一种基于海量频域数据和移动平均法的雷达故障预警方法技术

本发明专利技术公开了一种基于海量频域数据和移动平均法的雷达故障预警方法，能够应用于雷达健康管理领域，但不限于此领域。本发明专利技术基于振动传感器获取雷达转台的振动传感数据，利用大数据相关技术存储原始时域数据。通过快速傅立叶算法将时域数据转换成频域数据并存储。再对频域数据通过移动平均算法，获取雷达转台历史频域各个频率上的幅值均值。根据实验获得基于均值的门限值作为预警阈值，最终实现识别雷达运行状态异常，以及在什么频率段异常并及时给出预警，以此辅助雷达使用者判断雷达运行状态，提前制定维护策略，减少突发故障的出现。减少突发故障的出现。减少突发故障的出现。

【技术实现步骤摘要】
一种基于海量频域数据和移动平均法的雷达故障预警方法


[0001]本专利技术涉及雷达故障预警
，具体涉及一种基于海量频域数据和移动平均法的雷达故障预警方法。

技术介绍

[0002]目前，对于雷达系统的故障检测，主要是通过雷达系统故障模式、影响及危害性分析技术，该技术可以分析雷达系统可能的故障模式、故障原因及危害程度和影响，从而提供与故障检测、故障隔离、故障修复等有关的维修性和测试性设计及设计改进所需的信息。
[0003]但对大型的复杂雷达系统，故障的存在往往具有模糊性，例如，几种故障同时发生并相互诱发等。对于这种模糊现象，用传统的数学工具进行定量分析往往十分困难。
[0004]随着雷达信息化和大数据技术的发展，以及大数据技术和雷达健康管理系统的有机结合，有效地整合雷达使用阶段的数据资源，将雷达运转期间转台的振动数据作为其运行状态的特征数据存储，从而进行深度挖掘，并实现对雷达故障预警的目标，本专利技术提出了一种基于移动平均法和海量频域数据实现雷达故障预警的实施方法。

技术实现思路

[0005]本专利技术的目的在于提供一种基于海量频域数据和移动平均法的雷达故障预警方法，根据海量频域数据识别雷达运行状态异常，其次根据各个频率的幅值与依据历史各个频率的幅值得到的门限值作对比，可获知具体在什么频率段异常并及时给出预警，以此辅助雷达使用者判断雷达运行状态，提前制定维护策略，减少突发故障的出现。
[0006]本专利技术的目的可以通过以下技术方案实现：
[0007]一种基于海量频域数据和移动平均法的雷达故障预警方法，包括以下步骤:
[0008]步骤一：通过振动传感器收集雷达转台的振动数据；
[0009]步骤二：将步骤一中的收集的振动数据接入到消息中间件，从消息中间件存储到数据库，获得振动信号的时域数据；
[0010]步骤三：对存储到数据库的时域数据运用快速傅立叶算法转换成频域数据，并存储到数据库；
[0011]步骤四：对数据库中的频域数据每天做离线分析任务，基于当前时间之前的所有历史频域数据，先对各个频率下的历史幅值取均值，再对各频率点的幅值均值通过移动平均算法获得各个频率下移动平均幅值，并存储到数据库；
[0012]步骤五：取当前时间上一小时6个周期的各个频率的幅值，与步骤四中的各个频率的移动平均幅值的三倍作对比，若6个周期中有5个周期均大于门限值，则认为对应频率异常；
[0013]步骤六：将异常频率存储到数据库备份，同时发送给用户，帮助用户判别故障类型，以辅助设备维护。
[0014]作为本专利技术进一步的方案：步骤一中振动数据包括时间和信号幅值。
[0015]作为本专利技术进一步的方案：步骤三中时域数据的处理，包括以下步骤：
[0016]S1：每小时处理上1小时的时域数据，选取10分钟中的1个周期的时域数据；
[0017]S2：将S1中的时域数据经过快速傅立叶转换得到给个频率对应的幅值，以及对应周期的时间点，并按时间、频率和频率对应的幅值存储到数据库中，得到雷达转台振动特征的样本。
[0018]作为本专利技术进一步的方案：步骤四中频域数据的幅值是通过在单位时间内经快速傅立叶转换得到。
[0019]作为本专利技术进一步的方案：步骤一中通过消息中间件的设置能够控制和优化数据流经过系统的速度。
[0020]作为本专利技术进一步的方案：时域数据是用于描述信号在不同时刻取值的函数。
[0021]作为本专利技术进一步的方案：频域数据是用于信号的频率结构及频率与该频率信号幅度的函数。
[0022]本专利技术的有益效果：
[0023]本专利技术基于振动传感器获取雷达转台的振动传感数据，利用大数据相关技术存储原始时域数据，通过快速傅立叶算法将时域数据转换成频域数据并存储，再对频域数据通过移动平均算法，获取雷达转台历史频域各个频率上的幅值均值，根据实验获得基于均值的门限值作为预警阈值。最终实现识别雷达运行状态异常，以及频率段异常时给出预警，能够辅助雷达使用者判断雷达运行状态，提前制定维护策略，减少突发故障的出现，实用性强。
附图说明
[0024]下面结合附图对本专利技术作进一步的说明。
[0025]图1是本专利技术流程图的结构示意图。
具体实施方式
[0026]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0027]请参阅图1所示，本专利技术为一种基于海量频域数据和移动平均法的雷达故障预警方法，包括以下步骤:
[0028]步骤一：通过振动传感器收集雷达转台的振动数据；
[0029]其中，振动数据包含时间和信号幅值；
[0030]步骤二：将步骤一中的收集的振动数据接入到消息中间件，从消息中间件存储到数据库，获得振动信号的时域数据；
[0031]首先将时域数据接入到消息中间件中，有助于控制和优化数据流经过系统的速度，解决生产消息和消费消息的处理速度不一致的情况；
[0032]其次，能够根据需要将时域数据从消息中间件存储到数据库，为进一步数据分析提供数据；
[0033]步骤三：对存储到数据库的时域数据运用快速傅立叶算法(fft)转换成频域数据，并存储到数据库；
[0034]其中，时域数据的自变量是时间，即横轴是时间，纵轴是信号的变化，其动态信号是描述信号在不同时刻取值的函数；
[0035]其中，频域数据的自变量是频率，即横轴是频率，纵轴是该频率信号的幅度，形成频域图，频域图描述了信号的频率结构及频率与该频率信号幅度的关系；
[0036]由于对信号进行时域分析时，有时一些信号的时域参数相同，但并不能说明信号就完全相同，对信号进行频域分析，可以发现不同的故障表现在不同频率上的异常，因此对频域数据进行进一步挖掘分析，具体步骤如下：
[0037]S1：每小时处理上1小时的时域数据，选取10分钟中的1个周期的时域数据，如周期为4s，则从10分钟中选取4s进行快速傅立叶转换，则1小时有6个周期的频域数据；
[0038]S2：经过傅立叶转换转换可得到各个频率对应的幅值，以及对应周期的时间点，按时间，频率和频率对应的幅值存储到数据库中；
[0039]S3：按上述步骤，一天的频域数据有24*6＝144个周期，相当于选取这144个周期作为一天的雷达转台振动特征的样本；
[0040]步骤四：对数据库中的频域数据每天做离线分析任务，基于当前时间之前的所有历史频域数据，先对各个频率下的历史幅值取均值，再对各频率点的幅值均值通过移动平均算法获得各个频率下移动平均幅值，并存储到数据库；
[0041]其中频域数据的具体处理步骤为：
[0042]W1：表一中t表示各个周期时间，幅值是fft转换后取模获得的幅值，如对100H本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于海量频域数据和移动平均法的雷达故障预警方法，其特征在于，包括以下步骤:步骤一：通过振动传感器收集雷达转台的振动数据；步骤二：将步骤一中的收集的振动数据接入到消息中间件，从消息中间件存储到数据库，获得振动信号的时域数据；步骤三：对存储到数据库的时域数据运用快速傅立叶算法转换成频域数据，并存储到数据库；步骤四：对数据库中的频域数据每天做离线分析任务，基于当前时间之前的所有历史频域数据，先对各个频率下的历史幅值取均值，再对各频率点的幅值均值通过移动平均算法获得各个频率下移动平均幅值，并存储到数据库；步骤五：取当前时间上一小时6个周期的各个频率的幅值，与步骤四中的各个频率的移动平均幅值的三倍作对比，若6个周期中有5个周期均大于门限值，则认为对应频率异常；步骤六：将异常频率存储到数据库备份，同时发送给用户，帮助用户判别故障类型，以辅助设备维护。2.根据权利要求1所述的一种基于海量频域数据和移动平均法的雷达故障预警方法,其特征在于，步骤一中振动数据包括时间和信号幅值。3.根据权利要求1所述的一种基于海量...

【专利技术属性】
技术研发人员：宋冕冕，胡斌，张跃，王晓艳，柴少静，邸晨曦，水孝敏，李帅帅，
申请(专利权)人：四创电子股份有限公司，
类型：发明
国别省市：