[发明专利]故障能量区域边界识别及特征提取方法

说明书

本发明公开一种基于瞬时频谱熵与信噪能量差的故障能量区域边界识别及特征提取方法，本发明能够在水下机器人动态信号的时频功率密度谱中，有效确定能量集中区域的时域边界和频域边界，并将该边界内的总能量作为故障特征,所提取的时频能量故障特征与故障程度映射关系唯一；而且，采用该故障特征构造故障样本，用于推进器故障程度分类时，测试样本的故障程度分类精度为100％。

技术领域

本发明属于水下机器人推进器故障诊断技术领域，具体涉及一种基于瞬时频谱熵与信噪能量差的故障能量区域边界识别及特征提取方法。

背景技术

推进器是水下机器人关键部件和动力单元，负荷最重，是水下机器人的主要故障源之一，所以推进器运行状态监测是非常必要的。故障诊断是监测推进器运行状态的常用技术手段。水下机器人动态信号奇异行为的能量是一种重要的故障特征。公知信号幅值平方和方法从时域的角度提取信号奇异行为的能量特征，公知小波能量方法从频域角度提取信号奇异行为的能量特征，然而，鲜有方法从时频域角度提取信号奇异行为的能量特征。

发明内容

发明目的：本发明的目的在于解决现有技术中存在的不足，提供一种基于瞬时频谱熵与信噪能量差的故障能量区域边界识别及特征提取方法。

技术方案：本发明的一种基于瞬时频谱熵的故障能量区域时域边界识别方法，包括以下步骤：

第一步，获取长度为L₁的水下机器人速度信号数据；

第二步，计算速度信号时频功率密度谱；

采用常规平滑伪维格纳-威利分布算法求取速度信号的平滑伪维格纳-威利谱SPWVD(n,m)，n为时间轴上的序号，n＝1,2,3，…，L₁，m为频率轴上的序号，m＝1,2,3，…，N₃，N₃为频率轴划分区间数，例如设置N₃＝512；通过对SPWVD(n,m)的常规绝对值运算进而得到速度信号时频功率密度谱SPWVDA(n,m)；

第三步，计算瞬时频谱熵分布；

在时频功率密度谱SPWVDA(n,m)中，在时间轴序号n＝1处，通过公式(1)构造该时间轴序号所在时间点处的概率密度函数p(1,m)，进而通过公式(2)计算该时间点处的香农熵，计算结果H(1)，即为在时间轴序号n＝1处的瞬时频谱熵；

重复此步骤内容，计算时间轴序号n分别为2,3，…，L₁时的瞬时频谱熵H(n)，得到瞬时频谱熵分布；

式中，SPWVDA(1,m)为时频功率密度谱SPWVDA(n,m)中，时间轴序号n＝1、第m个频带上的能量，p(1,m)为概率密度函数，N₃为频率轴划分区间数，H(1)为在时间轴序号n＝1处的瞬时频谱熵；

第四步，确定故障能量区域时域边界，即在瞬时频谱熵分布中确定畸变区间；

确定瞬时频谱熵分布中最小值所在位置，然后由此位置同时向两边延伸至邻近极大值点，如果此极大值小于其他区域的极小值，则继续向两边延伸，直至所遇到的极大值大于其他区域的极小值为止，则两个最终极大值点之间的区域即为畸变区间；然后以左侧极大值点所在位置为故障能量区域的时域下边界N_D，以右侧极大值点所在位置为故障能量区域的时域上边界N_U。

本发明还公开一种基于信噪能量差的故障能量区域频域边界识别方法，包括以下步骤：

第一步，获取长度为L₁的水下机器人速度信号数据；