[发明专利]一种微弱信号检测方法及系统

权利要求书

1.一种微弱信号检测方法，其特征在于，具体包括以下步骤：

步骤1、通过信号检测装置采集实际应用中的故障信号；

步骤2、构建随机共振模型，并利用随机共振模型提取故障信号特征；

步骤3、归一化处理故障信号的特征识别矢量，并提取噪音信号特征；

步骤4、基于现有信号特征分析，对故障信号进行重构；

步骤5、输出重构后的故障信号，并作为后续分析的依据。

2.根据权利要求1所述的一种微弱信号检测方法，其特征在于，步骤2中在构建完随机共振模型后，进一步引入噪声，建立耦合势函数，获取对应的耦合系数，具体步骤如下：

步骤2.1、接收待分析的故障信号；

步骤2.2、采用并联同步分析的方式形式进行随机共振；

步骤2.3、通过互相关的联合分析，获取并联随机共振分析的同频率信号；

步骤2.4、输出最终的共振分析结果。

3.根据权利要求2所述的一种微弱信号检测方法，其特征在于，通过耦合的方式克服实际应用中噪声信号多变运动方向产生的随机因素；

所述耦合的方式是将两个单一测量检测装置经非线性耦合构成，对应表达式为：

式中，θ表示阻尼系数；k表示非线性耦合系数；a₁、b₁、a₂、b₂为检测装置的配置参数；λ表示噪声；t表示周期；

令周期信号、噪声源与非线性双稳态系统进行配合，产生共振现象，则对应的耦合势函数表达式为：

式中，θ表示阻尼系数；a₁、b₁、a₂、b₂为检测装置的配置参数。

4.根据权利要求1所述的一种微弱信号检测方法，其特征在于，针对实际应用过程中外界噪声对微弱故障信号的干扰，采用归一化的特征处理方式，避免向量差的问题。

5.根据权利要求1所述的一种微弱信号检测方法，其特征在于，对信号特征进行处理后，利用神经网络对其进行识别，获取噪声信号的特征，具体步骤如下：

步骤3.1、针对局部特征集过大的信号进行均值分解，获取至少两个分量信号；

步骤3.2、在分量信号中选取冲击特征明显的分量信号进行特征检测；

步骤3.3、将特征明显的分量信号构建成矩阵形式，用于奇异值的分解依据；

步骤3.4、进行奇异值分解，获取奇异值数量，并标记奇异值中最大峰值点；

步骤3.5、对奇异值进行分解降噪，获取高于阈值处的频率峰值，并进行特征检测。

6.根据权利要求1所述的一种微弱信号检测方法，其特征在于，步骤四中进行信号分析的过程中，将检测装置振动信号的稀疏作为增强切入点，在基础峰值特征的信号经过非线性变换后，将原信号的高频部分能量逐渐集中到低频带，生成平滑信号，从而完成信号重构。

7.根据权利要求1所述的一种微弱信号检测方法，其特征在于，步骤四中通过信号重构，实现信号增强的过程具体包括以下步骤：

步骤4.1、测量检测装置微弱故障信号变换；

步骤4.2、平滑信号稀疏分解；

步骤4.3、稀疏系数阈值化处理；

步骤4.4、将处理后的信号完成重构；

步骤4.5、分段重组信号并进行逆变换；

步骤4.6、对信号进行包络解调；

步骤4.7、通过小波变换，完成微弱信号增强。

8.一种微弱信号检测系统，用于实现权利要求1-7任意一项方法，其特征在于，具体包括以下模块：

用于采集实际应用中故障信号的检测装置；

用于构建随机共振模型的模型构建模块；所述随机共振模型用于提取故障信号特征；

用于提取噪音信号特征的特征提取模块；

用于对故障信号进行重构的信号重构模块；

用于输出重构信号的信号输出模块。

9.根据权利要求8所述的一种微弱信号检测系统，其特征在于，在实际应用过程中，检测装置实时采集应用过程中的故障信号，并传输至模型构建模块构建的随机共振模型中进行故障信号特征的提取；其次归一化处理故障信号的特征识别矢量，并采用特征提取模块提取噪音信号特征；基于分析好的信号特征利用信号重构模块对故障信号进行重构，并利用信号输出模块输出重构信号，作为后续分析的依据。