【技术实现步骤摘要】
基于频域窗函数的短时傅里叶变换机械冲击特征提取方法
本专利技术属于机械零件结构健康监测
，尤其涉及一种基于频域窗函数的短时傅里叶变换机械冲击特征提取方法。
技术介绍
目前，轴承作为旋转机械的重要零部件，起着支撑机械旋转体和降低运动摩擦的作用，同时也是各类旋转机械中应用最广泛的零部件之一。轴承在工作中如果发生局部故障，会对整个设备的性能和精度产生重要的影响，其相应的故障特征如冲击也会表现在振动信号中。因此，如果能成功提取该冲击特征，即可有效地对滚动轴承进行故障诊断。在数字信号处理领域，短时傅里叶变换(Short-TimeFourierTransform，STFT)是目前常用的信号处理工具之一，在时频分析领域具有重要作用。STFT是对信号加上一个沿着时间轴移动的短时窗函数，由该短时窗对信号在各个时刻附近截取非平稳信号，此时可将短时窗内的信号看成是平稳信号，并分别对截取结果进行傅里叶变换(FourierTransform，FT)，得到各时刻附近的频谱，即时频谱。经STFT处理后的信号具有时域和频域的局部化特性，可以使用其来分析信号的时频特性。STFT通过将非平稳信号分割成许多包含准平稳部分的帧来增加时间维度，并使用窗函数来减少频谱中的旁瓣。但是，STFT是由一系列的平行于时间轴的窗来截取信号序列，然后分别进行傅里叶变换的，显然其不适用于强时变和强调频信号。小波变换(WaveletTransform，WT)使STFT的一些局部化思想得到了发展，解决了窗口不随频率变化的缺陷。但目前应用小波变换的算法中仍然存在着频率混叠、...
【技术保护点】
1.一种基于频域窗函数的短时傅里叶变换机械冲击特征提取方法，其特征在于，所述基于频域窗函数的短时傅里叶变换机械冲击特征提取方法，包括：/n利用最大相关峭度反卷积的方法对振动信号进行滤波；/n对滤波后数据进行基于频域窗函数的短时傅里叶变换；/n通过频域窗函数，进行二维时频平面中时间的精准定位和冲击特征识别。/n
【技术特征摘要】
1.一种基于频域窗函数的短时傅里叶变换机械冲击特征提取方法，其特征在于，所述基于频域窗函数的短时傅里叶变换机械冲击特征提取方法，包括：
利用最大相关峭度反卷积的方法对振动信号进行滤波；
对滤波后数据进行基于频域窗函数的短时傅里叶变换；
通过频域窗函数，进行二维时频平面中时间的精准定位和冲击特征识别。
2.如权利要求1所述的基于频域窗函数的短时傅里叶变换机械冲击特征提取方法，其特征在于，最大相关峭度反卷积的方法，包括：
y(t)是属于实数域平方可积函数空间的信号，其傅里叶变换FT定义为：
短时傅里叶变换STFT定义为：
上式中，g(t)为短时窗函数，当窗函数g(t)＝1时，STFT则简化成了传统的傅里叶变换；
在采集信号的过程中，传感器收集的振动信号里会包含很多噪声；对特征信号进行降噪处理，将相关峭度作为测量尺度，通过降低有用信号中噪声所占比例来提高轴承故障信号的峭度，从而凸显有用信号中代表故障的冲击成分；
w(n)是输入信号y(n)中包含的周期性冲击分量，最大相关峭度反卷积(MCKD)在不考虑噪声的背景下，选择一个合适的滤波器ψ(k)，使冲击分量w(n)相关峭度达到最大，同时起到降噪的效果：
上式中，ψ＝[ψ1,ψ2,…,ψL]T，L是滤波器的长度；
信号的相关峭度(CK)需要由MCKD来进行最大化，使信号处理的结果达到最优，相关峭度的表达式为：
上式中，T为信号周期，M是位移阶次。
本发明实施例中MCKD算法的目标函数为：
即求解方程：
式(6)的解即为滤波器的系数，求解方程后得到的滤波器系数组合可表示为：
上式中，p＝0,T,2T,…,mT，将滤波器系数代入式(3)中，获得振动信号的冲击分量w(n)。
3.如权利要求2所述的基于频域窗函数的短时傅里叶变换机械冲击特征提取方法，其特征在于，基于频率窗函数的短时傅里叶变换的方法包括：
对于一个冲击信号w(n)，MS为信号样本数量，以下窗函数：
φ(l),l∈{1,...,MW(f)}(11)
上式中，利用时间索引l定义窗口，时间索引l从1开始，MW(f)表示窗口的样本数；采样间隔为Ts，则与每个周期的给定采样数q相对应的频率f表示为：
将窗口大小设置为频率相关，定义MC为窗口函数内的周期数或循环数；每个频率的窗口大小由以下公式确定：
4.如权利要求2所述的基于频域窗函数的短时傅里叶变换机械冲击特征提取方法，其特征在于，基于频域窗函数的短时傅里叶变换的方法包括：
在t附近选择大小为MW(f)的时间间隔，使用索引l∈{1,...,MW(f)}覆盖此...
【专利技术属性】
技术研发人员：朱亚军，胡建钦，李武，林青云，易灿灿，
申请(专利权)人：丽水市特种设备检测院，
类型：发明
国别省市：浙江;33
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。