[发明专利]一种离心泵弱信号调制特征提取方法

说明书

本发明公开了一种离心泵弱信号调制特征提取方法，所述的弱信号调制特征提取方法包括以下步骤：信号的滤波预处理、构造二阶累积量矩阵、调制信号组分提取、弱调制特征提取，最终得到离心泵弱信号调制特征。应用本发明所述的离心泵弱信号提取方法，能够得到离心泵的调制特征，对离心泵的状态监测、故障诊断、空化识别具有重要的理论意义。

技术领域

本发明涉及旋转机械信号处理领域，尤其涉及一种离心泵弱信号调制特征提取方法。

背景技术

离心泵是一种典型的旋转机械，广泛应用于工业生产中，由于其转速较高、结构复杂，内部流场为三位非定常流动，因此准确的判断其工作状态与故障类型尤为重要。离心泵存在典型的旋转构件，因此在其运转的过程中，所产生的振动、噪声、压力脉动等信号存在典型的调制作用。此外，离心泵工作环境一般比较复杂，因此其监测信号中多存在干扰因此，调制信号特征较弱，因此离心泵弱信号调制特征提取方法的研究尤为重要。

发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足：

针对旋转机械监测信号特征提取的算法，国内外学者做了广泛的研究，主要的信号解调方法有包络解调、谱峭度分析、循环平稳分析方法等。在实际应用中包络解调应用最为广泛，现场的特征提取方式多采用该算法，但是该方法的抗噪性能较差，弱信号的调制特征提取比较困难。谱峭度分析方法是在包络解调算法的基础上发展而来，其更注重共振频带的识别，对调制特征的提取依然为包络解调，因此该算法降低了解调谱中存在的干扰，但是其弱信号的提取能力依然较差。循环平稳分析方法是一种高阶的特征提取算法，该方法具有较好的抗噪性能，但是该算法的计算效率较低，对于离心泵特征的在线监测与诊断应用比较困难，且解调谱中存在较多干扰频率特征。因此，现有的弱信号特征的提取算法性能有待改进。

发明内容

本发明提供了一种离心泵弱信号调制特征提取方法，本发明通过构造监测信号的高阶统计量提高了弱信号调制特征的提取能力，满足了实际应用中的需要，详见下文描述：

一种离心泵弱信号调制特征提取方法，所述弱信号调制特征提取方法包括以下步骤：

步骤1：信号的滤波预处理；

步骤2：构造二阶累积量矩阵；

步骤3：调制信号组分提取；

步骤4：弱调制特征提取。

步骤1中，所述的信号的滤波预处理方法为，对监测信号进行高通滤波处理，这是由于调制信号多发生在高频区域，且高频信号的信噪比较高，因此滤除低频噪声有利于降低干扰和提高特征信号的信噪比。

步骤2中，所述的构造二阶累积量矩阵具体过程为：

步骤2-1，对监测信号按照同一时间不同的延迟时间求解二阶累积量；

步骤2-2，对不同时间同一延迟时间对应的累积量求解；

步骤2-3，对所得累积量按照时间和延迟时间两个维度构造累积量矩阵。

步骤3中，所述的调制信号组分提取具体过程为：

步骤3-1，根据步骤2所确定的二阶累积量矩阵，进行协方差矩阵求解和特征值分解，获得其特征值及特征向量；

步骤3-2，根据特征值分解得到的特征值及选取准则，选取其特征向量；

步骤3-3，利用特征向量和特征值进行弱调制信号组分重构。

步骤4中，所述的弱调制特征提取具体过程为：根据步骤3所得到的弱调制信号组分进行傅里叶变换频谱分析。