[发明专利]一种基于CEEMDAN结合近似熵的螺旋桨状态识别方法

说明书

本发明公开了一种基于CEEMDAN结合近似熵的螺旋桨状态识别方法，属于水声信号的目标识别技术领域，也可用于其它旋转机械噪声信号的故障状态的识别与诊断。本发明的步骤为：一、将不同状态下的螺旋桨噪声信号分别进行CEEMDAN分解，得到若干IMF分量及一个残余分量；二、通过相关系数法求出步骤一中各IMF分量与原始信号的相关系数，通过设置一个阈值γ筛选出有效IMF分量；三、统一不同状态下有效IMF分量的数量，并求它们的近似熵值作为各自的特征量；四、利用步骤三中求得的不同状态的特征量结合BP神经网络进行训练与预测，建立起通过螺旋桨噪声信号识别螺旋桨不同状态的特征网络模型。本发明能够准确预测螺旋桨的运行状态，对辨别舰艇类型有着重要的参考作用。

技术领域

本发明涉及水声信号的目标识别技术领域，更具体地说，涉及一种基于CEEMDAN结合近似熵的螺旋桨状态识别方法，也可以用于其它旋转机械运行噪声领域的信号分析、故障状态识别与诊断。

背景技术

螺旋桨噪声是船舶三大噪声源之一，水中的螺旋桨旋转产生的不稳定水动力负荷反作用到螺旋桨上的结果是非均匀水流流经螺旋桨时会引起噪声，分为无空化噪声和有空化噪声。

在军事领域中，为了更好的隐蔽性，潜艇的螺旋桨转速一般较低或者航深较深，其螺旋桨几乎不发生空化，所以引发的噪声也就较低。而水面舰艇螺旋桨转速较快，并且周围流场不均匀，其螺旋桨一般处于空化状态。所以分析和研究螺旋桨是否发生空化对判断舰艇类型有着重要的参考作用。

目前，螺旋桨空化的研究主要集中于通过数值模拟计算，研究螺旋桨空化与周围流场之间的关系，以及螺旋桨空化起始状态等特征。但是对于船舶螺旋桨是否发生空化的研究较少，普遍的方法是采用小波能量谱的方法对螺旋桨噪声信号进行分析，判断其是否发生空化。但是小波能量谱方法存在小波基函数选择困难、小波分解层数难以确定等问题。

CEEMDAN算法又称自适应噪声完备集合经验模态分解算法，是在EMD算法的基础上改进而来，能够改善EMD算法出现的模态混叠现象以及边缘效应。近年来，出现了不少结合CEEMDAN算法来监测空化状态的方案，如专利申请号2019112127684，名称为：一种基于声发射对水轮机空化状态监测的方法的专利方案，该申请案采集水轮机正常和故障状态下的振动信号，采用CEEMDAN对水轮机振动进行分解，计算排列熵，选取前三个模态进行计算；将前三个模态带入CGWO-FCM中进行聚类中心计算，最后选取BSA-SVM作为分类器，基于训练的聚类中心，将部分特征量作为测试样本以进行诊断。该申请案能够实现对水轮机空化的监测并提高故障诊断的精度。但该申请案并不能推广应用到螺旋桨状态识别中。

发明内容

1.发明要解决的技术问题

基于现有的螺旋桨空化状态预测技术存在的问题，本发明提供了一种基于CEEMDAN结合近似熵的螺旋桨状态识别方法，本发明利用信号处理相关技术对两种状态下的螺旋桨噪声信号进行CEEMDAN分解后，利用相关系数法提取有效IMF分量，然后求其近似熵值作为特征数据集，再利用BP神经网络进行训练与预测，与实际状态对照后，得到能够反映螺旋桨运行状态的方法模型，提高了识别率，准确的预测了螺旋桨的运行状态，对辨别舰艇类型有着重要的参考作用。

2.技术方案

为达到上述目的，本发明提供的技术方案为：

本发明的一种基于CEEMDAN结合近似熵的螺旋桨状态识别方法，其步骤为：

步骤一、将不同状态下的螺旋桨噪声信号分别进行CEEMDAN分解，得到若干IMF分量及一个残余分量；

步骤二、通过相关系数法求出步骤一中各IMF分量与原始信号的相关系数，设置阈值γ筛选出有效IMF分量；

步骤三、统一不同状态下有效IMF分量的数量，并求其近似熵值作为各自的特征量；