[發明專利]隱馬爾科夫模型振動信號分析方法裝置、存儲介質和終端

在審

• 申請號: 202110697487.3
• 申請日: 2021-06-23
• 公開（公告）號: CN113449626A
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 王振明;吳波;李寶清;王文瑞;魯方林;于劍峰;毛嘉;馬娜
• 申請（專利權）人: 中國科學院上海高等研究院;中國科學院上海微系統與信息技術研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 劉逸瀟

本發明公開了一種隱馬爾科夫模型振動信號狀態分析方法和裝置、存儲介質和終端，其中方法包括獲取振動信號數據，通過預設濾波方式對振動信號數據進行濾波處理，得到特征信號；通過預設分類方式對特征信號進行分類；通過預設分段算法對每類信號進行分段處理；通過基于密度的時空聚類算法分別對每類分段數據進行聚類，獲取至少一類聚類結果；基于每類聚類結果構建隱馬爾科夫模型，并基于隱馬爾科夫模型中的維特比算法對待處理特征信號進行預測診斷。本發明采用基于時空密度的聚類方法對分段時空序列數據進行聚類處理，然后通過聚類結果建立的隱馬爾科夫模型進行預測診斷，消除時間序列分類局限性，提高分析結果的準確性和有效性。

技術領域

本發明涉及傳感信號分析、故障診斷與壽命預測技術領域，尤其涉及一種隱馬爾科夫模型振動信號分析方法裝置、存儲介質和終端。

背景技術

目前，通過傳感器獲取振動信號并對其進行監測的方式具有實時、在線、方便、快捷等優點，因此其被廣泛的應用到大型化、高速化、集成化和自動化程度高的國防、工業、機械、石化、運載和能源等行業領域。例如，可利用采集的振動信號進行戰場無人自動偵查偵測、車輛艦船直升機等作戰裝備的健康監測、機械故障診斷、工業移動設備狀態分析、地震預測等。對振動信號進行采集和狀態分析，及時準確地發現早期征兆、提前獲得重要的偵測、監測、診斷信息，并依此做出預判，能有效避免可能的事故、災難和損失的發生。因此對振動信號進行研究具有重要意義，相關的理論研究和應用在軍事界、學術界和工業領域已得到廣泛的重視。

使用傳感器采集的振動信號并從振動信號中提取特征信息，然后用隱馬爾科夫模型進行預測是實現戰場偵測、作戰裝備健康監測、機械故障診斷的一種重要方法。但由于現在所提取振動信號的環境通常較為復雜，因此采集得到的振動信號通常會存在非平穩、非線性、非高斯、含大量噪聲、復雜等特點，為振動信號的狀態分析增加了難度。而且僅僅使用隱馬爾科夫模型的時間序列分類能力進行信號狀態分析，會帶來一定的局限性，進而影響分析結果的準確性。

發明內容

本發明所要解決的技術問題是現有采集到的振動信號存在非平穩、非線性、非高斯、含大量噪聲、復雜等特點，為振動信號的狀態分析增加了難度，且現有的振動信號預測方式僅使用隱馬爾科夫模型的時間序列分類能力進行信號狀態分析，存在一定的局限性，進而影響分析結果。

為了解決上述技術問題，本發明提供了一種隱馬爾科夫模型振動信號分析方法，包括：

獲取振動信號數據，通過預設濾波方式對所述振動信號數據進行濾波處理，得到特征信號組；

通過預設分類方式對所述特征信號組進行分類，獲取至少一類信號；

通過預設分段算法分別對每類信號進行處理，得到至少一類分段數據；

通過基于密度的時空聚類算法分別對每類分段數據進行聚類，獲取至少一類聚類結果；

基于每類所述聚類結果分別構建隱馬爾科夫模型，獲取隱馬爾科夫模型組；

基于所述隱馬爾科夫模型組中隱馬爾科夫模型的維特比算法對待處理信號進行預測診斷。

優選地，所述預設濾波方式為最小熵解卷積法。

優選地，所述預設分類方式為余弦相似熵算法。

優選地，通過預設分段算法對第一類信號進行處理，得到第一類分段數據包括：

通過預設分段算法分別對所述第一類信號中的所有特征信號進行分段處理，得到第一類分段數據；

其中，所述通過預設分段算法對所述第一類信號中的第一特征信號進行分段處理，得到多個第一類預分段數據包括：

基于第一特征信號的時空序列中數據點的時間屬性和空間屬性設定轉折點所需滿足的預設條件；