[发明专利]基于神经网络集成和BS-EMD的端点效应抑制方法

权利要求书

1.一种基于神经网络集成和BS-EMD的端点效应抑制方法，其特征在于，所述方法包括以下步骤：

A、利用速度传感器测量获取振动信号；

B、采用神经网络集成对所述信号进行左延拓和右延拓；

C、利用B样条均值函数得到所述信号的均值曲线；

D、进行经验模式分解，抛弃两端数据，得到与原始信号相对应的若干IMF分量；

E、分析各IMF分量，提取故障特征。

2.根据权利要求1所述的基于神经网络集成和BS-EMD的端点效应抑制方法，其特征在于，所述步骤B具体包括：

B1、在只有一层神经网络时，对所述神经网络进行学习，得到权值和阈值的确定值；

B2、根据公式                                                得到单层神经网络的输出；其中，为单个神经元的输出，为权值，为阈值，为输入样本；

B3、采用加权平均进行集成，采用个神经网络组成的集成对进行近似，网络的权值满足下式

；

其中，表示从n维空间到一维空间的映射；

B4、按照分布随机抽取，得到训练集；其中，在网络下，当输入为时，输出为；

根据公式获取神经网络集成的输出；

根据公式获取神经网络的泛化误差；

根据公式 获取神经网络集成的泛化误差；

根据公式获取各网络泛化误差的加权平均；

根据公式获取神经网络的差异度；

根据公式 获取集成的差异度；

由此可得神经网络集成的泛化误差。

3.根据权利要求2所述的基于神经网络集成和BS-EMD的端点效应抑制方法，其特征在于，所述步骤C具体包括：

C1、假定有限区间[]，给定划分：，代表节点值，根据公式 计算次B样条基函数，其中， ；规定当公式中的分母为0时，该函数的值为0；第个B样条函数的局部支撑性为

 ； 

C2、利用B样条，根据公式获取信号的均值曲线；为B 样条的控制点, 可由信号的极值点滑动平均得到，为第j个B 样条函数的局部支承性。

4.根据权利要求3所述的基于神经网络集成和BS-EMD的端点效应抑制方法，其特征在于，所述步骤D具体包括：

D1、假定原始信号为无限长，根据公式获取信号的均值，并根据公式得到插值函数；

D2、根据IMF判据，若不是一个IMF，则将作为代入公式重复上述过程，直到为一个本征模函数；

重复上述过程，得到各个IMF分量及残余函数，根据公式得到被分解为个本征模函数和一个趋势项的信号，其中为第i个本征模函数，r为趋势项； 

D3、对得到的IMF进行处理，截去延长部分的数据，得到与原始信号相对应的IMF分量。

5.根据权利要求4所述的基于神经网络集成和BS-EMD的端点效应抑制方法，其特征在于，所述步骤D1具体包括：

D11、找出转子故障振动速度信号所有的局部极值点，用B样条曲线将所有的局部极大值点连接起来形成上包络线，用B样条曲线将所有的局部极小值点连接起来形成下包络线；

D12、所述上包络线、下包络线的平均值记为，求出。

6.根据权利要求5所述的基于神经网络集成和BS-EMD的端点效应抑制方法，其特征在于，所述步骤D2具体包括：

D21、判断是否满足IMF的条件，如果是，则为信号的第一个满足IMF条件的分量；

如果不是，则将作为原始数据，重复步骤D11和D12，再利用B样条函数得到上下包络的平均值，判断是否满足IMF条件，重复上述过程，直到得到满足IMF条件的；记，则为信号的第一个满足IMF条件的分量；

D22、将从速度信号中分离出来，得到；

将作为原始数据重复步骤D11、 D12和D21，得到的第2个满足IMF分量条件的；重复循环次，得到速度信号的个满足IMF条件的分量；

当为单调函数时，循环结束，得到速度信号。