[发明专利]一种基于压缩域的振动信号特征提取方法

说明书

本发明公开了一种基于压缩域的振动信号特征提取方法，包括以下步骤：对采集的振动信号进行压缩测量，得到其线性投影的测量值；根据测量值基于l₂范数最小化理论获得l₂范数最小的解信号；对获得的l₂范数最小的解信号进行离散傅里叶变换得到频谱信息；基于频谱信息，提取振动信号的故障状态频谱特征。在对所述频谱信息进行分析之前，还包括：对获得的l₂范数最小的解信号的频谱的幅值进行修正；对修正后的频谱信息进行分析，提取振动信号的频谱特征。本发明提出的基于压缩域的振动信号特征提取方法避免了基于l₁范数最小化的重构算法计算复杂度高、处理速度慢的问题。

技术领域

本发明属于故障诊断领域，具体涉及一种振动信号的特征提取方法。

背景技术

传统的振动信号检测与采样通常是基于奈奎斯特采样定理实现的，奈奎斯特采样定理要求采样频率至少为信号中最高频率的两倍，才能由采样信号精确重构出原始振动信号。压缩感知理论的产生为解决这个问题提供了新的思路，该理论在保证信号不丢失主要信息的情况下，可以远低于奈奎斯特采样率的数据高概率重构信号。压缩感知理论主要包含两个方面：第一，获得原始信号的线性投影；第二，通过恰当的恢复算法从测量值中重构出原始信号，上述方法都要经信号稀疏表示、压缩测量、基于l₁范数最小化的重构算法对信号进行恢复后，才能对重构信号进行进一步处理，而基于l₁范数最小化的重构算法计算复杂度较高、运行时间较长，且进行故障诊断时只需提取故障特征即可，无需重构出完整的振动信号。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

针对现有技术中的缺陷，本发明提出一种基于压缩域的振动信号特征提取方法，避免了基于l₁范数最小化的重构算法计算复杂度高、运行时间长的问题。

根据本发明的一个方面，提供了一种基于压缩域的振动信号特征提取方法，包括以下步骤：

对采集的振动信号进行压缩测量，得到其线性投影的测量值；

根据测量值基于l₂范数最小化理论获得l₂范数最小的解信号；

对获得的所述解信号进行离散傅里叶变换，得到频谱信息；

基于所述频谱信息，完成振动信号故障状态频谱特征的提取

进一步地，上述技术方案中，在对所述频谱信息进行分析之前，进一步包括：对获得的l₂范数最小的解信号的频谱的幅值进行修正；对修正后的频谱信息进行分析，提取故障的频谱特征。

进一步地，对获得的l₂范数最小的解信号的频谱的幅值进行修正包括：

根据振动信号的采样率，确定相对误差；

根据相对误差确定修正系数；

根据修正系数对l₂范数最小的解信号的频谱的幅值进行修正。

进一步地，根据本发明的上述特征提取方法，振动信号的采样率等于线性投影的测量值与振动信号长度的比值；相对误差是根据振动信号直接经傅里叶变换后频谱的幅值X与频谱信息的幅值X1确定的。

进一步地，对振动信号进行压缩测量时，采用高斯随机测量矩阵对振动信号进行处理。

根据本发明的另一方面，还提供了一种存储介质。该存储介质包括存储的程序，其中，该程序执行上述特征提取方法。

根据本发明的另一方面，还提供了一种处理器。该处理器用于运行程序，其中，该程序运行时执行上述特征提取方法。