一種基于單通道信號盲分離滾動軸承的特征提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及機械故障診斷技術(shù)領(lǐng)域，涉及一種基于單通道信號盲分離滾動軸承的 特征提取方法。
【背景技術(shù)】
[0002] 盲信號分離是近些年來信號處理領(lǐng)域研究的熱點問題。所謂盲信號分離就是指從 若干傳感器觀測到多個信號的混合信號中恢復(fù)出無法直接觀測到的原始信號的方法。盲信 號分離一般要求傳感器個數(shù)多于信號源個數(shù)，而單通道盲分離則是指用于觀測信號混合信 號的傳感器只有一個。這是盲信號分離中的一個難點，但是這在機械故障診斷工程應(yīng)用中 卻是更加貼近實際條件的。
[0003] 針對欠定盲分離即傳感器數(shù)目小于信源數(shù)目的情況，主要的方法有基于中值的聚 類算法盲分離方法 [1]、基于位勢函數(shù)的欠定盲分離方法[2]，這些存在的問題是基于源信號 的稀疏問題，而對于稀疏性較差的信號則分離效果不好；還有基于小波分解的盲信號分離
[3] ，它存在的問題是對小波基的選擇依靠性很強，小波基不同分離效果差別很大；此外也有 基于固有模式函數(shù)（EMD)、總體固有模式函數(shù)（EEMD)的盲分離方法[45]，EMD方法存在的問 題是存在模態(tài)混疊現(xiàn)象，EEMD方法問題是計算量較大，計算時間也較長，因此在實際工程應(yīng) 用中即時性不強。
[0004] 參考文獻
[0005]【1】FABIANJT;CARL0SGP;ELMARWLMedian-basedclusteringfor underdeterminedblindsignalprocessing[外文期刊]2006(02).
[0006]【2】張贊；李本威；王永華；基于位勢函數(shù)的欠定盲源分離識別診斷方法[J].航空 動力學(xué)報，2010, 25 (01)，218-223.
[0007]【3】王嬌；劉郁林；何為；晁志超；小波分解單通道盲分離干擾抑制方法[J].
[0008] 重慶郵電大學(xué)學(xué)報（自然科學(xué)版），2014, 26(5)，648-653.
[0009]【4】李舜酩；劉曉偉；郭海東；一種單通道振動信號的盲分離方法[P].中國專利： CN102288285B，2011-05-24.
[0010] 【5】孟宗；蔡龍；基于EEMD子帶提取相關(guān)機械振動信號單通道盲分離[J].振動與 沖擊，2014, 33(20)，40-46.

【發(fā)明內(nèi)容】

[0011] 針對上述現(xiàn)有技術(shù)中存在的問題和缺陷，本發(fā)明的目的在于，提供一種基于單通 道信號盲分離滾動軸承的特征提取方法。
[0012] 為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
[0013] -種基于單通道信號盲分離滾動軸承的特征提取方法，具體包括以下步驟：
[0014]步驟1 :選取頻率切片小波變換函數(shù)，對給定的原始振動信號進行頻率切片小波 變換，得到時頻圖，再對頻率切片小波變換后的信號進行逆變換得到重構(gòu)信號，并畫出重構(gòu) 信號的能量譜；
[0015] 步驟2 :根據(jù)步驟1得到的時頻圖和能量譜，選擇能量譜中包含能量峰值的多個區(qū) 間對原始振動信號進行切片，得到多個切片的重構(gòu)信號；
[0016] 步驟3:將步驟2得到的重構(gòu)信號進行降噪和去冗余，確定最佳信源數(shù)目m及其對 應(yīng)的m個特征向量；
[0017] 步驟4:將m個特征向量組成的矩陣乘以步驟2得到的重構(gòu)信號，得到降維后的m 維矩陣；
[0018] 步驟5:步驟4得到的m維矩陣，采用獨立分量分析得到m個分離信號，并分別求 其包絡(luò)譜；對包絡(luò)譜進行歸一化處理，疊加得到等效包絡(luò)譜；觀測包絡(luò)譜，提取故障特征。
[0019] 具體地，所述步驟1的具體實現(xiàn)方法如下：
[0020] 頻率切片小波變換定義式為：
[0021]
0)
[0022] 式中，〇為尺度因子，〇乒0, 〇為常數(shù)或《和t的函數(shù)，0=7或〇 =kt等， K 其中，k為調(diào)節(jié)時域或頻域靈敏度，t為時域變量，co為頻域變量；p( ?)為頻率切片函數(shù)，pYO是P(0的共輒函數(shù)；f(T)為原始振動信號，f(〇GL2(R);
[0023] 對頻率切片小波變換信號進行逆變換，得到頻率切片小波變換信號W(t，co，〇 ) 在時頻區(qū)域匕，〖2,c^，《2)的信號分量，即重構(gòu)信號：
[0024]
[0025] 能量定義公式為：
式中，E(?)能量密度函數(shù)，E(?)= F(co) |2,其中F(co)為重構(gòu)信號fa(t)的傅里葉變換。
[0026] 具體地，所述步驟3的具體實現(xiàn)方法如下：
[0027] 步驟3. 1 :求重構(gòu)信號的協(xié)方差矩陣A=(Ajpp，其中
[0028]
[0029] 其中，'為協(xié)方差矩陣A中的元素，x115為xFSWT(t)第i行k列元素，&為xFSWT(t) 第i行平均值，n為數(shù)據(jù)長度；xjkSxFSWT(t)第j行k列元素，士 .為xFSWT(t)第j行平均值；
[0030] 步驟3.2 :計算上述協(xié)方差矩陣A的特征值A(chǔ)>A2彡A3彡...An> 〇及 其正交的單位化特征向量從左到右排列
按照公式
計算方差貢獻率，當(dāng)其值大于設(shè)定值時，確定信源數(shù)目m及其對應(yīng) 的m個特征向量。
[0031] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下技術(shù)效果：
[0032] 1、本發(fā)明對原始振動信號進行頻率切片小波變換，得到信號的能量譜，不再依靠 小波基的選取，切片頻帶的選取也克服了小波變換頻帶受限的問題。
[0033] 2、采用主成分分析的方法確定信源數(shù)目，解決了當(dāng)樣本較大時獲得聚類結(jié)論困難 的問題。
[0034] 3、根據(jù)主成分分析采用投影方式得到降維的矢量投影矩陣，避免了信號稀疏性的 影響，從而將欠定問題轉(zhuǎn)化為適定問題。
[0035] 4、本發(fā)明對具有一定相關(guān)性的源信號也可有效實現(xiàn)故障特征提取。
[0036] 5、本發(fā)明與傳統(tǒng)方法相比，計算量較小，計算速度較快。
【附圖說明】
[0037] 圖1是本發(fā)明的方法流程圖；
[0038] 圖2是實施例1的源信號及混合信號時域及頻譜圖；
[0039] 圖3是實施例1的混合信號的時頻圖及重構(gòu)信號能量譜圖；
[0040] 圖4是實施例1的分離后的源信號時域及包絡(luò)譜波形圖；
[0041] 圖5是實施例1的歸一化等效包絡(luò)譜波形圖；
[0042] 圖6是實施例1的對比實驗分離后的源信號時域圖及包絡(luò)譜圖；
[0043] 圖7是實施例1的對比實驗分離后的源信號歸一化等效包絡(luò)譜波形圖；
[0044] 圖8是實施例2的觀測信號時域波形圖；
[0045] 圖9是實施例2的觀測信號時頻圖及重構(gòu)信號的能量譜圖；
[0046] 圖10是實施例2的分離后的觀測信號時域圖及包絡(luò)譜圖；
[0047] 圖11是實施例2的分離后的觀測信號的歸一化等效包絡(luò)譜波形圖。
[0048] 下面結(jié)合附圖和實施例對本發(fā)明的方案做進一步詳細地解釋和說明。
【具體實施方式】
[0049] 遵從上述技術(shù)方案，參見圖1，本發(fā)明的基于單通道信號盲分離滾動軸承的特征提 取方法，具體包括以下步驟：
[0050] 步驟1 :選取頻率切片函數(shù)，對給定的原始振動信號進行頻率切片小波變換，得到 其0~fs/2頻帶內(nèi)的時頻圖，再對頻率切片小波變換后的信號進行逆變換得到重構(gòu)信號， 其中，fs為采樣頻率，并畫出重構(gòu)信號的能量譜。其具體實現(xiàn)方法如下：
[0051] 頻率切片小波變換定義式為：
[0052]
(0
[0053] 式中，〇為尺度因子，〇 # 0, 〇為常數(shù)或CO和t的函數(shù)，了或〇 =kt等， k 其中，k為調(diào)節(jié)時域或頻域靈敏度，其取值為在時域和頻域分辨率的折中選擇，t為時域變 量，《為頻域變量；P( ?)為頻率切片函數(shù)，P*( ?)是P( ?)的共輒函數(shù)；f(T)為原始振 動信號，f(T)GL2(R)，上述計算方式?jīng)]有依靠對小波基的選取。
[0054] 由于信號時域和頻域行為并非相互獨立，因而頻率切片小波變換結(jié)果是冗余的。 理論上其逆變換可以有不同形式。對頻率切片小波變換信號進行逆變換，得到頻率切片小 波變換信號W(t，《，〇)在時頻區(qū)域匕，12,