[发明专利]基于变分模态分解和灰色关联分析的机械振动信号特征提取方法

说明书

在机械领域，振动信号特征提取对于状态识别、故障诊断等问题具有重要意义，然而振动信号在采集过程中不可避免会受到噪声的干扰，致使信号特征难以提取。本发明公开了一种基于变分模态分解和灰色关联分析的机械振动信号特征提取方法，其包括：利用VMD将振动信号分解为若干个模态，VMD的重要预设参数模态数目K由灰色关联分析确定；在VMD分解后，再次用灰色关联分析来选取其中的噪声主导模态，对这些噪声主导模态进行软阈值处理去除其中的噪声成分；处理后的噪声主导模态和其他模态重构得到降噪后的振动信号，进而提取信号特征。本发明有效地解决了机械振动信号降噪及特征提取的技术难题。

技术领域

本发明涉及数控机床刀具状态监测与故障诊断技术领域，特别涉及一种机械振动信号特征提取方法。

背景技术

在机械领域，状态检测与故障诊断是数控机床智能化发展进程中亟待攻克的核心技术之一。振动信号因其易于采集、结构关联性强等特点被广泛地应用于机械系统评估分析研究中，然而振动信号在采集过程中不可避免地会受到噪声的污染，致使信号中掺杂噪声，干扰信号特征的提取，进而导致无法准确的评估机械系统的状态。因此对振动信号进行降噪处理，对于提取振动信号特征，提升机械系统评估的准确率具有重要意义。

变分模态分解(variational mode decomposition，VMD)是2014年提出的信号处理技术，它是一种自适应的、准正交的、完全非递归的信号分解方法，它将信号分解转化为变分解问题，然后将信号分解为一系列具有中心频率和有限带宽的模态。在应用VMD时，需要首先设定VMD分解的模态数目K；并且在VMD分解所得的模态中，需要识别其中的噪声主导模态并进行处理，去除其中的噪声成分。而如何确定模态数目K，识别噪声主导模态是一项技术难题。

发明内容

有鉴于此，本发明的目的是提供一种基于变分模态分解和灰色关联分析的机械振动信号特征提取方法，以解决对振动信号进行降噪，准确提取振动信号特征的技术问题。

本发明基于变分模态分解和灰色关联分析的机械振动信号特征提取方法，包括以下步骤：

步骤一，赋予VMD模态数目K不同的取值，分别对原始的振动信号进行VMD分解；

步骤二，将每次VMD分解后的模态进行重构，得到若干个重构信号；每个重构信号对应不同的K值；

步骤三，将灰色关联分析应用于重构信号和原始信号，计算重构信号与原始信号的灰色关联度，选取灰色关联度最大的重构信号所对应的K值作为VMD最优的分解模态数目；

步骤四，以最优的模态数目K对原始信号进行VMD分解，得到K个模态；

步骤五，对步骤四得到的K个模态进行灰色关联分析，筛选出噪声主导模态，剩余的模态被称为信号主导模态；

步骤六，对噪声主导模态进行软阈值处理，并将处理后的噪声主导模态与信号主导模态进行重构，得到降噪后的振动信号；

步骤七，将降噪后的振动信号进行时频域转换，在频域中提取振动信号的特征。进一步，在步骤一中，先将原始信号进行经验模态分解(empirical mode decomposition,EMD)分解，得到EMD模态数目K′，然后将[K′-3,K′+3]作为VMD模态数目K的初始取值范围。

进一步，在步骤三中，应用灰色关联分析确定VMD最优分解模态数目包括步骤：

(1)将原始信号表示为f，步骤二中得到的重构信号表示为s_K；

f＝(f(1),f(2),…,f(n),…,f(N))

s_K＝(s_K(1),s_K(2),…,s_K(n),…,s_K(N