[發明專利]一種基于同步平均主成分時頻分析的確定性信號提取方法

有效

• 申請號: 202010032827.6
• 申請日: 2020-01-13
• 公開（公告）號: CN111259776B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 吳大轉;伍柯霖;劉瑤;黃乾;初寧
• 申請（專利權）人: 浙江大學
• 主分類號: G06F18/21
• 分類號: G06F18/21;G06F18/2135;G06F18/213;G06F17/14;G06F17/16
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 胡紅娟

本發明公開了一種基于時域平均主成分構建和時頻聯合分析的確定性信號提取方法，屬于機械的信號處理領域，包括以下步驟：(1)因數矩陣構建；(2)TSA矩陣構建；(3)基于能量指標的矩陣重排；(4)基于差異譜和能量占比的矩陣降維；(5)基于主成分分析的矩陣分解；(6)基于主成分能量指標的矩陣重構；(7)TSA各階主成分的頻域分析；(8)TSA各階主成分的時頻分析。利用本發明，能夠在低信噪比條件下實現確定性信號的有效提取。

技術領域

本發明屬于機械的信號處理領域，尤其是涉及一種基于時域平均主成分構建和時頻聯合分析的確定性信號提取方法。

背景技術

機械設備在運行過程中會產生信息量豐富的聲音和振動時域信號，目前機械設備的信號分析方法主要有三類：時域分析、頻域分析和時頻分析。

時域分析主要分為兩類，第一類時域分析方法是統計參數分析，選取目標時域信號，計算其對應的各類統計參數進行分析，如平均值、峰值、峰峰值、標準差、方差、均方根等。第二類時域分析方法是整體觀察和趨勢預測，一方面關注信號峰值的大小、不同時段幅度大小、信號峰值對應的時間、同一形狀的波形重復出現的周期長短等，另一方面關注信號變化情況，并在此基礎上進行信號變化趨勢的預測。

頻域分析的主要手段是快速傅里葉變換，快速傅里葉變換的基本思想是將目標時域信號分解成不同周期的三角函數，能夠完美地描述平穩信號的頻率分布情況，但是不適用于非平穩信號的分析。

時頻分析的主要方法主要有短時傅里葉變換和小波變換。短時傅里葉變換的基本思想是通過信號加窗的方式將目標時域信號分解成許多小段，將每一小段信號近似為平穩信號，對每一段信號進行傅里葉變換得到頻譜分析結果，并將所有的頻譜分析結果進行組合，從而得到目標信號的時頻聯合分布。由于窗函數是固定的，所以短時傅里葉變換存在著時間分辨率和頻率分辨率相互限制的缺陷。不同于傅里葉變換以無限長的三角函數作為基函數對目標信號進行分解，小波變換是以小波函數作為基函數，通過對基函數的伸縮和平移操作實現不同頻率段和不同時間點的信號分析，進而保證小波時頻分析結果在低頻處有較高的頻率分辨率，在高頻處有較高的時間分辨率，實現時頻分析的自適應表征。

以上方法中，時域方法只能獲取時域信息，無法獲得頻域信息，限制較大；而頻域分析能夠提取信號中具有確定周期性的成分，但是不適用于非平穩信號分析，而機械設備實際運行中的噪聲和振動信號往往都是非平穩信號；時頻分析能夠獲得時間和頻率兩個維度的表征，但是往往存在時間分辨率和頻率分辨率相互限制的缺陷，并且在確定性信號信噪比較低的情況下，時頻分析方法難以有效地將確定性信號提取出來，而機械的運行狀態和故障信息往往反映為特定的確定性信號。

發明內容

本發明提供了一種基于同步平均主成分時頻分析的確定性信號提取方法，能夠在低信噪比條件下有效地提取時域信號中的確定性信號成分，可廣泛運用于各類機械設備的實時監測、狀態識別和故障診斷等領域。

一種基于同步平均主成分時頻分析的確定性信號提取方法，包括以下步驟：

(1)選取需要分析的離散時域信號，截取信號長度總點數得到目標時域信號，并構建信號長度總點數的因數矩陣；

(2)將因數矩陣中的因數依次作為時域同步平均的分段數，對目標時域信號進行時域同步平均處理，得到每個因數對應的時域同步平均數組，將所有的時域同步平均數組進行組合，組成原始TSA矩陣；

(3)計算TSA矩陣每一行的均方根值作為能量指標，并按照能量指標從大到小的順序對TSA矩陣進行重排；

(4)計算得到的能量指標的差異譜，基于差異譜峰值選取差異譜階數；設定能量總和閾值，基于能量總和閾值選取能量階數；在差異譜階數和能量階數中選擇較大值作為最終降維階數，并以此值對重排TSA矩陣進行降維處理；

(5)計算降維TSA矩陣對應的協方差矩陣，并對協方差矩陣進行特征分解，得到對應的特征值對角線矩陣和特征向量矩陣；