[发明专利]一种改进梅尔倒谱系数算法的叶片故障诊断方法

权利要求书

1.一种改进梅尔倒谱系数算法的叶片故障诊断方法，其特征在于，该方法包括如下步骤：

步骤1：对叶片声音信号进行分帧处理获得m帧，其中m的计算公式如下：

m＝(l-wlen+inc)/inc

式中，l为声音信号长度，wlen为每帧信号长度，inc为后一帧对前一帧的位移量；

利用梅尔倒谱系数法求得每一帧的n个特征值，得到行数为m、列数为n的特征矩阵A_m×n，其中A_m×n的表达式为：

步骤2：将特征矩阵A_m×n的每一列数据进行提取得到n个数组h_i，将n个数组h_i分别构建成为n个hankel矩阵H_i；其中H_i的表达式为：

步骤3：将n个hankel矩阵H_i分别进行SVD处理，得到正交矩阵U_i、V_i，以及奇异值矩阵S_i，即：

H_i＝U_i·S_i·V_i^T，i＝1,2,3…n；

式中S_i为奇异值递减的对角矩阵，即：

S_i＝[diag(s₁,s₂…,s_q),0]，i＝1,2,3…n；

步骤4：分别计算n个奇异值矩阵S_i的差分谱，寻找奇异值突变位置，其中奇异值差分谱计算公式为：

b_j＝s_j-s_j+1，j＝1,2,…q-1；

式中b_j为相邻两点奇异值差值，s_j为奇异值大小；b_j值最大点则为奇异值突变点，将前j个奇异值保留，得到新的奇异值矩阵S1_i，其中S1_i的表达式为：

S1_i＝[diag(s₁,s₂…,s_j),0]

步骤5：对hankel矩阵H_i进行重构，矩阵重构公式为：

H1_i＝U_i·S1_i·V_i^T，i＝1,2,3…n；

式中，H1_i为重构后的hankel矩阵，U_i、V_i为步骤3中得到的正交矩阵，S1_i为步骤4得到的新的奇异值矩阵；

步骤6：分别将H1_i的第一行数据与最后一列数据进行提取获得n个数组h1_i，将数组作为列向量组成新的特征矩阵A1_m×n；其中A1_m×n的表达式为：

A1_m×n＝(h1₁,h1₂…h1_n)

步骤7：将特征矩阵A1_m×n进行K-means聚类，将m帧信号聚为两类并画出信号的类别时序图，根据时序图的周期性判断叶片声音是否故障。