[发明专利]基于频域信息的信号变分模态分解预设尺度参数选取方法

说明书

本发明涉及一种基于频域信息的信号变分模态分解预设尺度参数选取方法，包括：S1、参数初始化：初始化变分模态分解的预设尺度参数K值；S2、信号分解：对采集到的信号进行变分模态分解，得到K个固有模态函数分量；S3、频域互相关系数计算；S4、频域互相关系数差值计算；S5、阈值判别：对比相邻两固有模态函数分量同原信号间频域互相关系数的差值δk与判别阈值θ的大小；S6、若δkθ，则出现过分解，预设尺度参数的最优值为K；S7、若δk≥θ，则出现欠分解，预设尺度参数的最优值为K‑1。与现有技术相比，本发明具有有效降低噪声、背景信号等成分对于预设尺度参数K的选取影响，实现了该参数的高效、准确选取等优点。

技术领域

本发明涉及旋转机械故障信息处理领域，尤其是涉及一种基于频域信息的信号变分模态分解预设尺度参数选取方法。

背景技术

旋转机械是现代工业生产中广泛应用的重要设备，在船舶、电力、冶金、航空、轨道交通等行业中有着广泛应用，同时也是这些行业内的关键性设备。一方面旋转机械设备由于工作环境恶劣，其零部件不可避免地会出现劣化；另一方面随着科技的进步，旋转机械设备正朝着大型化、复杂化、精密化的方向发展，这些都导致了旋转机械设备具有较高的故障发生率。当此类设备发生故障时，不仅维修费用昂贵、维修周期长，严重时会造成巨大的经济损失，甚至在某些高危领域还可能造成大量人员伤亡的灾难性后果。

目前，基于振动信号的振动分析法是旋转机械故障诊断领域中最为常用的方法。振动信号的故障特征提取技术是保证故障诊断准确性的关键，当旋转机械出现故障时，由于工作环境、背景噪声、动载荷变化等因素的影响，其振动信号具有明显的非平稳、多调制、多分量的特点，往往难以直接从原始信号中提取出故障特征。因此，需借助信号处理方法对振动信号进行分析，以便从中有效提取出故障特征，从而进行故障诊断。

信号处理技术的优劣是旋转机械故障诊断有效性的决定性因素，以傅里叶变换为核心的传统信号分析方法，已无法满足当今旋转机械故障诊断技术的实际需求。变分模态分解(VMD)是一种全新的信号评估方法，同递归式信号分解方法所采取层层“筛选”模式有本质区别，VMD将信号分解转化为非递归、变分问题的求解模式，使该方法拥有坚实的理论基础。

在VMD分解过程中预设尺度参数K直接影响着分解信号的准确性。在设定过程中，若预设尺度参数K取值过小，信号内的多个分量可能会被分解到同一固有模态函数(IMF)中，或某个分量无法被分解出反之，信号中的某一分量可能会被分解至多个模态函数内，造成模态混叠问题。

但目前研究人员常以默认参数设置法或智能搜寻算法解决此问题，但默认参数设置法缺少理论依据，适用性差；智能搜寻算法虽然能够获取上述参数的最优组合，但其算法参数设置复杂、耗时长，难以实现实时检测。受信号采集和传输装置的影响，通常采集到的信号内会存在一定的噪声干扰成分，为提升信号分解的准确性，需考虑噪声等干扰因素对预设尺度参数K的选取影响。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于频域信息的信号变分模态分解预设尺度参数选取方法。

本发明的目的可以通过以下技术方案来实现：

根据本发明的一个方面，提供了一种基于频域信息的信号变分模态分解预设尺度参数选取方法，包括以下步骤：

步骤S1、参数初始化：初始化变分模态分解的预设尺度参数K值；

步骤S2、信号分解：对采集到的信号进行变分模态分解，得到K个固有模态函数分量；

步骤S3、频域互相关系数计算：计算变分模态分解获得各固有模态函数分量同原信号间的频域互相关系数ρk；

步骤S4、频域互相关系数差值计算：计算相邻两固有模态函数分量同原信号间频域互相关系数的差值δk；

步骤S5、阈值判别：对比相邻两固有模态函数分量同原信号间频域互相关系数的差值δk与判别阈值θ的大小；