信號中瞬態(tài)成分稀疏表示檢測方法及裝置、故障檢測方法
【專利摘要】本發(fā)明公開了一種信號中瞬態(tài)成分稀疏表示檢測方法及裝置，本發(fā)明方法包括：對輸入信號進行模/數(shù)轉換，獲得檢測信號；對檢測信號建立最優(yōu)小波原子庫和最小優(yōu)化方程；根據(jù)所述最優(yōu)小波原子庫建立優(yōu)化迭代法求解最小優(yōu)化方程，并確定出所述檢測信號在所述最優(yōu)小波原子庫上的稀疏表示系數(shù)；根據(jù)所述稀疏表示系數(shù)，確定出所述檢測信號中瞬態(tài)成分的發(fā)生時刻；根據(jù)所述檢測信號中瞬態(tài)成分的發(fā)生時刻，針對含周期性瞬態(tài)成分的信號，確定所述檢測信號中瞬態(tài)成分的周期。本發(fā)明用于檢測和提取信號中瞬態(tài)成分，結果表示簡潔且對噪聲敏感度小。
【專利說明】 信號中瞬態(tài)成分稀疏表示檢測方法及裝置、故障檢測方法
【技術領域】
[0001]本發(fā)明涉及一種信號的分析檢測領域，尤其涉及一種信號中瞬態(tài)成分稀疏表示檢測方法及裝置、故障檢測方法，可用于機械設備的故障診斷與狀態(tài)監(jiān)測及生物醫(yī)學信號的檢測。
【背景技術】
[0002]目前，信號中瞬態(tài)成分的檢測，在機械設備的故障診斷與狀態(tài)監(jiān)測、生物醫(yī)學信號檢測等領域具有廣泛的應用。由于采集過程中獲得的信號存在著大量的噪聲，待檢測信號的瞬態(tài)成分會被噪聲污染，因此強噪聲背景下的瞬態(tài)特征檢測一直是信號檢測的難題。
[0003]最常見的瞬態(tài)成分檢測方法就是直接判斷時域信號中是否存在瞬態(tài)成分，但是由于信號中的瞬態(tài)成分往往夾雜著大量噪聲，直接對信號中瞬態(tài)成分進行檢測的過程準確性較低，效率也較低。因此現(xiàn)在需要一種檢測方法，能夠對信號中瞬態(tài)成分進行檢測，使得檢測過程的準確性較高，效率較高。

【發(fā)明內容】

[0004]本發(fā)明提供了一種信號中瞬態(tài)成分稀疏表示檢測方法及裝置、故障檢測方法，本發(fā)明能夠對信號中瞬態(tài)成分進行檢測，使得檢測過程的準確性較高，效率較高。
[0005]為了實現(xiàn)上述目的，本發(fā)明提供以下技術手段:
[0006]—種信號中瞬態(tài)成分稀疏表不的檢測方法，包括:
[0007]對輸入信號進行模/數(shù)轉換，獲得檢測信號；
[0008]對所述檢測信號建立最優(yōu)小波原子庫和最小優(yōu)化方程；
[0009]根據(jù)所述最小優(yōu)化方程，利用所述最優(yōu)小波原子庫建立優(yōu)化迭代求解最小優(yōu)化方程，并確定出所述檢測信號在所述最優(yōu)小波原子庫上的稀疏表示系數(shù)；
[0010]根據(jù)所述稀疏表示系數(shù)，確定出所述檢測信號中瞬態(tài)成分的發(fā)生時刻；
[0011]根據(jù)所述檢測信號中瞬態(tài)成分的發(fā)生時刻，針對含周期性瞬態(tài)成分的信號，確定所述檢測信號中瞬態(tài)成分的周期。
[0012]優(yōu)選的，對所述檢測信號建立最優(yōu)小波原子庫包括:
[0013]計算所述檢測信號的最優(yōu)匹配小波函數(shù)；
[0014]對所述最優(yōu)匹配小波函數(shù)進行擴充，構造最優(yōu)小波原子庫。
[0015]優(yōu)選的，對所述檢測信號建立最小優(yōu)化方程包括:
[0016]對所述輸入信號構建基追蹤去噪方程；
[0017]根據(jù)所述基追蹤去噪方程，利用最小優(yōu)化法構建最小優(yōu)化方程。
[0018]優(yōu)選的，所述計算所述檢測信號的最優(yōu)匹配小波函數(shù)，包括:
[0019]建立小波庫，所述小波庫為一組小波原子的集合；
[0020]計算所述檢測信號與所述小波庫中小波原子的相似度；
[0021]將與檢測信號相似程度最高的小波原子確定為最優(yōu)匹配小波函數(shù)。[0022]優(yōu)選的，其特征在于:
[0023]所述最優(yōu)匹配小波函數(shù)為?)，其中，P.表示決定該最優(yōu)匹配小波函數(shù)波形特點的參數(shù)集；
[0024]所述對所述最優(yōu)匹配小波函數(shù)進行擴充，構造最優(yōu)小波原子庫，包括:
[0025]以預設采樣頻率為延時間隔，對所述最優(yōu)匹配小波函數(shù)V(艮O按不同時移進行擴
充，構造出行表示不同時間參數(shù)，列表示不同延時參數(shù)的最優(yōu)小波原子庫A(t，τ)，其中τ表示按所述預設采樣頻率的倒數(shù)均勻取值的延時參數(shù)。
[0026]優(yōu)選的，所述對所述輸入信號構建基追蹤去噪方程，包括:
[0027]利用基追蹤去噪思想，將原始信號中瞬態(tài)成分檢測問題轉化成基追蹤去噪問題。
[0028]優(yōu)選的，所述根據(jù)所述基追蹤去噪方程，利用最小優(yōu)化法構建最小優(yōu)化方程，包括:
[0029]利用最小優(yōu)化法 ，構建最小優(yōu)化方程Gk(C)來代替所述基追蹤去噪方程F(C)，最小優(yōu)化方程與基追蹤去噪方程之間滿足:
[0030]/c,Gk(c)>F(c)
[0031]Gk(Ck) = F (Ck)
[0032]其中，Ck為方程Gk (C)和F (C)相等時對應的點。
[0033]優(yōu)選的，利用所述最優(yōu)小波原子庫建立優(yōu)化迭代求解最小優(yōu)化方程，并確定出所述檢測信號在所述最優(yōu)小波原子庫上的稀疏表示系數(shù)包括:
[0034]根據(jù)所述最小優(yōu)化方程利用代數(shù)求導方法求解該方程，得到第一最優(yōu)迭代方程；
[0035]將所述第一最優(yōu)迭代方程利用矩陣求逆引理得到第二最優(yōu)迭代方程；
[0036]利用所述最優(yōu)小波原子庫A (t，τ )建立優(yōu)化迭代求解第二最優(yōu)迭代方程，獲得所述最優(yōu)小波原子庫A(t，τ)上的最優(yōu)解，所述最優(yōu)解即為稀疏表示系數(shù)。
[0037]一種設備故障檢測方法，包括:
[0038]利用安裝在待檢測設備上的傳感器檢測設備的振動信號，將振動信號作為檢測信號;
[0039]采用如權利要求1所述的檢測方法對所述檢測信號進行檢測，獲得所述檢測信號中瞬態(tài)成分的周期；
[0040]若所述檢測信號中瞬態(tài)成分的周期與該設備中一個零件的故障特征周期吻合，則判定該設備中與該周期對應的零件位置存在有故障。
[0041]一種信號中瞬態(tài)成分稀疏表示的檢測裝置，包括:
[0042]獲取單元，用于對輸入信號進行模/數(shù)轉換，獲得檢測信號；
[0043]建立單元，用于對所述檢測信號建立最優(yōu)小波原子庫和最小優(yōu)化方程；
[0044]確定系數(shù)單元，用于根據(jù)所述最小優(yōu)化方程，利用所述最優(yōu)小波原子庫建立優(yōu)化迭代求解最小優(yōu)化方程，并確定出所述檢測信號在所述最優(yōu)小波原子庫上的稀疏表示系數(shù)；
[0045]確定時刻單元，用于根據(jù)所述稀疏表示系數(shù)，確定出所述檢測信號中瞬態(tài)成分的發(fā)生時刻；
[0046]確定周期單元，用于根據(jù)所述檢測信號中瞬態(tài)成分的發(fā)生時刻，針對含周期性瞬態(tài)成分的信號，確定所述檢測信號中瞬態(tài)成分的周期。
[0047]從以上技術方案可以看出，本發(fā)明實施例提供的一種信號中瞬態(tài)成分稀疏表示檢測方法具有以下優(yōu)點:
[0048]本發(fā)明方法中首先獲得檢測信號，并建立最優(yōu)小波原子庫，再結合最小優(yōu)化法建立的最小優(yōu)化方程，能實現(xiàn)檢測信號在該小波原子庫上的稀疏表示。本發(fā)明將檢測信號中的瞬態(tài)成分轉化成一個僅含有少量數(shù)值的稀疏向量表示出來，實現(xiàn)了瞬態(tài)成分的簡潔表達；由于檢測信號中噪聲成分與該小波原子庫相似程度低，而故障成分與小波原子庫的相似度大，因此本發(fā)明方法對噪聲敏感度小，能實現(xiàn)弱故障特征檢測；因此本發(fā)明用于檢測和提取信號中瞬態(tài)成分，結果表示簡潔且對噪聲敏感度小。
【專利附圖】

【附圖說明】
[0049]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0050]圖1為本發(fā)明實施例公開的信號中瞬態(tài)成分稀疏表示檢測方法的流程圖；
[0051]圖2為本發(fā)明實施例公開的信號中瞬態(tài)成分稀疏表示檢測方法中建立最優(yōu)小波原子庫的流程圖；
[0052]圖3為本發(fā)明實施例公開的又一信號中瞬態(tài)成分稀疏表示檢測方法的流程圖；
[0053]圖4為本發(fā)明實施例公開的設備故障檢測方法的流程圖；
[0054]圖5為本發(fā)明實施例公開的齒輪箱內部傳動結構示意圖；
[0055]圖6為本發(fā)明實施例公開的齒輪箱三檔齒輪斷齒狀態(tài)時的時域波形；
[0056]圖7為本發(fā)明實施例公開的齒輪箱三檔齒輪斷齒狀態(tài)時的頻譜圖；
[0057]圖8為本發(fā)明實施例公開的信號y(t)最匹配的Morlet小波原子的波形圖；
[0058]圖9為本發(fā)明實施例公開的對齒輪故障信號進行Morlet小波基底下的稀疏表示的波形圖；
[0059]圖10為本發(fā)明實施例公開的重構的齒輪故障信號；
[0060]圖11為本發(fā)明實施例公開的信號中瞬態(tài)成分稀疏表示的檢測裝置的結構示意圖。
【具體實施方式】
[0061]下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0062]本發(fā)明目的是提供一種信號中瞬態(tài)成分的稀疏表示檢測方法，用于檢測和提取信號中瞬態(tài)成分，稀疏表不是一種自適應性好，表達簡潔的信號表不方法。通過在過完備庫中自適應的選擇與信號最相似的原子，并使選擇的原子個數(shù)盡可能的少，稀疏表示方法將原始信號表示成一組最少基函數(shù)的線性展開。信號稀疏表示具備自適應性好，表達簡潔等特點。
[0063]最小優(yōu)化(Majorization Minimization,簡稱MM)法通過求解一系列簡單最小問題來實現(xiàn)原始信號在某一基底上的稀疏表示，MM法具備收斂速度快，計算量小等特點，是一種廣泛應用于圖像恢復，圖像壓縮等領域的稀疏表示方法。鑒于MM法在稀疏表示方面的優(yōu)越性，而在基底選擇上的困難性，提出一種基于麗法的信號瞬態(tài)成分稀疏表示檢測方法，將檢測信號中的瞬態(tài)成分表示成一系列稀疏向量中的非零系數(shù)。
[0064]如圖1所示，本發(fā)明包括如下步驟:
[0065]步驟SlOl:對輸入信號進行模/數(shù)轉換，獲得檢測信號；
[0066]其中，可以利用傳感裝置輸入并進行模/數(shù)轉換，獲得檢測信號，記為y(t);即檢測信號y(t)是在實際應用中使用傳感器等設備測量采集到的信號。
[0067]步驟S102:對所述檢測信號建立最優(yōu)小波原子庫和最小優(yōu)化方程；
[0068]其中，步驟S102又包括建立最優(yōu)小波原子庫和建立最小優(yōu)化方程兩個步驟。如圖2所示，為最優(yōu)小波原子庫的建立過程，包括:
[0069]步驟S201:計算所述檢測信號的最優(yōu)匹配小波函數(shù)；
[0070]可以理解的是，本發(fā)明實施例中，所述最優(yōu)匹配小波函數(shù)的判斷標準通常用小波函數(shù)與原始信號(原始信號即檢測信號y(t))的最大相似度來衡量，其中，最大相似度可以用最大相關系數(shù)來定量表示。
[0071]例如:小波函數(shù)Ψ與信號y的相關系數(shù)可以表示為
【權利要求】
1.一種信號中瞬態(tài)成分稀疏表不的檢測方法,其特征在于,包括: 對輸入信號進行模/數(shù)轉換，獲得檢測信號； 對所述檢測信號建立最優(yōu)小波原子庫和最小優(yōu)化方程； 根據(jù)所述最小優(yōu)化方程，利用所述最優(yōu)小波原子庫建立優(yōu)化迭代求解最小優(yōu)化方程，并確定出所述檢測信號在所述最優(yōu)小波原子庫上的稀疏表示系數(shù)； 根據(jù)所述稀疏表示系數(shù)，確定出所述檢測信號中瞬態(tài)成分的發(fā)生時刻； 根據(jù)所述檢測信號中瞬態(tài)成分的發(fā)生時刻，針對含周期性瞬態(tài)成分的信號，確定所述檢測信號中瞬態(tài)成分的周期。
2.根據(jù)權利要求1所述的檢測方法，其特征在于，對所述檢測信號建立最優(yōu)小波原子庫包括: 計算所述檢測信號的最優(yōu)匹配小波函數(shù)； 對所述最優(yōu)匹配小波函數(shù)進行擴充，構造最優(yōu)小波原子庫。
3.根據(jù)權利要求1所述的檢測方法，其特征在于，對所述檢測信號建立最小優(yōu)化方程包括: 對所述輸入信號構建基追蹤去噪方程； 根據(jù)所述基追蹤去噪方程，利用最小優(yōu)化法構建最小優(yōu)化方程。
4.根據(jù)權利要求2所述的檢測方法，其特征在于，所述計算所述檢測信號的最優(yōu)匹配小波函數(shù)，包括: 建立小波庫，所述小波庫為一組小波原子的集合； 計算所述檢測信號與所述小波庫中小波原子的相似度； 將與檢測信號相似程度最高的小波原子確定為最優(yōu)匹配小波函數(shù)。
5.根據(jù)權利要求2所述的檢測方法，其特征在于: 所述最優(yōu)匹配小波函數(shù)為V(PJ)，其中，P表示決定該最優(yōu)匹配小波函數(shù)波形特點的參數(shù)集； 所述對所述最優(yōu)匹配小波函數(shù)進行擴充，構造最優(yōu)小波原子庫，包括: 以預設采樣頻率為延時間隔，對所述最優(yōu)匹配小波函數(shù)按不同時移進行擴充，構造出行表示不同時間參數(shù)，列表示不同延時參數(shù)的最優(yōu)小波原子庫A(t，τ)，其中τ表示按所述預設采樣頻率的倒數(shù)均勻取值的延時參數(shù)。
6.根據(jù)權利要求3所述的檢測方法，其特征在于，所述對所述輸入信號構建基追蹤去噪方程，包括: 利用基追蹤去噪思想，將原始信號中瞬態(tài)成分檢測問題轉化成基追蹤去噪問題。
7.根據(jù)權利要求3所述的檢測方法，其特征在于，所述根據(jù)所述基追蹤去噪方程，利用最小優(yōu)化法構建最小優(yōu)化方程，包括: 利用最小優(yōu)化法，構建最小優(yōu)化方程Gk(c)來代替所述基追蹤去噪方程F(C)，最小優(yōu)化方程與基追蹤去噪方程之間滿足: Vc,G,(c)>F(c)
Gk (ck) = F (ck) 其中，ck為方程Gk (c)和F(C)相等時對應的點。
8.根據(jù)權利要求1所述的檢測方法，其特征在于，利用所述最優(yōu)小波原子庫建立優(yōu)化迭代求解最小優(yōu)化方程，并確定出所述檢測信號在所述最優(yōu)小波原子庫上的稀疏表示系數(shù)包括: 根據(jù)所述最小優(yōu)化方程利用代數(shù)求導方法求解該方程，得到第一最優(yōu)迭代方程； 將所述第一最優(yōu)迭代方程利用矩陣求逆引理得到第二最優(yōu)迭代方程； 利用所述最優(yōu)小波原子庫A (t，τ)建立優(yōu)化迭代求解第二最優(yōu)迭代方程，獲得所述最優(yōu)小波原子庫A(t，τ)上的最優(yōu)解，所述最優(yōu)解即為稀疏表示系數(shù)。
9.一種設備故障檢測方法，其特征在于，包括: 利用安裝在待檢測設備上的傳感器檢測設備的振動信號，將振動信號作為檢測信號； 采用如權利要求1所述的檢測方法對所述檢測信號進行檢測，獲得所述檢測信號中瞬態(tài)成分的周期； 若所述檢測信號中瞬態(tài)成分的周期與該設備中一個零件的故障特征周期吻合，則判定該設備中與該周期對應的零件位置存在有故障。
10.一種信號中瞬態(tài)成分稀疏表示的檢測裝置，其特征在于，包括: 獲取單元，用于對輸入信號進行模/數(shù)轉換，獲得檢測信號； 建立單元，用于對所述檢測信號建立最優(yōu)小波原子庫和最小優(yōu)化方程； 確定系數(shù)單元，用于根據(jù)所述最小優(yōu)化方程，利用所述最優(yōu)小波原子庫建立優(yōu)化迭代求解最小優(yōu)化方程，并確定出所述檢測信號在所述最優(yōu)小波原子庫上的稀疏表示系數(shù)； 確定時刻單元，用于根據(jù)所述稀疏表示系數(shù)，確定出所述檢測信號中瞬態(tài)成分的發(fā)生時刻； 確定周期單元，用于根據(jù)所述檢測信號中瞬態(tài)成分的發(fā)生時刻，針對含周期性瞬態(tài)成分的信號，確定所述檢測信號中瞬態(tài)成分的周期。
【文檔編號】G01H17/00GK103954353SQ201410198242
【公開日】2014年7月30日 申請日期:2014年5月12日 優(yōu)先權日:2014年5月12日
【發(fā)明者】李成, 樊薇, 張潤涵, 李雙, 蔡改改, 黃偉國, 朱忠奎 申請人:蘇州大學