一種基于經(jīng)驗模式分解濾波的包絡分析方法技術

本發(fā)明專利技術公開了一種基于經(jīng)驗模式分解濾波的包絡分析方法，該方法首先利用經(jīng)驗模式分解方法對原始信號進行分解，然后利用數(shù)據(jù)的重排和替代操作排除分解結(jié)果中的噪聲分量和趨勢項，接著再采用譜峭度方法對第一次濾波后的信號進行分析，得到最優(yōu)濾波器的中心頻率和帶寬，然后利用該濾波器對第一次濾波后的信號再進行第二次濾波，然后采用有理樣條迭代平滑包絡分析方法對第二次濾波后的信號進行包絡分析，最后根據(jù)包絡譜確定旋轉(zhuǎn)機械的故障類型。本發(fā)明專利技術適合于處理復雜的旋轉(zhuǎn)機械故障信號，能夠準確地判定出旋轉(zhuǎn)機械的故障類型，具有良好的抗噪性和魯棒性，便于工程應用。

【技術實現(xiàn)步驟摘要】

本專利技術涉及旋轉(zhuǎn)機械狀態(tài)監(jiān)測與故障診斷領域，具體涉及一種基于經(jīng)驗模式分解濾波的包絡分析方法。
技術介紹
包絡分析技術廣泛應用于齒輪和滾動軸承的故障診斷中。現(xiàn)有的包絡分析技術有下面三個缺陷：①現(xiàn)有的包絡分析技術或者是直接對原始信號進行分析，或者是僅對原始信號進行簡單的濾波后再進行分析，因此現(xiàn)有的方法容易受到噪聲、趨勢及其它成分的干擾，從而導致現(xiàn)有技術的分析精度較低；②現(xiàn)有的包絡分析技術是以Hilbert變換為基礎，而Hilbert變換要求被分析的信號必須是單分量的窄帶信號，否則信號的頻率調(diào)制部分將要污染信號的幅值包絡分析結(jié)果，但是目前待分析的信號都不嚴格滿足單分量且窄帶的條件，這樣就會導致現(xiàn)有技術因精度不高而容易出現(xiàn)誤判問題；③由傳統(tǒng)方法得到的包絡譜存在端點效應。
技術實現(xiàn)思路
本專利技術要解決的問題是針對以上不足，提出一種基于經(jīng)驗模式分解濾波的包絡分析方法，采用本專利技術的包絡分析方法后，具有分析結(jié)果準確度和精確度高，并能準確地檢測出旋轉(zhuǎn)機械故障類型的優(yōu)點。為解決以上技術問題，本專利技術采取的技術方案如下：一種基于經(jīng)驗模式分解濾波的包絡分析方法，其特征在于，包括以下步驟：步驟1：利用加速度傳感器以采樣頻率fs測取旋轉(zhuǎn)機械的振動信號x（k）, （k=1, 2, …,N），N為采樣信號的長度；步驟2：采用經(jīng)驗模式分解（Empirical Mode Decomposition, EMD）算法將信號x（k）分解成n個分量和一個趨勢項之和，即，其中，ci（k）代表由EMD算法得到的第i個分量，rn（k）代表由EMD算法得到的趨勢項；步驟3：對ci（k）執(zhí)行重排操作和替代操作，經(jīng)重排操作得到的數(shù)據(jù)用cishuffle（k）表示，替代操作后得到數(shù)據(jù)用ciFTran（k）表示； 步驟4：對ci（k）、cishuffle（k）和ciFTran（k）分別執(zhí)行多重分形去趨勢波動分析（Multifractal Detrended Fluctuation Analysis, MFDFA），得到廣義Hurst指數(shù)曲線，ci（k）的廣義Hurst指數(shù)曲線用Hi（q）表示；步驟5：如果Hi（q） 與Hishuffle（q）或Hi（q） 與HiFTran（q）之間的相對誤差小于5%，或者Hi（q） 、Hishuffle（q） 和HiFTran（q）三者都不隨q而變化，則拋棄對應的ci（k）分量；步驟6：對剩余的ci（k）分量求和，將該和記為信號經(jīng)重排和替代濾波后的結(jié)果xf1（k）；步驟7：對xf1（k）執(zhí)行譜峭度分析，求出信號峭度最大處所對應的中心頻率f0和帶寬B；步驟8： 根據(jù)中心頻率f0和帶寬B對xf1（k）進行帶通濾波，得到xf2（k）；步驟9：對信號xf2（k）執(zhí)行有理樣條迭代平滑包絡分析，得到信號包絡eov（k）；步驟10：對得到的信號包絡eov（k）執(zhí)行離散傅里葉變換得到包絡譜，根據(jù)包絡譜特征頻率判斷機器的故障類型。一種優(yōu)化方案，所述步驟2中經(jīng)驗模式分解（EMD）算法包括以下步驟：1） 第一個篩選過程：分別找出數(shù)據(jù)x（k）的上、下局部極值點，采用三次樣條曲線分別擬合上、下局部極值點，得到信號x（k）的局部最大值包絡線和局部最小值包絡線，再將此兩條包絡線的相應各點的值取平均，得到一條平均曲線m1；再求原始信號x（k）與此平均曲線m1的差，即h10=x(k)-m1，至此第一個篩選過程結(jié)束；2）第二個篩選過程：h10重新被當作原始信號，重復上述步驟1），可得到h11=h10-m11，這里參數(shù)m11代表h10的均值曲線，重復這一過程j次，直到0.2<SD<0.3時篩選過程停止，這里， 此時，h1j=h1(j-1)-m1j，這時可以認為h1j是一個內(nèi)秉模態(tài)函數(shù)（Intrinsic Mode Function, IMF），定義第1個IMF為c1=h1j；3） 從原信號中減去c1，可得r1=x(k)-c1，再將r1當作新的數(shù)據(jù)，并重復上述兩步操作，這樣可以得到第2個IMF；4）重復步驟3）操作可得到一系列IMF，如果rn已經(jīng)變成一條單調(diào)曲線，則篩選過程停止，最終將原始信號分解為如下形式：。進一步地，所述步驟3中數(shù)據(jù)重排操作包括以下步驟：隨機打亂分量ci（k）的排列順序。進一步地，所述步驟3中數(shù)據(jù)替代操作包括以下步驟：1） 對分量ci（k）執(zhí)行離散傅里葉變換，獲得分量ci（k）的相位；2） 用一組位于(-π,π)區(qū)間內(nèi)的偽獨立同分布數(shù)來代替分量ci（k）的原始相位；3） 對經(jīng)過相位替代后的頻域數(shù)據(jù)執(zhí)行離散傅里葉逆變換得到數(shù)據(jù)ciIFFT（k），求取數(shù)據(jù)ciIFFT（k）的實部。進一步地，所述步驟4中MFDFA方法包括以下步驟：1）構(gòu)造x(k)(k=1,2,…,N)的輪廓Y(i)：；x(k)代表權利要求1所述步驟4中的ci（k）或cishuffle（k）或ciFTran（k）；2）將信號輪廓Y(i)分成不重疊的Ns段長度為s的數(shù)據(jù)，從數(shù)據(jù)的反方向以相同的長度分段，得到2Ns段數(shù)據(jù)；3）利用最小二乘法擬合每段數(shù)據(jù)的多項式趨勢，然后計算每段數(shù)據(jù)的方差：；yv(i)為擬合的第v段數(shù)據(jù)的趨勢，若擬合的多項式趨勢為m階，則記該去趨勢過程為（MF-）DFAm；4） 計算第q階波動函數(shù)的平均值：；5）如果x(k)存在自相似特征，則第q階波動函數(shù)的平均值Fq(s)和時間尺度s之間存在冪律關系：Fq(s)~sH(q)；當q=0時，步驟4）中的公式發(fā)散，這時H(0)通過下式所定義的對數(shù)平均過程來確定：；6）對步驟5）中的公式兩邊取對數(shù)可得ln[Fq(s)]=H(q)ln(s)+c (c為常數(shù))，由此可以獲得直線的斜率H(q)。進一步地，所述步驟7中的譜峭度方法包括以下步驟：1）構(gòu)造一個截止頻率為fc=0.125+ε的低通濾波器h(n)；ε>0；2）基于h(n)構(gòu)造通頻帶為[0;0.25]的準低通濾波器h0(n)和通頻帶為[0.25;0.5]的準高通濾波器h1(n)，；3）信號經(jīng)h0(n)、h1(n)濾波并降采樣后分解成低頻部分和高頻部分，降采樣的因子為2，再經(jīng)多次迭代濾波后形成濾波器樹，第k層有2k個頻帶，其中表示濾波器樹中第k層上的第i個濾波器的輸出信號，i=0,…,2k-1，0≤k≤K-1；4）分解樹中第k層上的第i個濾波器的中心頻率fki和帶寬Bk分別為fki=(i+2-1)2-k-1Bk=2-k-1；5）計算每一個濾波器結(jié)果 (i=0,…,2k-1)的峭度；6）將所有的譜峭度匯總，得到信號總的譜峭度。進一步地，所述步驟9中的有理樣條迭代平滑包絡分析方法包括以下步驟：1）計算信號z(k)的絕對值∣z(k)∣的局部極值；在第1次迭代中，z(k)代表權利要求1所述步驟9中xf2（k）；2）采用有理樣條曲線擬合局部極值點得到包絡線eov1（k）；3）對z(k)進行歸一化處理得到；4）第2次迭代：把z1(k)重新作為新數(shù)據(jù)，重復執(zhí)行上述步驟1）~3），得到；5）第i次迭代：把zi-1(k) 重新作為新數(shù)據(jù)，重復執(zhí)行上述步驟1）~3)，得到；6) 如果第n次迭代得到的zn(k)的幅值小于或等于1，則迭代過程停止，最后得到信號z(k)的包絡為。本專利技術采用以上技術方案，與現(xiàn)有技術相比，本專利技術具有以下優(yōu)點：1)利用EMD對原始信號進行分解，然后利用數(shù)據(jù)的本文檔來自技高網(wǎng)...

【技術保護點】
一種基于經(jīng)驗模式分解濾波的包絡分析方法，其特征在于，包括以下步驟：步驟1：利用加速度傳感器以采樣頻率fs測取旋轉(zhuǎn)機械的振動信號x（k）,?（k=1,?2,?…,N），N為采樣信號的長度；步驟2：采用經(jīng)驗模式分解（Empirical?Mode?Decomposition,?EMD）算法將信號x（k）分解成n個分量和一個趨勢項之和，即，其中，ci（k）代表由EMD算法得到的第i個分量，rn（k）代表由EMD算法得到的趨勢項；步驟3：對ci（k）執(zhí)行重排操作和替代操作，經(jīng)重排操作得到的數(shù)據(jù)用cishuffle（k）表示，替代操作后得到數(shù)據(jù)用ciFTran（k）表示；?步驟4：對ci（k）、cishuffle（k）和ciFTran（k）分別執(zhí)行多重分形去趨勢波動分析（Multifractal?Detrended?Fluctuation?Analysis,?MFDFA），得到廣義Hurst指數(shù)曲線，ci（k）的廣義Hurst指數(shù)曲線用Hi（q）表示；步驟5：如果Hi（q）?與Hishuffle（q）或Hi（q）?與HiFTran（q）之間的相對誤差小于5%，或者Hi（q）?、Hishuffle（q）?和HiFTran（q）三者都不隨q而變化，則拋棄對應的ci（k）分量；步驟6：對剩余的ci（k）分量求和，將該和記為信號經(jīng)重排和替代濾波后的結(jié)果xf1（k）；步驟7：對xf1（k）執(zhí)行譜峭度分析，求出信號峭度最大處所對應的中心頻率f0和帶寬B；步驟8：?根據(jù)中心頻率f0和帶寬B對xf1（k）進行帶通濾波，得到xf2（k）；步驟9：對信號xf2（k）執(zhí)行有理樣條迭代平滑包絡分析，得到信號包絡eov（k）；步驟10：對得到的信號包絡eov（k）執(zhí)行離散傅里葉變換得到包絡譜，根據(jù)包絡譜特征頻率判斷機器的故障類型。...

【技術特征摘要】
1.一種基于經(jīng)驗模式分解濾波的包絡分析方法，其特征在于，包括以下步驟：步驟1：利用加速度傳感器以采樣頻率fs測取旋轉(zhuǎn)機械的振動信號x（k）, （k=1, 2, …,N），N為采樣信號的長度；步驟2：采用經(jīng)驗模式分解（Empirical Mode Decomposition, EMD）算法將信號x（k）分解成n個分量和一個趨勢項之和，即，其中，ci（k）代表由EMD算法得到的第i個分量，rn（k）代表由EMD算法得到的趨勢項；步驟3：對ci（k）執(zhí)行重排操作和替代操作，經(jīng)重排操作得到的數(shù)據(jù)用cishuffle（k）表示，替代操作后得到數(shù)據(jù)用ciFTran（k）表示； 步驟4：對ci（k）、cishuffle（k）和ciFTran（k）分別執(zhí)行多重分形去趨勢波動分析（Multifractal Detrended Fluctuation Analysis, MFDFA），得到廣義Hurst指數(shù)曲線，ci（k）的廣義Hurst指數(shù)曲線用Hi（q）表示；步驟5：如果Hi（q） 與Hishuffle（q）或Hi（q） 與HiFTran（q）之間的相對誤差小于5%，或者Hi（q） 、Hishuffle（q） 和HiFTran（q）三者都不隨q而變化，則拋棄對應的ci（k）分量；步驟6：對剩余的ci（k）分量求和，將該和記為信號經(jīng)重排和替代濾波后的結(jié)果xf1（k）；步驟7：對xf1（k）執(zhí)行譜峭度分析，求出信號峭度最大處所對應的中心頻率f0和帶寬B；步驟8： 根據(jù)中心頻率f0和帶寬B對xf1（k）進行帶通濾波，得到xf2（k）；步驟9：對信號xf2（k）執(zhí)行有理樣條迭代平滑包絡分析，得到信號包絡eov（k）；步驟10：對得到的信號包絡eov（k）執(zhí)行離散傅里葉變換得到包絡譜，根據(jù)包絡譜特征頻率判斷機器的故障類型。2.根據(jù)權利要求1所述的一種基于經(jīng)驗模式分解濾波的包絡分析方法，其特征在于，所述步驟2中經(jīng)驗模式分解（EMD）算法包括以下步驟：1） 第一個篩選過程：分別找出數(shù)據(jù)x（k）的上、下局部極值點，采用三次樣條曲線分別擬合上、下局部極值點，得到信號x（k）的局部最大值包絡線和局部最小值包絡線，再將此兩條包絡線的相應各點的值取平均，得到一條平均曲線m1；再求原始信號x（k）與此平均曲線m1的差，即h10=x(k)-m1，至此第一個篩選過程結(jié)束；2）第二個篩選過程：h10重新被當作原始信號，重復上述步驟1），可得到h11=h10-m11，這里參數(shù)m11代表h10的均值曲線，重復這一過程j次，直到0.2<SD <0.3時篩選過程停止，這里， 此時，h1j=h1(j-1)-m1j，這時可以認為h1j是一個內(nèi)秉模態(tài)函數(shù)（Intrinsic Mode Function, IMF），定義第1個IMF為c1=h1j；3） 從原信號中減去c1，可得r1=x(k)-c1，再將r1當作新的數(shù)據(jù)，并重復上述兩步操作，這樣可以得到第2個IMF；4）重復步驟3）操作可得到一系列IMF，如果rn已經(jīng)變成一條單調(diào)曲線，則篩選過程停止，最終將原始信號分解為如下形式：。3.根據(jù)權利要求1所述的一種基于經(jīng)驗模式分解濾波的包絡分析方法，其特征在于，所述步驟3中數(shù)據(jù)重排操作包括以下步驟：隨機...

【專利技術屬性】
技術研發(fā)人員：林近山，竇春紅，
申請(專利權)人：濰坊學院，
類型：發(fā)明
國別省市：山東;37