[發明專利]一種基于壓縮域的振動信號特征提取方法

有效

• 申請號: 201711450490.5
• 申請日: 2017-12-27
• 公開（公告）號: CN108304778B
• 公開（公告）日: 2022-01-25
• 發明（設計）人: 郭俊鋒;楊文;魏興春;王智明;宋鳴
• 申請（專利權）人: 蘭州理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京市邦道律師事務所 11437
• 代理人: 段君峰;薛艷

本發明公開了一種基于壓縮域的振動信號特征提取方法，包括以下步驟：對采集的振動信號進行壓縮測量，得到其線性投影的測量值；根據測量值基于l₂范數最小化理論獲得l₂范數最小的解信號；對獲得的l₂范數最小的解信號進行離散傅里葉變換得到頻譜信息；基于頻譜信息，提取振動信號的故障狀態頻譜特征。在對所述頻譜信息進行分析之前，還包括：對獲得的l₂范數最小的解信號的頻譜的幅值進行修正；對修正后的頻譜信息進行分析，提取振動信號的頻譜特征。本發明提出的基于壓縮域的振動信號特征提取方法避免了基于l₁范數最小化的重構算法計算復雜度高、處理速度慢的問題。

技術領域

本發明屬于故障診斷領域，具體涉及一種振動信號的特征提取方法。

背景技術

傳統的振動信號檢測與采樣通常是基于奈奎斯特采樣定理實現的，奈奎斯特采樣定理要求采樣頻率至少為信號中最高頻率的兩倍，才能由采樣信號精確重構出原始振動信號。壓縮感知理論的產生為解決這個問題提供了新的思路，該理論在保證信號不丟失主要信息的情況下，可以遠低于奈奎斯特采樣率的數據高概率重構信號。壓縮感知理論主要包含兩個方面：第一，獲得原始信號的線性投影；第二，通過恰當的恢復算法從測量值中重構出原始信號，上述方法都要經信號稀疏表示、壓縮測量、基于l₁范數最小化的重構算法對信號進行恢復后，才能對重構信號進行進一步處理，而基于l₁范數最小化的重構算法計算復雜度較高、運行時間較長，且進行故障診斷時只需提取故障特征即可，無需重構出完整的振動信號。

針對上述問題，目前尚未提出有效的解決方案。

發明內容

針對現有技術中的缺陷，本發明提出一種基于壓縮域的振動信號特征提取方法，避免了基于l₁范數最小化的重構算法計算復雜度高、運行時間長的問題。

根據本發明的一個方面，提供了一種基于壓縮域的振動信號特征提取方法，包括以下步驟：

對采集的振動信號進行壓縮測量，得到其線性投影的測量值；

根據測量值基于l₂范數最小化理論獲得l₂范數最小的解信號；

對獲得的所述解信號進行離散傅里葉變換，得到頻譜信息；

基于所述頻譜信息，完成振動信號故障狀態頻譜特征的提取

進一步地，上述技術方案中，在對所述頻譜信息進行分析之前，進一步包括：對獲得的l₂范數最小的解信號的頻譜的幅值進行修正；對修正后的頻譜信息進行分析，提取故障的頻譜特征。

進一步地，對獲得的l₂范數最小的解信號的頻譜的幅值進行修正包括：

根據振動信號的采樣率，確定相對誤差；

根據相對誤差確定修正系數；

根據修正系數對l₂范數最小的解信號的頻譜的幅值進行修正。

進一步地，根據本發明的上述特征提取方法，振動信號的采樣率等于線性投影的測量值與振動信號長度的比值；相對誤差是根據振動信號直接經傅里葉變換后頻譜的幅值X與頻譜信息的幅值X1確定的。

進一步地，對振動信號進行壓縮測量時，采用高斯隨機測量矩陣對振動信號進行處理。

根據本發明的另一方面，還提供了一種存儲介質。該存儲介質包括存儲的程序，其中，該程序執行上述特征提取方法。

根據本發明的另一方面，還提供了一種處理器。該處理器用于運行程序，其中，該程序運行時執行上述特征提取方法。