[发明专利]一种用于振动信号特征提取的多重超阶分析方法

说明书

本发明公开了一种用于振动信号提取的多重超阶分析方法，包括以下步骤：步骤1：对待处理的原始时间序列取极值；步骤2：计算原序列的极值增量序列；步骤3：构造时间序列的去均值序列；步骤4：将去均值序列按时间尺度长度从正反两个方向划分得到2N_s个区间；步骤5：对每个区间进行高阶多项式趋势拟合；步骤6：计算每个区间数据的均方误差；步骤7：对所有区间计算波动函数；步骤8：改变时间尺度，重复步骤4‑7，获取广义赫斯特指数；步骤9：计算奇异指数与多重分形奇异谱，提取特征点作为信号特征。本发明提供的用于振动信号特征提取的多重超阶分析方法的优点在于：突出了原有信号中的波动与冲击特征，有效分析非平稳时间序列的多重分形特征。

技术领域

本发明涉及旋转机械振动信号的处理技术领域，尤其涉及一种用于振动信号特征提取的多重超阶分析方法。

背景技术

故障诊断方法主要关注系统的运行状态，能够及时发现故障并指导维修，对于提高系统可靠性有重要作用。一般情况下，当旋转部件出现故障时，损伤点在载荷区域和其他元件接触会产生冲击作用，加剧部件的振动，因此振动信号携带了重要的诊断信息，是设备状态识别的重要依据。同时振动在信号上通常表现出非平稳性与多重分形特征。因此从复杂的故障信号中提取能表征故障的特征信息成为旋转机械故障诊断的关键问题之一。

传统的信号处理方法如快速傅里叶变换(FFT)等在处理平稳信号时有着很好的效果，但并不适用于非平稳信号。小波变换由于本质上仍然是一种窗口可调傅里叶变换，受限于小波基的长度，缺乏自适应性。为了分析复杂时间序列信息，去趋势波动分析(DetrendedFluctuation Analysis,DFA)被提出用来量化非平稳时间的标度指数。然而，DFA方法仅依靠一个2阶波动函数来对时间序列的单个标度进行分析，只适合于处理一维的单重分形时间序列，难以分析具有多重分形特征的多标度时间序列。多重分形去趋势波动分析(Multifractal detrended fluctuation analysis，MF-DFA)可以克服DFA的缺陷，有效分析非平稳时间序列的多重分形特征。但是对于类型相近的故障，MF-DFA方法存在提取参数接近，交叉以及不同程度的状态混叠的问题，影响故障特征提取精度。

发明内容

本发明所要解决的技术问题在于提供一种故障分类精确的多重超阶分析方法。

本发明是通过以下技术方案解决上述技术问题的：

一种用于振动信号提取的多重超阶分析方法，包括以下步骤：

步骤1：对待处理的原始时间序列x(t),(t＝1,2,3,…,N)取极值

步骤2：计算原序列的极值增量序列

步骤3：构造步骤1获得的时间序列的去均值序列Y(i)；

步骤4：改变去均值序列的时间尺度，将得到的去均值序列Y(i)按时间尺度长度s划分为N_s＝int(N/s)个独立的区间，int()表示向下取整；从数据的反方向再次以相同的长度分段，共得到2N_s个区间；

步骤5：用最小二乘法对每个区间进行高阶多项式趋势拟合；

步骤6：计算每个区间数据的均方误差；

步骤7：对所有区间计算不同分形阶数的波动函数；

步骤8：改变步骤4中的时间尺度，多次重复步骤4-7，获取广义赫斯特指数；

步骤9：计算时间序列的奇异指数与多重分形奇异谱，提取特征点作为信号特征。

优选地，步骤1中的极值满足以下条件：

其中，1≤j≤N-2。

优选地，步骤3构造的去均值序列为：