[发明专利]一种时频图特征数据点抓取与处理方法、存储介质及设备

说明书

本发明公开了一种时频图特征数据点抓取与处理方法、存储介质及设备，对原信号数据进行处理，绘制原信号的时频图，并保留绘制时频图时所用到的数据；设定能量阈值，对时频图及绘制时频图所依据的数据进行数据点筛选，舍去时频图中能量低于设定能量阈值的数据点；对保留的数据点进行聚类，得到若干数据点簇并筛除，完成数据点抓取；对保留数据点簇的每一簇中的数据点进行拟合，得到每一簇对应的特征曲线的拟合曲线及方程，完成数据点处理。本发明对机械震动信号、声音信号等不同物理信号处理得到的结果，可作为反映振动中重要特征信号波形特点的重要依据，用于阈值相关的机械故障诊断、声波分析等领域中。

技术领域

本发明属于计算物理学技术领域，具体涉及一种时频图特征数据点抓取与处理方法、存储介质及设备，以机器学习中聚类方法为基础，从时频图中提取并分析多条特征曲线上数据点。

背景技术

在物理与工程研究中，经常需要研究某一段信号(如声音、电磁信号)中的一个或多个特征信号(即在任一时刻频率单一且与时间存在某种关系的信号)频率随时间变化的关系。进行此类研究的一个通用方法是先利用相关软件绘制该信号的时频图，然后分析时频图上的特征曲线(时频图上反应特征信号频率随时间变化的一条曲线，通常具有反映高能量分布的亮色)。分析特征曲线时，需要抓取该曲线上的数据点并进行拟合(以下称这些数据点为“特征数据点”)，进而得到特征曲线的拟合方程。该拟合方程既是时频图中特征曲线的近似描述，也直接反映了特征信号频率随时间变化的关系，是研究特征信号的重要数据参考。

一般分析与拟合时频图中特征曲线时抓取数据点的主要方式为人工抓取。这种低效的数据点抓取方法所抓取到数据点的数量不可能很高，导致最终拟合曲线方程的精度降低。此外，人工数据点抓取需要耗费大量人工成本且效率低下，且高额的时间成本使其不适合进行大数据量时频图的分析，尤其是对含有多条特征曲线(如5条以上)的时频图进行分析。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种时频图特征数据点抓取与处理方法、存储介质及设备，解决了现有技术中存在的特征曲线拟合结果精度低下，需数据点提取的人工与时间成本高，且分析数据量存在限制的问题。

本发明采用以下技术方案：

一种时频图特征数据点抓取与处理方法，包括以下步骤：

S1、对原信号数据进行处理，绘制原信号的时频图，并保留绘制时频图时所用到的数据；

S2、设定能量阈值，对步骤S1的时频图及绘制时频图所依据的数据进行数据点筛选，舍去时频图中能量低于设定能量阈值的数据点；

S3、对步骤S2保留的数据点进行聚类，得到若干数据点簇；

S4、对步骤S3得到的若干数据点簇进行筛除，完成数据点抓取；

S5、对步骤S4保留数据点簇的每一簇中的数据点进行拟合，得到每一簇对应的特征曲线的拟合曲线及方程，完成数据点处理，所得到的特征曲线反映特征信号频率随时间的变化，用于机械故障诊断。

具体的，步骤S1中，保留的数据包括各数据点的时间、频率和能量数据。

具体的，步骤S2中，保留特征曲线上5％～20％的数据点，舍去其他数据。

具体的，步骤S3中，对步骤S2筛选的数据点进行聚类，分为若干含有有效数据点占总数据量10％以上的簇，以及若干由无效数据点组成的，占总数据量1％以下的簇。

具体的，步骤S4中，保留步骤S3中所有含有有效数据点的簇，舍去所有含有无效数据点的簇。

具体的，步骤S5中，采用待定系数法实现数据点拟合。