平稳振动信号的宽频噪声等相位压缩方法及装置与流程

1.本发明涉及机械状态监测领域，具体涉及一种平稳振动信号的宽频噪声等相位压缩方法及装置。


背景技术：

2.基于信号处理的故障诊断和监测技术广泛应用于我国加工制造行业，为生产设备的可靠运行保驾护航，极大的降低设备事故风险，提高设备生产效率。信号处理的本质是信息的变换和提取，信号中提取的信息越全面、越能反映设备状态，相关信号处理技术就越具备工程价值。
3.振动信号因其感受直观、机理明确、测点选择灵活等特点常作为设备运行状态诊断和监测的首选信号形式。研究表明，机械振动信号表现出不可重复和不可预测的随机特性，且由于大量的旋转运动部件的存在，随机振动信号的均值和方差将保持不变或呈周期性变化，此时我们称振动信号为平稳信号或循环平稳信号。高频采集的平稳信号或循环平稳信号中蕴含着丰富的设备运行状态信息，然而生产现场复杂，传感器在平稳振动信号采集过程中不可避免地同时收集到背景噪声、电噪声、控制波动、非线性脉冲等干扰信息，因此，对噪声进行有效识别和压缩是基于平稳振动信号开展设备状态评估的重要预处理步骤。
4.常用的噪声压缩方法，如emd降噪、小波降噪等，是从不同角度对振动波形进行分解，根据应用需求压缩或丢弃部分分解分量，随后在剩余分量的基础上进行逆向重构，从而达到噪声消除或压缩的目的，能够应用于平稳、非平稳等多种场景。但我们知道傅里叶变换是基于平稳振动信号进行故障状态分析的最可靠、最鲁棒、最广泛使用的方法之一，从傅里叶变换角度进行噪声压缩具有更高的实用价值。


技术实现要素：

5.本发明的目的在于从新的傅里叶变换的角度，提供一种应用于机械装备振动信号处理的平稳振动信号的宽频噪声等相位压缩方法及装置。为了实现上述发明目的，本发明提供了以下技术方案：
6.一种平稳振动信号的宽频噪声等相位压缩方法，包括以下步骤：
7.s1，获取序列长度为l的时域信号序列x(n)，其中，n为元素索引且为小于或等于l的正整数，所述时域信号序列x(n)所有元素的索引构成索引全集n；
8.s2，对所述时域振动序列x(n)进行傅里叶变换，得到频域复数序列f(n)，获取所述频域复数序列f(n)的幅值序列a(n)；
9.s3，根据所述幅值序列a(n)识别特征频率索引，得到特征频率索引集；
10.s4，利用所述索引全集减去所述特征频率索引集，得到噪声谱线索引集ξ；
11.s5，设置噪声压缩比例，根据所述噪声谱线索引集ξ对所述频域复数序列f(n)中的噪声进行压缩。
12.进一步地，步骤s3具体包括以下步骤：
13.s31，计算幅值序列a(n)的一阶差分序列d(n)；
14.s32，基于一阶差分序列d(n)，获取幅值序列a(n)中的极大值对应的索引集合i，从而得到极大值序列a(i)；
15.s33，获取所述极大值序列a(i)的中位数，记为mj，其中j等于1；
16.s34，将所述极大值序列a(i)作为新的幅值序列；
17.s35，j的值加1，然后计算所述新的幅值序列的一阶差分序列，基于所述新的幅值序列的一阶差分序列，获取所述新的幅值序列中的极大值对应的索引集合，从而得到新的极大值序列；
18.s36，获取所述新的极大值序列的中位数，记为mj；
19.s37，当j的值小于2时，将所述新的极大值序列作为新的幅值序列，然后执行步骤s35；
20.当j的值大于或等于2时，判断是否满足m
j-m
j-1
≧2(m
j-1-m
j-2
)，如果不满足，则将所述新的极大值序列作为新的幅值序列，然后执行步骤s35；如果满足，则将所述新的极大值序列中的各元素所对应的索引组成所述特征频率索引集，然后结束步骤s3。
21.进一步地，步骤s32中，基于一阶差分序列d(n)，获取幅值序列a(n)中的极大值对应的索引集合i的方法为：
22.i＝find(d1·
d2《0&d1》0)
23.其中，d1为所述一阶差分序列d(n)中第1到第l-1个元素的子序列，d2为所述一阶差分序列d(n)中第2到第l个元素的子序列，find表示搜索序列中非零元素并返回索引，
·
表示序列元素按位相乘，&表示按位逻辑与运算。
24.进一步地，步骤s35中，基于所述新的幅值序列的一阶差分序列，获取所述新的幅值序列中的极大值对应的索引集合的方法为：
25.i＝find(d1·
d2《0&d1》0)
26.其中，i表示新的幅值序列中的极大值对应的索引集合，d1为所述新的幅值序列的一阶差分序列中第1到第l-1个元素的子序列，d2为所述新的幅值序列的一阶差分序列中第2到第l个元素的子序列，find表示搜索序列中非零元素并返回索引，
·
表示序列元素按位相乘，&表示按位逻辑与运算。
27.优选的，在执行步骤s2之前，还包括判断时域信号序列x(n)平稳性的步骤，当信号满足平稳信号判断条件时，则执行步骤s2，否则，结束。
28.进一步地，所述判断时域信号序列x(n)平稳性，包括：
29.选取局部窗宽0.01l～0.05l，计算所述时域信号序列x(n)的局部均值序列和局部方差序列，其中，所述局部均值序列的峰峰值为pm，所述局部方差序列的峰峰值为ps；所述时域信号序列x(n)的峰峰值为p
x
；
30.所述平稳信号判断条件为：pm《0.01p
x
且ps《0.01p
x
。
31.进一步地，步骤s5中，按照如下公式对噪声进行压缩：
32.f'(k)＝(1-η)f(k)
33.其中，f'(k)表示压缩后的频域复数序列，η为噪声压缩比例，f(k)为所述频域复数序列，且k∈ξ。
34.优选的，所述宽频噪声等相位压缩方法还包括：s6，对噪声压缩后的频域复数序列f'(k)进行傅里叶逆变换得到噪声压缩后的时域振动序列x'(n)。
35.优选的，所述宽频噪声等相位压缩方法还包括：s7，利用能量补偿公式对噪声压缩后的时域振动序列x'(n)进行能量补偿，所述能量补偿公式为：
[0036][0037]
其中，xd(n)为补偿后的时域振动序列；为补偿系数且计算公式如下：
[0038][0039]
其中rms代表均方根运算。
[0040]
基于相同的发明构思，提出了一种平稳振动信号的宽频噪声等相位压缩装置，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一项所述的方法。
[0041]
与现有技术相比，本发明的有益效果：
[0042]
1、本发明通过先将时域信号序列通过傅里叶变换转换为频域信号序列，根据频域信号序列的幅值序列识别特征频率索引，然后使用时域信号序列的索引全集减去特征频率索引集，得到噪声谱线索引集，再根据噪声谱线索引集进行噪声压缩，能够在不影响频域主要特征谱线的前提下有效降低频谱背景噪声，保证关键特征频率的完整性；压缩时，不仅针对幅度序列，而针对频域复数序列的实部和虚部进行同步等比例压缩，因此不会对频谱相位造成影响，保证相位信息不变形，实现等相位压缩，有助于特征频率谱线的精准定位和特征提取，是有效的平稳振动信号预处理手段。
[0043]
2、本发明通过先将时域信号序列通过傅里叶变换转换为频域信号序列，在对频域信号序列搜索极大值，再在极大值组成的序列中，再次搜索极大值，通过设置合适的判断条件m
j-m
j-1
≧2(m
j-1-m
j-2
)，既能够准确筛选出特征频率索引而不将有用特征频率错误地剔除，又能够将噪声谱线索引过滤，保证关键特征频率的完整性。
[0044]
3、由于傅里叶变换是基于平稳振动信号进行故障状态分析的最可靠、最鲁棒、最广泛使用的方法之一，本发明从傅里叶变换的角度提供了一种应用于机械装备振动信号处理的平稳振动信号的宽频噪声等相位压缩方法，保证了在信号处理上的易用性。
附图说明
[0045]
图1为本发明平稳振动信号的宽频噪声等相位压缩方法流程图。
[0046]
图2为另一个实施例的平稳振动信号的宽频噪声等相位压缩方法流程图。
[0047]
图3为实施例2的时域信号序列的局部均值和局部方差波形图。
[0048]
图4为实施例2的频域复数序列中幅值序列的通频幅值谱图。
[0049]
图5为实施例2循环中极大值序列的变化曲线图。
[0050]
图6为实施例2循环中极大值序列的中位数变化曲线图。
[0051]
图7为实施例2噪声谱线识别结果。
[0052]
图8为实施例2噪声压缩前幅值谱及局部放大图。
[0053]
图9为实施例2噪声压缩后幅值谱及局部放大图。
[0054]
图10为实施例2噪声压缩前后时域波形整体对比图。
[0055]
图11为实施例2噪声压缩前局部时域波形图。
[0056]
图12为实施例2噪声压缩后局部时域波形图。
[0057]
图13为实施例2噪声压缩前局部相位谱图。
[0058]
图14为实施例2噪声压缩后局部相位谱图。
具体实施方式
[0059]
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
[0060]
实施例1
[0061]
本实施例提供了一种平稳振动信号的宽频噪声等相位压缩方法，如图1所示，包括以下步骤：
[0062]
s1，获取序列长度为l的时域信号序列x(n)，其中，n为元素索引且为小于或等于l的正整数，所述时域信号序列x(n)所有元素的索引构成索引全集n；
[0063]
具体地，时域信号序列x(n)，n＝1,2,
…
,l，所有元素的索引1,2,
…
,l成索引全集n，n∈n。
[0064]
在执行步骤s2之前，还包括判断时域信号序列x(n)平稳性的步骤，当信号满足平稳信号判断条件时，则执行步骤s2，否则，结束；
[0065]
具体地，判断时域信号序列x(n)平稳性，包括：
[0066]
选取局部窗宽0.01l～0.05l，计算所述时域信号序列x(n)的局部均值序列和局部方差序列，其中，所述局部均值序列的峰峰值为pm，所述局部方差序列的峰峰值为ps；所述时域信号序列x(n)的峰峰值为p
x
；
[0067]
所述平稳信号判断条件为：pm《0.01p
x
且ps《0.01p
x
，满足该判断条件时，则执行步骤s2，否则，结束。
[0068]
s2，对所述时域振动序列x(n)进行傅里叶变换，得到频域复数序列f(n)，获取所述频域复数序列f(n)的幅值序列a(n)。
[0069]
s3，根据所述幅值序列a(n)识别特征频率索引，得到特征频率索引集；
[0070]
具体地，s3包括以下步骤：
[0071]
s31，计算幅值序列a(n)的一阶差分序列d(n)；
[0072]
s32，基于一阶差分序列d(n)，获取幅值序列a(n)中的极大值对应的索引集合i，从而得到极大值序列a(i)；
[0073]
具体地，获取幅值序列a(n)中的极大值对应的索引集合i的方法为：
[0074]
i＝find(d1·
d2《0&d1》0)
[0075]
其中，d1为所述一阶差分序列d(n)中第1到第l-1个元素的子序列，d2为所述一阶差分序列d(n)中第2到第l个元素的子序列，find表示搜索序列中非零元素并返回索引，
·
表示序列元素按位相乘，&表示按位逻辑与运算。
[0076]
s33，获取所述极大值序列a(i)的中位数，记为mj，其中j等于1；
[0077]
s34，将所述极大值序列a(i)作为新的幅值序列；
[0078]
s35，j的值加1，然后计算所述新的幅值序列的一阶差分序列，基于所述新的幅值序列的一阶差分序列，获取所述新的幅值序列中的极大值对应的索引集合，从而得到新的极大值序列；
[0079]
类似于步骤s32，基于新的幅值序列的一阶差分序列获取新的幅值序列中的极大值对应的索引集合的方法为：
[0080]
i＝find(d1·
d2《0&d1》0)
[0081]
其中，i表示新的幅值序列中的极大值对应的索引集合，d1为所述新的幅值序列的一阶差分序列中第1到第l-1个元素的子序列，d2为所述新的幅值序列的一阶差分序列中第2到第l个元素的子序列，find表示搜索序列中非零元素并返回索引，
·
表示序列元素按位相乘，&表示按位逻辑与运算。
[0082]
s36，获取所述新的极大值序列的中位数，记为mj；
[0083]
s37，当j的值小于2时，将所述新的极大值序列作为新的幅值序列，然后执行步骤s35；
[0084]
当j的值大于或等于2时，判断是否满足m
j-m
j-1
≧2(m
j-1-m
j-2
)，如果不满足，则将所述新的极大值序列作为新的幅值序列，然后执行步骤s35；如果满足，则将所述新的极大值序列中的各元素所对应的索引组成所述特征频率索引集，然后结束步骤s3。
[0085]
本发明通过先将时域信号序列通过傅里叶变换转换为频域信号序列，在对频域信号序列搜索极大值，再在极大值组成的序列中，再次搜索极大值，通过设置合适的判断条件m
j-m
j-1
≧2(m
j-1-m
j-2
)，既能够准确筛选出特征频率索引而不将有用特征频率错误地剔除，又能够将噪声谱线索引过滤，保证关键特征频率的完整性。
[0086]
s4，所述索引全集减去所述特征频率索引集，得到噪声谱线索引集ξ；
[0087]
s5，设置噪声压缩比例，根据所述噪声谱线索引集ξ对所述频域复数序列f(n)中的噪声进行压缩；
[0088]
具体地，按照如下公式对噪声进行压缩：
[0089]
f'(k)＝(1-η)f(k)
[0090]
其中，f'(k)表示压缩后的频域复数序列，η为噪声压缩比例，f(k)为所述频域复数序列，且k∈ξ。f'(k)为复数，实部和虚部进行同步等比例压缩不会对频谱相位造成影响，即所谓的等相位压缩。
[0091]
步骤s5完成后，对噪声压缩后的频域复数序列f'(k)进行傅里叶逆变换得到噪声压缩后的时域振动序列x'(n)。
[0092]
对噪声压缩后的时域振动序列x'(n)进行能量补偿，所述能量补偿的公式如下：
[0093][0094]
其中，xd(n)为补偿后的时域振动序列；为补偿系数且计算公式如下：
[0095][0096]
其中rms代表均方根运算。
[0097]
本发明通过先将时域信号序列通过傅里叶变换转换为频域信号序列，根据频域信
号序列的幅值序列识别特征频率索引，然后使用时域信号序列的索引全集减去特征频率索引集，得到噪声谱线索引集，再根据噪声谱线索引集进行噪声压缩，能够在不影响频域主要特征谱线的前提下有效降低频谱背景噪声，保证关键特征频率的完整性；压缩时，不仅针对幅度序列，而针对频域复数序列的实部和虚部进行同步等比例压缩，因此不会对频谱相位造成影响，保证相位信息不变形，实现等相位压缩，有助于特征频率谱线的精准定位和特征提取，是有效的平稳振动信号预处理手段。
[0098]
由于傅里叶变换是基于平稳振动信号进行故障状态分析的最可靠、最鲁棒、最广泛使用的方法之一，本发明从傅里叶变换的角度提供了一种应用于机械装备振动信号处理的平稳振动信号的宽频噪声等相位压缩方法，保证了在信号处理上的易用性。
[0099]
实施例2
[0100]
以某机床电主轴的加速度振动信号为例，应用本发明方法的步骤，如图2所示，对其噪声进行等相位压缩。
[0101]
步骤s1中获取的时域信号序列长度为l＝500000，采样频率为25600hz，即采样时长约19.5s，取窗宽5000，步长50，计算信号局部均值和局部方差如图3所示，可以看出两者在当前幅值尺度下不随时间明显变化，即波形平稳，满足本发明的应用前提。步骤s2进行fft变换得到频域复数序列，对频域复数序列的幅值序列绘制幅值谱如图4所示，可以看出谱线幅值分布不均匀，具有“低频段低幅值，高频段高幅值”的特点，同时底部存在大量背景噪声。
[0102]
进入噪声谱线识别循环，即实施例1所述步骤s3，绘制转频谐波500hz附近前3个循环(即j＝1,2,3)中的极大值序列，如图5所示，可以看出随着循环的进行，极大值序列的长度不断收缩，500hz谱线附近的噪声谱线逐渐被识别、剔除。计算各个循环中极大值序列的中位数mj，如图6所示，随着循环的进行极大值序列的中位数不断增大，且呈加速增大趋势，该现象的主要成因是序列中表征主轴状态的高幅值特征频率占比不断提高。其中，m
5-m4＝0.0039-0.0023＝0.0017，m
4-m3＝0.0023-0.0017＝0.0008，m
5-m4》2(m
4-m3)，触发实施例1中步骤s37的循环终止条件，得到特征频率索引集，继续执行步骤s4后，得到噪声谱线索引集，输出噪声谱线识别结果如图7所示。由图7可知，噪声谱线由两部分构成：通频的低幅值背景噪声线和若干幅值稍大的干扰线，这些干扰线在图8中均有谱线对应，通常由转速轻微波动或分辨率不足产生，对谱线的精准定位形成干扰。对比图8和图9可以看出，本发明通过先将时域信号序列通过傅里叶变换转换为频域信号序列，在对频域信号序列搜索极大值，再在极大值组成的序列中，再次搜索极大值，通过设置合适的判断条件m
j-m
j-1
≧2(m
j-1-m
j-2
)，既能够准确筛选出特征频率索引而不将有用特征频率错误地剔除，又能够将噪声谱线索引过滤，在不影响频域主要特征谱线的前提下有效降低频谱背景噪声，保证关键特征频率的完整性。
[0103]
步骤s5中，设置噪声压缩比例η＝0.95进行噪声压缩，对比压缩前后时域波形如图10发现噪声压缩后信号能量出现明显损失，分别放大如图11和图12所示，发现压缩后能量虽有损失，但冲击的周期性一定程度改善。步骤s6中，针对损失能量进行补偿，补偿系数计算为对比噪声压缩前后的局部相位如图13和图14所示，250、500hz等特征频率处的π相位阶跃变化完全一致。
[0104]
本发明通过先将时域信号序列通过傅里叶变换转换为频域信号序列，根据频域信
号序列的幅值序列识别特征频率索引，然后使用时域信号序列的索引全集减去特征频率索引集，得到噪声谱线索引集，再根据噪声谱线索引集进行噪声压缩，能够在不影响频域主要特征谱线的前提下有效降低频谱背景噪声，保证关键特征频率的完整性；压缩时，不仅针对幅度序列，而针对频域复数序列的实部和虚部进行同步等比例压缩，因此不会对频谱相位造成影响，保证相位信息不变形，实现等相位压缩，有助于特征频率谱线的精准定位和特征提取，是有效的平稳振动信号预处理手段。
[0105]
由于傅里叶变换是基于平稳振动信号进行故障状态分析的最可靠、最鲁棒、最广泛使用的方法之一，本发明从傅里叶变换的角度提供了一种应用于机械装备振动信号处理的平稳振动信号的宽频噪声等相位压缩方法，保证了在信号处理上的易用性。
[0106]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。