[发明专利]基于时频功率谱密度极大值的小波分解尺度确定及故障特征增强方法

摘要

本发明公开一种基于时频功率谱密度极大值的小波分解尺度确定及故障特征增强方法，步骤为：第一步，基于时频功率谱密度极大值确定最佳小波分解尺度；第二步，基于最佳小波分解尺度对推进器故障波峰区域能量特征进行增强，得到增强后的速度信号波峰区域能量故障特征Eu、控制信号波峰区域能量故障特征Ec。本发明能够有效识别水下机器人速度信号的最佳小波分解尺度，并且推进器故障程度不同，所确定的最佳小波分解尺度也可以不同，从而提高速度信号奇异行为信噪比，增大推进器故障特征值。

主权项

1.一种基于时频功率谱密度极大值的最佳小波分解尺度确定方法，其特征在于：包括以下步骤：第一步，采用长度为L₁的时间窗函数截取水下机器人速度信号原始数据；第二步，对长度为L₁的速度信号数据进行常规平滑伪维格纳‑威利分布运算，得到平滑伪维格纳‑威利谱SPWVD(n,m)，n为时间节拍序号，n为整数，且n∈[1 L₁]；m为频带序号，m为整数，且m∈[1 N₃]，N₃为频带序号最大值；求取平滑伪维格纳‑威利谱SPWVD(n,m)的绝对值，得到原始速度信号时频功率谱密度分布SPWVDA(n,m)，确定原始速度信号的时频功率谱密度分布SPWVDA(n,m)中的极大值P₀；第三步，对长度为L₁的速度信号数据进行N层常规小波分解，得到第N层小波近似分量，计算小波近似分量的平滑伪维格纳‑威利谱，求取平滑伪维格纳‑威利谱的绝对值，得到时频功率密度分布，确定第N层小波近似分量时频功率密度最大值P_N；N为大于0的正整数；第四步，判断，若P_N≤0.9P_N‑1，则N‑1为最佳小波分解尺度，记为M，即M＝N‑1；若P_N>0.9P_N‑1，则N＝N+1，返回第三步。