一种微弱信号识别方法、装置和可读存储介质制造方法及图纸

本发明专利技术属于海上风电领域，具体涉及一种微弱信号识别方法、装置和可读存储介质，本发明专利技术首先建立一个变尺度三稳态随机共振信号处理模型；其次，本发明专利技术提出了一个基于势函数势垒高度比不变的单参数调节方法；接下来，基于粒子群算法优化随机共振系统的参数，获得最佳的系统参数；根据最优的系统参数，求解系统的最佳随机共振输出；最后利用可调小波变换稀疏分解方法对随机共振输出信号进行处理，进一步提升微弱信号的可识别率和信噪比。本发明专利技术的优点在于：本发明专利技术提出基于随机共振和可调小波变换稀疏分解的微弱特征信号提取方法，利用随机共振方法，避免了直接滤波处理对微弱信号的进一步削弱。步削弱。步削弱。

【技术实现步骤摘要】
一种微弱信号识别方法、装置和可读存储介质


[0001]本专利技术属于海上风电领域，具体涉及一种微弱信号识别方法、装置和可读存储介质。

技术介绍

[0002]在信号的采集和处理过程中，信号往往被背景噪声干扰，如何从强背景噪声中有效提取出有用微弱特征信号，一直以来是研究热点之一。在海上风电领域，支撑结构固有频率和发电机组早期故障信号的检测对于海上风电机组的正常运行，及提升海上风电机组经济效益具有重要意义。然而固有频率信号和海上风电机组早期故障信号都属于微弱信号，在测试过程中极易被环境噪声干扰，信号的信噪比很低，极易被淹没在背景噪声中，使得微弱信号提取显得尤为困难。因此，实现海上风电微弱信号的提取显得尤为重要。此外，微弱信号提取技术对于信号传输与通信、语音识别等同样具有重要意义。传统的微弱信号处理方法有基于噪声消除的信号处理方法和噪声增强的信号处理方法。若单独采用噪声消除方法直接滤除在信号中的背景噪声，会在一定程度上损坏特征信号，并不能获得理想的效果。基于噪声增强的方法能够将噪声的能量部分转移到微弱特征信号，从而在一定程度上增强了微弱信号，因此提升了信号的信噪比和可识别率。然后，由于噪声增强方法转移噪声的能量是有限的，处理后的信号中仍然会包含很多干扰成分，因为单独采用噪声增强的方法，同样不能取得理想的结果。
[0003]基于上述问题，本专利技术提出了一种微弱信号识别方法、装置和可读存储介质，本专利技术可以实现背景噪声中，极低信噪比微弱信号的识别，同时本专利技术提出的方法，能够结合随机共振和可调小波变换信号处理的优势，算法简单可靠。

技术实现思路

[0004]为了弥补现有技术的不足，本专利技术提供一种微弱信号识别方法、装置和可读存储介质技术方案。
[0005]一种微弱信号识别方法，包括以下步骤：步骤1，对信号进行随机共振处理，包括：首先建立一个广义变尺度对称三稳态随机共振信号处理模型；其次，提出一个基于势函数势垒高度比不变的单参数调节方法；通过PSO算法优化随机共振系统的参数，获得最佳的系统参数，PSO算法即为粒子群优化算法；最后根据最优的系统参数，求解系统的最佳随机共振输出；步骤2，对随机共振信号进行可调小波变换稀疏分解，包括：首先利用可调小波变换，将随机共振获得的最优输出信号分解为具有大品质因子Q值的高共振分量和具有小品质因子Q值的低共振分量；利用PSO算法，基于最大信号可识别率，即目标函数，获取最优的高共振品质因子Q
h
，低共振品质因子Q
l
；基于最优的高共振品质因子Q
h
和低共振品质因子Q
l
确定高共振分解层数j
h
和低共振分解层数j
l
；最后根据最优的品质因子和分解层数参数，进行可调小波稀疏共振分解，获得最优的可调小波变换分解分量。
[0006]进一步地，所述步骤1具体包括：步骤1.1，将收集到的振动信号转换数据格式，选定数据长度，确定信号的采样频率以及特征频率的数值；步骤1.2，建立广义变尺度对称三稳态随机共振信号处理模型，具体的模型表达式为：，式中，，t代表时间，R是频率尺度变换系数，f
s
是采样频率，表示变尺度后系统的输出，c为系统的阻尼比，e是幅值尺度变换系数，是经过尺度变换后的系统输入信号；k
i
是三稳态势函数系数(i=1, 2, 3, 4, 5)，其满足下式： ，式中，x
i (i=1, 2, 3, 4, 5)是三稳态势函数的平衡点，满足关系, ，，p和q分别是稳定平衡点处和不稳定平衡点处的数值；步骤1.3，提出基于势函数势垒高度比不变的势函数单参数调节方法；步骤1.4，基于，设定k5和分别为常数1和0.6；建立基于p值的势函数单参数调节模型；步骤1.5，提出信号可识别率作为模型信号处理的评估指标，信号可识别率γ的表达式为：，式中，表示在输出信号频谱中特征频率（）的幅值，表示除特征频率幅值外频谱中的最大幅值；步骤1.6，利用四阶龙格库塔算法求解广义变尺度对称三稳态随机共振信号处理模型输出响应，得到随机共振处理信号；步骤1.7，设置参数c，e，R和p的参数优化范围，并初始PSO参数；步骤1.8，建立PSO算法随机共振参数优化算法，选取目标函数为，根据步骤1.7设置的参数优化范围，根据步骤1.1
‑
步骤1.6的过程，进行循环迭代计算，根据最大信号可识别率，获得最优c，e，R和p参数值；步骤1.9，根据最优的c，e，R和p参数值，利用四阶龙格库塔处理算法求最优随机共
振输出信号，将随机共振输出信号作为可调小波变换的输入信号。
[0007]进一步地，所述步骤1.3中，势函数单参数调节方法具体过程为：步骤1.3.1，定义为对称三稳态随机共振势函数的形函数；步骤1.3.2，计算势函数势垒的高度及势垒的高度比，如下：，式中，是两侧势垒的高度，是中间势垒的高度，U(p)是势函数在平衡点x1和x5处势函数值，U(q)是势函数在平衡点x2和x4处势函数值，U(0)是势函数在平衡点x3处的势函数值；由上式可知，当不变时，势函数的高度比为一常数。
[0008]进一步地，所述步骤1.4中，势函数单参数调节模型的具体模型函数如下：。
[0009]进一步地，所述步骤2具体包括：步骤2.1，定义可调小波变换的品质因子Q，其表达式如下：，式中，为信号振荡的中心频率，BW为带宽；步骤2.2，设置冗余度的值，并根据品质因子Q的值，确定在可调小波变换中高、低通滤波器组的尺度参数α和β，对应表达如下：；步骤2.3，根据品质因子和冗余度的值，确定高，低滤波的表达式；步骤2.4，根据品质因子，冗余度的值，以及数据的长度N，确定数据的最大分解层数，最大分解层数表达式为：，其中，为向下取整符号；步骤2.5，根据步骤2.1
‑
步骤2.4，可以确定可调小波变换的基本参数，进一步根据品质因子的不同，建立高品质因子滤波器组TQWTh和低品质因子滤波器组TQWTl；步骤2.6，根据形态分量分析方法建立信号稀疏分解的目标函数，其表
达式为：，式中，表示高共振分量，表示低共振分量，为低共振分量的最大分解层数，为高共振分量的最大分解层数；表示低品质因子滤波器组TQWTl的变换系数，表示高品质因子滤波器组TQWTh的变换系数，和表示第j个子带信号的正则化参数；步骤2.7，利用分裂增广拉格朗日收缩算法对迭代计算，当取得最小值时，可得到高共振分量、低共振分量和冗余信号的表达式如下：，式中和是最优的变换系数；步骤2.8，根据品质因子和Q
l
的参数范围，建立基于PSO算法的可调小波变换参数优化算法，算法优化目标函数为，根据步骤2.1
‑
步骤2.7，进行循环迭代计算，根据最大信号可识别率，获得最优，Q
l
，j
l
和j
h
；步骤2.9，根据最优，Q
l
，j
l
和j
h
的参数值，重复步骤2.1
‑
步骤2.7，获得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种微弱信号识别方法，其特征在于，包括以下步骤：步骤1，对信号进行随机共振信号处理，包括：首先建立一个广义变尺度对称三稳态随机共振信号处理模型；其次，提出一个基于势函数势垒高度比不变的单参数调节方法；通过PSO算法优化随机共振系统的参数，获得最佳的系统参数；最后根据最优的系统参数，求解系统的最佳随机共振输出；步骤2，对随机共振信号进行可调小波变换稀疏分解，包括：首先利用可调小波变换，将随机共振获得的最优输出信号分解为具有大品质因子Q值的高共振分量和具有小品质因子Q值的低共振分量；利用PSO算法，基于最大信号可识别率γ，目标函数，获取最优的高共振品质因子Q
h
，低共振品质因子Q
l
；基于最优的高共振品质因子Q
h
和低共振品质因子Q
l
确定高共振分解层数j
h
和低共振分解层数j
l
；最后根据最优的品质因子和分解层数参数，进行可调小波稀疏共振分解，获得最优的可调小波变换分解分量。2.根据权利要求1所述的一种微弱信号识别方法，其特征在于，所述步骤1具体包括：步骤1.1，将收集到的振动信号转换数据格式，选定数据长度，确定信号的采样频率以及特征频率的数值；步骤1.2，建立广义变尺度对称三稳态随机共振信号处理模型，具体的模型表达式为：，式中，，t代表时间，R是频率尺度变换系数，f
s
是采样频率，表示变尺度后系统的输出，c为系统的阻尼比，e是幅值尺度变换系数，是经过尺度变换后的系统输入信号；k
i
是三稳态势函数系数(i=1,2,3,4,5)，其满足下式：，式中，x
i
(i=1,2,3,4,5)是三稳态势函数的平衡点，满足关系,，，p和q分别是稳定平衡点处和不稳定平衡点处的数值；步骤1.3，提出基于势函数势垒高度比不变的势函数单参数调节方法；步骤1.4，基于，设定k5和分别为常数，如分别为1和0.6；建立基于p值的势函数单参数调节模型；步骤1.5，提出信号可识别率作为模型信号处理的评估指标，信号可识别率γ的表达式为：
，式中，表示在输出信号频谱中特征频率（）的幅值，表示除特征频率幅值外频谱中的最大幅值；步骤1.6，利用四阶龙格库塔算法求解广义变尺度对称三稳态随机共振信号处理模型输出响应，得到随机共振处理信号；步骤1.7，设置参数c，e，R和p的参数优化范围，并初始PSO参数；步骤1.8，建立PSO算法随机共振参数优化算法，选取目标函数为，根据步骤1.7设置的参数优化范围，根据步骤1.1
‑
步骤1.6的过程，进行循环迭代计算，根据最大信号可识别率，获得最优c，e，R和p参数值；步骤1.9，根据最优的c，e，R和p参数值，利用四阶龙格库塔处理算法求最优随机共振输出信号，将随机共振输出信号作为可调小波变换的输入信号。3.根据权利要求2所述的一种微弱信号识别方法，其特征在于，所述步骤1.3中，势函数单参数调节方法具体过程为：步骤1.3.1，定义为对称三稳态随机共振势函数的形函数；步骤1.3.2，计算势函数势垒的高度及势垒的高度比，如下：，式中，是两侧势垒的高度，是中间势垒的高度，U(p)是势函数在平衡点x1和x5处势函数值，U(q)是势函数在平衡点x2和x4处势函数值，U(0)是势函数在平衡点x3处的势函数...

【专利技术属性】
技术研发人员：张才亮，朱嵘华，刘寒秋，涂智圣，栾富豪，陈勇，
申请(专利权)人：浙江大学，
类型：发明
国别省市：