本发明专利技术公开了一种基于自适应形态滤波及改进EMD的振动故障提取方法。该方法为:首先采集轨道振动信号;构建自适应形态组合滤波器,对信号进行滤波:选择结构元素,计算结构元素的长度,计算结构元素的高度,构造多结构元素集,确定最优结构元素;然后对信号进行改进的EMD分解,通过计算信号的相关系数和信号的峭度值,筛选IMF分量;最后对IMF分量进行Hilbert变换,计算IMF分量的Hilbert边际谱。本发明专利技术振动故障提取方法,简单易行、方便有效,能够实现振动故障的有效诊断。
【技术实现步骤摘要】
基于自适应形态滤波及改进EMD的振动故障提取方法
本专利技术属于城市轨道列车轮对故障监测
,特别是一种基于自适应形态滤波及改进EMD的振动故障提取方法。
技术介绍
实际工程中测得的信号往往包含很多噪声及冲击信号,传统的滤波算法无法做到对所有噪声进行滤除,这样将对信号的进一步处理分析带来困难。振动故障信号常用的提取方法包括EMD、EEMD等,EMD作为经典的信号处理算法,能够分离出信号中不同的模态函数,然而存在着模态混叠问题,使得有些模态信号不能被正确分离出来。EEMD集合经验模态分解通过添加白噪声,对模态混叠问题有了改善,然而却存在噪声残留的问题。
技术实现思路
本专利技术的目的在于提供一种方法简单、实时性好的基于自适应形态滤波及改进EMD的振动故障提取方法,从而实现振动故障的有效诊断。实现本专利技术目的的技术解决方案是:一种基于自适应形态滤波及改进EMD的振动故障提取方法,包括以下步骤:步骤1,采集轨道振动信号;步骤2,构建自适应形态组合滤波器,对信号进行滤波;步骤3,对信号进行改进的EMD分解;步骤4,计算信号的相关系数和信号的峭度值,筛选IMF分量;步骤5,对IMF分量进行Hilbert变换,计算IMF分量的Hilbert边际谱。进一步地,步骤2所述的构建自适应形态组合滤波器,具体步骤为:步骤2.1、选择结构元素;步骤2.2、计算结构元素的长度Ls;步骤2.3、计算结构元素的高度Hj;步骤2.4、构造多结构元素集;步骤2.5、确定最优结构元素。进一步地,步骤3所述的对信号改进的EMD分解,具体步骤为:步骤3.1、采用EMD算法对加噪后的信号x(i)=x±β0w(i)进行分解,得到第1个改进EMD的IMF分量:其中,w(i)为均值零,单位方差的白噪声;βk为白噪声强度,k=0,1,2,…,K,I为加噪声次数;x为原始信号;x(i)为加噪后的信号;Ek(·)为EMD分解后得到的第k个IMF分量;E1+为加入正的白噪声的分量、E1-为加入负的白噪声的分量;步骤3.2、计算第1个IMF分量的残差r1:r1=x-imf1步骤3.3、采用EMD分解计算r1±β1E1(w(i))的第一个模态,并定义为改进EMD分解的第2个IMF分量imf2:步骤3.4、当k=1,2,…K,计算第k个残差rk:rk=xk-1-imfk其中K为原信号分解得到的IMF分量数目;步骤3.5、采用EMD分解计算rk±βkEk(w(i))的第1个模态分量,并定义为改进EMD的第k+1个IMF分量imfk+1:步骤3.6、令k递增1,重复步骤3.4~步骤3.5,计算下一个IMF分量,直到k=K时停止。进一步地,步骤4所述的计算信号的相关系数和信号的峭度值,具体如下:定义信号x(n)与y(n)的互相关系数ρxy为:信号的峭度值Kurtosis为归一化的m阶中心矩,定义如下:式中,x={x1,x2,…,xN}={xi}为离散振动信号,i=1,2,…,N,N为样本点个数,x为信号x的均值。进一步地,步骤5所述的对IMF分量进行Hilbert变换,计算IMF分量的Hilbert边际谱,具体如下:对IMF分量做Hilbert变换,得到每个分量的瞬时频率和瞬时幅值,将每个分量的瞬时频率和瞬时幅值叠加到一起,得到IMF分量的Hilbert幅值谱H(ω,t)为:其中,ak(t)为第k个IMF分量的瞬时幅值,ωk(t)第k个IMF分量的瞬时频率,K为原信号分解得到的IMF分量数目;将IMF分量的Hilbert谱图对时间积分,得到IMF分量的Hilbert边际谱h(ω):其中,T为原始信号的长度;IMF分量的Hilbert边际谱反映了瞬时频率在所有频率上的大小及变化。本专利技术与现有技术相比,其显著优点是:(1)提出自适应数学形态滤波方法,对信号具有很好的滤波处理能力;(2)通过采集列车轨道振动加速度信号,利用自适应形态滤波及改进EMD方法对振动信号进行处理分析,对信号处理中的模态混叠和噪声残留问题进行了优化;(3)计算方法简单,具有很好的实用价值。附图说明图1为本专利技术基于自适应形态滤波及改进EMD的振动故障提取方法的流程图。图2为本专利技术实施例中实测轨道振动信号原始波形图。图3为本专利技术实施例中滤波效果量化图,其中(a)为形态开运算结构元素长度图,(b)为形态闭运算结构元素长度图,(c)为形态开闭运算结构元素长度图,(d)为形态闭开运算结构元素长度图。图4为本专利技术实施例中滤波后轨道实测振动信号图。图5为本专利技术实施例中实测轨道振动信号改进EMD分解图。图6为本专利技术实施例中各阶IMF相关系数与峭度值图,其中(a)为IMF相关系数图,(b)为峭度值图。图7为本专利技术实施例中IMF分量的Hilbert边际谱图,其中(a)为第一个IMF分量的Hilbert边际谱图,(b)为第二个IMF分量的Hilbert边际谱图,(c)为第三个IMF分量的Hilbert边际谱图,(d)为第四个IMF分量的Hilbert边际谱图。图8为本专利技术实施例中敏感IMF分量的Hilbert频谱图,其中(a)为第一个IMF分量的Hilbert频谱图,(b)为第二个IMF分量的Hilbert频谱图,(c)为第四个IMF分量的Hilbert频谱图。具体实施方式下面结合附图对本专利技术作进一步的详细说明。城轨车辆车轮全局不圆顺故障特征,可以通过车轮与轨道的耦合传递到轨道的振动上,故障频率也相应地传递到了轨道上。本专利技术采用自适应形态滤波及改进EMD的振动故障信号提取方法,对轨道振动信号进行分解,可以提取振动故障信号,有效地EMD分解存在的模态混叠问题及EEMD存在的噪声残留问题。结合图1,基于自适应形态滤波及改进EMD的振动故障信号提取方法,首先,采集轨道振动信号,构建自适应形态组合滤波器对信号进行滤波;然后对滤波后的信号进行改进的EMD分解,通过计算相关系数和信号峭度值,筛选IMF分量;最后对IMF分量进行Hilbert变换,计算IMF分量的Hilbert边际谱。具体步骤如下:步骤1,采集轨道振动信号;步骤2,构建自适应形态组合滤波器,对信号进行滤波;具体如下:步骤2.1、选择结构元素通常情况下,直线结构不考虑高度,只考虑其宽度;半圆形结构元素数学表达式如式(1)所示,三角形结构数学表达式如式(2)所示:其中,i为数据个数,H为高度,L为长度,H、L为结构元素的两个特征参数。步骤2.2、计算结构元素的长度Ls设定信号时间序列为x={xi|i=1,2,…,N},其极大值位置为PE={PEi|i=1,2,…,NLB},极小值位置为NA={NAi|i=1,2,…,NLS},其中,NLB、NLS分别为原始信号中极大值个数与极小值个数。根据极大极小值位置序列,计算局部极大值的相邻间隔,结果如式(3)所示,计算局部极小值的相邻间隔,结果如式(4)所示:根据三角元素与半圆形元素的形状特点,确定长度尺度LS最大值为(5)所示,最小值为(6)所示:Lsmax=ceil(max([max(dpi)+1]/2,[max(dNi)-1]/2))(5)Lsmin=fix(min([min(dpi)-1]/2,[max(dNi)-1]/2))(6)其中,ceil为向上取整,fix为向下取整;根据式(5)和式(6),得到长度尺度如式(7)所本文档来自技高网...
【技术保护点】
1.一种基于自适应形态滤波及改进EMD的振动故障提取方法,其特征在于,包括以下步骤:步骤1,采集轨道振动信号;步骤2,构建自适应形态组合滤波器,对信号进行滤波;步骤3,对信号进行改进的EMD分解;步骤4,计算信号的相关系数和信号的峭度值,筛选IMF分量;步骤5,对IMF分量进行Hilbert变换,计算IMF分量的Hilbert边际谱。
【技术特征摘要】
1.一种基于自适应形态滤波及改进EMD的振动故障提取方法,其特征在于,包括以下步骤:步骤1,采集轨道振动信号;步骤2,构建自适应形态组合滤波器,对信号进行滤波;步骤3,对信号进行改进的EMD分解;步骤4,计算信号的相关系数和信号的峭度值,筛选IMF分量;步骤5,对IMF分量进行Hilbert变换,计算IMF分量的Hilbert边际谱。2.根据权利要求1所述的基于自适应形态滤波及改进EMD的振动故障提取方法,其特征在于,步骤2所述的构建自适应形态组合滤波器,具体步骤为:步骤2.1、选择结构元素;步骤2.2、计算结构元素的长度Ls;步骤2.3、计算结构元素的高度Hj;步骤2.4、构造多结构元素集;步骤2.5、确定最优结构元素。3.根据权利要求1所述的基于自适应形态滤波及改进EMD的振动故障提取方法,其特征在于,步骤3所述的对信号改进的EMD分解,具体步骤为:步骤3.1、采用EMD算法对加噪后的信号x(i)=x±β0w(i)进行分解,得到第1个改进EMD的IMF分量:其中,w(i)为均值零,单位方差的白噪声;βk为白噪声强度,k=0,1,2,…,K,I为加噪声次数;x为原始信号;x(i)为加噪后的信号;Ek(·)为EMD分解后得到的第k个IMF分量;E1+为加入正的白噪声的分量、E1-为加入负的白噪声的分量;步骤3.2、计算第1个IMF分量的残差r1:r1=x-imf1步骤3.3、采用EMD分解计算r1±β1E1(w(i))的第一个模态,并定义为改进EMD分解的第2个IMF分量imf2:步骤3.4、当k=1,2...
【专利技术属性】
技术研发人员:李柄奎,邢宗义,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。