[发明专利]信号中瞬态成分稀疏表示检测方法及装置、故障检测方法

说明书

技术领域

本发明涉及一种信号的分析检测领域，尤其涉及一种信号中瞬态成分稀疏表示检测方法及装置、故障检测方法，可用于机械设备的故障诊断与状态监测及生物医学信号的检测。

背景技术

目前，信号中瞬态成分的检测，在机械设备的故障诊断与状态监测、生物医学信号检测等领域具有广泛的应用。由于采集过程中获得的信号存在着大量的噪声，待检测信号的瞬态成分会被噪声污染，因此强噪声背景下的瞬态特征检测一直是信号检测的难题。

最常见的瞬态成分检测方法就是直接判断时域信号中是否存在瞬态成分，但是由于信号中的瞬态成分往往夹杂着大量噪声，直接对信号中瞬态成分进行检测的过程准确性较低，效率也较低。因此现在需要一种检测方法，能够对信号中瞬态成分进行检测，使得检测过程的准确性较高，效率较高。

发明内容

本发明提供了一种信号中瞬态成分稀疏表示检测方法及装置、故障检测方法，本发明能够对信号中瞬态成分进行检测，使得检测过程的准确性较高，效率较高。

为了实现上述目的，本发明提供以下技术手段：

一种信号中瞬态成分稀疏表示的检测方法，包括：

对输入信号进行模/数转换，获得检测信号；

对所述检测信号建立最优小波原子库和最小优化方程；

根据所述最小优化方程，利用所述最优小波原子库建立优化迭代求解最小优化方程，并确定出所述检测信号在所述最优小波原子库上的稀疏表示系数；

根据所述稀疏表示系数，确定出所述检测信号中瞬态成分的发生时刻；

根据所述检测信号中瞬态成分的发生时刻，针对含周期性瞬态成分的信号，确定所述检测信号中瞬态成分的周期。

优选的，对所述检测信号建立最优小波原子库包括：

计算所述检测信号的最优匹配小波函数；

对所述最优匹配小波函数进行扩充，构造最优小波原子库。

优选的，对所述检测信号建立最小优化方程包括：

对所述输入信号构建基追踪去噪方程；

根据所述基追踪去噪方程，利用最小优化法构建最小优化方程。

优选的，所述计算所述检测信号的最优匹配小波函数，包括：

建立小波库，所述小波库为一组小波原子的集合；

计算所述检测信号与所述小波库中小波原子的相似度；

将与检测信号相似程度最高的小波原子确定为最优匹配小波函数。

优选的，其特征在于：

所述最优匹配小波函数为其中，表示决定该最优匹配小波函数波形特点的参数集；

所述对所述最优匹配小波函数进行扩充，构造最优小波原子库，包括：

以预设采样频率为延时间隔，对所述最优匹配小波函数按不同时移进行扩充，构造出行表示不同时间参数，列表示不同延时参数的最优小波原子库A(t,τ)，其中τ表示按所述预设采样频率的倒数均匀取值的延时参数。

优选的，所述对所述输入信号构建基追踪去噪方程，包括：

利用基追踪去噪思想，将原始信号中瞬态成分检测问题转化成基追踪去噪问题。

优选的，所述根据所述基追踪去噪方程，利用最小优化法构建最小优化方程，包括：

利用最小优化法，构建最小优化方程G_k(c)来代替所述基追踪去噪方程F(c)，最小优化方程与基追踪去噪方程之间满足：

∀c,Gk(c)≥F(c)]]>

G_k(c_k)＝F(c_k)

其中，c_k为方程G_k(c)和F(c)相等时对应的点。

优选的，利用所述最优小波原子库建立优化迭代求解最小优化方程，并确定出所述检测信号在所述最优小波原子库上的稀疏表示系数包括：

根据所述最小优化方程利用代数求导方法求解该方程，得到第一最优迭代方程；

将所述第一最优迭代方程利用矩阵求逆引理得到第二最优迭代方程；