基于Hilbert-Huang变换的电机异音检测方法技术

本发明专利技术公开了基于Hilbert‑Huang变换的电机异音检测方法，包括6个步骤。本发明专利技术可以辅助工人进行电机异音识别，提高检测效率并且保证产品的出厂质量，进而提高企业的整体的生产效率，降低企业的制造成本，同时了保护了工人的身体健康；可以有效地解决电机音频信号非稳态的问题，有效检测非稳态电机异音故障，识别准确率高。

【技术实现步骤摘要】
基于Hilbert-Huang变换的电机异音检测方法
本专利技术涉及电机故障检测领域，特别是电机异音的检测方法。
技术介绍
我国是洗衣机、家用空调、电冰箱、电风扇等各类小型家电用电动机的主要产地，仅家用空调电机的年产量就逾数十亿台之多。在小型电机生产线上，产品下线之前普遍采用人工听音的方法分辨良、次品，即工人在隔音房内，用耳朵依次听取电机运行时的声音，通过工人的个人经验判断电机是否存在故障。由于需要人做主观判断，长期以来一直难以由自动化装置替代。并且评价者的个人经验，无法建立统一的评价标准，不同的评价者可能产生不同的结论。而大批量生产过程中该工序不仅要消耗大量劳动成本，而且重复、单调的听音工作极易引起人员疲劳，容易出现误判，若个别不良品混入整批成品中，会给工厂带来严重经济损失，甚至严重影响产品声誉。CN201510266743.8(公布号CN104992714A)披露了一种电机异音的检测方法，包括以下步骤：1、将电机处于空载状态下进行音频采集；2、将所采集到的电机的时域音频信号经傅里叶变换转换为频域波形；3、若电机的正常频域范围的最高值外存在波形，则认为该电机存在异音；若电机的正常频域范围的最高值外不存在波形，则表明此电机不存在异音。这种电机异音的检测方法的缺点在于：1、音频信号属于一种准稳态信号，即短时稳定；傅里叶变换是对稳态信号处理的常用手段，只能对稳态的信号进行信号特征提取；但是电机异音故障中，存在大量瞬时非稳态信号的故障样例；对于这些非稳态的信号，傅里叶变换无能为力。2、通过判断在指定的最高值之外是否存在波形来判断异音，不具备自适应能力，通用性不高：因为对于不同型号的电机产品就需要技术人员重新设定阈值；并且通过传感器采集音频信号时，传感器距离音源的远近也会影响阈值设定。3、无论是设置最大值还是比较波形图，都需要专业人员来判断，无法实现全自动识别。
技术实现思路
本专利技术的目的在于提供一种能够识非稳态信号的故障样例，通用性高，且故障识别过程中无需人员参与的电机异音检测方法。基于Hilbert-Huang变换的电机异音检测方法，包括以下步骤：步骤1、设定采样频率和采样时长t，将电机处于空载状态下进行音频信号采集x(t)；步骤2、对音频信号进行分帧加窗处理，设置帧长为L和相邻两帧的重叠长度为M，将音频信号分为N帧信号；帧长L以每帧内的信号能看做稳态信号为宜，从而避免整段音频信号非稳态、时变的影响；步骤3、使用Hilbert-Huang变换提取电机音频特征：对第j帧信号{xj，j＝1，2，3，...，60}进行EMD分解，得到一组基本模态分量{ci(t)，i＝1，2，3，...，n}，取前三个基本模态分量进行Hilbert变换，分别构造解析信号{Xi(t)，i＝1，2，3}；求取每个解析信号Xi(t)分量的瞬时频率随时间的变化函数fi(t)和瞬时幅值随时间的变化函数ai(t)，按照下式求取解析信号Xi(t)在第j帧时间段内的平均频率fi，j：其中，T表示每帧的持续时间，i表示基本模态分量序号，j表示帧数；步骤4、以帧数为横坐标，绘制每个解析信号{Xi(t)，i＝1，2，3}的平均频率随帧数变化曲线；步骤5、选取N个合格的电机音频样本，对每个电机音频样本重复步骤2-4，提取每个解析信号{Xi(t)，i＝1，2，3}的平均频率随帧数变化曲线的峰峰值作为第一音频样本特征，用N个合格电机音频样本的第一音频样本特征训练第一个基于支持向量数据描述的学习模型modelA；提取每个解析信号{Xi(t)，i＝1，2，3}的平均频率随帧数变化曲线的均值作为第二音频样本特征，用N个合格电机音频样本的第二音频样本特征训练第二个基于支持向量数据描述的学习模型modelB；步骤6、进行电机异音诊断时，重复步骤1-4获得电机音频的音频样本的第一特征和第二特征，将第一特征输入学习模型modelA，判断是否为合格样本；将第二特征输入学习模型modelB，判断是否为合格样本；只有modelA和modelB都判断为合格样本时，该样本才为合格样本，否者为故障样本。进一步，步骤3中，原始信号x(t)经过EMD以后分解为若干个基本模态分量和一个余项的和：在每帧信号对前三个基本模态分量(i＝1,2,3)进行Hilbert变换，构造解析信号{Xi(t)，i＝1，2，3}，其中，表示x(t)的Hilbert变换。计算瞬时频率其中，每帧信号的信号幅值可以表达成时间和瞬时频率的函数：其中本专利技术的优点在于：1、可以辅助工人进行电机异音识别，提高检测效率并且保证产品的出厂质量，进而提高企业的整体的生产效率，降低企业的制造成本，同时了保护了工人的身体健康。2、可以有效地解决电机音频信号非稳态的问题，有效检测非稳态电机异音故障，识别准确率高。3、本文通过使用基于支持向量数据描述的学习模型来自动判断电机音频是否存在异音故障，使用过程不需要人工干预。设置学习模型的罚函数、核函数和异常样本比例三个参数，对不同电机类型使用不同电机特征进行训练，就可以得到适用于对应电机的基于支持向量数据描述的学习模型，并且三个参数对不同电机都具有通用性，无需更改。使用机器学习的方法，也不需要为对不同电机设定不同的阈值，学习模型会根据训练样本自动设定好针对该型号电机的判别函数。这种方法的特点是以生产线上极易获得的正常声音样本为基础建立判别函数，并且，随着样本数量增加、对特征分布的覆盖范围扩大，判别的准确性也随之增加。4、传统的信号分析方法，如傅里叶变换，短时傅里叶变换，小波变换和小波包变换等都需要选择合适的基函数，并且基函数的选择好坏对变换结果起着关键作用，需要专业人员来选择，但是使用经验模态分解(EMD)方法就不存在这个问题，EMD所需要的基函数不需要事先进行指定，没有统一的表达式，而是根据信号本身来确定的，具有自适应性。5、HHT通过构造解析信号能够求得音频信号的瞬时频率，然后根据当前帧内每个时刻的瞬时频率进行加权平均，作为当前帧的平均频率。因为每帧的时间比较短，在这段时间内音频信号可以当做稳态信号考虑，故可以以每一帧的平均频率作为当前帧的瞬时频率。这种加权求平均的方法还可以起到均值滤波的效果，避免一些高频噪声的干扰。电机异音中常见的就是具有冲击性异音故障(机械异音故障)，合格电机的音频信号一般都是稳定的，即信号的瞬时频率波动不大，但是冲击信号在冲击到达时刻，信号的瞬时频率会发生突变，并且冲击信号消失以后，信号的瞬时频率又恢复原来的水平，冲击持续时间一般都比较短暂。使用HHT提取的音频特征能够很好地识别电机音频信号中的冲击信号成分，适用于识别冲击性异音类型(机械异音故障)。附图说明图1是本专利技术提取1个电机异音故障样本和10个合格电机样本的前三阶解析信号的平均频率随时间变化曲线的对比图，(a)表示第1个解析信号的平均频率随帧数的变化曲线，(b)表示第2个解析信号的平均频率随帧数的变化曲线，(c)表示第3个解析信号的平均频率随帧数的变化曲线。图2是使用汉宁窗分帧加窗的示意图。具体实施方式电机异音检测方法，包括以下步骤：步骤1、设定采样频率和采样时长t，将电机处于空载状态下进行音频信号采集x(t)；步骤2、对音频信号进行分帧加窗处理，设置帧长为L和相邻两帧的重叠长度为M，将音频信号分为N本文档来自技高网...

【技术保护点】
1.基于Hilbert‑Huang变换的电机异音检测方法，包括以下步骤：步骤1、设定采样频率和采样时长t，将电机处于空载状态下进行音频信号采集x(t)；步骤2、对音频信号进行分帧加窗处理，设置帧长为L和相邻两帧的重叠长度为M，将音频信号分为N帧信号；步骤3、使用Hilbert‑Huang变换提取电机音频特征：对第j帧信号{xj，j＝1，2，3，...，60}进行EMD分解，得到一组基本模态分量{ci(t)，i＝1，2，3，...，n}，取前三个基本模态分量进行Hilbert变换，分别构造解析信号{Xi(t)，i＝1，2，3}；求取每个解析信号Xi(t)分量的瞬时频率随时间的变化函数fi(t)和瞬时幅值随时间的变化函数ai(t)，按照下式求取解析信号Xi(t)在第j帧时间段内的平均频率fi，j：

【技术特征摘要】
1.基于Hilbert-Huang变换的电机异音检测方法，包括以下步骤：步骤1、设定采样频率和采样时长t，将电机处于空载状态下进行音频信号采集x(t)；步骤2、对音频信号进行分帧加窗处理，设置帧长为L和相邻两帧的重叠长度为M，将音频信号分为N帧信号；步骤3、使用Hilbert-Huang变换提取电机音频特征：对第j帧信号{xj，j＝1，2，3，...，60}进行EMD分解，得到一组基本模态分量{ci(t)，i＝1，2，3，...，n}，取前三个基本模态分量进行Hilbert变换，分别构造解析信号{Xi(t)，i＝1，2，3}；求取每个解析信号Xi(t)分量的瞬时频率随时间的变化函数fi(t)和瞬时幅值随时间的变化函数ai(t)，按照下式求取解析信号Xi(t)在第j帧时间段内的平均频率fi，j：其中，T表示每帧的持续时间，i表示基本模态分量序号，j表示帧数；步骤4、以帧数为横坐标，绘制每个解析信号{Xi(t)，i＝1，2，3}的平均频率随帧数变化曲线；步骤5、选取N个合格的电机音频样本，对每个电机音频样本重复步骤2-4，提取每个解析信号{Xi(t)，...

【专利技术属性】
技术研发人员：曹衍龙，刘婷，付伟男，杨将新，黄金娜，
申请(专利权)人：浙江大学山东工业技术研究院，
类型：发明
国别省市：山东,37