一种船舶机械振动特征线谱快速识别筛选方法技术

本发明专利技术属于船舶振动与噪声控制领域，具体涉及一种船舶机械振动特征线谱智能识别方法。包括如下步骤：对待识别的船舶机械振动特征线谱数据信息进行特征分类；建立功率谱的拟合数值模型；建立连续谱数值模型；以振动连续谱为准零线划分为零上部分和零下部分；进行线谱局部最大值寻优；本申请综合考虑多测点复杂工况数据的测点预处理、采集数据有效筛选提取、有效数据序列的局部寻优等几个方面，实现多测点复杂工况功率谱数据中特征线谱的快速识别收敛和有效提取。敛和有效提取。敛和有效提取。

【技术实现步骤摘要】
一种船舶机械振动特征线谱快速识别筛选方法


[0001]本专利技术属于船舶振动与噪声控制领域，具体涉及一种船舶机械振动特征线谱智能识别方法。

技术介绍

[0002]船舶机械系统中的机电设备在运行过程中表征出显著的振动信号，在低频段表现为复杂特征线谱，这些特征线谱通过船体传到水中，形成辐射噪声，对船舶的声隐身性、舒适性等产生不良影响。机械振动监测的最常用手段就是振动信号分析，振动信号的基本分析方法目前已经较为成熟，但针对复杂特征线谱的提取方法目前还有待改进。
[0003]目前应用于船舶机械振动特征线谱提取的方法主要是基于频谱估计方法，可分类为：(1)噪声包络调制检测或针对性宽频分段分析和记录；(2)基于小波阈值方法对信号进行降噪处理，根据奇异性分析结果提取线谱；(3)根据集合经验模式分解进行特征线谱提取；(4)采用自适应线谱增强器，在线谱识别和筛选过程中增强线谱，抑制宽带干扰；(5)人工对线谱进行识别提取。
[0004]上述手段主要侧重于抑制噪声干扰，提高信噪比，使得线谱特征在功率谱信号中更加明显，存在计算误差大、运算效率低、测点布放局限等缺点；有些方法还需要特征频谱的先验知识，增加了方案实现难度。

技术实现思路

[0005]本专利技术的目的在于，在综合考虑测点振动耦合性、测量数据复杂性、数据提取有效性的前提下，提供一种精确有效的船舶机械振动特征线谱智能识别方法，实现船舶复杂工况机械振动特征线谱的有效提取。
[0006]本专利技术的船舶机械振动特征线谱智能识别方法，包括如下步骤：<br/>[0007]步骤一、对待识别的船舶机械振动特征线谱数据信息进行特征分类，包括但不仅限于：分析测点名称P、位置编号N、振动信号预处理类型F、数据有效性检验集U、振动数据预处理结果集S；以上数据集合组成振动信号待分析数据库，主要用于提供振动特征线谱的数据分析基底。
[0008]步骤二、由步骤一中的数据预处理结果集获得振动功率谱数据，建立功率谱的拟合数值模型。机械振动噪声的功率谱一般由连续谱和线谱组成，可被视为振动特征线谱与振动连续谱上的叠加。因此，特征线谱提取前应提供识别连续谱的方法以消除连续谱，获得相对干净的特征线谱平整数据基底。
[0009]功率谱信号通常为周期信号，其谱特征为多个单根线谱，线谱伴有主峰和旁瓣，在数值上表现为：特征线谱附近的频段范围内，其幅值最大，线谱两边呈递减趋势。
[0010]基于以上原理，定义功率谱序列形式为：
[0011][x1,x2,x3...x
i
...x
n
‑2,x
n
‑1,x
n
][0012][y1,y2,y3...y
i
...y
n
‑2,y
n
‑1,y
n
][0013]上式中，x
i
为经定步长分辨率处理得到的频率值，y
i
为对应的功率谱幅值。基于宽带平稳随机过程模型原理，随机振动信号可用平稳随机信号和相位随机信号叠加表示，因此，连续谱随机振动信号可拟合为：
[0014][0015]上式中，{x(t)}为宽带平稳随机过程函数，l
r
(t)表示为相位随机的周期信号。进一步可将功率谱表示为：
[0016][0017]其中，S为谱值，T为做初级傅里叶变换(FFT)时参与运算的每段信号时间长度，E为谱值集合算数均值运算符，k为信号段编号，K的取值大小代表信号段精度。
[0018]步骤三、根据步骤二提供的数据基底，建立连续谱数值模型。振动连续谱可准确反映频段内振动幅频特性的变化趋势，为兼顾收敛速度及精度，采用随动待定系数多项式模型对其拟合，其形式可表示为：
[0019][0020]上式中，a为随动待定系数，K为拟合阶次，m为待定系数个数。以残差的平方和最小为拟合准则，寻找待定系数的最小二乘逼近曲线τ：
[0021][0022]上式中，n为步骤一中的功率谱幅值个数，为获得τ的极小值，逐个对待定系数a
m
求偏导：
[0023][0024]设a
m
偏导值为零，得到K+1个线性方程组：
[0025][0026]通过求解上式方程组，求得拟合多项式随动待定系数a
m
及仍包含特征线谱的拟合幅值y
*
，由待定系数获得振动连续谱模型。
[0027]步骤四、以振动连续谱为准零线，根据功率谱与连续谱差值是否大于或小于 0，将步骤二所得到的功率谱幅值划分为零上部分和零下部分。
[0028][0029]上式中，Y
*
和y
*
分别为去除连续谱的功率谱相对值、连续谱拟合值。对功率谱幅值序列进行“0
‑
1”判断，分别将Y
*
的零上部分和零下部分的对应频段转化为多组连续“1”区间和连续“0”区间。其中各组有效特征线谱频率值“0
‑
1”判断索引方程为：
[0030]XOR(Y
i
‑1,Y
i
)＝1，Y
i
＝1
[0031]XOR(Y
i
,Y
i+1
)＝1，Y
i+1
＝0
[0032]上式中，将Y
i
‑1处于零下且Y
i
处于零上的频率值设置为1，目的是搜寻可能出现有效特征线谱的范围起始值，将Y
i
处于零上且Y
i+1
处于零下的频率值设置为 0，目的是搜寻可能出现有效特征线谱的范围终止值，连续相邻的起始值与终止值构成一个分组，各分组内均肯呢个出现特征线谱，然后对应各分组提取对应的功率谱幅值，形成以幅值为元素的离散数据集合，其离散“0
‑
1”分组方程为：
[0033][0034][0,Y1,Y2,
…
,Y
n
,0]，Y
i
∈[0,1],i＝1,2
…
n
[0035]上式中，通过判断拟合值Y
*
和预处理功率谱值集合Y的0
‑
1关系，实现可能出现特征线谱的功率谱幅值分组。即实现对各组“1”区间内的功率谱有效数据簇的聚类，从而建立起可进行局部寻优的特征线谱数据簇。与其他方法相比，建立特征线谱的局部寻优数据簇这一步骤摒弃了大量的无效数据，在提升识别效率的同时又提高了筛选精度。
[0036]步骤五、在满足3dB信噪比条件下，进行线谱局部最大值寻优。步骤一到步骤四解决了特征线谱可能存在的频段范围问题，利用单个特征线谱在幅频特性上表现为线谱峰值最大，且峰值两边的幅值递减的特点，依序提取第k组特征线谱数据簇中的功率谱峰值k
peak
，并分别与步骤二中获得的各段多项式拟合曲线的均值k
e
进行比较。若k
peak
≥k
...

【技术保护点】

【技术特征摘要】
1.一种船舶机械振动特征线谱快速识别筛选方法，其特征在于，包括如下步骤：步骤一、用于构建振动信号的待分析数据库的步骤；具体包括：对待识别的船舶机械振动特征线谱数据信息进行特征分类，构成特征分类数据集，将数据集合组成振动信号的待分析数据库；步骤二、用于建立功率谱拟合数值模型的步骤具体包括：由待分析数据库获得振动功率谱数据，建立功率谱的拟合数值模型：[x1,x2,x3...x
i
...x
n
‑2,x
n
‑1,x
n
][y1,y2,y3...y
i
...y
n
‑2,y
n
‑1,y
n
]上式中，x
i
为经定步长分辨率处理得到的频率值，y
i
为对应的功率谱幅值；基于宽带平稳随机过程模型原理，将随机振动信号用平稳随机信号和相位随机信号叠加表示，连续谱随机振动信号拟合为：上式中，{x(t)}为宽带平稳随机过程函数，l
r
(t)为相位随机的周期信号；进一步将功率谱表示为：其中，S为谱值，T为做初级傅里叶变换时参与运算的每段信号时间长度，E为谱值集合算数均值运算符，k为信号段编号；步骤三、用于建立连续谱数值模型的步骤具体包括：根据特征线谱平整数据基底，建立连续谱数值模型；振动连续谱反映频段内振动幅频特性的变化趋势，采用随动待定系数多项式模型对其拟合，其形式表示为：上式中，a
m
为待定系数，K为拟合阶次，m为待定系数个数；K的取值大小代表信号段精度；以残差的平方和最小为拟合准则，寻找待定系数的最小二乘逼近曲线τ：上式中，n为步骤一中的功率谱幅值的个数，为获得τ的极小值，逐个对待定系数a
m
求偏导：设a
m
偏导值为零，得到K+1个线性方程组：
通过求解上式方程组，求得拟合多项式随动待定系数a
m
及仍包含特征线谱的拟合幅值y
*
，由待定系数获得振动连续谱模型；步骤四、用于建立起可进行局部寻优的特征线谱数据簇的步骤以振动连续谱为准零线，根据功率谱与连续谱差值是否大于或小于0，将预处理所得到的功率谱幅值划分为零上部分和零下部分；上式中，Y
*
为去除连续谱的功率谱相对值；y
*
为连续谱拟合值；通过功率谱幅值序列0
‑
1判断，分别将Y
*
的零上部分和零下部分的对应频段转化为多组连续1区间和连续0区间；得到各组有效特征线谱频率值索引方程：XOR(Y
i
‑1,Y
i
)＝1，Y
i
＝1XOR(Y
i
,Y
i+1
)＝1，Y
i+1
＝0上式中，...

【专利技术属性】
技术研发人员：杜德锋，王磊，尹红升，李伟峰，周文进，王富海，何江贤，邓杜杭，屈武，李丽丽，
申请(专利权)人：中国人民解放军九一三八八部队，
类型：发明
国别省市：