[发明专利]复杂噪声环境下的机电系统故障在线监测声学处理方法

说明书

本发明公开了一种复杂噪声环境下的机电系统故障在线监测声学处理方法。该处理方法将基于数据追踪的自相关噪声抑制技术与基于宽带声学处理的故障信号检测与分类识别技术有机结合，采用基于数据跟踪的自相关处理方法来进行背景噪声抑制，然后基于Peakvue技术对故障信号进行峰值检测，通过欧式距离分类器对信号分类判决实现信号的匹配和识别，最终实现复杂噪声环境下对机电系统故障的检测。通过上述方式，本申请通过对信号采集到处理，结合建立正常状态和故障状态声纹库进行匹配比对，完成对信号的识别分类，最终直接得出检测结果。通过仿真实验证明了该处理方法的有效性和良好的工程实用性。

技术领域

本发明属于信号处理领域，具体涉及一种复杂噪声环境下的机电系统故障在线监测声学处理方法。

背景技术

在科技进步与现代化水平越来越提高的当下，机电设备也不断地向自动化、大型化、高速化的方向发展。随着其组成结构与分布变得越来越复杂，设备之间的通信与联系也随之越来越密切，当运行过程中某一部分出现故障，就很有可能影响整个机电系统的运行，从而造成很严重的经济损失，更有甚者可能带来不可估量的后果。

机电系统的早期故障诊断主要依赖于相关工作人员的经验，科技的进步推进机电系统故障诊断技术系统地发展，该技术对机电系统运行状态进行信号分析与监测评估，建立相配套的维修体制，可以有效地预防事故发生，保障设备的正常运行和安全生产。

故障发展并积累到一定程度时，就会引发机电系统的重大事故，所以故障发现的越早，越有助于机械设备安全可靠运行。但是由于机械设备早期故障特征较弱，以及实际运行过程中复杂的背景噪声叠加，使得提取和识别早期故障信号变得十分困难。因此，先进的微弱信号检测技术和背景噪声抑制技术对于提高识别机械设备故障的准确性具有十分重要的作用。

发明内容

鉴于复杂背景噪声下有效信号难以提取处理这一特点，本发明目的在于提供一种复杂噪声环境下的机电系统故障在线监测声学处理方法，以此来提高有效信号的可识别率和利用率。该方法包括以下步骤：

步骤S1：声学传感器采集机电系统运行状态声纹信号s(n)；

步骤S2：对采集的s(n)进行背景噪声抑制处理得到ss(n)；

步骤S3：对信号ss(n)进行峰值提取得到ss′(n))；

步骤S4：延时采集正常状态下的信号，经过步骤S3组成正常状态声纹库N_S(n)；

步骤S5：基于正常状态声纹库N_S(n)对ss′(n)进行声纹比对，匹配则更新正常状态声纹库N_S(n)，不匹配则进行下一步骤；

步骤S6：基于故障声纹库S_S(n)对信号进行声纹比对，匹配则对比故障声纹库标签得出检测结果，不匹配则对信号进行分析，更新故障声纹库并记录标签后得出检测结果。

本发明的优势在于：一方面是采用基于数据跟踪的自相关处理方法来实现背景噪声抑制，大大提高了信号的信息利用率，提高了故障检测的处理速度和诊断准确率，并能准确预测出故障的严重程度。另一方面将基于数据跟踪的自相关噪声抑制技术与基于宽带声学处理的故障信号检测与分类识别技术有机结合，同时利用欧式距离分类器对信号分类判决实现信号的匹配和识别，进而实现对复杂噪声下的机电系统故障的在线监测和识别。

附图说明

图1是复杂噪声环境下的机电系统故障检测方法原理图。

图2是机电设备运行状态声纹信号匹配比对原理图。

图3是不同信噪比下噪声抑制效果对比仿真图。

图4是降噪前后峰值检测提取对比图。

图5是处理前后信号特征参数对比图。

具体实施方式

下面将结合附图对本发明作详细说明。