振动信号压缩方法及装置、存储介质、计算机设备制造方法及图纸

本申请公开了一种振动信号压缩方法及装置、存储介质、计算机设备，该方法包括：获取目标振动信号，并按预设长度对所述目标振动信号进行切分确定与所述目标振动信号对应的预设数量的时域振动信号片段；分别将每个所述时域振动信号片段变换到频域上，并使用实部‑频率的方式对所述时域振动信号片段进行表达确定第一频域信号片段，使用虚部‑频率的方式对所述时域振动信号片段进行表达确定第二频域信号片段；基于所述第一频域信号片段和所述第二频域信号片段，确定频域振动信号片段；对所述时域振动信号片段进行压缩得到所述时域振动信号片段对应的时域压缩码，以及所述频域振动信号片段进行压缩得到所述频域振动信号片段对应的频域压缩码。

【技术实现步骤摘要】
振动信号压缩方法及装置、存储介质、计算机设备
本申请涉及信号处理
，尤其是涉及到一种振动信号压缩方法及装置、存储介质、计算机设备。
技术介绍
基于历史数据驱动的机械设备故障诊断方法检测设备运行时的振动信号，并以此训练学习模型用于长期的故障诊断当中。深度学习方法经过近几年的迅速发展，已经在故障诊断领域取得了很好的效果，基于深度学习的故障诊断算法具有诊断准确率高，鲁棒性好等优点。虽然深度学习神经网络具有诸多优点，但是其需要大量的历史信号作为学习样本进行故障诊断。在长达几个月甚至几年的多点振动信号采集过程中，极大的数据量对硬盘的容量、数据的存储和传输产生了挑战。基于编码冗余Hoffmann编码等方法在一定程度上可以对振动信号进行无损压缩，但也可以首先利用基于内容的有损压缩方法对振动信号进行初步的压缩。综上，需要设计一种更加有效的振动信号数据压缩方法，使得在信号压缩率较高的情况下，压缩信号能够具有较高保真度。
技术实现思路
根据本申请的一个方面，提供了一种振动信号压缩方法，包括：获取目标振动信号，并按预设长度对所述目标振动信号进行切分确定与所述目标振动信号对应的预设数量的时域振动信号片段；使用快速傅里叶变换算法分别将每个所述时域振动信号片段变换到频域上，并使用实部-频率的方式对所述时域振动信号片段进行表达确定第一频域信号片段，使用虚部-频率的方式对所述时域振动信号片段进行表达确定第二频域信号片段；基于所述第一频域信号片段和所述第二频域信号片段，确定具有实部通道和虚部通道的预设数量的频域振动信号片段；利用预设神经网络模型的时域编码器对所述时域振动信号片段进行压缩得到所述时域振动信号片段对应的时域压缩码，以及利用所述预设神经网络模型的频域编码器对所述频域振动信号片段进行压缩得到所述频域振动信号片段对应的频域压缩码。可选地，所述利用预设神经网络模型的时域编码器对所述时域振动信号片段进行压缩得到所述时域振动信号片段对应的时域压缩码，以及利用所述预设神经网络模型的频域编码器对所述频域振动信号片段进行压缩得到所述频域振动信号片段对应的频域压缩码之后，所述方法还包括：响应于信号还原指令，利用所述预设神经网络模型的时域解码器对所述时域压缩码进行解码，确定第一时域还原表征；利用所述预设神经网络模型的频域解码器对所述频域压缩码进行解码，确定频域还原表征，并使用快速傅里叶反变换算法对所述频域还原表征进行变换得到第二时域还原表征；基于预设第一时域权重和预设第二时域权重，对所述第一时域还原表征以及所述第二时域还原表征进行加权求和，确定还原振动信号片段。可选地，所述确定还原振动信号之后，所述方法还包括：对所述还原振动信号片段进行拼接，确定与所述目标振动信号对应的还原振动信号。可选地，所述基于所述第一频域信号片段和所述第二频域信号片段，确定具有实部通道和虚部通道的多个频域振动信号片段之后，所述方法还包括：基于振动信号的频域对称性，删除所述频域振动信号片段的对称部分；相应地，所述使用快速傅里叶反变换算法对所述频域还原表征进行变换得到第二时域还原表征之前，所述方法还包括：基于振动信号的频域对称性，对所述第二时域还原表征进行对称补齐。可选地，所述使用实部-频率的方式对所述时域振动信号片段进行表达确定第一频域信号片段，使用虚部-频率的方式对所述时域振动信号片段进行表达确定第二频域信号片段，可替换为：使用幅值-频率的方式对所述时域振动信号片段进行表达确定第一频域信号片段，使用相位-频率的方式对所述时域振动信号片段进行表达确定第二频域信号片段。可选地，所述预设神经网络模型包括时域模型和频域模型，所述时域模型包括时域编码器、时域解码器以及时域对抗器，所述时域编码器的输出层维度基于所述预设数量以及预设时域压缩率确定，通过将时域对抗损失loss11的权重设置为0，将时域重构损失在收敛时的取值作为时域对抗损失权重b11，通过将时域重构损失loss12的权重设置为0，将时域对抗损失在收敛时的取值作为时域重构损失权重b12，所述时域模型对应的反向传播损失loss1计算公式为loss1＝α1*b12*loss11+(1-α1)b11*loss12，α1为第一预设系数；所述频域模型包括频域编码器、频域解码器以及频域对抗器，所述频域编码器的输出层维度基于所述预设数量以及预设频域压缩率确定，通过将频域对抗损失loss21的权重设置为0，将频域重构损失在收敛时的取值作为频域对抗损失权重b21，通过将频域重构损失loss22的权重设置为0，将频域对抗损失在收敛时的取值作为频域重构损失权重b22，所述频域模型对应的反向传播损失loss2计算公式为loss2＝α2*b22*loss21+(1-α2)b21*loss22，α2为第二预设系数。可选地，所述时域模型的时域编码器和时域解码器对应的衰减系数小于所述时域对抗器对应的衰减系数，所述频域模型的频域编码器和频域解码器对应的衰减系数小于所述频域对抗器对应的衰减系数。根据本申请的另一方面，提供了一种振动信号压缩装置，包括：切分模块，用于获取目标振动信号，并按预设长度对所述目标振动信号进行切分确定与所述目标振动信号对应的预设数量的时域振动信号片段；变换模块，用于使用快速傅里叶变换算法分别将每个所述时域振动信号片段变换到频域上，并使用实部-频率的方式对所述时域振动信号片段进行表达确定第一频域信号片段，使用虚部-频率的方式对所述时域振动信号片段进行表达确定第二频域信号片段；合成模块，用于基于所述第一频域信号片段和所述第二频域信号片段，确定具有实部通道和虚部通道的预设数量的频域振动信号片段；压缩模块，用于利用预设神经网络模型的时域编码器对所述时域振动信号片段进行压缩得到所述时域振动信号片段对应的时域压缩码，以及利用所述预设神经网络模型的频域编码器对所述频域振动信号片段进行压缩得到所述频域振动信号片段对应的频域压缩码。可选地，所述装置还包括：第一解码模块，用于所述利用预设神经网络模型的时域编码器对所述时域振动信号片段进行压缩得到所述时域振动信号片段对应的时域压缩码，以及利用所述预设神经网络模型的频域编码器对所述频域振动信号片段进行压缩得到所述频域振动信号片段对应的频域压缩码之后，响应于信号还原指令，利用所述预设神经网络模型的时域解码器对所述时域压缩码进行解码，确定第一时域还原表征；第二解码模块，用于利用所述预设神经网络模型的频域解码器对所述频域压缩码进行解码，确定频域还原表征，并使用快速傅里叶反变换算法对所述频域还原表征进行变换得到第二时域还原表征；还原模块，用于基于预设第一时域权重和预设第二时域权重，对所述第一时域还原表征以及所述第二时域还原表征进行加权求和，确定还原振动信号片段。可选地，所述装置还包括：信号拼接模块，用于所述确定还原振动信号之后，对所述还原振动信号片段进行拼接，确定与所述目标振动信号对应的还原振动信号本文档来自技高网...

【技术保护点】
1.一种振动信号压缩方法，其特征在于，包括：/n获取目标振动信号，并按预设长度对所述目标振动信号进行切分确定与所述目标振动信号对应的预设数量的时域振动信号片段；/n使用快速傅里叶变换算法分别将每个所述时域振动信号片段变换到频域上，并使用实部-频率的方式对所述时域振动信号片段进行表达确定第一频域信号片段，使用虚部-频率的方式对所述时域振动信号片段进行表达确定第二频域信号片段；/n基于所述第一频域信号片段和所述第二频域信号片段，确定具有实部通道和虚部通道的预设数量的频域振动信号片段；/n利用预设神经网络模型的时域编码器对所述时域振动信号片段进行压缩得到所述时域振动信号片段对应的时域压缩码，以及利用所述预设神经网络模型的频域编码器对所述频域振动信号片段进行压缩得到所述频域振动信号片段对应的频域压缩码。/n

【技术特征摘要】
1.一种振动信号压缩方法，其特征在于，包括：
获取目标振动信号，并按预设长度对所述目标振动信号进行切分确定与所述目标振动信号对应的预设数量的时域振动信号片段；
使用快速傅里叶变换算法分别将每个所述时域振动信号片段变换到频域上，并使用实部-频率的方式对所述时域振动信号片段进行表达确定第一频域信号片段，使用虚部-频率的方式对所述时域振动信号片段进行表达确定第二频域信号片段；
基于所述第一频域信号片段和所述第二频域信号片段，确定具有实部通道和虚部通道的预设数量的频域振动信号片段；
利用预设神经网络模型的时域编码器对所述时域振动信号片段进行压缩得到所述时域振动信号片段对应的时域压缩码，以及利用所述预设神经网络模型的频域编码器对所述频域振动信号片段进行压缩得到所述频域振动信号片段对应的频域压缩码。


2.根据权利要求1所述的方法，其特征在于，所述利用预设神经网络模型的时域编码器对所述时域振动信号片段进行压缩得到所述时域振动信号片段对应的时域压缩码，以及利用所述预设神经网络模型的频域编码器对所述频域振动信号片段进行压缩得到所述频域振动信号片段对应的频域压缩码之后，所述方法还包括：
响应于信号还原指令，利用所述预设神经网络模型的时域解码器对所述时域压缩码进行解码，确定第一时域还原表征；
利用所述预设神经网络模型的频域解码器对所述频域压缩码进行解码，确定频域还原表征，并使用快速傅里叶反变换算法对所述频域还原表征进行变换得到第二时域还原表征；
基于预设第一时域权重和预设第二时域权重，对所述第一时域还原表征以及所述第二时域还原表征进行加权求和，确定还原振动信号片段。


3.根据权利要求2所述的方法，其特征在于，所述确定还原振动信号之后，所述方法还包括：
对所述还原振动信号片段进行拼接，确定与所述目标振动信号对应的还原振动信号。


4.根据权利要求2所述的方法，其特征在于，所述基于所述第一频域信号片段和所述第二频域信号片段，确定具有实部通道和虚部通道的多个频域振动信号片段之后，所述方法还包括：
基于振动信号的频域对称性，删除所述频域振动信号片段的对称部分；
相应地，所述使用快速傅里叶反变换算法对所述频域还原表征进行变换得到第二时域还原表征之前，所述方法还包括：
基于振动信号的频域对称性，对所述第二时域还原表征进行对称补齐。


5.根据权利要求1所述的方法，其特征在于，
所述使用实部-频率的方式对所述时域振动信号片段进行表达确定第一频域信号片段，使用虚部-频率的方式对所述时域振动信号片段进行表达确定第二频域信号片段，可替换为：使用幅值-频率的方式对所述时域振动信号片段进行表达确定第一频域信号片段，使用相位-频率的方式对所述时域振动信号片段进行表达确定第二频域信号...

【专利技术属性】
技术研发人员：孔祥伟，王仁根，刘贺理，焦致东，王子楠，王子巍，周丰禄，马铭阳，王森，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21