一种基于自相关峭度最大化的解卷积方法技术

本发明专利技术为一种基于自相关峭度最大化的解卷积方法，步骤为：获得解卷积的输入信号；设计频域插值滤波器，初始化滤波器系数，获得初始化的输出信号；构造包含约束的自相关峭度函数为目标函数；将初始化的输出信号作为目标函数的输入，根据目标函数最大化准则，使用目标优化算法，求解频率插值滤波器系数；根据得到的频域插值滤波器系数，使用设计的频域差值滤波器对输入信号滤波，得到解卷积后的输出信号。本发明专利技术适用于提取强背景噪声环境下的周期性冲击信号，与传统的最小熵解卷积和最大相关峭度解卷积方法相比，本发明专利技术具有抗随机冲击干扰，不需要已知冲击周期等优点，有利于周期性冲击的自动化提取，可在机械故障诊断中推广使用，应用前景广泛。

【技术实现步骤摘要】
一种基于自相关峭度最大化的解卷积方法
本专利技术涉及机械设备故障诊断技术和数字信号处理领域，具体涉及一种基于自相关峭度最大化的解卷积方法。
技术介绍
基于振动信号的机械设备状态监测与故障诊断技术是一种有效的机械设备的健康维护技术。其中，强背景噪声环境下的周期性冲击信号提取技术作为机械设备预测性维护技术中的一项核心技术，受到国内外研究者的持续关注和研究。解卷积技术已被证明是一种有效的周期性冲击信号提取技术。但需要指出的是，现有的解卷积技术大多是基于仿真和试验数据研发的，这存在以下两个问题：①工业设备中的零部件故障周期大多未知，这会导致一些需要提前获取故障周期的解卷积方法(最大相关峭度解卷积方法、多点峭度解卷积方法等)失效。②工业测试环境中，测试信号在采集和传输的过程中通常会受到随机冲击的干扰，这会导致一些易受随机冲击干扰的解卷积技术(最小熵解卷积方法)失效。因此，提出一种无需先验参数，不易受随机冲击干扰的冲击信号提取技术不仅具有切实的理论意义，还有助于推动机械设备预测性维护技术的快速发展，带来可观的经济及社会效益。
技术实现思路
为了克服上述现有技术的缺点，本专利技术旨在提供一种基于自相关峭度最大化的解卷积方法，以实现强背景噪声环境下的周期性冲击信号提取。为实现上述技术目的，达到上述技术效果，本专利技术通过以下技术方案实现：一种基于自相关峭度最大化的解卷积方法，包括以下步骤：步骤一，获得解卷积的输入信号x(t)，其中，t代表时间；步骤二，计算输入信号x(t)的傅立叶变换系数，其中，傅立叶变换系数的计算公式为k代表离散频率值，k关于分析频率左右对称，|X(k)|代表离散频率k的幅值，Θ(k)代表离散频率k的相位，T为输入信号x(t)的数据长度；步骤三，设计一个频域插值滤波器，通过频域差值滤波器获得滤波后输出信号y(t)，其中，t代表时间；其具体实现步骤如下：(1)初始化一个输入信号x(t)的滤波器系数令其中，Fs为输入信号x(t)的采样频率，L+1为滤波器系数的长度；(2)使用三次样条插值技术获得一个新滤波器系数其中，Fs为输入信号x(t)的采样频率，为滤波器系数的长度，且(3)令构造半频段滤波结果X′(k′)的数学表达式，其中，半频段滤波公式为k′代表离散频率的左半部分；(4)根据傅立叶变换系数的对称性，构造全频段滤波结果X′(k)的数学表达式，其中，k代表离散频率值；(5)根据傅立叶逆变换，构造滤波后输出信号y(t)的数学表达式，其中，傅立叶逆变换的计算公式为Θ(k)代表离散频率k的相位，X′(k)为第(4)步中的全频段滤波结果，T代表输出信号y(t)的数据长度；步骤四，构造包含约束的自相关峭度函数为目标函数，目标函数计算公式为其中，T代表输入信号x(t)的数据长度；步骤五，使用目标函数优化算法优化目标函数，求解输入信号x(t)的滤波器系数其中，目标函数的优化公式为代表输入信号x(t)，目标函数优化算法可以选用粒子群算法、退火算法或遗传算法中的任何一种；步骤六，使用步骤三中的频域插值滤波器和步骤五中求解的滤波器系数对输入信号x(t)进行滤波，得到解卷积后的输出信号y(t)，具体流程与步骤三中的第(1)～(5)步相同。本专利技术的有益效果是：本专利技术将包含约束的自相关峭度函数设定为解卷积目标函数，提出了一种基于自相关峭度最大化的解卷积方法。该方法适用于工业测试环境下的周期性冲击信号提取，与传统的最小熵解卷积和最大相关峭度解卷积方法相比，本专利技术具有抗随机冲击干扰，不需要已知冲击周期等优点，可在机械故障诊断中推广使用，具有广泛的应用前景。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，并可依照说明书的内容予以实施，以下以本专利技术的较佳实施例并配合附图详细说明如后。本专利技术的具体实施方式由以下实施例及其附图详细给出。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术方法的流程图。图2为实施例测得的客车车桥振动信号x(t)时域图。图3为实施例测得的客车车桥振动信号x(t)包络谱图。图4为实施例测得的客车车桥振动信号x(t)经本专利技术处理后得到的解卷积后输出信号y(t)时域图。图5为实施例测得的客车车桥振动信号x(t)经本专利技术处理后得到的解卷积后输出信号y(t)包络谱图。图6为实施例测得的客车车桥振动信号x(t)经最小熵解卷积处理后的输出信号y(t)时域图。图7为实施例测得的客车车桥振动信号x(t)经最小熵解卷积处理后的输出信号y(t)包络谱图。具体实施方式下面将参考附图并结合实施例，来详细说明本专利技术。某车桥制造厂生产的部分客车车桥总成在装配到整车后，用户反映客车在某些工况下，驱动桥总成发出令人厌烦的异响声，严重影响到司机和乘客的舒适性。车桥异响是由于车桥内的齿轮制造误差引起的齿轮啮合冲击行为，因此，可将客车车桥的啮合冲击行为作为车桥异响的判定标准。传感器测得的振动信号会受到传播路径的影响，这使得啮合冲击会被隐藏在测得的振动信号中。最小熵解卷积方法是一种有效的去除传播路径，检测周期性冲击信号的方法，但是工业环境中的随机冲击会导致该方法失效。下面通过本专利技术检测客车车桥中的齿轮啮合冲击行为。参照图1所示，包括以下步骤：步骤一，将客车车桥安装在试验台上，在车桥桥壳上安装一个加速度传感器；步骤二，利用数据采集设备和加速度传感器，采集车桥运行时的振动信号x(t)，t代表时间。图2给出了测得的振动信号时域波形图，从图2中可以观察到测得的时域信号中包含随机冲击，从图2的细节图中未观察到周期性信号。图3给出了振动信号x(t)的包络谱图，包络谱图中未观察到齿轮啮合冲击引起的谐波频率。下面通过提出的方法对测得的振动信号x(t)解卷积；步骤三，计算振动信号x(t)的傅立叶变换系数，其中，傅立叶变换系数的计算公式为k代表离散频率值，k关于分析频率左右对称，|X(k)|和Θ(k)分别代表离散频率k的幅值和相位，T为输入信号x(t)的数据长度；步骤四，设计一个频域插值滤波器，通过频域差值滤波器获得滤波后输出信号y(t)，其中，t代表时间，其具体实现步骤如下：(1)初始化一个输入信号的滤波器系数令其中，Fs为输入信号x(t)的采样频率，L+1为滤波器系数的长度；(2)使用三次样条插值技术获得一个新滤波器系数其中，Fs为输入信号x(t)的采样频率，为滤波器系数的长度，且(3)令构造半频段滤波结果X′(k′)的数学表达式，其中，半频段滤波公式为k′代表离散频率的左半部分；(4)根据傅立叶变换系数的对称性，构造全频段滤波结果X′(k)的数学表达式，其中，代表离散频率值；(5)根据傅立叶逆变换，构造滤波后输出信号y(t)的数学表达式，其中，傅立叶逆变换的计算公式为Θ(k)代表离散频率的相位，X′(k)为第(4)步中的全频段滤波结果，T代表输出信号y(t)的数据长度；步骤五，构造包含约束的自相关峭度函数为目标函数,目标函数计算公式为其中，T代表输入信号x(t)的数据长度；步骤六，使用粒子群优化算法优化目标函数，求解输入信号x(t)的滤波器系数其中，目标函数的优化公式为代表输入信号x(t)；步骤七，使用步骤四中的频域插值滤波器和步本文档来自技高网...

【技术保护点】
一种基于自相关峭度最大化的解卷积方法，其特征在于，包括以下步骤：步骤一，获得解卷积的输入信号x(t)，其中，t代表时间；步骤二，计算输入信号x(t)的傅立叶变换系数，其中，傅立叶变换系数的计算公式为

【技术特征摘要】
1.一种基于自相关峭度最大化的解卷积方法，其特征在于，包括以下步骤：步骤一，获得解卷积的输入信号x(t)，其中，t代表时间；步骤二，计算输入信号x(t)的傅立叶变换系数，其中，傅立叶变换系数的计算公式为k代表离散频率值，k关于分析频率左右对称，|X(k)|代表离散频率k的幅值，Θ(k)代表离散频率k的相位，T为输入信号x(t)的数据长度；步骤三，设计一个频域插值滤波器，通过频域差值滤波器获得滤波后输出信号y(t)，其中，t代表时间；其具体实现步骤如下：(1)初始化一个输入信号x(t)的滤波器系数令其中，Fs为输入信号x(t)的采样频率，L+1为滤波器系数的长度；(2)使用三次样条插值技术获得一个新滤波器系数其中，Fs为输入信号x(t)的采样频率，为滤波器系数的长度，且(3)令构造半频段滤波结果X′(k′)的数学表达式，其中，半频段滤波公式为k′代表离散频率的左半部分；(4)根据傅立叶变换系数的对称性，构造全频段滤波结果X′(k)的数学表达式，其中，k代表离散频率值；(5)根据傅立叶逆变换，构造滤波后输出...

【专利技术属性】
技术研发人员：王琇峰，和丹，
申请(专利权)人：苏州微著设备诊断技术有限公司，
类型：发明
国别省市：江苏,32