【技術實現步驟摘要】
本專利技術涉及滾動軸承故障診斷領域，具體涉及一種基于響度的聲信號特征提取方法。
技術介紹
1、滾動軸承是廣泛使用的部件，在各種類型的旋轉機械中具有重要意義。它們在軌道交通、風力發電和航空航天等不同領域得到應用。然而，在運行過程中，滾動軸承暴露在復雜的環境中，容易出現不同類型的故障，包括變形、磨損和裂紋。滾動軸承的故障會導致嚴重的安全事故，甚至造成人員傷亡。因此，檢測和診斷軸承的狀態對于確保機械設備的安全運行至關重要。
2、目前，利用振動信號對軸承狀態的檢測和故障診斷進行了廣泛的研究。振動測量是一種基于接觸的方法，具有高穩定性和低干擾等優點。然而，在狹窄的空間和特定的環境中，振動傳感器的安裝是具有挑戰性的，在這些環境中，布置和安裝這些傳感器變得困難。相比之下，聲信號測量提供了一種非接觸式方法，克服了這些限制。它具有空間要求最小、不需要觸點安裝、監測范圍廣等優點。因此，近年來聲信號在軸承故障診斷中的應用受到越來越多的關注。聲學診斷技術面臨的主要挑戰是聲信號干擾大、信號成分復雜、信噪比低，噪聲信號與振動信號存在顯著差異，很難將振動信號處理方法直接應用于噪聲信號并取得滿意的結果。例如專利cn103999517b公開了一種提取及分析音頻特征數據的低功率系統及方法，能夠減少電子裝置中聲音感測功能的功率消耗，但仍沒有充分解決在高噪聲環境下，如何準確提取有用的音頻特征數據的問題；專利cn118190416?a公開了一種基于聲音信號的滾動軸承信號特征提取方法、系統及服務器，提出使用安裝在旋轉設備上的聲學智能感知數據采集系統來獲取監測設
技術實現思路
1、本專利技術要解決的技術問題是聲學信號中信噪比低、特征提取困難的挑戰，為解決上述問題，提供一種基于響度的聲信號特征提取方法。
2、本專利技術的目的是以下述方式實現的：
3、一種基于響度的聲信號特征提取方法，所述方法包括以下步驟
4、步驟s1，由信號采集模塊對滾動軸承聲信號的實時采集、存儲，收集得到原始聲信號并傳輸至電腦端；
5、步驟s2，將收集得到的原始聲信號采用時域短時滑移截取方法，通過計算截取的每個短時間信號的響度來獲取聲信號的響度時間譜；
6、步驟s3，識別并提取響度時間譜中的脈沖分量，分析脈沖分量對應的短時信號特性響度，以最大特性為參數依據設計出最優有限脈沖響應濾波器，對原始聲信號進行濾波；
7、步驟s4，利用希爾伯特變換包絡分析的方法，將信號中的低頻分量與高頻載波分離，提取到與滾動軸承故障特征密切相關的低頻特征頻率，從而實現軸承故障的精準診斷。
8、所述步驟s2中，聲信號采用短時滑移截取方法獲得響度-時間譜，具體過程為：
9、步驟s21，創建一個窗口函數w(k)來截取原始時間序列x(k)(k＝1，2，n)；
10、步驟s22，通過引入滑動參數p，并將窗口函數與時間序列相結合，截取時間序列xi(k)：
11、xi(k)＝x(k)·w(k-(i-1)p)；
12、其中xi表示通過第i次攔截獲得的時間序列；
13、參數p控制滑動攔截的速度；
14、l表示從原始時間序列截斷的寬度，滿足0＜p＜l(p為整數)；
15、步驟s23，從xi中提取非零元素，構造滑移截斷的短時間序列yi：
16、yi(j)＝xi((i-1)p+j)；
17、滿足0＜j＜l；
18、l表示從原始時間序列截斷的寬度，滿足0＜p＜l(p為整數)；
19、該短時間序列可用于獲得響度時間譜和提取信號脈沖特征；
20、步驟s24，對短時信號yi應用zwicker響度模型，實現短時信號響度的計算；
21、步驟s25，將短時信號的響度記錄為ld(i)，并用下式將ld(i)轉換為時域：
22、
23、其中，ti表示第i個采樣點的時間瞬間；fs表示采樣頻率，即單位時間內信號被采樣的次數；
24、步驟s26，通過對整段聲信號進行滑移截取，計算每次截取時的短時信號響度值，得到聲音信號的響度-時間譜ld＝[ld(t1),ld(t2)…ld(ti)]，其中，ld(ti)表示響度-時間譜在特定時間點ti的響度值。
25、所述步驟s3中，識別并提取響度時間譜中脈沖分量的具體過程為：
26、步驟s31，計算響度譜的總體均值e(ld)作為判斷脈沖信號的依據：
27、
28、其中nld為l中包含的數據點數；tj表示離散時間序列中的第j個采樣點的時間，1≤j≤nld；
29、步驟s32，當沖擊發生時，信號響度迅速增加，提出判斷變量a(i)來判斷ld(ti)是否為脈沖信號點；同時引入閾值ch和c1，考慮到脈沖信號的上升和衰減過程，ld(ti)作為脈沖信號的充要條件為：
30、
31、應用式a(i)＝ld(ti)-e(ld)確定響度-時間譜ld中每個元素是否為脈沖信號點，并記錄響度譜中滿足要求的所有時間點tj，獲取其所對應的短時信號yj。
32、根據聲信號的響度特征設計濾波器參數，具體過程為：
33、使用zwicker響度模型計算滑移截斷的短時間序列yi的具體響度分布，提取出對響度貢獻最大的bark范圍，即最大特定響度bark?barkmspl；
34、通過分析大量短期序列的響度，可以得到barkmspl的分布，barkmspl的發生次數可以反映軸承故障的特征，因此選擇出現mspl次數最高的bark作為濾波器參數設計的依據；
35、計算得到濾波器的頻域范圍以及bark之間的轉換關系：
36、
37、
38、得到的頻率范圍將作為帶通濾波器的帶通頻率。
39、采用希爾伯特變換包絡分析進行滾動軸承的故障診斷，具體過程為：
40、步驟s41，對于給定的時間序列s(t)，希爾伯特變換定義為s(t)與h(t)的卷積：
41、
42、其中*為卷積運算符號；
43、h{}為希爾伯特變換算子；
44、步驟s42，進一步得到希爾伯特變換的頻域表示：
45、
46、其中s(f)是s(t)的傅里葉變換，h(f)是h(t)的傅里葉變換；
47、
48、步驟s43，利用s(t)和構造分析信號z(t)：
49、
50、a(t)中包含信號的幅值信息；
51、包含信號的相位信息；
52、步驟s44，針對時間序列s(t)中包含故障成分的信號s'(t)，利用上式構造信號s'(t本文檔來自技高網...
【技術保護點】
1.一種基于響度的聲信號特征提取方法，其特征在于：所述方法包括以下步驟
2.根據權利要求1所述的一種基于響度的聲信號特征提取方法，其特征在于：所述步驟S2中，聲信號采用短時滑移截取方法獲得響度-時間譜，具體過程為：
3.根據權利要求1所述的一種基于響度的聲信號特征提取方法，其特征在于：所述步驟S3中，識別并提取響度時間譜中脈沖分量的具體過程為：
4.根據權利要求3所述的一種基于響度的聲信號特征提取方法，其特征在于：根據聲信號的響度特征設計濾波器參數，具體過程為：
5.根據權利要求1所述的一種基于響度的聲信號特征提取方法，其特征在于：采用希爾伯特變換包絡分析進行滾動軸承的故障診斷，具體過程為：
【技術特征摘要】
1.一種基于響度的聲信號特征提取方法，其特征在于：所述方法包括以下步驟
2.根據權利要求1所述的一種基于響度的聲信號特征提取方法，其特征在于：所述步驟s2中，聲信號采用短時滑移截取方法獲得響度-時間譜，具體過程為：
3.根據權利要求1所述的一種基于響度的聲信號特征提取方法，其特征在于：所述步驟s3中...
【專利技術屬性】
技術研發人員：薄其明，許新華，高剛，趙元軍，徐永嘉，劉坤杰，豆書賢，許守亮，湯瑜，秦海山，
申請(專利權)人：華電寧夏能源有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。