CN116595324A - 信号瞬态冲击始点的提取方法 - Google Patents

信号瞬态冲击始点的提取方法 Download PDF

Info

Publication number
CN116595324A
CN116595324A CN202310882321.8A CN202310882321A CN116595324A CN 116595324 A CN116595324 A CN 116595324A CN 202310882321 A CN202310882321 A CN 202310882321A CN 116595324 A CN116595324 A CN 116595324A
Authority
CN
China
Prior art keywords
signal
section
segment
transient impact
point
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.)
Granted
Application number
CN202310882321.8A
Other languages
English (en)
Other versions
CN116595324B (zh
Inventor
杨秦敏
黄怡宁
邓波
张善睿
张琳
朱俊威
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.)
Beigu Electronics Hangzhou Co ltd
Beigu Electronics Wuxi Co ltd
Luogu Technology Shanghai Co ltd
Beigu Electronics Co ltd
Original Assignee
Beigu Electronics Hangzhou Co ltd
Beigu Electronics Wuxi Co ltd
Luogu Technology Shanghai Co ltd
Beigu Electronics 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 Beigu Electronics Hangzhou Co ltd, Beigu Electronics Wuxi Co ltd, Luogu Technology Shanghai Co ltd, Beigu Electronics Co ltd filed Critical Beigu Electronics Hangzhou Co ltd
Priority to CN202310882321.8A priority Critical patent/CN116595324B/zh
Publication of CN116595324A publication Critical patent/CN116595324A/zh
Application granted granted Critical
Publication of CN116595324B publication Critical patent/CN116595324B/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
    • G06F18/10—Pre-processing; Data cleansing
    • 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
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
    • 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
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公开了一种信号瞬态冲击始点的提取方法，属于传感器的信号处理技术领域，该信号瞬态冲击始点的提取方法，包括以下步骤：获取含有瞬态冲击始点的电信号，将电信号转换为加速度信号，采用小波包变换对加速度信号进行去噪，得到去噪后的信号X，将信号X作为目标信号，将目标信号分成按时序排列的若干个信号段，判断第一信号段的方差是否小于第一预设值。通过采用小波包滤波对待处理的信号噪声进行去噪以适应信号噪声成分复杂的情况，然后将信号进行分段，比对当前信号段与前序信号段之间的特征匹配度来查找含有瞬态冲击始点的信号段，在含有瞬态冲击始点的信号段中查找瞬态冲击始点，从而加快查找瞬态冲击始点的查找，提高效率。

Description

信号瞬态冲击始点的提取方法
技术领域
本发明涉及传感器的信号处理技术领域，特别涉及一种信号瞬态冲击始点的提取方法。
背景技术
冲击是指相对于***固有周期而言持续时间极短的、非周期的载荷作用，通常因机械部件受力发生突变而产生，在机械的振动上体现为信号瞬间增大而后衰减。大部分机械设备运动状态和故障诊断的关键在于如何从中提取具有明确物理意义的局部冲击响应。
其中，振动信号作为机械设备动力学外在表现形式，目前对其研究较为广泛，包括加速度信号、位移信号等，加速度信号相较于其他振动信号，根据牛顿第二定律，能更直接、快速地体现机械的运动状态。
由于实际工程中检测到的加速度信号往往伴随很多其他噪声成分，需要对加速度传感器检测到的信号进行去噪处理以获取更可靠的加速度信号。一般的滤波去噪处理方法难以应对含有未知有效成分的加速度信号的情况，设置的滤波截止频率往往不合理，容易导致去噪效果差或有效成分被滤除。并且当前处理冲击响应的方法速度慢、效率低，不适用于处理实际工程中的大批量数据。
发明内容
本发明的目的在于提供一种信号瞬态冲击始点的提取方法，以解决信号有效成分未知情况下，批量提取瞬态冲击始点的速度慢、效率低的问题。
为解决上述技术问题，本发明提供一种信号瞬态冲击始点的提取方法，包括如下步骤：
S1：获取含有瞬态冲击始点的电信号，将所述电信号转换为加速度信号，采用小波包变换对所述加速度信号进行去噪，得到去噪后的信号X，将所述信号X作为目标信号；
S2：将所述目标信号分成按时序排列的若干个信号段，将按照时序排列的第N段信号段记为第N信号段，判断第一信号段的方差是否小于第一预设值；
S3：若第一信号段的方差小于第一预设值，则执行步骤S4-S6，若所述第一信号段不小于所述第一预设值，将所述第一信号段作为目标信号，重复执行步骤S2；
S4：提取待执行的第M段信号段和前序信号段之间的特征匹配度，若所述特征匹配度大于第二预设值，则所述第M段信号段为包含瞬态冲击始点的数据段，将包含瞬态冲击始点的数据段记为冲击始段，其中，所述前序信号段包含第一信号段至第M-1段信号段；
S5：提取所述前序信号段的特征值作为上阈值、下阈值；
S6：基于所述上阈值和所述下阈值获取一阈值范围，查找所述冲击始段中超出所述阈值范围且按时序排布的第一个数据点，将所述数据点记为瞬态冲击点，位于所述瞬态冲击点前的第一个过零点为瞬态冲击始点。
优选地，若第一信号段的方差不小于所述第一预设值，即所述第一信号段中存在瞬态冲击始点，重复执行步骤S2，直至所述第一信号段的窗口长度小于第三预设值，且所述第一信号段的方差不小于所述第一预设值时，则停止执行步骤S2，直接将所述第一信号段记为冲击始段，将所述目标信号的信号采集起始点为瞬态冲击始点。
优选地，采用小波包变换对所述加速度信号进行去噪的步骤包括：
设置若干个小波基，分别对所述加速度信号进行小波包分解与重构；
基于相同的分解层数，计算不同小波基下重构信号的最大误差与平均误差，选取最大误差和平均误差均最小的小波基，作为最佳小波基进行小波包分解得到分解信号。
优选地，在获取所述分解信号后，还执行以下步骤：
设置若干种阈值规则，分别对所述分解信号进行数据处理并重构；
计算不同阈值规则下重构信号的信噪比和均方根误差，选取信噪比最高，均方根误差最小的阈值规则，作为最佳阈值规则；
采用所述最佳阈值规则和所述最佳小波基对所述加速度信号进行去噪处理，得到去噪后的所述信号X。
优选地，将所述目标信号以第一窗口时间长度T1进行分段，形成所述若干信号段，其中，分段数NS=[L1]/(f sT1+1)，L1为采样点数，f s为采样频率。
优选地，若所述第一信号段的方差小于所述第一预设值，则自第二信号段起循环K次以下步骤，其中，K≤NS-1：
获取所述第M段信号段的方差作为第一信号特征值，获取所述第M段信号段的均值作为第二信号特征值；
获取所述前序信号段的方差作为第三信号特征值，获取所述前序信号段的均值作为第四信号特征值；
对所述第M段信号段和所述前序数据段进行匹配，获取所述第M段信号段和所述前序信号段的特征匹配度；
若所述特征匹配度不大于第二预设值，则所述第M段信号段为未冲击段；
若所述特征匹配度大于第二预设值，则所述第M段信号段为所述冲击始段。
优选地，所述第一信号特征值与所述第三信号特征值之比为所述第M段信号段和所述前序信号段的特征匹配度。
优选地，所述第二信号特征值与所述第四信号特征值之差为所述第M段信号段和所述前序信号段的特征匹配度。
优选地，将所述信号采集起始点至所述冲击始段的第一个数据点前的一个点作为冲击未开始信号段，对所述冲击未开始信号段中的数据值按照从大到小的顺序排列，顺序选取前第四预设值个数据值的均值作为所述上阈值，逆序选取前第三预设值个数据值的均值作为所述下阈值。
在本发明提供的信号瞬态冲击始点的提取方法，在信号有效成分未知情况下提取瞬态冲击始点，采用小波包滤波对采样信号进行去噪处理，更符合实际工程中信号噪声成分复杂的情况，还能够根据源信号调整小波包滤波参数，以达到更好的滤波效果。
另外，在小波包滤波后对时域信号进行分段，按照时间窗口分段顺序提取特征匹配度，进而从加速度信号的时域波形中提取瞬态冲击始点，解决了一些处理方法在实际应用中所存在的计算量大、效率低等问题，有效提高了瞬态冲击始点的实用性。
附图说明
图1是本发明提供的一种信号瞬态冲击始点提取方法的流程图；
图2是本发明提供的一种信号分段特征提取瞬态冲击始点方法的流程图；
图3是本发明提供的一种实施例的查找瞬态始点的示意图。
具体实施方式
以下结合附图和具体实施例对本发明提出的信号瞬态冲击始点的提取方法作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
发明人研究发现，一些查找信号瞬态冲击始点的方法处理速度慢、效率低。
基于此，本发明实的核心思想在于，通过采用小波包滤波对待处理的信号噪声进行去噪以适应信号噪声成分复杂的情况，然后将信号进行分段，通过比对当前信号段与前序信号段之间的特征匹配度来查找含有瞬态冲击始点的信号段，然后在含有瞬态冲击始点的信号段中查找瞬态冲击始点，从而加快查找瞬态冲击始点的查找，提高效率。
具体的，请参考图1，其为本发明实施例的示意图。如图1所示，一种信号瞬态冲击始点的提取方法，包括以下步骤：
S1：获取含有瞬态冲击始点的电信号，将所述电信号转换为加速度信号，采用小波包变换对所述加速度信号进行去噪，得到去噪后的信号X，将所述信号X作为目标信号。
S2：将所述目标信号分成按时序排列的若干个信号段，将按照时序排列的第N段信号段记为第N信号段，判断第一信号段的方差是否小于第一预设值。其中，N≥2。
S3：若第一信号段的方差小于第一预设值，则执行步骤S4-S6，若所述第一信号段不小于所述第一预设值，将所述第一信号段作为目标信号，重复执行步骤S2。其中，若第一信号段的方差不小于所述第一预设值，即所述第一信号段中存在瞬态冲击始点，重复执行步骤S2，直至所述第一信号段的窗口长度小于第三预设值，且所述第一信号段的方差不小于所述第一预设值时，则停止执行步骤S2，直接将所述第一信号段记为冲击始段，将所述目标信号的信号采集起始点为瞬态冲击始点。
S4：提取待执行的第M段信号段和前序信号段之间的特征匹配度，若所述特征匹配度大于第二预设值，则所述第M段信号段为包含瞬态冲击始点的数据段，将包含瞬态冲击始点的数据段记为冲击始段，其中，所述前序信号段包含第一信号段至第M-1段信号段。其中，M≥2。
S5：提取所述前序信号段的特征值作为上阈值、下阈值。
S6：基于所述上阈值和所述下阈值获取一阈值范围，查找所述冲击始段中超出所述阈值范围且按时序排布的第一个数据点，将所述数据点记为瞬态冲击点，位于所述瞬态冲击点前的第一个过零点为瞬态冲击始点。
通过小波包滤波能够在信号有效成分未知条件下对采样信号进行去噪处理，并且能够根据源信号选取合适的小波基和阈值规则，以达到更好的去噪效果。在小波包滤波后对时域信号进行分段，按照时间窗口分段顺序提取特征匹配度，进而从加速度信号的时域波形中提取瞬态冲击始点，解决了一些处理方法在实际应用中所存在的计算量大、效率低等问题，有效提高了瞬态冲击始点的实用性。
基于上述步骤可知，在所述第一信号段中存在瞬态冲击始点，重复执行步骤S2的情况下，直至所述第一信号段的窗口长度小于第三预设值，且所述第一信号段的方差不小于所述第一预设值时，则停止执行步骤S2，直接将所述第一信号段记为冲击始段，将所述目标信号的信号采集起始点为瞬态冲击始点，以适应不同长度的加速度信号，当目标信号分割成的信号段的窗口长度足够小时，由于第一信号段中必然存在瞬态冲击点，再对第一信号段进行分割获取瞬态冲击始点无法处理瞬态冲击始点存在于信号采集始点的情况，故对于这一特殊情况进行了特殊处理，即重复执行步骤S2，直至所述第一信号段的窗口长度小于第三预设值，且所述第一信号段的方差不小于所述第一预设值时，则停止执行步骤S2，直接将所述第一信号段记为冲击始段，将所述目标信号的信号采集起始点为瞬态冲击始点。可以根据获得的加速度信号的时长，甚至是实际机械设备的情况，具体地来设定第三预设值的时间长度，或者限定对目标信号执行分段的次数。
记当第一信号段的窗口长度小于第三预设值时，至此执行了A次步骤S2，这里以限定执行了两次步骤S2为例，即将目标信号分成若干信号段之后，若第一信号段中存在瞬态冲击始点，则对第一信号段进行再次分段，将第一信号段分为若干子信号段，并提供如下具体执行的流程：
S1：直接从传感器上获取含有瞬态冲击始点的电信号，通过传感器灵敏度与电压-加速度量程对应规则，将电信号转换为加速度信号，采用小波包变换对加速度信号进行去噪，得到去噪后的信号X。根据实际测得的加速度信号或者称源信号调整小波包滤波参数，并基于调整后的小波包滤波参数进行小波包滤波的去噪处理，需要选取合适的小波包变换以及阈值规则进行滤波。
其中，采用小波包变换对加速度信号进行去噪的步骤包括：
设置若干个小波基和固定的分解层数，分别对加速度信号进行小波包分解与重构，可以选取常见的小波基进行数据处理，例如Symlets、Daubechies、Haar、Biorthogonal、Coiflets等。
然后，基于相同的分解层数，计算不同小波基下重构信号的最大误差与平均误差，选取最大误差和平均误差均最小的小波基作为最佳小波基进行小波包分解得到分解信号。
在获取分解信号后，还执行以下步骤来获取去噪处理的最佳阈值规则：
设置若干种阈值规则，分别对分解信号进行数据处理并重构，例如极大极小阈值、启发式阈值、固定阈值以及无偏似然估计阈值四种阈值规则分别对基于相同分解层数的分解信号进行数据处理并重构；
计算不同阈值规则下重构信号的信噪比和均方根误差，选取信噪比最高，均方根误差最小的阈值规则，作为最佳阈值规则。
基于上述步骤获得对应的最佳阈值规则和最佳小波基，采用最佳阈值规则和最佳小波基对加速度信号进行去噪处理，得到去噪后的信号X。
S2：将目标信号分成按时序排列的若干个信号段，将按照时序排列的第N段信号段记为第N信号段，以便进行分段比对，获得含有瞬态冲击始点的信号段。
具体的，将目标信号以第一窗口时间长度T1进行分段，形成若干信号段，其中，分段数NS1=[L1]/(f s1T1+1)，L1为采样点数，f s1为采样频率。
S3：若第一信号段的方差不小于第一预设值，则第一信号段中存在瞬态冲击始点，即第一信号段为冲击始段，执行以下步骤：
S3.1：将第一信号段进行分段分成按时序排列的若干个子信号段，其中，将按照时序排列的第N段子信号段记为第N子信号段。
S3.2：若第一子信号段的方差大于第一预设值，则第一子信号段为冲击始段，信号X的信号采集起始点为瞬态冲击始点。
其中，若第一信号段为冲击始段，对第一信号段以第二窗口时间长度T2分段形成若干时序排布的子信号段，其中，分段数NS2=[L2]/（f s2T2+1），L2为采样点数，f s2为采样频率。
S3.3：若第一子信号段的方差小于第一预设值，则第一子信号段中不存在瞬态冲击始点，且不为冲击始段。那么执行当前信号段（或者说第M段信号段）和前序信号段的比对，如S5步骤。
S4：若第一信号段的方差不小于第一预设值，则第一信号段中不存在瞬态冲击始点，则执行如下步骤，即步骤S5。也即当第一子信号段中不存在瞬态冲击始点或第一信号段不存在瞬态冲击始点时执行步骤S5。
S5：首先，自第二信号段或第二子信号段起开始循环执行如下步骤，直至查找到包含有瞬态冲击始点的冲击始段：
S5.1：提取待执行的当前信号段和前序信号段之间的特征匹配度，若特征匹配度大于第二预设值，则当前信号段为包含瞬态冲击始点的数据段，将包含瞬态冲击始点的数据段记为冲击始段，其中，从信号采集起始点至当前信号段或子信号段的第一个数据点前的一个点为前序信号段；若特征匹配度不大于第二预设值，则设当前信号段下一窗口时间的数据段为下一循环的当前信号段。
具体的，若第一信号段的方差小于第一预设值，或，第一子信号段的方差小于第一预设值，自第二信号段或第二子信号段起循环K次以下步骤，其中，K≤NS-1：
获取当前信号段的方差作为第一信号特征值，获取当前信号段的均值作为第二信号特征值；
获取前序信号段的方差作为第三信号特征值，前序信号段的均值作为第四信号特征值；
对当前信号段和前序数据段进行匹配，获取当前信号段和前序信号段的特征匹配度；
若特征匹配度不大于第二预设值，则当前信号段为未冲击段；
若特征匹配度大于第二预设值，则当前信号段为冲击始段；
设当前信号段的下一窗口时间的数据段为下一循环的当前信号段。
其中，第一信号特征值与第三信号特征值之比为当前信号段和前序信号段的特征匹配度。或者，第二信号特征值与第四信号特征值之差为当前信号段和前序信号段的特征匹配度。
当第一信号特征值与第三信号特征值之比为当前信号段和前序信号段的特征匹配度时，特征匹配度大于第二预设值，则当前信号段为冲击始段；当第二信号特征值与第四信号特征值之差为当前信号段和前序信号段的特征匹配度时，特征匹配度大于第二预设值，则当前信号段为冲击始段。
或者，在另一种实施方式中，记第一信号特征值与第三信号特征值之比为当前信号段和前序信号段的第一特征匹配度，记第二信号特征值与第四信号特征值之差为当前信号段和前序信号段的第二特征匹配度，当第一特征匹配度大于预设值，且第二特征匹配度大于另一预设值时，当前信号段为冲击始段。
这里自第二信号段或第二子信号段起，按照时序顺序依次进行比对，这里的当前信号段也即第M段信号段（也可以是第M段子信号段），而执行完第M段信号段的比对后，按顺序执行第M+1段信号段（也可以是第M+1段子信号段）的比对。
S5.2：其次，根据查找到的冲击始段提取信号采集起始点至冲击始段前的数据段的特征值作为上阈值、下阈值。
具体的，将信号采集起始点至冲击始段的第一个数据点前的一个点作为冲击未开始信号段，对冲击未开始信号段中的数据值按照从大到小的顺序排列，顺序选取前第四预设值个数据值的均值作为上阈值，逆序选取前第三预设值个数据值的均值作为下阈值。例如选取前5个数据值的均值，避免数据误差。
S5.3：基于上阈值和下阈值获取一阈值范围，查找冲击始段中超出阈值范围的数据点，将数据点记为瞬态冲击点，位于瞬态冲击点前的第一个过零点为瞬态冲击始点。
具体的，基于上阈值和下阈值形成阈值范围，将上阈值和下阈值形成的阈值作为阈值范围，查找冲击始段中超出阈值范围且按时序排列的第一个数据点，将数据点记为瞬态冲击点，位于瞬态冲击点前的第一个过零点为瞬态冲击始点。其中，这里的第一个指的是位于瞬态冲击始点（时序顺序）之前的过零点，同样的第一个数据点也是时序排列的第一个超出阈值范围的数据点。
基于上述方法，本发明还给出了一种数据处理的实施例，实施流程可参见图2-图3，具体实行步骤如下：
步骤S1：首先根据实际测得（含有瞬态冲击始点）的电信号获取加速度信号也即源信号S，进行小波包滤波进行数字信号处理一般采用Symlets或Daubechies正交基，这里选用几种常用的小波基：Haar小波、Daubechies(dbN)小波Symlets（symN）、MexicanHat(mexh)小波、Morlet小波、MeyerHaar函数，并设定分解层数为4，采用上述不同的小波基分别对源信号进行小波包分解与重构，以获得最佳小波基和最佳阈值规则。
其中，Daubechies的支撑长度为2N-1，Symlets（N=2，3，…，8)的支撑长度为2N-1，N为所选用的小波基的数字，其它小波基的支撑长度不再赘述，可以理解的，若实际需要处理更高振幅值的信号，则去除支撑长度小于5的小波基；若实际需要处理更高频率分辨率的信号，则去除支撑长度大于17的小波基。
然后，计算剩余不同的小波基下重构信号的最大误差与平均误差，然后选取最大误差和平均误差最小的小波基，作为最佳小波基进行小波包分解，得到分解信号。
采用极大极小阈值、启发式阈值、固定阈值以及无偏似然估计阈值四种阈值规则，分别对基于上述得到的分解信号分别进行数据处理并重构，然后计算不同阈值规则下重构信号的信噪比和均方根误差，选取信噪比最高，均方根误差最小的阈值规则，作为最佳阈值规则。
根据上述得到的最佳阈值规则和最佳小波基这两个小波包滤波参数对源信号进行去噪处理，获得目标去噪后信号X。
步骤S2：信号分段特征提取瞬态冲击始点方法流程图如图2所示，将信号X以0.5秒的时间窗口分段，如信号X时长为3.2秒，则分段数为7，1至6段单段数据点数Np1=0.5f s，第7段数据点数0.2f s，然后计算第一信号段的方差，若第一信号段的方差大于1.1，则表明第一信号段中存在瞬态冲击始点，对第一信号段再以0.1秒的时间窗口分段，单段数据点数Np2=0.1f s，并计算T2分段后第一子信号段的数据方差，若第一子信号段的方差大于1.1，第一子信号段中存在瞬态冲击始点，信号采集起始点为瞬态冲击始点。
若第一子信号段的方差不大于1.1或者第一信号段的方差不大于1.1，也即第一子信号段或第一信号段中不存在瞬态冲击始点，那么自第二子信号段或第二信号段起，计算当前信号段和前序信号段的均值匹配度或方差匹配度。
第i（i=2,3,…，K）段均值和数据点1至数据点i*Np均值，均值匹配度计算过程：
计算第i段均值：
计算数据点1至数据点i*Np均值：
计算均值匹配度：
其中，Mp为第二预设值，一般不超过1.5，第二信号特征值与第四信号特征值均为均值，通过均值之差表征加速度偏移度。
第i(i=2,3,…,K)段方差和数据点1至数据点i*Np方差，方差匹配度计算过程：
计算第i段方差：
计算数据点1至数据点i*Np方差：
计算方差匹配度：
其中，Vp为第二预设值，一般不超过0.06，第一信号特征值与第三信号特征值均为方差，通过方差之比表征信号的幅值变化度。
将匹配计算过程循环K(K≤Ns-1)次，每次循环结束，将下一窗口时间段设为当前信号段，直到匹配度大于第二预设值，则当前信号段为冲击始段。
步骤S3：根据步骤S2获得的冲击始段，将信号采集起始点至冲击始段的第一个数据点前的一个点作为冲击未开始信号段，对冲击未开始信号段中的数据值按照从大到小的顺序排列，顺序选取前第四预设值个数据值的均值作为上阈值，逆序选取前第三预设值个数据值的均值作为下阈值。为避免数据误差，对未开始前信号数据值按照从大到小的顺序排列，例如顺序选取前5个数据值的均值，作为判断冲击信号的上阈值，设为Tup，逆序选取前5个数据值的均值，作为判断冲击信号的下阈值，设为Tlow。
步骤S4：查找瞬态冲击始点具体示意图如图3所示，从冲击始段第一个数据点开始，查找冲击始段数据内第一个大于上阈值或小于下阈值的数据点，该点为瞬态冲击点，瞬态冲击点左侧第一个过零点为瞬态始点。
综上可见，在本发明实施例提供的信号瞬态冲击始点的提取方法，在信号有效成分未知情况下提取瞬态冲击始点，采用小波包滤波对采样信号进行去噪处理，更符合实际工程中信号噪声成分复杂的情况，还能够根据源信号调整小波包滤波参数，以达到更好的滤波效果。
上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。

Claims (9)

1.一种信号瞬态冲击始点的提取方法，其特征在于，包括以下步骤：
S1：获取含有瞬态冲击始点的电信号，将所述电信号转换为加速度信号，采用小波包变换对所述加速度信号进行去噪，得到去噪后的信号X，将所述信号X作为目标信号；
S2：将所述目标信号分成按时序排列的若干个信号段，将按照时序排列的第N段信号段记为第N信号段，判断第一信号段的方差是否小于第一预设值；
S3：若第一信号段的方差小于第一预设值，则执行步骤S4-S6，若所述第一信号段不小于所述第一预设值，将所述第一信号段作为目标信号，重复执行步骤S2；
S4：提取待执行的第M段信号段和前序信号段之间的特征匹配度，若所述特征匹配度大于第二预设值，则所述第M段信号段为包含瞬态冲击始点的数据段，将包含瞬态冲击始点的数据段记为冲击始段，其中，所述前序信号段包含第一信号段至第M-1段信号段；
S5：提取所述前序信号段的特征值作为上阈值、下阈值；
S6：基于所述上阈值和所述下阈值获取一阈值范围，查找所述冲击始段中超出所述阈值范围且按时序排布的第一个数据点，将所述数据点记为瞬态冲击点，位于所述瞬态冲击点前的第一个过零点为瞬态冲击始点。
2.如权利要求1所述的信号瞬态冲击始点的提取方法，其特征在于，若第一信号段的方差不小于所述第一预设值，即所述第一信号段中存在瞬态冲击始点，重复执行步骤S2，直至所述第一信号段的窗口长度小于第三预设值，且所述第一信号段的方差不小于所述第一预设值时，则停止执行步骤S2，直接将所述第一信号段记为冲击始段，将所述目标信号的信号采集起始点为瞬态冲击始点。
3.如权利要求1所述的信号瞬态冲击始点的提取方法，其特征在于，采用小波包变换对所述加速度信号进行去噪的步骤包括：
设置若干个小波基，分别对所述加速度信号进行小波包分解与重构；
基于相同的分解层数，计算不同小波基下重构信号的最大误差与平均误差，选取最大误差和平均误差均最小的小波基，作为最佳小波基进行小波包分解得到分解信号。
4.如权利要求3所述的信号瞬态冲击始点的提取方法，其特征在于，在获取所述分解信号后，还执行以下步骤：
设置若干种阈值规则，分别对所述分解信号进行数据处理并重构；
计算不同阈值规则下重构信号的信噪比和均方根误差，选取信噪比最高，均方根误差最小的阈值规则，作为最佳阈值规则；
采用所述最佳阈值规则和所述最佳小波基对所述加速度信号进行去噪处理，得到去噪后的所述信号X。
5.如权利要求1所述的信号瞬态冲击始点的提取方法，其特征在于，将所述目标信号以第一窗口时间长度T1进行分段，形成所述若干个信号段，其中，分段数NS=[L1]/(f sT1+1)，L1为采样点数，f s为采样频率。
6.如权利要求5所述的信号瞬态冲击始点的提取方法，其特征在于，若所述第一信号段的方差小于所述第一预设值，则自第二信号段起循环K次以下步骤，其中，K≤NS-1：
获取所述第M段信号段的方差作为第一信号特征值，获取所述第M段信号段的均值作为第二信号特征值；
获取所述前序信号段的方差作为第三信号特征值，获取所述前序信号段的均值作为第四信号特征值；
对所述第M段信号段和所述前序信号段进行匹配，获取所述第M段信号段和所述前序信号段的特征匹配度；
若所述特征匹配度不大于第二预设值，则所述第M段信号段为未冲击段；
若所述特征匹配度大于第二预设值，则所述第M段信号段为所述冲击始段。
7.如权利要求6所述的信号瞬态冲击始点的提取方法，其特征在于，所述第一信号特征值与所述第三信号特征值之比为所述第M段信号段和所述前序信号段的特征匹配度。
8.如权利要求7所述的信号瞬态冲击始点的提取方法，其特征在于，所述第二信号特征值与所述第四信号特征值之差为所述第M段信号段和所述前序信号段的特征匹配度。
9.如权利要求7所述的信号瞬态冲击始点的提取方法，其特征在于，其特征在于，将所述信号采集起始点至所述冲击始段的第一个数据点前的一个点作为冲击未开始信号段，对所述冲击未开始信号段中的数据值按照从大到小的顺序排列，顺序选取前第四预设值个数据值的均值作为所述上阈值，逆序选取前第三预设值个数据值的均值作为所述下阈值。
CN202310882321.8A 2023-07-19 2023-07-19 信号瞬态冲击始点的提取方法 Active CN116595324B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310882321.8A CN116595324B (zh) 2023-07-19 2023-07-19 信号瞬态冲击始点的提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310882321.8A CN116595324B (zh) 2023-07-19 2023-07-19 信号瞬态冲击始点的提取方法

Publications (2)

Publication Number Publication Date
CN116595324A true CN116595324A (zh) 2023-08-15
CN116595324B CN116595324B (zh) 2023-11-10

Family

ID=87606617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310882321.8A Active CN116595324B (zh) 2023-07-19 2023-07-19 信号瞬态冲击始点的提取方法

Country Status (1)

Country Link
CN (1) CN116595324B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105241666A (zh) * 2015-09-21 2016-01-13 华南理工大学 一种基于信号稀疏表示理论的滚动轴承故障特征提取方法
WO2016206056A1 (zh) * 2015-06-25 2016-12-29 国家电网公司 断路器的检测方法、装置及***
US9692529B1 (en) * 2016-08-16 2017-06-27 Southwest Research Institute System and method for signal emitter identification using higher-order cumulants
US20180231406A1 (en) * 2016-02-23 2018-08-16 Hefei University Of Technology Kalman filter based anti-transient-impact-vibration-interference signal processing method and system for vortex flowmeter
CN109001703A (zh) * 2018-08-10 2018-12-14 南京信息工程大学 一种基于小波包多阈值处理的海杂波去噪办法
CN109598255A (zh) * 2018-12-19 2019-04-09 北京化工大学 一种基于能量算子k-梯度的往复机械振动信号冲击始点自适应提取方法
CN114186577A (zh) * 2020-08-27 2022-03-15 江苏金恒信息科技股份有限公司 一种基于小波变换的振动加速度信号去噪方法及装置
CN115493836A (zh) * 2022-11-15 2022-12-20 北谷电子有限公司 机械故障诊断方法及***
CN116451027A (zh) * 2023-04-25 2023-07-18 桂林电子科技大学 基于遥控信号两级经验模态分解的无人机识别方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016206056A1 (zh) * 2015-06-25 2016-12-29 国家电网公司 断路器的检测方法、装置及***
CN105241666A (zh) * 2015-09-21 2016-01-13 华南理工大学 一种基于信号稀疏表示理论的滚动轴承故障特征提取方法
US20180231406A1 (en) * 2016-02-23 2018-08-16 Hefei University Of Technology Kalman filter based anti-transient-impact-vibration-interference signal processing method and system for vortex flowmeter
US9692529B1 (en) * 2016-08-16 2017-06-27 Southwest Research Institute System and method for signal emitter identification using higher-order cumulants
CN109001703A (zh) * 2018-08-10 2018-12-14 南京信息工程大学 一种基于小波包多阈值处理的海杂波去噪办法
CN109598255A (zh) * 2018-12-19 2019-04-09 北京化工大学 一种基于能量算子k-梯度的往复机械振动信号冲击始点自适应提取方法
CN114186577A (zh) * 2020-08-27 2022-03-15 江苏金恒信息科技股份有限公司 一种基于小波变换的振动加速度信号去噪方法及装置
CN115493836A (zh) * 2022-11-15 2022-12-20 北谷电子有限公司 机械故障诊断方法及***
CN116451027A (zh) * 2023-04-25 2023-07-18 桂林电子科技大学 基于遥控信号两级经验模态分解的无人机识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JIANG JINSHUI等: "Research on the Method of Features Extraction for Non-stationary Transient Signal Based on EMD method", 《ICCSN\'09: PROCEEDING OF THE 2009 INTERNATIONAL CONFERENCE ON COMMUNICATION SOFTWARE AND NETWORKS》, pages 637 - 641 *
康玉梅等: "基于小波包分数幂阈值的声发射去噪研究", 《有色矿冶》, vol. 32, no. 05, pages 16 - 20 *
秦毅等: "改进的Hilbert-Huang变换在信号瞬态特征提取中的应用", 《振动与冲击》, vol. 27, no. 11, pages 129 - 133 *

Also Published As

Publication number Publication date
CN116595324B (zh) 2023-11-10

Similar Documents

Publication Publication Date Title
CN110702411B (zh) 一种基于时频分析的残差网络滚动轴承故障诊断方法
CN110836775B (zh) 一种基于多维熵空间距离的滚动轴承故障识别方法及***
CN112857804B (zh) 一种滚动轴承故障诊断的方法、装置、介质及计算机设备
CN112284727B (zh) 一种基于卷积极大极小凹罚算法的旋转机械故障诊断方法
CN113468760B (zh) 基于字典学习的电机微弱故障检测方法及***
CN113537102B (zh) 一种微震信号的特征提取方法
CN113177537A (zh) 一种旋转机械设备的故障诊断方法及***
CN107966287B (zh) 一种自适应机电装备微弱故障特征提取方法
CN114486263B (zh) 一种旋转机械滚动轴承振动信号降噪解调方法
CN111189624B (zh) 基于振动信号时频特征的螺栓连接结构松动状态识别方法
CN115730199A (zh) 一种滚动轴承振动信号降噪和故障特征提取方法和***
CN102184451A (zh) 一种基于多小波融合特征的神经元动作特征提取方法
CN116595324B (zh) 信号瞬态冲击始点的提取方法
CN106980722B (zh) 一种脉冲响应中谐波成分的检测和去除方法
CN114061746B (zh) 旋转机械故障诊断中的重复瞬变信号提取方法
CN107341519B (zh) 一种基于多分辨率分析的支持向量机识别优化方法
CN115017964B (zh) 基于注意力机制稀疏表示的大地电磁信号去噪方法及***
CN116127297A (zh) 机电设备故障诊断方法和***
CN116698385A (zh) 一种抗强噪声干扰的机械设备健康状态监测方法和装置
CN116304559A (zh) 一种基于卷积自编码网络的微震信号降噪方法及***
CN115329820A (zh) 基于改进FastICA的电网扰动辨识方法及***
CN112116917B (zh) 基于相位跃变度的电抗器本体与风机声信号分离方法
CN114280571A (zh) 一种雨杂波信号的处理方法、装置及设备
CN103376108B (zh) 一种星敏感器降噪方法
Kumar et al. Denoising of vibration signal used in fault diagnosis of machine

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