[发明专利]一种基于逆短时傅里叶变换的轴流风机振动信号子成分提取方法在审
申请号: | 201810351851.9 | 申请日: | 2018-04-19 |
公开(公告)号: | CN108708871A | 公开(公告)日: | 2018-10-26 |
发明(设计)人: | 初宁;张安格;黄乾;汪国阳;吴大转 | 申请(专利权)人: | 浙江大学 |
主分类号: | F04D27/00 | 分类号: | F04D27/00 |
代理公司: | 杭州天勤知识产权代理有限公司 33224 | 代理人: | 胡红娟 |
地址: | 310013 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 轴流风机 振动信号 短时傅里叶变换 重构信号 成分提取 窗函数 零向量 时频 矩阵 时域波形图 故障检测 修正系数 原始波形 逆变换 频域图 返回 构建 重构 输出 | ||
1.一种基于逆短时傅里叶变换的轴流风机振动信号子成分提取方法,其特征在于,包括以下步骤:
(1)用一个窗函数对轴流风机振动信号进行短时傅里叶变换,作出轴流风机振动信号原始波形图、频域图和进行短时傅里叶变换后的时频图,并得到相应参数,包括:短时傅里叶变换矩阵S、频率矩阵F、时间矩阵T、能量谱密度P;
(2)构建零向量Z作为重构信号,计算窗函数个数coln、幅值修正系数B、零向量Z的长度length(Z);
(3)对短时傅里叶变换矩阵S进行逆变换,得到返回的重构信号Z,由时频图重构出时域波形图;
(4)输出时间t与返回的重构信号Z的图形,得到轴流风机振动信号子成分。
2.根据权利要求1所述的基于逆短时傅里叶变换的轴流风机振动信号子成分提取方法,其特征在于,步骤(1)中通过spectrogram函数对轴流风机振动信号进行短时傅里叶变换,并默认使用的窗函数为Hamming窗。
3.根据权利要求1所述的基于逆短时傅里叶变换的轴流风机振动信号子成分提取方法,其特征在于,步骤(1)中在短时傅里叶变换前对轴流风机振动信号进行小波降噪处理。
4.根据权利要求1所述的基于逆短时傅里叶变换的轴流风机振动信号子成分提取方法,其特征在于,步骤(3)具体包括:
(3.1)根据短时傅里叶变换采用的窗函数,给定要求查看的时间段t1~t2,计算时刻t1、t2分别处于短时傅里叶变换的第几段窗函数中,确定重构信号Z在短时傅里叶变换矩阵S中对应列范围,并筛选短时傅里叶变换矩阵S得到矩阵S’;
(3.2)从时刻t1所在的窗开始,在矩阵S’中对每一段窗进行傅里叶逆变换,依次叠加至时刻t2所在的窗,并乘以幅值修正系数B,得到返回的重构信号Z。
5.根据权利要求4所述的基于逆短时傅里叶变换的轴流风机振动信号子成分提取方法,其特征在于,步骤(3.1)中所述的计算时刻t1、t2分别处于短时傅里叶变换的第几段窗函数的过程为:
得出:
其中,t=t1、t2,x为时刻t所在的时间分段,Δt为采样间隔,L为信号长度,h为移动间距,h=win-overlap,win为窗长度、overlap为重叠长度。
6.根据权利要求4所述的基于逆短时傅里叶变换的轴流风机振动信号子成分提取方法,其特征在于,步骤(3.1)中,确定列范围后,给定要求查看的频率段f1~f2,计算频率f1、f2分别所处的行数,确定重构信号Z需要矩阵S中对应的行范围,将行范围以外的数值置0,得到矩阵S’。
7.根据权利要求6所述的基于逆短时傅里叶变换的轴流风机振动信号子成分提取方法,其特征在于,所述的计算频率f1、f2分别所处的行数过程为:
得出:
其中,f=f1、f2,F为短时傅里叶变换得到的频率矩阵,x1为某一频率f在频率矩阵F中的行数,Fm为频率矩阵F中各元素的最大值,length(F)为频率矩阵F的长度。
8.根据权利要求1所述的基于逆短时傅里叶变换的轴流风机振动信号子成分提取方法,其特征在于,根据得到的轴流风机振动信号子成分对轴流风机进行故障检测。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810351851.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于人脸识别的跟踪装置
- 下一篇:一种并列运行透平压缩机控制方法及控制系统