一种基于边缘检测的瞬时频率估计方法技术

本发明专利技术公开了一种基于边缘检测的瞬时频率估计方法，在于利用短时傅立叶变换的时频谱图你能有效体现信号各界分量的频率变化和SOBEL算子边缘检测的有效提取图片像素变化的边界的技术，将两者结合，从而有效的提取出信号的某一阶分量的频率。本发明专利技术使用图像处理技术中的边缘检测技术，在合适的参数下能够快速的确定频率边缘，较其他方法在复杂度和计算量上都有明显的优势。

【技术实现步骤摘要】

本专利技术涉及一种基于边缘检测的瞬时频率估计方法，属于机械设备故障诊断

技术介绍
旋转机械已是工业生产中不可或缺的部分，为了保证旋转机械的正常运行，对旋转机械进行状态检测和故障诊断尤为重要。旋转机械升降速阶段的振动信号包含了丰富的状态信息，对这一阶段进行研究更容易发现通常难以发现的系统缺陷。因此能够有效的提取这一阶段的故障特征，是旋转机械故障诊断的重要环节，对旋转机械的正常运行具有重要意义。为了更好的了解旋转机械的故障信息，各种用于瞬时频率估计的方法被提出。峰值搜索法、隐马尔可夫结合峰值搜索法以及改进峰值搜索法等都是为了解决噪声对瞬时频率估计的问题。但是在旋转机械在某些特定的情况下，如邻近阶比的产生，则增加了瞬时频率估计的难度。STFT-VF(Short-timeFouriertransform_Viterbialgorithmfit,STFT-VF)在高噪声和邻近阶比情况下有较高精度。正交补偿矩阵结合离散傅立叶的邻近阶比分析方法和独立分量分析结合峰值搜索的邻近阶比分析方法都能有效的提取出邻近阶比的瞬时频率，但是这两种方法都存在不足之处。如正交补偿矩阵结合离散傅立叶的邻近阶比分析方法受阶比振幅的变化和邻近阶比之间干扰程度的影响较大。而独立分量分析分离信号时所需的源信号数必须不少于独立分量的个数，这使得独立分量分析结合峰值搜索的邻近阶比分析方法在实际使用时存在局限性。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种基于边缘检测的瞬时频率估计方法，目的在于利用短时傅立叶变换的时频谱图你能有效体现信号各界分量的频率变化和SOBEL算子边缘检测的有效提取图片像素变化的边界的技术，将两者结合，从而有效的提取出信号的某一阶分量的频率。为解决上述技术问题，本专利技术提供一种基于边缘检测的瞬时频率估计方法，其特征是，包括如下步骤：第一步：对采集的振动信号利用短时傅立叶变换进行时频分析得到时频谱图第二步：采用SOBEL算子边缘检测的方法对短时傅立叶变换得到的时频谱图进行边缘提取，SOBEL算子实质是获得数字图像的一阶梯度，图像的每个像素的横向和纵向梯度近似值可以式中，G表示数字图像的一阶梯度，Gx、Gy分别代表横向和纵向边缘检测的图像。第三步：调整合适的参数，从而使得SOBEL算子能够获得完整的边缘，时频谱图所得到的是时间-频率能量分布，某一时刻所对应的频率的能量值较大；所以选取合适的上限值，使得SOBEL算子能够很好的提取出频率的边界，且去除噪声干扰。第四步：提取瞬时频率，SOBEL算子边缘检测技术在时频谱图上提取出的是所有分量的瞬时频率，而在实际中需要提取出某一阶分量的瞬时频率，本方法以提取一阶分量为例。拟合从而得到某阶分量的瞬时频率，因为信号中肯定存在噪声的干扰，使得时频谱图对用的某个时刻的最大能量值变化，通过拟合可以去除噪声对瞬时频率提取的干扰。进一步地，所述步骤1)的具体步骤如下：11)对采集的振动信号进行STFT分析：给定一个时间宽度很短的窗函数γ(t)，窗函数随时间变化截取信号，对窗函数做傅立叶变换，如下式所示，式中，x(τ)为非平稳信号，γ(t)为窗函数，t、τ为时间(为了区分两个不同的时间变量，一个选用t，一个选用τ)，f为频率；12)根据P(t,f)＝|S(t,f)|2得到信号的时频能量分布图，其中P(t,f)代表能量谱密度，S表示傅立叶变换。进一步地，所述步骤4)中，n＝1。本专利技术所达到的有益效果：1、本专利技术将数字图像处理的方法运用到了信号处理上，有效的实现了信号的瞬时频率估计。2、本专利技术实现瞬时频率估计过程中，在计算量和算法复杂度上比一般方法都存在优势。附图说明图1是瞬时频率估计流程；图2是仿真信号时频图；图3是SOBEL边缘检测结果；图4是提取出的一阶分量数瞬时频率。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。本实施例中首先仿真一个信号。采样频率fs＝5012HZ，采样时间5s。基准频率从20Hz到100Hz线性变化的。第n个采样时刻的频率表示为f(n)＝20+80n/N。第n个采样时刻的角速度表示为w(n)＝2π·f(n)，为第n个采样时刻转过的相位角，Δt为采样时间间隔。其中一阶频率信号的幅值在500处跳变，如式(3)：二阶频率信号的幅值为正弦变化，如式(4)：B(n)＝0.8+sin(2πn/N)(4)三阶频率信号的幅值呈0到1线性变化，则三个频率成分组建的多分量仿真信号如式(5)：x(n)＝A(n)·sinφ(n)+B(n)·sin[2·φ(n)]+(n/N)·sin[5·φ(n)]+η(n)(5)，式中η(n)为30％高斯白噪声，n为采样时刻，N为采样点数。下面采用本专利技术对上述仿真的信号进行处理：1)对仿真的信号作短时傅立叶变换，求得该信号的时频谱图。仿真信号的时频谱图如图2所示。由于仿真信号里包含三个分量，在图2中可以明显看出三条随着时间变化的频率曲线。2)利用SOBLE算子的边缘检测方法计算时频谱图的中频率曲线边缘。结果如图3所示。在使用SOBLE算子进行边缘检测时，要考虑阈值的选择，合适的阈值能够更完整提取频率曲线边缘，本实施例中阈值选0.001。因为仿真信号的三个分量在时频谱图中的能量值大小不一样，所以阈值过大，能量值小的分量就会丢失；阈值过小，则会带入许多噪声的干扰。3)根据求得的边缘结果和时频谱图，依次提取边缘结果对应的时频谱图中的值，根据实际需求提取某个分量，此处以一阶分量为例。提取出的一阶分量瞬时频率如图4所示。这一步只要根据图2和图3，将边缘间的值和对应位置记录下来，并在新的矩阵中显示；由于噪声的干扰，一些边缘可能出现偏差，但可以根据整体趋势进行拟合。以上所述仅是本专利技术的优选实施方式，应当指出，对于本
的普通技术人员来说，在不脱离本专利技术技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本专利技术的保护范围。本文档来自技高网...

【技术保护点】
一种基于边缘检测的瞬时频率估计方法，其特征是，包括如下步骤：1)对采集的振动信号利用短时傅立叶变换进行时频分析得到时频谱图；2)采用SOBEL算子对步骤1)得到的时频谱图进行边缘提取；3)选择合适的阈值，使得SOBEL算子获得完整的边缘；4)根据实际需要，提取n阶分量的瞬时频率，对瞬时频率进行拟合，得到n阶分量的瞬时频率。

【技术特征摘要】
1.一种基于边缘检测的瞬时频率估计方法，其特征是，包括如下步骤：1)对采集的振动信号利用短时傅立叶变换进行时频分析得到时频谱图；2)采用SOBEL算子对步骤1)得到的时频谱图进行边缘提取；3)选择合适的阈值，使得SOBEL算子获得完整的边缘；4)根据实际需要，提取n阶分量的瞬时频率，对瞬时频率进行拟合，得到n阶分量的瞬时频率。2.根据权利要求1所述的一种基于边缘检测的瞬时频率估计方法，其特征是，所述步骤1)的具体步骤如下：11)对采集的振动信号进行STFT分析：给定一个时间宽度很...

【专利技术属性】
技术研发人员：王丽华，谢阳阳，张永宏，赵晓平，陶润喆，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32