一种基于EMD去噪和IMF判别能量熵的磨音特征提取方法技术

本发明专利技术请求保护一种基于EMD去噪和IMF判别能量熵的磨音信号特征提取方法。首先，当磨机分别工作于空磨、饱磨和正常磨时，磨音信号被采集并通过EMD分解成一系列IMF子信号，通过FFT时频分析，有效的IMF分量被提取。然后IMF子信号通过相关性规则和3δ阈值规则被去噪。同时，根据信号之间的IMF判别能量熵，磨音信号的特征量被提取。最后基于特征量的分类器被设计。通过三种磨音信号的分类实验，我们可以得到相应的磨机负荷。仿真结果表明，本方法不仅具有较好的去噪效果，而且对三类信号的分类效果较好，为实时准确地检测磨机负荷提供了前提条件。

A feature extraction method based on EMD denoising and IMF discriminating energy entropy

The invention requests to protect a feature extraction method based on EMD denoising and IMF discriminating energy entropy. First, when the grinding machine works in the air mill, the full mill and the normal grinding, the grinding signal is collected and decomposed into a series of IMF subsignals through EMD. The effective IMF component is extracted by FFT time-frequency analysis. Then the IMF sub signal is denoised through the correlation rule and the 3 delta threshold rule. At the same time, the characteristic information of the grind signal is extracted according to the IMF entropy between the signals. Finally, the classifier based on the eigenvalue is designed. Through the classification experiment of three kinds of grinding signals, we can get the corresponding mill load. The simulation results show that the method not only has good denoising effect, but also has good classification effect for three kinds of signals, and provides the precondition for real-time and accurate detection of mill load.

【技术实现步骤摘要】
一种基于EMD去噪和IMF判别能量熵的磨音特征提取方法
本专利技术属于信号处理技术，具体涉及一种基于磨音特征的磨机负荷检测方法。
技术介绍
球磨机是对煤炭、金属、建材原料进行碾磨粉碎的核心设备，由于缺乏可靠的智能磨机负荷检测手段，球磨机长期工作于低产能高功耗的状态下。实际生产过程中，工人可通过听磨音对球磨机进料、碾磨和出料过程进行控制，这不仅损害个人健康，较差的准确性导致磨机经常工作在效率较低的空磨或饱磨状态下，大量的能源和工时在这个过程中被浪费。所以通过对磨音信号进行处理可实时检测磨机负荷，而磨音处理的关键在于磨音特征的提取，因此专利技术一种针对磨音信号的特征提取方法尤为重要。磨音是指磨机在运行中内部钢球、物料、筒壁之间的碰撞和研磨发出的声音，磨机负荷是指物料体积占筒壁内除钢球体积之外其他空间的比例。目前也存在一些常见的两种磨音特征提取方法，一是基于奇异熵去噪和FFT频谱分析的磨音特征提取方法，二是基于小波变换的磨音去噪和重建方法。但磨音信号干扰噪声的非平稳性和FFT滤波的机械性导致较低磨音特征提取精度，这使得磨机负荷检测准确性较差，而小波变换中最佳小波函数的选取又增加了特征提取的难点。所以为了实现磨机负荷的准确检测，专利技术一种适用于磨音信号特征提取方法尤为重要。
技术实现思路
本专利技术旨在解决以上现有技术的问题。提出了一种具有较好的去噪效果，、分类效果较好的基于EMD去噪和IMF判别能量熵的磨音特征提取方法。本专利技术的技术方案如下：一种基于EMD去噪和IMF判别能量熵的磨音特征提取方法，其包括以下步骤：步骤1)、将三种不同负荷状态下的磨音信号分别计为a,b和c，并分别对磨音信号a、b和c进行EMD经验模态分解得到各自的IMF分量，再分别通过FFT快速傅里叶变换对IMF分量进行时频转换，根据频谱提取合适的IMF分量；步骤2)、然后根据相关系数法则和阈值准则对得到的IMF本征模函数进行去噪；步骤3)、利用IMF子信号的能量作为不同磨机负荷下磨音信号的分类特征，同时选择IMF能量的均值离散度来度量其重要性，并计算IMF判别能量熵作为离散度的度量，基于IMF判别能量熵的磨音特征量提取方法，并选择IMF分量的能量进行分类器的设计，通过对三类信号分类试验，识别出待测磨音信号的特征进而判断出对应的磨机负荷。进一步的，所述步骤1)由于EMD经验模态分解边界效应会产生假IMF子信号，这些IMF子信号对应着与原始信号相关性较低的噪声，根据相关系数法则对其进行IMF滤波去噪；同时，IMF分量尖峰脉冲干扰了特征提取，我们根据3δ准则对其进行阈值去噪。进一步的，所述步骤1)的三种不同负荷状态分别为30％、50％和70％；信号x(t)经过EMD分解可以表示为：其中i代表IMF分量的阶数，x(t)代表a、b、c信号；ci(t)代表第i阶IMF子信号，rn(t)代表信号x(t)的剩余子信号。进一步的，所述步骤1)相应的IMF频谱由FFT获得，公式如下：其中ω表示角频率，n代表经验模态的数量，jω代表傅里叶变换中的虚部，t代表时间进一步的，所述步骤2)根据相关系数法则进行IMF滤波去噪，已知信号x和信号y之间的相关系数被定义为其中E[·]代表数学期望的地方；μx和μy分别表示信号x和信号y的平均值；σx和σy分别表示信号和信号的标准偏差，将相关系数的阈值设置为[0,1]，并提取出与信号x(t)相关系数大于0.1的IMF分量。进一步的，所述步骤2)的阈值准则采用3δ准则进行阈值去噪，根据统计原理，如果X服从正太分布，即X～N(μ,δ2),那么P{μ-3δ≤X≤μ+3δ}＝0.9974X的值落在区间[μ-3δ,μ+3δ]的概率是0.9974,因此降噪阈值Vi可以选择Vi＝3δ，第i个IMF分量的阈值为式中，δi表示第i个IMF分量的均方差，δi可以由下式得到经过阈值降噪后各IMF分量线性相加即可得到降噪后的信号进一步的，所述步骤3)以IMF子信号能量为特征的特征向量表示为：X(i)＝(x1(i),x2(i),...,xN(i)),i＝1,2,...,c式中，c代表磨音信号的种类数，N代表特征向量的二维度，xN(i)代表第N个特征向量，设第l个特征向量的均值为μl(i)，l＝1,2,3,...N，归一化均值表示为对所有的i＝1,2,3,...c，有对任意两类信号si和sj，i,j＝1,2,...c，第l个IMF分量的判别能量熵表示为式中，Pel(i)表示信号si第l分量的归一化均值，Pel(j)表示信号sj第l分量的归一化均值，V(Pel(i),Pel(j))表示相对熵，可以表示为V(Pel(i),Pel(j))＝∑Pel(i)log[Pel(i)/Pel(j)]。进一步的，用a、b、c类信号进行分类试验，每类信号有101个样本，从中随机选出35个作为标准样本，50个作为测试样本，对标准样本数据进行N＝12阶经验模态分解，计算样本之间的判别熵矩阵；并选择在同类样本之间有较小判别熵，不同样本之间有较大判别熵的IMF分量进行分类器设计。本专利技术的优点及有益效果如下本专利技术主要有三大创新点：1、基于EMD(经验模态分解)阈值和EMD滤波的信号去噪。2、基于EMD去噪和IMF(本征模函数)判别能量熵的磨音信号特征提取。基于最佳特征向量的磨音分类实验。和传统的磨音特征提取方法相比，本方法主要有两大优点：1、具有较强的去噪能力。信号通过EMD滤波处理和阈值处理，与磨机负荷相关性较小的IMF分量和时域尖峰脉冲噪声信号被有效去除，为特征提取奠定了坚实的基础。2、磨音特征提取准确性高。本文把不同信号类之间有较大判别能量熵的IMF分量的能量作为磨机负荷分类的特征向量，计算量小，从分类试验的结果看，以IMF2～IMF6解析信号的能量作为特征向量的三种磨机负荷分类效果最好。本专利技术通过对磨音信号进行EMD去噪，利用IMF判别能量熵提取了有效的磨音信号特征，进而得到相应的磨机负荷。解决了现有磨音去噪能力差和磨机负荷检测不准确的问题。附图说明图1是本专利技术提供优选实施例磨音信号特征提取流程；图2为磨音信号去噪前后频谱对比图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本专利技术的一部分实施例。本专利技术解决上述技术问题的技术方案是：本专利技术通过EMD去噪和IMF判别能量熵对磨音特征量进行提取，然后对磨音信号进行分类实验，建立磨音信号和磨机负荷的模型。下面结合附图与具体实施例对本专利技术作进一步说明：一种基于经验模态分解(EMD)去噪和本征模态函数(IMF)判别能量熵的磨音信号特征提取方法，如图一所示，该方法首先对三类磨音信号进行了EMD和FFT，然后根据相关性准则和阈值准则对IMF进行去噪。再根据信号之间的IMF判别能量熵准则提取磨音信号的特征量，最后选择特征IMF分量的能量进行分类器的设计，通过对三类信号分类试验,可识别出待测磨音信号的特征进而判断出对应的磨机负荷。进一步的，当磨机工作在三种不同负荷状态下，分别为空磨、正常磨和空磨，对应的负荷分别为30％，50％和70％时，磨音信号被采集且分别计为a,b和c。然后对其进行EMD分解得到各自的IMF分量，信号x(t)经过EMD分解可以表示为：其中i代表IMF分量的阶数，ci本文档来自技高网...

【技术保护点】
1.一种基于EMD去噪和IMF判别能量熵的磨音特征提取方法，其特征在于，包括以下步骤：步骤1)、将三种不同负荷状态下的磨音信号分别计为a,b和c，并分别对磨音信号a、b和c进行EMD经验模态分解得到各自的IMF分量，再分别通过FFT快速傅里叶变换对IMF分量进行时频转换，根据频谱提取合适的IMF分量；步骤2)、然后根据相关系数法则和阈值准则对得到的IMF经验模函数进行去噪；步骤3)、利用IMF子信号的能量作为不同磨机负荷下磨音信号的分类特征，同时选择IMF能量的均值离散度来度量其重要性，并计算IMF判别能量熵作为离散度的度量，基于IMF判别能量熵的磨音特征量提取方法，并选择IMF分量的能量进行分类器的设计，通过对三类信号分类试验，识别出待测磨音信号的特征进而判断出对应的磨机负荷。

【技术特征摘要】
1.一种基于EMD去噪和IMF判别能量熵的磨音特征提取方法，其特征在于，包括以下步骤：步骤1)、将三种不同负荷状态下的磨音信号分别计为a,b和c，并分别对磨音信号a、b和c进行EMD经验模态分解得到各自的IMF分量，再分别通过FFT快速傅里叶变换对IMF分量进行时频转换，根据频谱提取合适的IMF分量；步骤2)、然后根据相关系数法则和阈值准则对得到的IMF经验模函数进行去噪；步骤3)、利用IMF子信号的能量作为不同磨机负荷下磨音信号的分类特征，同时选择IMF能量的均值离散度来度量其重要性，并计算IMF判别能量熵作为离散度的度量，基于IMF判别能量熵的磨音特征量提取方法，并选择IMF分量的能量进行分类器的设计，通过对三类信号分类试验，识别出待测磨音信号的特征进而判断出对应的磨机负荷。2.根据权利要求1所述的基于EMD去噪和IMF判别能量熵的磨音特征提取方法，其特征在于，所述步骤1)由于EMD经验模态分解边界效应会产生假IMF子信号，这些IMF子信号对应着与原始信号相关性较低的噪声，根据相关系数法则对其进行IMF滤波去噪；同时，IMF分量尖峰脉冲干扰了特征提取，我们根据3δ准则对其进行阈值去噪。3.根据权利要求1所述的基于EMD去噪和IMF判别能量熵的磨音特征提取方法，其特征在于，所述步骤1)的三种不同负荷状态分别为30％、50％和70％；信号x(t)经过EMD分解可以表示为：其中i代表IMF分量的阶数，n代表经验模态的数量，x(t)代表a、b、c信号；ci(t)代表第i阶IMF子信号，rn(t)代表信号x(t)的平均趋势余量。4.根据权利要求3所述的基于EMD去噪和IMF判别能量熵的磨音特征提取方法，其特征在于，所述步骤1)相应的IMF频谱由FFT获得，公式如下：其中ω表示角频率，n代表经验模态的数量，jω代表傅里叶变换中的虚部，t代表时间。5.根据权利要求1所述的基于EMD去噪和IMF判别能量熵的磨音特征提取方法，其特征在于，所述步骤2)根据相关系数法则进行I...

【专利技术属性】
技术研发人员：代少升，张辛，杜江，张绡绡，陈雅玫，舒倩，胡昂，谭伟，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50