[发明专利]一种基于子带编码的振动信号感知哈希方法及系统

说明书

本公开公开了一种基于子带编码的振动信号感知哈希方法及系统，以解决振动监测中大数据量吞吐所导致的监测效率低下的问题。本公开通过小波包分解将振动信号映射到等带宽子带，并基于二维离散余弦变换进行特征提取，然后利用符号化聚合近似得到振动信号的感知哈希码。本公开能够有效降低数据维度，减少振动监测过程中的数据传输量，弱化对存储空间的要求，避免网络阻塞，提高计算效率，同时基于距离测度的定义能够满足对振动信号分类或设备状态识别的需要。

技术领域

本公开涉及振动监测领域，特别是涉及一种基于子带编码的振动信号感知哈希方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

振动信号由于蕴含着丰富的设备状态信息而被广泛用于对旋转机械和往复机械的健康监测。但是，振动信号的采集一般需要较高的采样频率，这就带来了较大的数据吞吐量。例如：采样频率为20KHz的单通道振动采集，一分钟将产生1.2×106个数据采样点，如果采用4个字节存储1个浮点型振动采样，每天将产生1.6GB的数据。进一步地，如果考虑群设备或多点设备状态监测，例如化工行业中的泵群、风力发电场中的风机，每天产生的数据量将多达几TB。大数据量吞吐将极大降低设备状态监测的效率，主要表现在：1)多并发、高容量的数据传输容易导致网络阻塞，2)存储空间需求随采样通道和监测时长成指数增长，3)大量的原始数据将加剧设备状态识别中的计算负担。除此之外，对于一些基于无线蜂窝网络的设备状态监测场合，大数据量传输还会增加设备状态监测的成本。

为了提高设备状态监测效率，不同的技术方案被提出。一种方案是对采集振动信号进行压缩后进行传输。例如，专利号201910285252.6(一种基于振动信号的潮流能机机组实时状态监测方法)，通过压缩感知技术对采样振动信号进行压缩，传到计算中心后再进行还原和分析。可见，这一方案只是解决了数据传输的问题，忽视了数据存储和计算中存在的问题。另一种较为切实的方案是采用短时间、长间隔的数据采集降低采样数据量，同时通过特征提取进一步降低数据量。例如，专利号201811241647.8(一种滚珠丝杠副的在线状态监测方法)，每隔1分钟采集15秒的振动数据，并通过14个特征的提取来降低数据维度。但这种方案存在的问题是，由于某一种特征是对设备某一状态下动态特性某一方面的体现，在实际应用中往往需要针对具体对象进行有用特征的筛选，而有用特征的筛选又往往建立在对一定历史样本数据分析并获取经验积累的基础上，因此所提取和筛选的特征是否有效将极大制约设备状态监测的实施效果。

发明内容

为了克服上述现有技术的不足，本公开提供了一种基于子带编码的振动信号感知哈希方法及系统，通过小波包分解将振动信号映射到等带宽子带，并基于二维离散余弦变换进行特征提取，然后利用符号化聚合近似得到振动信号的感知哈希码。采用基于感知哈希码的符号化表示将极大降低数据维度，提高振动监测在数据存储、传输、计算方面的效率。

为了实现上述目的，本公开采用如下技术方案：

第一方面，本公开提供一种基于子带编码的振动信号感知哈希方法，包括以下步骤：

步骤一：基于小波包变换将振动信号进行j层分解，得到2^j个子带的小波包系数；

步骤二：在第i个子带内，用小波包系数重构子带信号；

步骤三：将重构的子带信号分割成若干个等长时间序列，构建二维矩阵；

步骤四：对所构建的二维矩阵进行二维离散余弦变换，得到二维离散余弦变换系数矩阵；

步骤五：从二维离散余弦变换系数矩阵中计算统计参数实现特征提取，构造子带特征向量；

步骤六：重复步骤二至步骤五，并将所有2^j个子带特征向量级联，构造特征向量；

步骤七：将特征向量进行符号化聚合近似，得到振动信号的感知哈希码；