[发明专利]一种稀疏化的最大谐噪比解卷积方法

摘要

一种稀疏化的最大谐噪比解卷积方法，首先对采集的信号进行截断和去均值处理，然后对未提前给定精确周期的情况进行估计周期操作，再对信号进行解卷积处理将谐噪比作为目标函数，对滤波器系数进行求导，进而得到迭代表达式，并在每次迭代滤波的过程中对滤波信号进行稀疏处理，稀疏处理的阈值和周期都会随滤波后的信号进行更新，最后对解卷积后的信号进行包络分析，从包络谱中能提取故障特征频率，本发明在特征频率的提取过程中不需要人为参与，有利于实现故障特征提取和诊断监测的自动化，节约时间，效率更高。

主权项

一种稀疏化的最大谐噪比解卷积(Sparse Maximum Harmonics‑to‑noise ratio Deconvolution，SMHD)方法，其特征在于，包括以下步骤：步骤一：将振动加速度传感器吸附于被测试滚动轴承的轴承座上，并对测试得到的信号进行高频采样、截断和去均值处理，将信号记为x；步骤二：对提供的周期信息进行验证，判断是否提供了精准的故障周期，如果提供精准的故障周期，则利用这个周期；如果没有提供精准周期，则需要估计周期，利用谐噪比(Harmonics‑to‑Noise Ratio，HNR)的定义，确定信号x的包络信号的自相关函数中除0位置以外的局部极大值为周期；步骤三：将谐噪比为目标函数对滤波系数进行求偏导：Ok[f(l)]=∫y(t)y(t+T)dt∫y2(t)dt-∫y(t)y(t+T)dt---(1)]]>其中t为时间，T为周期，对目标函数进行离散化后，使用其中f(l)为滤波器系数，l＝1,2,……,L,L为滤波器长度，求导后的结果为：将上式写成矩阵的形式：Af＝b   (3)其中：b‑‑逆滤波器的输入信号x、输出信号y的互相关，b为L维列向量；A‑‑输入信号x的自相关，A为L×L维矩阵；f‑‑逆滤波器的滤波器系数，f为L维列向量；首先计算自相关矩阵A；再假设逆滤波器的初始值f(0)，设置滤波器长度L＝100，并给定初始滤波器系数为[00……1‑1……00]，用y(0)和x(0)计算列向量b(1)；然后求解新的滤波器系数f(1)＝A‑1b(1)；另外在每次更新滤波器系数后，对滤波信号进行稀疏处理即：y‾=y×(1-exp(-y22σ2))---(4)]]>其中σ为阈值常数，初始阈值为原信号的均方根值或者绝对均值，为稀疏变换后的滤波信号；然后求滤波后的信号的峭度，比较前后两次滤波信号的峭度，以此来设置新的阈值σ，当峭度增加时，增大σ；当峭度减小时，减小σ，并且对滤波后的信号求包络，计算包络信号的周期，以此更新周期，设定最大迭代次数为30次，得到经过SMHD处理后的信号yk；步骤四：对SMHD处理后的信号yk进行包络分析并得到包络谱，对包络谱进行分析，进而提取故障特征频率。