[发明专利]一种基于EMD去噪和IMF判别能量熵的磨音特征提取方法

说明书

本发明请求保护一种基于EMD去噪和IMF判别能量熵的磨音信号特征提取方法。首先，当磨机分别工作于空磨、饱磨和正常磨时，磨音信号被采集并通过EMD分解成一系列IMF子信号，通过FFT时频分析，有效的IMF分量被提取。然后IMF子信号通过相关性规则和3δ阈值规则被去噪。同时，根据信号之间的IMF判别能量熵，磨音信号的特征量被提取。最后基于特征量的分类器被设计。通过三种磨音信号的分类实验，我们可以得到相应的磨机负荷。仿真结果表明，本方法不仅具有较好的去噪效果，而且对三类信号的分类效果较好，为实时准确地检测磨机负荷提供了前提条件。

技术领域

本发明属于信号处理技术，具体涉及一种基于磨音特征的磨机负荷检测方法。

背景技术

球磨机是对煤炭、金属、建材原料进行碾磨粉碎的核心设备，由于缺乏可靠的智能磨机负荷检测手段，球磨机长期工作于低产能高功耗的状态下。实际生产过程中，工人可通过听磨音对球磨机进料、碾磨和出料过程进行控制，这不仅损害个人健康，较差的准确性导致磨机经常工作在效率较低的空磨或饱磨状态下，大量的能源和工时在这个过程中被浪费。所以通过对磨音信号进行处理可实时检测磨机负荷，而磨音处理的关键在于磨音特征的提取，因此发明一种针对磨音信号的特征提取方法尤为重要。

磨音是指磨机在运行中内部钢球、物料、筒壁之间的碰撞和研磨发出的声音，磨机负荷是指物料体积占筒壁内除钢球体积之外其他空间的比例。目前也存在一些常见的两种磨音特征提取方法，一是基于奇异熵去噪和FFT频谱分析的磨音特征提取方法，二是基于小波变换的磨音去噪和重建方法。但磨音信号干扰噪声的非平稳性和FFT滤波的机械性导致较低磨音特征提取精度，这使得磨机负荷检测准确性较差，而小波变换中最佳小波函数的选取又增加了特征提取的难点。所以为了实现磨机负荷的准确检测，发明一种适用于磨音信号特征提取方法尤为重要。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种具有较好的去噪效果，、分类效果较好的基于EMD去噪和IMF判别能量熵的磨音特征提取方法。本发明的技术方案如下：

一种基于EMD去噪和IMF判别能量熵的磨音特征提取方法，其包括以下步骤：

步骤1)、将三种不同负荷状态下的磨音信号分别计为a,b和c，并分别对磨音信号a、b和c进行EMD经验模态分解得到各自的IMF分量，再分别通过FFT快速傅里叶变换对IMF分量进行时频转换，根据频谱提取合适的IMF分量；

步骤2)、然后根据相关系数法则和阈值准则对得到的IMF本征模函数进行去噪；

步骤3)、利用IMF子信号的能量作为不同磨机负荷下磨音信号的分类特征，同时选择IMF能量的均值离散度来度量其重要性，并计算IMF判别能量熵作为离散度的度量，基于IMF判别能量熵的磨音特征量提取方法，并选择IMF分量的能量进行分类器的设计，通过对三类信号分类试验，识别出待测磨音信号的特征进而判断出对应的磨机负荷。

进一步的，所述步骤1)由于EMD经验模态分解边界效应会产生假IMF子信号，这些IMF子信号对应着与原始信号相关性较低的噪声，根据相关系数法则对其进行IMF滤波去噪；同时，IMF分量尖峰脉冲干扰了特征提取，我们根据3δ准则对其进行阈值去噪。

进一步的，所述步骤1)的三种不同负荷状态分别为30％、50％和70％；

信号x(t)经过EMD分解可以表示为：

其中i代表IMF分量的阶数，x(t)代表a、b、c信号；c_i(t)代表第i阶IMF子信号，r_n(t)代表信号x(t)的剩余子信号。

进一步的，所述步骤1)相应的IMF频谱由FFT获得，公式如下：