一种基于稀疏表示的故障微弱信号特征提取方法技术

该发明专利技术提供了一种基于稀疏分解理论的用于实现对故障微弱信号的特征提取的方法，旨在将稀疏分解算法应用在故障微弱信号领域。具体方法步骤如下：一、通过历史数据建立与故障微弱信号对应的过完备原子库，采用原子库集合划分方法，将过完备库看成一个集合，确定原子的时频参数尺度，频率，相位，得到故障微弱信号的特征原子库；二、将快速傅里叶变换算法与OMP稀疏分解结合，得到描述信号特征的一系列原子参数；三、作SPCA稀疏主分量分析对故障信号特征作优化提取。本发明专利技术基于原子库集合划分和FFT的信号稀疏分解OMP算法有效降低稀疏分解算法的复杂度，提高信号稀疏分解的速度以及信号稀疏分解的效果，实现了信号特征的优化提取。

【技术实现步骤摘要】
【专利摘要】该专利技术提供了一种基于稀疏分解理论的用于实现对故障微弱信号的特征提取的方法，旨在将稀疏分解算法应用在故障微弱信号领域。具体方法步骤如下：一、通过历史数据建立与故障微弱信号对应的过完备原子库，采用原子库集合划分方法，将过完备库看成一个集合，确定原子的时频参数尺度，频率，相位，得到故障微弱信号的特征原子库；二、将快速傅里叶变换算法与OMP稀疏分解结合，得到描述信号特征的一系列原子参数；三、作SPCA稀疏主分量分析对故障信号特征作优化提取。本专利技术基于原子库集合划分和FFT的信号稀疏分解OMP算法有效降低稀疏分解算法的复杂度，提高信号稀疏分解的速度以及信号稀疏分解的效果，实现了信号特征的优化提取。【专利说明】
本专利技术涉及微弱信号检测技术，具体涉及。
技术介绍
在对大型机电设备进行故障监测诊断过程中，其核心部件如:转子、轴承和齿轮等的故障特征往往非常微弱，若能运用先进的信号处理方法及时、准确地识别核心零部件的故障微弱信号特征，必将为故障预示和演化、寿命预测和制定维修策略提供技术支持，提高大型机电设备整体运行安全性和可靠性，避免意外停机及恶性事故。故障微弱信号特征提取已成为故障诊断领域的一个研究热点与难点。稀疏分解的理论和应用研究主要集中在三个方面:最优匹配原子的搜索算法及其改进算法、字典构造算法、稀疏分解算法在信号处理中的应用。匹配追踪算法是一个简单易行的基本的最优匹配原子搜索算法，它通过剩余信号与字典中所有原子计算内积，并取最大值的方法确定最优匹配原子，缺点是收敛速度较慢，不能确定在小于信号维数的迭代步数内达到收敛。正交匹配追踪算法(Orthogonal Matching Pursuit,0MP)及其改进算法与匹配追踪算法不同之处在于，迭代过程中完成对已选出原子的正交化，从而使算法在小于待分解信号维数的步数内达到收敛，并使信号分解能够精确重构。匹配追踪、正交匹配追踪及其改进算法都属于贪婪算法，即通过遍历字典原子的原则实现最优匹配原子的搜索。由于信号稀疏分解的良好特性，信号稀疏分解引起了许多学者的兴趣，信号的稀疏分解也已经被应用到去噪、压缩、编码、参数估计、特征提取、目标识别等信号处理的许多方面。稀疏分解的发展为信号的变换域表示和特征提取提供了新的发展方向。该方法根据待分解信号的特点，从过完备原子库中选择最贴近残差信号的原子，分解得到的原子参数表征的是所代表波形的特点。但在实际应用中，稀疏分解算法存在计算度复杂、算法运行时间长等问题，对硬件实现及算法时间提出了较高要求。同时在实际环境中，信号包含实际工作中的噪声给分解带来更复杂的分解度。
技术实现思路
有鉴于此，本专利技术的目的在于提供，该方法采用基于原子库集合划分和FFT信号稀疏分解OMP算法，有效降低稀疏分解算法的复杂度，提高信号稀疏分解的速度以及信号稀疏分解的效果，实现了信号特征的优化提取。为达到上述目的，本专利技术提供如下技术方案: ，包括以下步骤:步骤一:建立与故障微弱信号对应的过完备原子库，完成原子库集合划分；步骤二:利用FFT实现信号稀疏分解，从而得到描述信号特征的一系列原子参数，直到满足分解停止条件；步骤三:分解结束，对得到的原子参数进行非负稀疏表示的特征提取。进一步，在步骤一中具体包括以下步骤:21:根据历史数据和所设置的分解参数，获得各原子的尺度、位移、频率、振幅，建立与故障微弱信号对应的过完备原子库；22:将原子的参数尺度、频率、振幅相同即“波形相同”的原子划分为一类，实现原子库的集合划分。进一步，在步骤二中具体包括以下步骤:31:在稀疏分解的过程中，对于原子库的一个原子，让位移取所有可能的值，提高信号稀疏分解的效果；32:利用FFT算法，将原子与信号或信号的残差作N次内积<Rkf，gY>转换为一次Rkf与gY的互相关的运算rRh ; 33:采用OMP算法得到信号在各个已选原子上的分量和残差分量，再用相同的方法分解残差分量。进一步，在步骤三中采用非负稀疏主分量分析原理提取故障微弱信号的特征。本专利技术的有益效果在于:本专利技术通过历史数据建立与故障微弱信号对应的过完备原子库，采用原子库集合划分的方法，大大降低信号稀疏分解的计算复杂度，并能更加准确的表示故障微弱信号的时频特性；将快速傅里叶变换算法(FFT)与OMP稀疏分解结合，有效降低稀疏分解算法的复杂度，提高信号稀疏分解的速度以及信号稀疏分解的效果。同时，基于非负稀疏表示进行特征提取，实现了信号特征的优化提取。【专利附图】【附图说明】为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述，其中:图1为本专利技术所述基于稀疏表示的故障微弱信号特征提取方法的流程图。【具体实施方式】下面将结合附图，对本专利技术的优选实施例进行详细的描述。图1为本专利技术所述方法的流程图，本方法包括以下步骤:S1:建立与故障微弱信号对应的过完备原子库，完成原子库集合划分。根据历史数据和所设置的分解参数，将原子归一化，建立与故障微弱信号对应的过完备原子库。一个原子1由4个时频参数Y = (s,u, v,w)决定，其中s是伸缩因子(尺度因子)，u是原子的平移因子，V是原子频率，W是原子的相位。令(s,V, w) = β， 0 = { β j I i = I, 2,...},把过完备原子库 D = {gY} Y e 进行分解如公式⑴:【权利要求】1.，其特征在于:包括以下步骤: 步骤一:建立与故障微弱信号对应的过完备原子库，完成原子库集合划分； 步骤二:利用FFT实现信号稀疏分解，从而得到描述信号特征的一系列原子参数，直到满足分解停止条件； 步骤三:分解结束，对得到的原子参数进行非负稀疏表示的特征提取。2.根据权利要求1所述的，其特征在于:在步骤一中具体包括以下步骤:21:根据历史数据和所设置的分解参数，获得各原子的尺度、位移、频率、振幅，建立与故障微弱信号对应的过完备原子库；22:将原子的参数尺度、频率、振幅相同即“波形相同”的原子划分为一类，实现原子库的集合划分。3.根据权利要求1所述的，其特征在于:在步骤二中具体包括以下步骤:31:在稀疏分解的过程中，对于原子库的一个原子，让位移取所有可能的值，提高信号稀疏分解的效果；32:利用FFT算法，将原子与信号或信号的残差作N次内积<Rkf，gY>转换为一次Rkf与gY的互相关的运算.33:采用OMP算法得到信号在各个已选原子上的分量和残差分量，再用相同的方法分解残差分量。4.根据权利要求1所述的，其特征在于:在步骤三中采用非负稀疏主分量分析原理提取故障微弱信号的特征。【文档编号】G06T7/00GK103927761SQ201410186314【公开日】2014年7月16日 申请日期:2014年5月5日 优先权日:2014年5月5日 【专利技术者】柴毅, 屈剑锋, 邢占强, 董勇, 黄帅 申请人:重庆大学本文档来自技高网...

【技术保护点】
一种基于稀疏表示的故障微弱信号特征提取方法，其特征在于：包括以下步骤：步骤一：建立与故障微弱信号对应的过完备原子库，完成原子库集合划分；步骤二：利用FFT实现信号稀疏分解，从而得到描述信号特征的一系列原子参数，直到满足分解停止条件；步骤三：分解结束，对得到的原子参数进行非负稀疏表示的特征提取。

【技术特征摘要】

【专利技术属性】
技术研发人员：柴毅，屈剑锋，邢占强，董勇，黄帅，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;85