一种基于压缩域的振动信号特征提取方法

成果名称：一种基于压缩域的振动信号特征提取方法

成果完成单位：兰州理工大学

成果完成人：郭俊锋;杨文;魏兴春;王智明;宋鸣

所属行业：制造业

成果登记号：9622022Y0424

成果简介：

① 课题来源与背景
传统的振动信号检测与采样通常是基于奈奎斯特采样定理实现的，奈奎斯特采样定理要求采样频率至少为信号中最高频率的两倍，才能由采样信号精确重构出原始振动信号。压缩感知理论的产生为解决这个问题提供了新的思路，该理论在保证信号不丢失主要信息的情况下，可以远低于奈奎斯特采样率的数据高概率重构信号
② 技术原理及性能指标
压缩感知理论主要包含两个方面：第一，获得原始信号的线性投影；第二，通过恰当的恢复算法从测量值中重构出原始信号，上述方法都要经信号稀疏表示、压缩测量、基于l1范数最小化的重构算法对信号进行恢复后，才能对重构信号进行进一步处理，而基于l1范数最小化的重构算法计算复杂度较高、运行时间较长，且进行故障诊断时只需提取故障特征即可，无需重构出完整的振动信号。
③ 技术的创造性与先进性
针对现有技术中的缺陷，本发明提出一种基于压缩域的振动信号特征提取方法，避免了基于l1范数最小化的重构算法计算复杂度高、运行时间长的问题。
根据本发明的一个方面，提供了一种基于压缩域的振动信号特征提取方法，包括以下步骤：
对采集的振动信号进行压缩测量，得到其线性投影的测量值；
根据测量值基于l2范数最小化理论获得l2范数最小的解信号；
对获得的所述解信号进行离散傅里叶变换，得到频谱信息；
基于所述频谱信息，完成振动信号故障状态频谱特征的提取
④ 技术的成熟度、适用范围和安全性
在目前较为成熟，适用范围：机械制造领域；安全性：安全
⑤ 应用情况及存在的问题
本发明还进一步考虑对获得的l2范数最小的解信号的频谱的幅值进行修正，从而有效弥补了l2范数最小的解信号频谱幅值降低的问题，使得l2范数最小的解信号频谱的幅值与原始信号频谱的幅值尽可能地接近，提高了提取的故障状态特征的准确性。
⑥ 理念获奖情况
无