The invention discloses a vibration signal feature extraction method based on the compressed domain, including the following steps: compressing the sampled vibration signal, obtaining the measured value of its linear projection; obtaining the least L2 norm based on the L2 norm minimization theory based on the measured value; and the solution signal of the smallest L2 norm obtained. Discrete Fourier transform is used to get spectrum information, and the spectrum characteristics of fault state are extracted based on spectrum information. Before the analysis of the spectrum information, the amplitude of the spectrum of the solution signal with the smallest L2 norm is corrected, and the corrected spectrum information is analyzed to extract the spectrum characteristics of the vibration signal. The vibration signal feature extraction method based on the compressed domain proposed by the invention avoids the problem of high complexity and slow processing speed based on the reconstruction algorithm based on the L1 norm minimization.
【技术实现步骤摘要】
一种基于压缩域的振动信号特征提取方法
本专利技术属于故障诊断领域,具体涉及一种振动信号的特征提取方法。
技术介绍
传统的振动信号检测与采样通常是基于奈奎斯特采样定理实现的,奈奎斯特采样定理要求采样频率至少为信号中最高频率的两倍,才能由采样信号精确重构出原始振动信号。压缩感知理论的产生为解决这个问题提供了新的思路,该理论在保证信号不丢失主要信息的情况下,可以远低于奈奎斯特采样率的数据高概率重构信号。压缩感知理论主要包含两个方面:第一,获得原始信号的线性投影;第二,通过恰当的恢复算法从测量值中重构出原始信号,上述方法都要经信号稀疏表示、压缩测量、基于l1范数最小化的重构算法对信号进行恢复后,才能对重构信号进行进一步处理,而基于l1范数最小化的重构算法计算复杂度较高、运行时间较长,且进行故障诊断时只需提取故障特征即可,无需重构出完整的振动信号。针对上述问题,目前尚未提出有效的解决方案。
技术实现思路
针对现有技术中的缺陷,本专利技术提出一种基于压缩域的振动信号特征提取方法,避免了基于l1范数最小化的重构算法计算复杂度高、运行时间长的问题。根据本专利技术的一个方面,提供了一种基于压缩域的振动信号特征提取方法,包括以下步骤:对采集的振动信号进行压缩测量,得到其线性投影的测量值;根据测量值基于l2范数最小化理论获得l2范数最小的解信号;对获得的所述解信号进行离散傅里叶变换,得到频谱信息;基于所述频谱信息,完成振动信号故障状态频谱特征的提取进一步地,上述技术方案中,在对所述频谱信息进行分析之前,进一步包括:对获得的l2范数最小的解信号的频谱的幅值进行修正;对修正后的频谱信息 ...
【技术保护点】
1.一种基于压缩域的振动信号特征提取方法,其特征在于,包括:对采集的振动信号进行压缩测量,得到其线性投影的测量值;根据所述测量值,基于l2范数最小化理论获得l2范数最小的解信号;对获得的所述解信号进行离散傅里叶变换,得到频谱信息;基于所述频谱信息,完成振动信号故障状态频谱特征的提取。
【技术特征摘要】
1.一种基于压缩域的振动信号特征提取方法,其特征在于,包括:对采集的振动信号进行压缩测量,得到其线性投影的测量值;根据所述测量值,基于l2范数最小化理论获得l2范数最小的解信号;对获得的所述解信号进行离散傅里叶变换,得到频谱信息;基于所述频谱信息,完成振动信号故障状态频谱特征的提取。2.根据权利要求1所述的特征提取方法,其特征在于,在对所述频谱信息进行分析之前,进一步包括:对获得的所述l2范数最小的解信号的频谱的幅值进行修正;并且,在完成振动信号故障特征的提取时:对修正后的频谱信息进行分析,提取故障的频谱特征。3.根据权利要求2所述的特征提取方法,其特征在于,对获得的所述解信号的频谱的幅值进行修正包括:根据所述振动信号的采样率,确定相对误差;根据所述...
【专利技术属性】
技术研发人员:郭俊锋,杨文,魏兴春,王智明,宋鸣,
申请(专利权)人:兰州理工大学,
类型:发明
国别省市:甘肃,62
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。