[发明专利]一种机电设备噪声信号特征提取方法

说明书

本发明公开了一种机电设备噪声信号特征提取方法，主要应用于机电设备故障诊断领域。所述方法先对所采集的噪声信号原始数据进行外部噪声消除、截取等预处理；然后将经过预处理后的噪声信号数据进行快速傅里叶变换(FFT)，得到噪声信号频谱信息；再将此频谱数据按幅值的积分值分为m段，得到各个分段的频带宽度信息；最后将带宽信息进行换算，提取特征值用于故障诊断。本发明原理和公式简单、计算量小、运算速度快、故障辨识率高，其最大优点是易于在嵌入式系统和DSP程序中实现。

技术领域

本发明涉及机电设备故障诊断领域，特别涉及一种机电设备噪声信号特征提取方法。

背景技术

机电设备广泛应用于社会各行各业，和人民的生产、生活息息相关；机电设备的涌现和更新换代，是人类文明进化的重要标志，也是社会现代化的重要物质基石。对重点机电设备进行监控和实时故障诊断，保障设备的安全运行，是当前最热门的研究课题之一。

对机电设备进行监控的主要信号包括：电气信号(如电压、电流、相位、功率、频率、谐波、阻抗、磁场等)、机械信号(如位置、角度、位移、受力、速度、加速度、噪声、噪声等)、光信号(如亮度、颜色、色谱、光斑大小等)、温湿度信号(如温度、温升、湿度)、气液含量信号(如气体含量、液体含量、微水)等等。每种类型的信号都有其典型应用场景，各自都有其优点也存在不足，目前普遍使用的策略是多种类型的信号融合进行故障诊断。

在机电设备故障诊断领域，通过对噪声信号进行监控分析，用以实现设备运行状态判定，是一个比较前沿和热门的研究方向，噪声信号中包含了很多难以通过传统电气信号和机械信号获取的特征信息，大大扩展了故障诊断的范围和准确性，但是同时噪声信号由于其自身的复杂性和不确定性，目前进行特征提取时还存在不少问题，需要进一步完善。

一方面，当前各种对噪声信号进行特征提取的算法，原理复杂，处理繁琐，计算量大。采用中高性能计算机处理时，除了实时性稍差，尚没有太大压力。然而，如果采用嵌入式系统甚至DSP系统的话，编程实现的门槛非常高，处理速度也难以满足实时性要求。

另一方面，物联网技术的发展对监控与诊断系统也提出了新的要求。近年来，随着网络云计算技术和边缘计算技术的兴起，物联网(IOT)成了未来主流高科技发展方向之一。数据如何在本地和云端平衡运作非常重要。海量的基础采集数据都塞到云端处理和存储似乎不太可能，但是关键的特征信息如果不能推送到云端，那么这些采集到的基础数据的作用又显得那么苍白无力。

还有一个不能忽略的话题，随着在线监控与智能诊断系统应用的场景越来越多，设备的小型化、分布式、低功耗等要求也越来越强烈。

因此，如何简化噪声信号频域特征提取，并且提高故障诊断正确率，是一个急需解决的问题。

发明内容

本发明的目的在于克服现有技术的不足，提出一种机电设备噪声信号特征提取方法。

本发明采用如下技术方案：

一种机电设备噪声信号特征提取方法，包括：

对采集到的机电设备噪声信号的原始数据进行预处理，得到相对纯净的数据信息；

对预处理后的信号进行时域转频域的变换，获取其频谱信息；

对所述频谱信息按幅值积分值分段，获得各个分段的带宽信息；

对所述带宽信息进行换算，得到故障诊断所需的特征值。

优选的，对采集到的机电设备噪声信号的原始数据进行预处理，得到相对纯净的数据信息，具体包括：

对采集到的机电设备噪声信号的原始数据，通过多传感器信号处理消除外部噪声；并修剪掉对特征提取无关紧要的，甚至会产生干扰的多余的信号段；再根据噪声信号的波形特征，将波形进行分段单独提取特征。