基于信号分量差商值的时域信号诊断方法及存储介质

技术领域

本发明涉及数据处理领域，尤其涉及一种基于信号分量函数差商值的时域信号诊断方法。

背景技术

在故障诊断学中，例如回转机械和往复机械的振动信号采集与诊断中，由于反应其运行状态的信号是随机器运转而周期性重复的，对回转机械和往复机械故障诊断主要是对时域信号进行诊断；又例如电机的电流信号进行侦测与诊断时，侦测到的电流信号也是周期性重复的时域信号。

有效的提取到时域信号中的准确故障信息也成为了现代故障诊断技术核心技术，传统的时频域技术给时域信号故障信息提取提供了解决方案。而时域信号作为故障诊断最直接的信息来源，直接决定了故障判断的准确性。但时域信号通常伴随着周期信号间的耦合和海量噪声的情形，在面对高度耦合海量噪声的非平稳、非线性的时域信号时，现有的时域平均等时频域技术的可行度较低，故障检测效率与正确率都存在不稳定性。

因此，亟需提供一种新的时域信号诊断方法，以解决上述技术问题。

发明内容

本发明的主要目的在于提供一种基于信号分量函数差商值的时域信号诊断方法，利用时域信号解析技术分解信号，去除原始时域信号中的非平稳、非线性部分；利用差商判别原始时域信号的故障信息。

为了实现上述目的，本发明提供一种基于信号分量差商值的时域信号诊断方法，包括步骤：

S1，获取t时刻的时域信号x

S2，判断所述平均值函数m

S3，根据公式C

S4，判断所述信号分量C

S5，根据公式x

S6，获取当前分解次数i的值n，得到所述原始时域信号

S7，预设嵌入维数m，针对时间序列下时域信号的集合{x

S8，根据公式

S9，根据公式

S10，预设嵌入维数m+1,重复所述步骤S7-S9，得到

S11，根据公式

S12，根据所述差商，对所述时域信号进行诊断。

进一步地，所述构建所述局部极大值点和所述局部极小值点的上包络线和下包络线的步骤，包括：使用三次样条插值函数分别连成所述局部极大值点和所述局部极小值点的上包络线和所述下包络线。

进一步地，所述步骤S1中采用的局部寻优算法计算所述时域信号x

进一步地，其中，r=0.1~0.2S

进一步地，其中，所述预设嵌入维数m的值设置为2。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述的基于信号分量差商值的时域信号诊断方法的步骤

本发明提供的基于信号分量函数差商值的时域信号诊断方法，引入可以处理伴随有非平稳、非线性时域信号的信号解析技术，基于采集原始时域信号的时间度量特征，将原始时域信号解析成多个信号分量，去除原始时域信号的非平稳、非线性特征；在海量噪声的处理上，差商值有着很强的噪声包容性，利用重构信号的分布概率度量原始时域信号的复杂程度，其中，重构信号的概率越大，其处理的原始时域信号重构的复杂度越大，通常差商值与信号复杂度呈正比，将原始时域信号解析得到的信号分量，利用差商判别原始时域信号故障特征；具体采用：

利用时域信号解析技术分解信号，通过步骤S1，获取t时刻的时域信号x

然后利用差商判别原始时域信号的故障信息，具体通过步骤S7，预设嵌入维数m，针对 时间序列下时域信号的集合{x

本发明的至少具有如下优点：

1）利用时域信号解析技术，将原始时域信号分解为分量信号函数，去除了原始时域信号的非平稳、非线性组分。提高了原始时域信号故障信息的辨识度，增加了故障识别的准确率，降低了数据处理的难度。

2）提出的差商对噪声信号具有包容性，在原始时域信号分解的分量信号具有噪声信号时也能准确的由相应的算法进行处理，在提高了故障识别效率的同时降低了去除原始时域信号中的噪声信号的难度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明一实施例中的基于信号分量函数差商值的时域信号诊断方法流程图；

图2为一仿真实例中的仿真复杂时域信号的原始时域信号和解析分量信号图；

图3为一仿真实例中的仿真复杂时域信号的差商去噪后信号图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

请参照附图1，为本发明提供的一实施例中的一种基于信号分量差商值的时域信号诊断方法，为了更好地说明本实施例的技术方案，所述时域信号诊断方法可以分为三个部分的步骤：

（1）原始时域信号的分解；

（2）设定合适的维数，基于不同的信号分量之间进行组合重构，进行差商值的求解，以用于不同的故障；

（3）S12，根据所述差商，对所述时域信号进行诊断）。

其中，所述第（1）部分，原始时域信号的分解，包括步骤：

S1，获取t时刻的时域信号x

具体的，所述步骤S1中可以采用的局部寻优算法计算所述时域信号x

所述构建所述局部极大值点和所述局部极小值点的上包络线和下包络线的步骤，包括：使用三次样条插值函数分别连成所述局部极大值点和所述局部极小值点的上包络线和所述下包络线。

S2，判断所述平均值函数m

S3，根据公式C

其中，所述平均值函数m

优选的，在一较佳的实施例中，所述步骤S2还判断分解得到的时域信号分量函数C

S4，判断所述信号分量C

S5，根据公式x

S6，获取当前分解次数i的值n，得到所述原始时域信号

以下以一具体示例来说明上述原始时域信号的分解方法：

1）针对原始时域信号x

2）判断所述平均值函数m

3）首次执行步骤S5，从原始时域信号x

4）重复步骤S5，以此得到满足条件的n个信号分量，执行步骤S6，得到所述原始时域信 号

其中，所述第（1）部分，设定合适的维数，基于不同的信号分量之间进行组合重构，进行差商值的求解，以用于不同的故障；包括步骤：

S7，预设嵌入维数m，针对时间序列下时域信号的集合{x

S8，根据公式

S9，根据公式

S10，预设嵌入维数m+1,重复所述步骤S7-S9，得到

S11，根据公式

验证示例1：针对仿真复杂时域信号的信号解析技术验证：下面结合具体的仿真复杂时域信号来说明验证第（1）部分，原始时域信号的分解处理的效果。

给定仿真复杂时域信号生成函数：

给定采样频率为1024Hz，设定采样时间为1s，仿真复杂时域信号的原始时域信号和解析信号分量如图2所示，可以看出原始时域信号分解为信号分量函数，去除了原始时域信号的非平稳、非线性组分，提高了原始时域信号故障信息的辨识度。

验证示例2：结合具体的仿真复杂时域信号来说明验证差商对复杂时域信号处理的效果。

通过仿真程序利用公式

仿真程序中将给定采样频率为6*10

使用上述的基于信号分量函数差商值的时域信号诊断方法的步骤S1-S11计算出仿真复杂时域信号的差商如图3所示，可以看出差商对噪声信号具有包容性，在原始时域信号分解的信号分量具有噪声信号时也能准确的由相应的算法进行处理，在提高了故障识别效率的同时降低了去除原始时域信号中的噪声信号的难度。

验证示例3：以自制的行星减速器实验台为研究对象，将行星减速器的转速设定为2400r/min，采样频率设定为5120Hz，设定采样间隔为1s，给定负载，在齿轮故障和齿轮正常两种形态上分别采集行星减速器的振动加速度原始时域信号。

给定m=2，距离阈值为0.15，使用上述的基于信号分量函数差商值的时域信号诊断方法的步骤S1-S11计算出信号分量函数的差商如下表所示，从表中可以看出不同的信号分量函数有不同的差商，且信号分量的差商大小随着信号分量的时间尺度减小而变小，证明了在实验条件下该方法的可行性。

本发明提供的基于信号分量函数差商值的时域信号诊断方法，引入可以处理伴随有非平稳、非线性原始时域信号的信号解析技术，基于采集原始时域信号的时间度量特征，将原始时域信号解析成多个信号分量，去除原始时域信号的非平稳、非线性特征；在海量噪声的处理上，差商值有着很强的噪声包容性，利用重构信号的分布概率度量原始时域信号的复杂程度，其中，重构信号的概率越大，其处理的原始时域信号重构的复杂度越大，通常差商值与信号复杂度呈正比，将原始时域信号解析得到的信号分量，利用差商判别原始时域信号故障特征；具体采用：

利用原始时域信号解析技术分解信号，通过步骤S1，获取t时刻的时域信号x

然后利用差商判别原始时域信号的故障信息，具体通过步骤S7，预设嵌入维数m，针对 时间序列下时域信号的集合{x

本发明的至少具有如下优点：

1）利用原始时域信号解析技术，将原始时域信号分解为分量信号函数，去除了原始时域信号的非平稳、非线性组分。提高了原始时域信号故障信息的辨识度，增加了故障识别的准确率，降低了数据处理的难度。

2）提出的差商对噪声信号具有包容性，在原始时域信号分解的分量信号具有噪声信号时也能准确的由相应的算法进行处理，在提高了故障识别效率的同时降低了去除原始时域信号中的噪声信号的难度。

本发明还提供一种用于处理数据的计算机，包括存储器、处理器，以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的基于信号分量函数差商值的时域信号诊断方法的步骤。

一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述任一项的基于信号分量函数差商值的时域信号诊断方法的步骤。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。