一种基于自适应特征提取的发动机振动源识别方法技术

本发明专利技术提供了一种基于自适应特征提取的发动机振动源识别方法，包括如下步骤：S1：进行整机振动测试，采集内燃机振动信号；S2：对振动信号进行去趋势处理，处理后的振动信号为X(t)；S3：振动信号X(t)进行自适应分解：S4：对步骤S3得到的振动分解分量进行重构，对振动信号进行去噪处理；S5：对步骤S4获得的振动重构信号进行时频分析和阶次谱特征提取，根据发动机工作原理及激励源特征进行振动源识别。本发明专利技术有益效果：本申请以重构分解信号与原始信号的相关性为VME优化的约束条件，保证了振动信号的有效特征被分解。

【技术实现步骤摘要】

本专利技术属于发动机振动噪声，具体涉及一种基于自适应特征提取的发动机振动源识别方法。

技术介绍

1、发动机振动信号具有非线性、非稳态、强耦合、强干扰特征，快速准确的进行振动源识别难度较大，而有效的振动源识别对发动机减振降噪及可靠性开发具有重要意义。信号分解可以将发动机复杂振动信号特征分解成一系列特征分量，准确的振动特征提取是发动机振动源识别的关键。

2、2018年，变分模态提取(variational mode extraction，vme)在vmd的基础上发展而来，并在医用领域和轴承故障诊断领域进行快速特征提取获得良好的应用效果。vme具有更高的提取精度和更低的计算成本，但vme算法参数设置存在一定的主观性，信号处理结果仍存在欠分解、过分解及端点效应的现象，导致分解信号特征存在失真问题，无法实现复合信号准确分解。此外，发动机振动信号干扰性强，导致vme算法在强干扰环境下鲁棒性不足。

3、发动机振动信号特征干扰性大，冲击性强，频谱组成复杂，自适应高精度的进行信号特征提取难度较大，因此，提出一种适用于发动机振动信号特征的自适应信号特征本文档来自技高网...

【技术保护点】

1.一种基于自适应特征提取的发动机振动源识别方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于自适应特征提取的发动机振动源识别方法，其特征在于：步骤S3中振动信号X(t)进行自适应分解包括如下步骤：

3.根据权利要求2所述的一种基于自适应特征提取的发动机振动源识别方法，其特征在于：步骤A3中Sum_IMF(t)表示分解分量IMF(t)矩阵列求和，重构信号Sum_IMF(t)和原始信号的Pearson相关系数通过如下计算公式计算：

4.根据权利要求2所述的一种基于自适应特征提取的发动机振动源识别方法，其特征在于：>

5.根据权利...

【技术特征摘要】

1.一种基于自适应特征提取的发动机振动源识别方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于自适应特征提取的发动机振动源识别方法，其特征在于：步骤s3中振动信号x(t)进行自适应分解包括如下步骤：

3.根据权利要求2所述的一种基于自适应特征提取的发动机振动源识别方法，其特征在于：步骤a3中sum_imf(t)表示分解分量imf(t)矩阵列求和，重构信号sum_imf(t)和原始信号的pearson相关系数通过如下计算公式计算：

4.根据权利要求2所述的一种基于自适应特征提取的发动机振动源识别方法，其特征在于：

5.根据权利要求1所述的一...

【专利技术属性】
技术研发人员：周启迪，张忠伟，王根全，王延荣，张利敏，许春光，李满，李一帆，
申请(专利权)人：中国北方发动机研究所，
类型：发明
国别省市：