[发明专利]基于感知哈希的循环平稳信号降维、识别方法及系统

说明书

本发明公开了基于感知哈希的循环平稳信号降维、识别方法及系统，基于字典学习算法从每个设备状态的已知循环平稳信号提取基函数构成设备状态字典，将所有设备状态的所有基函数进行合并，得到设备状态冗余字典；基于稀疏编码方法利用设备状态冗余字典对待检测循环平稳信号进行稀疏分解，得到待检测循环平稳信号的稀疏表示；基于待检测循环平稳信号的稀疏表示计算设备状态冗余字典中基函数的激活特征向量；将基函数的激活特征向量被转换为二进制序列；将得到的二进制序列转化为整型数值，作为待检测循环平稳信号的设备状态哈希码。提取信号中的设备状态信息，降低所传送数据的维度，减少对网络带宽资源的占用，提高设备状态监测的经济性和安全性。

技术领域

本发明涉及设备状态监测与故障诊断领域，特别是涉及基于感知哈希的循环平稳信号降维、识别方法及系统。

背景技术

循环平稳信号是设备状态监测中最常见的信号，特别是对于基于振动的旋转机械或往复机械设备状态监测中，振动信号中循环平稳特性的出现往往昭示着某种异常设备状态的存在，对于机械设备故障诊断具有重要参考意义。这种循环平稳特性通常表现为平稳振动信号中周期出现冲击脉冲的形式。究其原因，这是因为零部件内部损伤对零部件之间的相对运动形成障碍，从而导致周期性振动脉冲的出现。但循环平稳信号往往具有采样频率高，数据量大的特点，这就使得设备状态监测过程中，数据的传输所消耗的网络带宽较大，数据的存储将占用较大存储资源，而相关数据的处理对计算资源的需求也会随着监测数据的累积而急剧攀升。

设备状态监测过程中的实际情况是，在异常设备状态出现前，监测信号较为平稳；而在异常设备状态出现后，监测信号呈现循环平稳特性。总之，在一定设备状态下，在一定时间段内所监测信号的数据冗余度较大，但所传递的设备状态信息却较为稳定。因此，如果能够有效提取设备状态信息，同时降低数据维度，将极大提高设备状态监测系统的运行效率。

发明内容

本发明主要解决的技术问题是提供一种基于感知哈希的循环平稳信号降维、识别方法及系统，能够降低设备状态监测过程中所传输数据的维度，同时提取设备状态信息，便于设备状态识别建模。

为解决上述技术问题，本发明采用的第一个方面是：

基于感知哈希的循环平稳信号降维方法，包括以下步骤：

步骤(1)：基于字典学习算法从每个设备状态下的已知循环平稳信号中提取基函数构成设备状态字典，将所有设备状态下的所有基函数进行合并，得到设备状态冗余字典；

步骤(2)：基于稀疏编码方法利用设备状态冗余字典对待检测循环平稳信号进行稀疏分解，以所有基函数的系数作为待检测循环平稳信号的稀疏表示；

步骤(3)：基于待检测循环平稳信号的稀疏表示计算设备状态冗余字典中基函数的激活特征向量；

步骤(4)：设定基函数的激活特征向量元素的阈值，如果基函数的激活特征向量元素大于或等于阈值，则元素值设为1，否则，元素值设为0，则基函数的激活特征向量被转换为二进制序列；

步骤(5)：将步骤(4)得到的二进制序列转化为整型数值，作为待检测循环平稳信号的设备状态哈希码。

所述步骤(3)是指，以基函数的系数为元素计算每个基函数的统计特征参数，从而构造出包含所有基函数统计特性参数的激活特征向量。

所述统计特征参数，包括：基函数系数的非零个数或基函数系数的平方和。

为解决上述技术问题，本发明采用的第二个方面是：

基于感知哈希的循环平稳信号降维系统，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时完成上述任一方法所述的步骤。

为解决上述技术问题，本发明采用的第三个方面是：