[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

权利要求书

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_N0.9P_N-1，则N＝N+1，返回第三步。

2.一种基于权利要求1所述最佳小波分解尺度确定方法的故障特征增强方法，其特征在于：包括以下步骤：

步骤一，获取水下机器人速度信号和推进器控制信号动态信号数据，采用滑动时间窗对动态信号进行截取，其中，速度信号截取长度L₁，控制信号截取长度L₂＝L₁+1；

步骤二，对于速度信号数据，基于时频功率密度极大值方法确定最佳小波分解尺度M；对于推进器控制信号，基于离散差分方法获得控制信号变化率，差分后，时间窗内控制信号变化率的数据长度为L₁，差分公式如公式(1)所示；

式中，c(n)为推进器控制信号，n为时间节拍序号，n∈[1 L₁]，Δt为采样周期，为第n拍的控制信号变化率；

步骤三，将时间窗内的速度信号u(n)，控制信号变化率分别进行常规小波分解，分解层数为最佳小波分解尺度M，得到速度信号第M层小波近似分量u_MA(n)，及控制信号变化率第M层小波近似分量

步骤四，基于常规修正贝叶斯算法对步骤三所得速度信号小波近似分量u_MA(n)，及控制信号变化率小波近似分量进行处理，以增大信号中的奇异行为幅值，处理结果为d_uMA(n)和d_cMA(n)；

步骤五，对第四步所得结果d_uMA(n)和d_cMA(n)，进行卷积运算，以集中信号中的能量，得到卷积计算结果u_conv(n)和c_conv(n)；u_conv(n)和c_conv(n)计算过程相同，卷积计算如公式(2)所示：

u_conv(n)＝d_uMA(n)*d_uMA(n) (2)

式中，u_conv(n)为d_uMA(n)的卷积运算结果；

步骤六，在步骤五所得速度信号卷积计算结果u_conv(n)中，确定所有极小值位置，即波谷所在位置，把相邻两个极小值之间的u_conv(n)幅值进行累加求和，把求得的结果作为相邻两个波谷之间的波峰所包含的能量，即波峰区域能量，然后选取波峰区域能量最大值作为推进器故障特征值，从而得到速度信号波峰区域能量故障特征值Eu；按照同样的过程对c_conv(n)操作进而得到控制信号波峰区域能量故障特征值Ec。