一种基于分数阶傅里叶变换和支持向量机的齿轮传动噪声分析方法技术

一种基于分数阶傅里叶变换和支持向量机的齿轮传动噪声分析方法，首先以变换阶次为变量，对齿轮传动噪声信号进行分数阶傅里叶变换，在所形成的分数阶傅里叶域内按阈值进行峰值点二维搜索，同时构建窄带带通滤波器进行滤波处理就可实现齿轮传动噪声信号有用分量与背景噪声的分离。其次，对提取的齿轮传动噪声信号有用分量，进行小波包分解和系数重构，将小波包分解最高层的频带内特征信号的归一化能量值作为特征向量。最后，将特征向量作为样本分为两组，两组样本数目相等，分别作为训练样本和测试样本。本发明专利技术不需要人为过多参与，保证了分析的准确性；基于支持向量机的智能分析方法，对齿轮传动性能的识别准确度高且快速。

【技术实现步骤摘要】
一种基于分数阶傅里叶变换和支持向量机的齿轮传动噪声分析方法
本专利技术涉及一种齿轮传动噪声分析方法，特别是基于分数阶傅里叶变换(FRFT)和支持向量机(SVM)的齿轮传动噪声分析方法。属于齿轮传动噪声测量和故障诊断领域。
技术介绍
齿轮传动噪声信号分析，主要用于齿轮故障诊断。分析过程应用到非平稳信号的去噪，有用信号提取，特征分析和智能识别等领域。信号去噪和有用信号提取直接关系到特征分析以及智能识别的正确性。传统的信号谱分析方法，主要是基于快速傅里叶变换，或者是基于时间序列模型的谱分析，这两种方法的前提条件假定信号是平稳的。但对于齿轮传动过程，信号往往是非平稳的或非线性的，若仍定义数据是平稳或线性进行计算，则分析结果会出现偏差。随着信号处理技术的不断发展，针对非平稳信号的去噪方法如短时Fourier变换、小波分析、Gabor变换、Wigner-Ville等有了很大的发展，但这些方法特别依赖于基函数的选取，增加了分析的难度，另外存在时间分辨率和频率分辨率不能同时达到最佳的缺陷，基函数选取不当还会影响到分析的准确性。现有齿轮传动噪声信号的分析方法，主要是基于FFT变换以后的频谱图，通过观测本文档来自技高网...

【技术保护点】
一种基于分数阶傅里叶变换和支持向量机的齿轮传动噪声分析方法，其特征在于：包括如下步骤，步骤一：采用传声器采集齿轮传动噪声信号x(t)，选定阶次p变化范围和步长，对采集信号做分数阶傅里叶变换形成信号能量在分数阶傅里叶域u上的二维分布；其中t为采样时间点，α为旋转角，α＝pπ/2，核函数Kα(t,u)为：Kα(t,u)=Aαexp[jπ(t2cotα-2tucscα+u2cotα)α≠nπδ(u-t)α=2nπδ(u+t)α=(2n&PlusM...

【技术特征摘要】
1.一种基于分数阶傅里叶变换和支持向量机的齿轮传动噪声分析方法，其特征在于：包括如下步骤，步骤一：采用传声器采集齿轮传动噪声信号x(t)，选定阶次p变化范围和步长，对采集信号做分数阶傅里叶变换形成信号能量在分数阶傅里叶域u上的二维分布；其中t为采样时间点，α为旋转角，α＝pπ/2，核函数Kα(t,u)为：式中其中Aα为核函数Kα(t,u)计算的中间变量，exp[·]表示以自然对数e为底的指数函数，sgn[·]为符号函数，n为整数，δ(·)为冲激函数，j为虚数单位；步骤二：在步骤一形成的平面上进行峰值点二维搜索，将最大峰值对应的FRFT域作为最佳FRFT域，并由确定最优阶次popt和信号最大峰值处的中心频率uopt，以及信号在最佳变换阶次下的形成的尖峰宽度W＝2π/[Tcsc(poptπ/2)]，其中T为观测时长，T＝L/fs，L为信号长度，fs为采样频率；步骤三：利用步骤二中获得的最佳FRFT域数据uopt和W构造窄带带通滤波器用滤波器H(u)对最佳FRFT域信号做遮隔处理来滤除背景噪声能量，保留有用齿轮传动噪声的能量；步骤四：对步骤三中得到的FRFT域有用信号，做-popt阶FRFT变换，αopt为最佳旋转角，负号表示反向，即表示将信号反向旋转αopt＝poptπ/2回到时域，得到滤波后的齿轮传动噪声信号S(t)；步骤五：步骤四中得到的滤波后齿轮噪声信号S(t)，进行N层小波包分解和系数重构，其中小波函数选择db5小波；信号S(t)分解后得到第N层从低频到高频共2N个频带成分的特征信号SNj，j＝1,2,...,2N；特征信号SNj...

【专利技术属性】
技术研发人员：陈洪芳，赵允，石照耀，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11