[发明专利]基于EMD和近似熵的滚动轴承声发射信号特征提取方法

权利要求书

1.基于EMD和近似熵的滚动轴承声发射信号特征提取方法，其特征是依次采用如下步骤：

(1)对滚动轴承故障的声发射信号进行经验模态分解，得到n个IMF分量和一个残余分量；

(2)计算每个IMF分量与原始信号的相关系数，选取相关系数较大的分量，剔除其余分量；

(3)选取的IMF分量中能量最大的分量；

(4)对选取的分量进行近似熵计算。

2.根据权利要求1所述的基于EMD和近似熵的滚动轴承声发射信号特征提取方法，其特征是：步骤(1)的经验模态分解方法中IMF都应满足以下条件：

(2.1)在一完整的数据段内，极值点和过零点的数目必须相同或至多相差1；

(2.2)无论信号处于哪一时刻，由其局部极大值构成的上包络和局部极小值构成的下包络的平均值为0。

3.根据权利要求1所述的基于EMD和近似熵的滚动轴承声发射信号特征提取方法，其特征是：步骤(1)的经验模态分解方法步骤：

(3.1)确定声发射信号X(t)中的所有局部极大值和极小值点，利用三次样条曲线分别连接所有局部极大值点和局部极小值点形成上包络与下包络；

(3.2)计算出上下包络线的均值，记为m₁,把m₁从原始信号X(t)中分离出来，得到：

h₁＝X(t)-m₁ (1)

若h₁满足IMF的两个条件，则h₁即为X(t)的一个IMF；若h₁不是X(t)的一个IMF，则将h₁作为原始信号重复以上步骤，直到得到满足IMF条件的h_1k，另c₁＝h_1k,c₁即为信号X(t)的第一个IMF。

(3.3)把c₁从原始信号X(t)中分离出来，得到：

r₁(t)＝X(t)-c₁(t) (2)

若r₁(t)不是单调函数作为原始信号重复以上步骤，直到r_n(t)为一个单调函数为止。

(3.4)通过以上步骤，声发射信号X(t)被分解为n个IMF分量和一个单调函数r_n(t)的和的形式：

4.根据权利要求1所述的基于EMD和近似熵的滚动轴承声发射信号特征提取方法，其特征是：步骤(2)所述的相关系数为皮尔逊相关系数R：

5.根据权利要求1所述的基于EMD和近似熵的滚动轴承声发射信号特征提取方法，其特征是：步骤(3)所述的能量表征步骤如下：

(5.1)用E_i(i＝1,2,…,n)表示第i个IMF的能量，则该表达式为：

(5.2)当能量较大时，为便于对数据进行进一步处理，对能量进行归一化处理构造一个特征向量T:

T＝[E₁/E,E₂/E,…,E_n/E] (6)

6.根据权利要求1所述的基于EMD和近似熵的滚动轴承声发射信号特征提取方法，其特征是：步骤(4)所述的近似熵方法步骤：

(6.1)IMF分量为N点的一维时间序列{u(i),i＝1,2,…,N}，构造一组m维矢量：

X(i)＝[u(i),u(i+1),…,u(i+m-1)]i＝1～N-m+1 (8)

(6.2)计算矢量X(i)与其余矢量X(j)之间的距离：

(6.3)给定阈值r(r>0)，对每一个i值统计d[X(i),X(j)]<r的数目及此数目与总矢量个数N-m+1的比值：

(6.4)对取对数，再求其对所有i的平均值，记作Φ^m(r)，即：

(6.5)对m+1，重复步骤(1)～(4)，得到Φ^m+1(r)；

(6.6)对于有限长时间序列，得到的是序列长度为N的近似熵估计值：：

ApEn(m,r,N)＝Φ^m(r)-Φ^m+1(r) (12)

通常取m＝2，r＝0.1～0.25SD(u),其中SD表示序列u(i)的标准差。