[發明專利]信號特征提取方法、系統、計算機可讀存儲介質及電子設備

在審

• 申請號: 202011090612.6
• 申請日: 2020-10-13
• 公開（公告）號: CN112183439A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 周星杰;徐成國;王碩;楊康
• 申請（專利權）人: 上海明略人工智能（集團）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 青島清泰聯信知識產權代理有限公司 37256
• 代理人: 趙燕

本發明公開了一種信號特征提取方法、系統、計算機可讀存儲介質及電子設備，信號特征提取方法包括：步驟S1：采集并獲取滾動軸承振動信號，并對滾動軸承振動信號進行數據預處理；步驟S2：通過經驗模態分解法將進行數據預處理后的滾動軸承振動信號分解為多個信號分量；步驟S3：引入多核函數對多個信號分量進行非線性擴展，獲取擴展后的慢特征函數；步驟S4：根據慢特征函數通過主成分分析法獲得滾動軸承振動信號的故障特征。

技術領域

本發明涉及一種信號特征提取方法、系統、計算機可讀存儲介質及電子設備，具體地說，尤其涉及一種基于慢特征分析的軸承信號特征提取方法、系統、計算機可讀存儲介質及電子設備。

背景技術

旋轉機械設備在金屬切削機床、礦山機械、航空航天等領域的現代工業生產等領域中已經得到了廣泛應用。滾動軸承作為旋轉機器設備中使用最為廣泛的一類關鍵零部件，經常受到某些不可避免因素的影響，導致發生故障，諸如工作轉速過高、負載多變、異物破壞等問題。一臺機械設備的綜合性能表現與其滾動軸承的健康狀態息息相關，然而滾動軸承工作過程中產生的振動信號包含著豐富的實時健康狀態信息，通過從中提取關鍵特征，可以實現滾動軸承的在線檢測。

但現有技術的提取方式，由于高維滾動軸承振動信號存在非線性，非穩性、高維性等特點，所以傳統特征提取工具無法捕獲軸承振動信號中本質的特征。

因此急需開發一種克服上述缺陷的基于慢特征分析的軸承信號特征提取方法、系統、計算機可讀存儲介質及電子設備。

發明內容

針對上述問題，本發明提供一種信號特征提取方法，其中，包括：

步驟S1：采集并獲取滾動軸承振動信號，并對所述滾動軸承振動信號進行數據預處理；

步驟S2：通過經驗模態分解法將進行數據預處理后的所述滾動軸承振動信號分解為多個信號分量；

步驟S3：引入多核函數對多個所述信號分量進行非線性擴展，獲取擴展后的慢特征函數；

步驟S4：根據所述慢特征函數通過主成分分析法獲得滾動軸承振動信號的故障特征。

上述的信號特征提取方法，其中，所述步驟S1中包括，采集并獲取所述滾動軸承振動信號，并對所述滾動軸承振動信號進行數據預處理，構建樣本數據集。

上述的信號特征提取方法，其中，多個所述信號分量的極值點數量和過零點數目相等或最多相差一個。

上述的信號特征提取方法，其中，多個所述信號分量由局部極大值和極小值組成的上下包絡線的平均值為0。

上述的信號特征提取方法，其中，所述步驟S3中包括：

步驟S31：對多個所述信號分量進行去均值處理；

步驟S32：根據去均值處理后的多個所述信號分量獲得核矩陣；

步驟S33：根據所述核矩陣獲得標準化核矩陣；

步驟S34：計算核矩陣的特征值和特征向量，根據所述特征值和所述特征向量計算白化處理后的每條輸出數據，將白化處理后的所述輸出數據合并獲得合并矩陣；

步驟S35：根據所述第一矩陣對時間求一階導數獲得所述慢特征函數。

上述的信號特征提取方法，其中，所述步驟S4中包括：

步驟S41：通過主成分分析法獲得所述慢特征函數的最小特征值對應的標準化權重向量；

步驟S42：根據所述標準化權重向量構建權重矩陣；

步驟S43：根據所述權重矩陣獲得多核慢特征矩陣；

步驟S44：通過所述多核慢特征矩陣獲得所述滾動軸承振動信號的故障特征。