【技术实现步骤摘要】
一种基于高通滤波的振动信号特征提取方法
[0001]本专利技术涉及海上风力发电
，具体涉及一种基于高通滤波的振动信号特征提取方法。
技术介绍
[0002]近年来，全世界海上风电机组年度装机容量与累计装机容量均实现巨大增长，全球海上风电比率也在逐年提高。而随着装机量增加，风力发电机的事故数也呈上升趋势，并且修理难度极大，尤其是海上风力发电机组的维修更为困难。如何保证海上风力发电机组运转平稳、提升机组的运转率、减少后期维护花销已成为目前亟需解决的问题。通常情况下，海上风电机组行星齿轮箱的故障，往往可以归纳为齿轮、轴承等主要部件的故障。
[0003]海上风力发电机组要承受波浪、风力等诸多外界载荷，对振动信号的检测、处理产生很大影响。因此在分析过程中，要首先考虑消除外界低频信号的扰动，接着对振动信号特征进行提取，并以此为依据对齿轮箱的运行状况进行判断。
[0004]传统的齿轮箱等机械设备的故障诊断大多采用信号处理的方法来实现，并且大多未考虑波浪以及风力的低频扰动，例如中国专利CN112629851公开了一种基于...
【技术保护点】
【技术特征摘要】
1.一种基于高通滤波的振动信号特征提取方法，其特征在于，所述方法包括：(1)由信号采集模块对海上风电齿轮箱振动信号的实时采集、存储，收集得到原始振动信号x(n)，并传输至PC端；(2)将收集得到的原始振动信号x(n)经过数字高通滤波器的滤波处理，得到高频振动信号y(n)；(3)通过K
‑
SVD字典构建算法对高频振动信号y(n)进行分析，求解稀疏矩阵系数S；(4)固定稀疏矩阵系数S，采用K
‑
SVD算法逐一更新字典K个原子，得到训练完毕的字典D，并对字典D进行稀疏分解，得到重建后的单元；(5)拼接得到K
‑
SVD重建信号，对K
‑
SVD重建信号进行快速傅里叶变换，分析时域和频域信号图诊断齿轮箱健康状态。2.根据权利要求1所述的一种基于高通滤波的振动信号特征提取方法，其特征在于，所述数字高通滤波器采用FIR数字滤波器。3.根据权利要求2所述的一种基于高通滤波的振动信号特征提取方法，其特征在于，所述FIR数字滤波器采用窗函数法进行设计，具体过程为：(21)根据阻带最小衰减要求选定窗口函数，再由过渡带宽确定FIR数字滤波器阶数N的大小，得到窗函数ω(n)，n＝0，1，2，...，N
‑
1；(22)计算理想高通滤波器的截止频率ω
c
：其中，ω
s
是阻带截止频率；ω
p
是通带截止频率；(23)计算出相应的理想滤波器的单位脉冲响应h
d
(n)：其中，N为数字滤波器的阶数，通常取奇数；a为时延常数，a＝(N
‑
1)/2；h
d
(n)是偶对称的；(24)求得所设计的FIR数字滤波器的单位脉冲响应h(n)＝h
d
(n)ω(n)，n＝0，1，2，...，N
‑
1；(25)通过求H(e
jω
)＝DTFT[h(n)]验证设计结果是否满足设计要求，如不满足要求，需重新设计。4.根据权利要求3所述的一种基于高通滤波的振动信号特征提取方法，其特征在于，所述理想高通滤波器的单位脉冲响应h
d
(n)为：其中，N是数字滤波器的阶数，N取奇数；n是序数，n＝0，1，2，...，N
‑
1；a是时延常数，a＝(N
‑
1)/2。5.根据权利要求4所述的一种基于高通滤波的振动信号特征提取方法，其特征在于，所
述原始振动信号x(n)与经过滤波处理的高频振动信号y(n)之间的关系为卷积和的关系，即：y(n)＝x(n)*h(n)。6.根据权利要求1所述的一种基于高通滤波的振动信号特征提取方法，其特征在于，步骤(3)中稀疏矩阵系数S具体求解过程为：对经过滤波处理的高频振动信号y(n)划分单元，得到字典学习算法的训练样本库，从样本库中选取K个样本，组成初始字典D0，并通过正交匹配追踪(OMP)算法求解稀疏矩阵系数S，求解步骤为：定义待分解信号x、字典D、稀疏度T，循环次数t，当没有迭代时即t＝0时，残差R0＝x，原子的索引集已选的原子集稀疏系数s0＝0；(31)挑选与当前残差最匹配的原子，计算残差与所有原子的点积，最大者索引为λ＝argmax|<R
t
‑1，d
k
>|；其中，R
t
‑1是上一次循环得到的残差；d
k
是字典原子；(32)计算循环次数t时的原子索引集Λ
t
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。