 *

Also Published As

Publication number Publication date
CN116992254A (zh) 2023-11-03

Similar Documents

Publication Publication Date Title
Serra et al. Spectral modeling synthesis: A sound analysis/synthesis system based on a deterministic plus stochastic decomposition
CN103544949B (zh) 发动机声音合成
US6115684A (en) Method of transforming periodic signal using smoothed spectrogram, method of transforming sound using phasing component and method of analyzing signal using optimum interpolation function
Zhang et al. A normalized frequency-domain block filtered-x LMS algorithm for active vehicle interior noise control
KR101264486B1 (ko) 오디오 신호 스펙트럼의 복수개의 로컬 무게 중심 주파수들을 결정하는 장치 및 방법
US6014617A (en) Method and apparatus for extracting a fundamental frequency based on a logarithmic stability index
Caetano et al. Improved estimation of the amplitude envelope of time-domain signals using true envelope cepstral smoothing
Eftekhar et al. Empirical mode decomposition: Real-time implementation and applications
CN113361331B (zh) 基于加窗插值fft的工频干扰消除方法、系统和介质
CN114061947B (zh) 基于稀疏时频分析的齿轮箱变转速故障诊断方法及系统
CN116992254B (zh) 变频电机的壳振信号的重构方法、装置、设备及存储介质
CN112562714B (zh) 一种噪声评估方法及装置
US10297272B2 (en) Signal processor
Kawahara et al. Analysis and synthesis of strong vocal expressions: Extension and application of audio texture features to singing voice
JP3586205B2 (ja) 音声スペクトル改善方法、音声スペクトル改善装置、音声スペクトル改善プログラム、プログラムを記憶した記憶媒体
Fu et al. Spectral modelling synthesis of vehicle pass-by noise
Aoki Generation of 1/fα-like amplitude and period fluctuations in complex sounds based on the additive synthesis approach
CN117349661B (zh) 柱塞泵振动信号特征提取方法、装置、设备和存储介质
JP4958241B2 (ja) 信号処理装置、信号処理方法、信号処理プログラムおよび記録媒体
Genuit et al. Dynamic acoustic measurement techniques considering human perception
CN117454144A (zh) 一种发动机振动信号的时频特征提取方法及装置
CN115979598A (zh) 一种基于深度学习的电抗器机械缺陷预警方法及系统
CN117572139A (zh) 一种面向主动配电网的谐振检测方法及装置
CN109413549B (zh) 车辆内部的噪声消除方法、装置、设备及存储介质
Jang et al. Multiresolution sinusoidal model with dynamic segmentation for timescale modification of polyphonic audio signals

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