[发明专利]转子早期故障的多频率微弱信号检测方法

说明书

技术领域

本发明属电子技术领域，涉及微弱信号的检测方法。 

背景技术

微弱信号检测学是研究从噪声中提取信息的方法及技术的科学。研究噪声中的微弱信号检测的原理及方法，是测量技术中的综合技术和尖端领域。运用这种技术可以测量到传统观念认为不能测量的微弱量(如弱光、小位移、微振动等)，使微弱信号测量精度得到很大地提高。因此，它是发展高新技术，探索及发现新的自然规律的重要测量手段，对推动科技及生产发展均有重要价值。 

微弱信号检测技术在与人类相关的各领域都有应用。例如强海洋噪声背景下的微弱信号检测是水声信号处理的一项重要研究内容，它在目标探测识别、水声通信、遥控、遥测及海洋勘探等领域都有广泛的应用，还如石油、天然气的管道泄漏监测、煤矿瓦斯气体浓度监测、大型机械设备早期故障检测与诊断、化学计量中的近红外光谱分析技术等等中都要用到微弱信号检测技术。 

微弱信号检测的方法根据微弱信号检测的对象主要有两个发展方向，一个方向主要是从时域上分析信号，主要针对时域上比较敏感的信号检测，应用场合包括波形去噪、奇异点检测等。微弱信号检测另外一个发展方向主要是从频域上分析信号，应用场合包括频率检测、信号跟踪等。 

微弱信号检测在时域上的方法主要有以下几种方法： 

(1)相关法，通过自相关或者互相关分析信号的一些时域上的特征，优点在于实现简单，可以找到信号的一些主要的特征；不足之处在于，输出的信号只是代表微弱信号的幅值和相位信息的直流电压，波形几乎无法恢复；现在这种方法的使用已经不多。 

(2)压缩带宽法，通过压缩信号通过的带宽，强行将一些信号带完全抑制，以达道抑制噪声的目的，其缺点在抑制噪声的同时有用信号也基本丧失，而且对不确定性的谐波干扰几乎不能抑制； 

(3)能量积累法，基于四阶累积量矩和最小范数TLS方法可以有效地抑制各信道间互不相关的和相关的噪声。在混合色噪声和低信噪比条件下具有很高的谱估计 精度和稳定性，其缺点需要较长的时间进行能量积累，一般需要秒级甚至更长时间的采样，从而增加算法运算量，导致适用场合十分有限。 

(4)随机共振法，在特定的非线性系统中，额外大小的噪声事实上可以帮助而不是阻碍信号检测的性能，这就是随机共振现象。基于随机共振的微弱信号检测技术是新近发展起来的一种新的信号处理技术，与各种抑噪方法相比，它不是消除噪声而是充分利用噪声来增强弱信号以提高信噪比达到识别弱信号的目的。随机共振最初是由Benzi等人提出，他们根据随机共振原理设计了一个地球动力学模型以解释地球气候的变化规律。当时及随后一段时间，并未引起人们广泛的关注，直到在一次双稳环激光器的关键实验中展示了随机共振现象。这种方法在微弱信号检测中非常具有潜力。 

(5)基于混沌理论的方法，它利用混沌系统对初值条件的极度敏感性，当将被检测信号注入混沌系统后，就可导致此混沌系统的动力学行为发生很大变化，根据这种变化，通过适当信号处理，从而测出被检信号的各种参数。西安交通大学的屈梁生院士提出的利用差分振子，通过系统相同变化来判断待测信号中是否包含周期成份的方法，成功地应用于机械系统的故障信号检测。 

此外，时域上的微弱信号检测方法还有同步迭加法、双路消噪法、取样积分法等。 

微弱信号检测在频域上的方法主要有以下几种方法： 

(1)神经网络遗传算法，主要采用BP遗传算法，通过对信号的训练，识别信号和噪声的特征，识别后进行频域滤波处理，达到去噪效果；其局限性在于只适合低频率的信号检测，而且一旦噪声信号改变则需要重新进行训练；使得算法的实时性降低，而且随着噪声的增大，其BP遗传算法需要的时间增大； 

(2)现代互谱Levinson方法和Pisarenko方法以及Music方法，现代互谱Levinson方法比之传统的FFT方法和互周期图法能更有效地提高互谱估计的谱分辨率和谱光滑性，互谱Pisarenko方法在理论上可以完全克服互不相关的有色噪声对真实信号频率估计的影响，互谱MUSIC方法有优良的谱估计的分辨率和谱估计的稳定性，而且随着信噪比的下降，其谱估计性能变化不大，基于互谱理论的这些方法对于互不相关的有色噪声有很强的抑制能力，但对于相关噪声抑制能力很差。MUSIC等方法对高斯色噪声的信噪比下限已经达到了-10dB的水平，并且具有相当高的谱分辨率。针对各信道间相互独立的色噪声情况，可采用现代互谱估计方法，其信噪比工作下限甚至达到了-30dB 的水平，并且已实际应用到1nV微弱正弦信号测量。