本發(fā)明涉及旋轉(zhuǎn)機(jī)械的信號(hào)頻域分析領(lǐng)域，尤其涉及基于時(shí)序統(tǒng)計(jì)的旋轉(zhuǎn)機(jī)械頻域特征信號(hào)提取方法。

背景技術(shù)：

信號(hào)頻域分析屬于一種信號(hào)分析方法，信號(hào)分析方法主要分為時(shí)域分析、頻域分析、時(shí)頻分析方法。信號(hào)的頻域分析方法包括使用拉普拉斯，z或傅里葉變換，信號(hào)由頻率的復(fù)函數(shù)描述，在任何給定頻率的信號(hào)的分量由復(fù)數(shù)給出，幅度是信號(hào)頻率的幅度，角度是信號(hào)頻率相對(duì)的相位。

旋轉(zhuǎn)機(jī)械現(xiàn)有普遍使用的信號(hào)頻域分析方法，有傅里葉變換、z變換、經(jīng)驗(yàn)?zāi)B(tài)分解、局部均值分解、奇異值分解、循環(huán)平穩(wěn)方法等，進(jìn)而獲得信號(hào)的頻域特征。

傅里葉變換和z變換只能反映一段時(shí)間內(nèi)信號(hào)的頻域分布規(guī)律，不能與旋轉(zhuǎn)機(jī)械的實(shí)際工作特點(diǎn)相結(jié)合，并且該方法的抗干擾能力和低信噪比的分析能力差。經(jīng)驗(yàn)?zāi)B(tài)分解、局部均值分解和奇異值分解三種方法可以實(shí)現(xiàn)對(duì)旋轉(zhuǎn)機(jī)械信號(hào)的降噪與分解，能夠?qū)πD(zhuǎn)機(jī)械的頻域特征進(jìn)行提取，但是并沒有與旋轉(zhuǎn)機(jī)械工作特點(diǎn)相結(jié)合，循環(huán)平穩(wěn)的方法與旋轉(zhuǎn)機(jī)械工作特點(diǎn)相結(jié)合，能夠相對(duì)準(zhǔn)確的提取頻域信號(hào)特征，但是這些方法計(jì)算量很大難以實(shí)現(xiàn)在線的實(shí)時(shí)分析。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明公開了一種基于時(shí)序統(tǒng)計(jì)的旋轉(zhuǎn)機(jī)械頻域特征信號(hào)提取方法，提高了對(duì)旋轉(zhuǎn)機(jī)械信號(hào)的頻域分析能力、抗干擾能力、低信噪比分析能力，滿足了實(shí)際應(yīng)用的需要。

一種基于時(shí)序統(tǒng)計(jì)的旋轉(zhuǎn)機(jī)械頻域特征信號(hào)提取方法，包括以下步驟：

步驟1：對(duì)所采集的信號(hào)進(jìn)行分段處理，獲得信號(hào)的時(shí)序序列；

步驟2：對(duì)步驟1得到的時(shí)序序列分別進(jìn)行傅里葉變換，獲得每一段時(shí)序序列的頻域特征；

步驟3：步驟2獲得的每一段時(shí)序序列的頻域特征的時(shí)序統(tǒng)計(jì)，每一頻率分別沿時(shí)間方向求取方差，對(duì)每一頻率的方差求取倒數(shù)，對(duì)每一頻率倒數(shù)的倒數(shù)求取對(duì)數(shù)，最后得到時(shí)序信號(hào)的頻域特征。

時(shí)序序列：對(duì)旋轉(zhuǎn)機(jī)械采集的信號(hào)進(jìn)行分段劃分，所得到一系列的信號(hào)片段組成的序列，統(tǒng)稱為時(shí)序序列。

對(duì)旋轉(zhuǎn)機(jī)械信號(hào)進(jìn)行分段處理，當(dāng)信號(hào)與信號(hào)片段的長(zhǎng)度確定時(shí)，相鄰信號(hào)片段之間存在一定的重合率，能夠獲得更多的信號(hào)片段數(shù)目，進(jìn)而使得最終的統(tǒng)計(jì)方差分析更準(zhǔn)確，效果更好。優(yōu)選的，步驟1中，對(duì)所采集的時(shí)序信號(hào)進(jìn)行分段處理，獲得信號(hào)的時(shí)序序列的具體步驟如下：

1-1選定所需旋轉(zhuǎn)機(jī)械信號(hào)的頻率分辨率，使相鄰的時(shí)序序列之間存在重合率，進(jìn)而調(diào)整片段重合率和片段數(shù)目，以滿足信號(hào)時(shí)序長(zhǎng)度的需求；

1-2根據(jù)確定的時(shí)序序列重合率和片段數(shù)目，將所采集的旋轉(zhuǎn)機(jī)械的時(shí)序信號(hào)進(jìn)行分段處理。

實(shí)際操作如下：根據(jù)實(shí)際需要選定所分析信號(hào)需要的頻率分辨率δf，并設(shè)定相鄰時(shí)序序列的重合率α，確定最終的信號(hào)分段數(shù)目ns(t)，原始旋轉(zhuǎn)機(jī)械信號(hào)；

時(shí)序分析頻率分辨率與傅里葉變換頻率分辨率的關(guān)系如公式(1)所示，

δf＝n·δffft(1)

式中：

δf為基于時(shí)序統(tǒng)計(jì)的旋轉(zhuǎn)機(jī)械頻域特征信號(hào)提取方法的頻率分辨率；

n為單位時(shí)間內(nèi)時(shí)序信號(hào)的時(shí)間片段數(shù)目；

δffft為傅里葉變換信號(hào)的頻率分辨率。

相鄰時(shí)序序列之間沒有重合率與相鄰時(shí)序序列之間存在重合率之間的時(shí)序序列數(shù)量關(guān)系滿足公式(2)

ns(i)＝(n-1)·α+n(2)

式中：

ns(t)為相鄰時(shí)序序列的重合率為α?xí)r的信號(hào)分段數(shù)量。

相鄰時(shí)序序列的重合率與最終信號(hào)的分段數(shù)目如公式(3)所示，

si(n)＝s(i(1-α)fl:(i(1-α)+1)fl)(3)

式中：

s(n)為原始信號(hào)；

i為時(shí)序序列的編號(hào)；

n為采樣點(diǎn)序列序號(hào)；

s(i)為最終分割而成的第i段時(shí)序序列；

fl為重合率為0時(shí)的時(shí)序序列的長(zhǎng)度。

最終得到時(shí)序序列與原始信號(hào)片段之間關(guān)系如公式(4)所示，最終得到的時(shí)序序列：

對(duì)所得到的時(shí)序序列進(jìn)行傅里葉變換時(shí)，得到的頻譜特征可以是幅值譜和功率譜，但是幅值譜不同信號(hào)片段的相對(duì)波動(dòng)性較大，而采用功率譜相對(duì)穩(wěn)定，有利于頻域特征的統(tǒng)計(jì)分析。優(yōu)選的，步驟2中，所述頻域特征為頻率的功率譜。

具體的，根據(jù)所得到的時(shí)序序列進(jìn)行傅里葉變換，得到每一時(shí)序序列的傅里葉變換的功率譜。

第i段時(shí)序序列進(jìn)行快速傅里葉變換，如公式(5)所示：

si(f)＝fft(si(n))(1)

得到時(shí)序序列的傅里葉變換的功率譜。

在對(duì)時(shí)序序列功率譜進(jìn)行方差統(tǒng)計(jì)時(shí)，旋轉(zhuǎn)機(jī)械的頻譜特征相對(duì)穩(wěn)定，因此得到的方差相對(duì)較小，求取倒數(shù)能夠使的特征頻率表現(xiàn)更加明顯，對(duì)方差倒數(shù)求取對(duì)數(shù)，能夠減小方差倒數(shù)之間的相對(duì)差值，有利于對(duì)旋轉(zhuǎn)機(jī)械弱信號(hào)的提取。優(yōu)選的，步驟3中每一頻率分別沿時(shí)間方向求取方差，對(duì)每一頻率的方差求取倒數(shù)，對(duì)每一頻率的倒數(shù)求取對(duì)數(shù)，得到時(shí)序信號(hào)的頻域特征的具體步驟為：

3-1、對(duì)所獲得的時(shí)序序列的頻率的功率譜，沿時(shí)間方向?qū)r(shí)序片段同一頻率的功率譜強(qiáng)度建立數(shù)組；

3-2、對(duì)步驟3-1的任一頻率的數(shù)組求取統(tǒng)計(jì)方差并求取倒數(shù)；

3-3、將步驟3-2獲得的任一頻率的方差倒數(shù)，沿頻率增長(zhǎng)方向組成新的數(shù)組；

3-4、對(duì)步驟3-3獲得的數(shù)組內(nèi)的數(shù)據(jù)進(jìn)行對(duì)數(shù)處理；

3-5、最終獲得了旋轉(zhuǎn)機(jī)械信號(hào)的功率譜。

具體的，求取全部時(shí)序序列任一頻率沿時(shí)間方向的方差，如公式(6)所示：

式中：

σ²(f)為時(shí)序序列任一頻率沿時(shí)間方向序列方差的倒數(shù)。

對(duì)所得到的任一頻率的方差求取倒數(shù)，得到旋轉(zhuǎn)機(jī)械任一頻率穩(wěn)定性的評(píng)價(jià)指標(biāo)，如公式(7)所示：

式中：

tssa(f)為旋轉(zhuǎn)機(jī)械任一頻率穩(wěn)定性的評(píng)價(jià)指標(biāo)。

最終，得到旋轉(zhuǎn)機(jī)械基于時(shí)序統(tǒng)計(jì)的頻域特征功率譜圖。

優(yōu)選的，步驟2中，所述頻域特征為頻率的幅值。

本發(fā)明的有益效果：

本發(fā)明實(shí)現(xiàn)了對(duì)旋轉(zhuǎn)機(jī)械信號(hào)的頻域分析，解決了現(xiàn)有的傅里葉變換、z變換等頻域分析方法與旋轉(zhuǎn)機(jī)械工作特點(diǎn)關(guān)聯(lián)度差、抗干擾能力和弱信號(hào)提取能力差的問題；應(yīng)用本發(fā)明可以準(zhǔn)確的提取旋轉(zhuǎn)機(jī)械信號(hào)的頻域特征，能夠更加準(zhǔn)確的與旋轉(zhuǎn)機(jī)械的運(yùn)轉(zhuǎn)規(guī)律結(jié)合，提高抗干擾能力和弱信號(hào)提取能力，對(duì)旋轉(zhuǎn)機(jī)械的頻域分析具有重要意義。

附圖說明

圖1為本發(fā)明的基于時(shí)序統(tǒng)計(jì)的旋轉(zhuǎn)機(jī)械頻域特征信號(hào)提取方法的線框流程圖。

圖2為原始旋轉(zhuǎn)機(jī)械信號(hào)的示意圖。

圖3為信號(hào)分段后的時(shí)序序列的示意圖。

圖4為時(shí)序序列傅里葉變換示意圖。

圖5為最終功率譜示意圖。

具體實(shí)施方式

如圖1所示，本實(shí)施例的基于時(shí)序統(tǒng)計(jì)的旋轉(zhuǎn)機(jī)械頻域特征信號(hào)提取方法，解決了針對(duì)現(xiàn)有的信號(hào)頻域特征提取方法與旋轉(zhuǎn)機(jī)械信號(hào)的特點(diǎn)關(guān)聯(lián)度差的問題，包括以下步驟：

1)根據(jù)實(shí)際需要選定所分析信號(hào)需要的頻率分辨率δf，并設(shè)定相鄰時(shí)序序列的重合率α，確定最終的信號(hào)分段數(shù)目ns(t)，原始旋轉(zhuǎn)機(jī)械信號(hào)如圖2所示；

時(shí)序分析頻率分辨率與傅里葉變換頻率分辨率的關(guān)系如公式(1)所示，

δf＝n·δffft(1)

式中：

δf為基于時(shí)序統(tǒng)計(jì)的旋轉(zhuǎn)機(jī)械頻域特征信號(hào)提取方法的頻率分辨率；

n為單位時(shí)間內(nèi)時(shí)序信號(hào)的時(shí)間片段數(shù)目；

δffft為傅里葉變換信號(hào)的頻率分辨率。

相鄰時(shí)序序列之間沒有重合率與相鄰時(shí)序序列之間存在重合率之間的時(shí)序序列數(shù)量關(guān)系滿足公式(2)

ns(i)＝(n-1)·α+n(2)

式中：

ns(t)為相鄰時(shí)序序列的重合率為α?xí)r的信號(hào)分段數(shù)量。

相鄰時(shí)序序列的重合率與最終信號(hào)的分段數(shù)目如公式(3)所示，

si(n)＝s(i(1-α)fl:(i(1-α)+1)fl)(3)

式中：

s(n)為原始信號(hào)；

i為時(shí)序序列的編號(hào)；

n為采樣點(diǎn)序列序號(hào)；

s(i)為最終分割而成的第i段時(shí)序序列；

fl為重合率為0時(shí)的時(shí)序序列的長(zhǎng)度。

最終得到時(shí)序序列與原始信號(hào)片段之間關(guān)系如公式(4)所示，最終得到的時(shí)序序列，如圖3所示：

2)根據(jù)所得到的時(shí)序序列進(jìn)行傅里葉變換，得到每一時(shí)序序列的傅里葉變換功率譜。

第i段時(shí)序序列進(jìn)行快速傅里葉變換，如公式(5)所示：

si(f)＝fft(si(n))(5)

得到時(shí)序序列的傅里葉變換的功率譜，如圖4所示。

3)頻率的時(shí)序統(tǒng)計(jì)分析，對(duì)不同時(shí)序序列的快速傅里葉變換的功率譜的結(jié)果進(jìn)行統(tǒng)計(jì)分析。

求取全部時(shí)序序列任一頻率沿時(shí)間方向的方差，如公式(6)所示：

式中：

σ²(f)為時(shí)序序列任一頻率沿時(shí)間方向序列方差的倒數(shù)。

對(duì)所得到的任一頻率的方差求取倒數(shù)，得到旋轉(zhuǎn)機(jī)械任一頻率穩(wěn)定性的評(píng)價(jià)指標(biāo)，如公式(7)所示：

式中：

tssa(f)為旋轉(zhuǎn)機(jī)械任一頻率穩(wěn)定性的評(píng)價(jià)指標(biāo)。

最終，得到旋轉(zhuǎn)機(jī)械基于時(shí)序統(tǒng)計(jì)的頻域特征功率譜圖，如圖5所示。

綜上所述，本實(shí)施例實(shí)現(xiàn)了對(duì)旋轉(zhuǎn)機(jī)械信號(hào)的頻域分析，解決了現(xiàn)有的傅里葉變換、z變換等頻域分析方法與旋轉(zhuǎn)機(jī)械工作特點(diǎn)關(guān)聯(lián)度差、抗干擾能力和弱信號(hào)提取能力差的問題，可以準(zhǔn)確的提取旋轉(zhuǎn)機(jī)械信號(hào)的頻域特征，能夠更加準(zhǔn)確的與旋轉(zhuǎn)機(jī)械的運(yùn)轉(zhuǎn)規(guī)律結(jié)合，提高抗干擾能力和弱信號(hào)提取能力，對(duì)旋轉(zhuǎn)機(jī)械的頻域分析具有重要意義。