[发明专利]一种基于自相关峭度最大化的解卷积方法

说明书

本发明为一种基于自相关峭度最大化的解卷积方法，步骤为：获得解卷积的输入信号；设计频域插值滤波器，初始化滤波器系数，获得初始化的输出信号；构造包含约束的自相关峭度函数为目标函数；将初始化的输出信号作为目标函数的输入，根据目标函数最大化准则，使用目标优化算法，求解频率插值滤波器系数；根据得到的频域插值滤波器系数，使用设计的频域差值滤波器对输入信号滤波，得到解卷积后的输出信号。本发明适用于提取强背景噪声环境下的周期性冲击信号，与传统的最小熵解卷积和最大相关峭度解卷积方法相比，本发明具有抗随机冲击干扰，不需要已知冲击周期等优点，有利于周期性冲击的自动化提取，可在机械故障诊断中推广使用，应用前景广泛。

技术领域

本发明涉及机械设备故障诊断技术和数字信号处理领域，具体涉及一种基于自相关峭度最大化的解卷积方法。

背景技术

基于振动信号的机械设备状态监测与故障诊断技术是一种有效的机械设备的健康维护技术。其中，强背景噪声环境下的周期性冲击信号提取技术作为机械设备预测性维护技术中的一项核心技术，受到国内外研究者的持续关注和研究。

解卷积技术已被证明是一种有效的周期性冲击信号提取技术。但需要指出的是，现有的解卷积技术大多是基于仿真和试验数据研发的，这存在以下两个问题：

①工业设备中的零部件故障周期大多未知，这会导致一些需要提前获取故障周期的解卷积方法(最大相关峭度解卷积方法、多点峭度解卷积方法等)失效。

②工业测试环境中，测试信号在采集和传输的过程中通常会受到随机冲击的干扰，这会导致一些易受随机冲击干扰的解卷积技术(最小熵解卷积方法)失效。

因此，提出一种无需先验参数，不易受随机冲击干扰的冲击信号提取技术不仅具有切实的理论意义，还有助于推动机械设备预测性维护技术的快速发展，带来可观的经济及社会效益。

发明内容

为了克服上述现有技术的缺点，本发明旨在提供一种基于自相关峭度最大化的解卷积方法，以实现强背景噪声环境下的周期性冲击信号提取。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种基于自相关峭度最大化的解卷积方法，包括以下步骤：

步骤一，获得解卷积的输入信号x(t)，其中，t代表时间；

步骤二，计算输入信号x(t)的傅立叶变换系数，其中，傅立叶变换系数的计算公式为k代表离散频率值，k关于分析频率左右对称，|X(k)|代表离散频率k的幅值，Θ(k)代表离散频率k的相位，T为输入信号x(t)的数据长度；

步骤三，设计一个频域插值滤波器，通过频域差值滤波器获得滤波后输出信号y(t)，其中，t代表时间；

其具体实现步骤如下：

(1)初始化一个输入信号x(t)的滤波器系数令其中，Fs为输入信号x(t)的采样频率，L+1为滤波器系数的长度；

(2)使用三次样条插值技术获得一个新滤波器系数其中，Fs为输入信号x(t)的采样频率，为滤波器系数的长度，且

(3)令构造半频段滤波结果X^′(k^′)的数学表达式，其中，半频段滤波公式为k^′代表离散频率的左半部分；

(4)根据傅立叶变换系数的对称性，构造全频段滤波结果X^′(k)的数学表达式，其中，k代表离散频率值；

(5)根据傅立叶逆变换，构造滤波后输出信号y(t)的数学表达式，其中，傅立叶逆变换的计算公式为Θ(k)代表离散频率k的相位，X^′(k)为第(4)步中的全频段滤波结果，T代表输出信号y(t)的数据长度；