[发明专利]基于Hilbert-Huang变换的电机异音检测方法

摘要

本发明公开了基于Hilbert‑Huang变换的电机异音检测方法，包括6个步骤。本发明可以辅助工人进行电机异音识别，提高检测效率并且保证产品的出厂质量，进而提高企业的整体的生产效率，降低企业的制造成本，同时了保护了工人的身体健康；可以有效地解决电机音频信号非稳态的问题，有效检测非稳态电机异音故障，识别准确率高。

主权项

1.基于Hilbert‑Huang变换的电机异音检测方法，包括以下步骤：步骤1、设定采样频率和采样时长t，将电机处于空载状态下进行音频信号采集x(t)；步骤2、对音频信号进行分帧加窗处理，设置帧长为L和相邻两帧的重叠长度为M，将音频信号分为N帧信号；步骤3、使用Hilbert‑Huang变换提取电机音频特征：对第j帧信号{x_j，j＝1，2，3，...，60}进行EMD分解，得到一组基本模态分量{c_i(t)，i＝1，2，3，...，n}，取前三个基本模态分量进行Hilbert变换，分别构造解析信号{X_i(t)，i＝1，2，3}；求取每个解析信号X_i(t)分量的瞬时频率随时间的变化函数f_i(t)和瞬时幅值随时间的变化函数a_i(t)，按照下式求取解析信号X_i(t)在第j帧时间段内的平均频率f_i，j：其中，T表示每帧的持续时间，i表示基本模态分量序号，j表示帧数；步骤4、以帧数为横坐标，绘制每个解析信号{Xi(t)，i＝1，2，3}的平均频率随帧数变化曲线；步骤5、选取N个合格的电机音频样本，对每个电机音频样本重复步骤2‑4，提取每个解析信号{Xi(t)，i＝1，2，3}的平均频率随帧数变化曲线的峰峰值作为第一音频样本特征，用N个合格电机音频样本的第一音频样本特征训练第一个基于支持向量数据描述的学习模型modelA；提取每个解析信号{Xi(t)，i＝1，2，3}的平均频率随帧数变化曲线的均值作为第二音频样本特征，用N个合格电机音频样本的第二音频样本特征训练第二个基于支持向量数据描述的学习模型modelB；步骤6、进行电机异音诊断时，重复步骤1‑4获得电机音频的音频样本的第一特征和第二特征，将第一特征输入学习模型modelA，判断是否为合格样本；将第二特征输入学习模型modelB，判断是否为合格样本；只有modelA和modelB都判断为合格样本时，该样本才为合格样本，否者为故障样本。