[发明专利]一种基于同步的同质传感器突变参数识别方法与装置

摘要

本发明涉及一种基于同步的同质传感器突变参数识别方法与装置，从每个周期序列各时刻点中抽取一个点值组成单一传感器多次测量的一维数据序列，构造按周期同步的周期数据序列。对得到的数据样本进行基于极大似然估计的预处理。对基于组合预处理的含有突变传感器信号采用经验模态分解得到各阶IMF模态分量；对信号主导IMF分量采用希尔伯特—黄变换得到瞬时频率图和瞬时幅值图，依据HHT图中的突变点、幅值变化、瞬时频率走势特征信息对传感器异常信号进行参数检测和识别。本发明将不同类传感器进行无差别融合，得到等周期数据样本，消减不同传感器差异和信号采集过程中的随机误差，提高传感器突变参数识别精度。

主权项

一种基于同步的同质传感器突变参数识别方法，其特征在于，步骤如下：步骤A：中央处理器以T为采样周期，同质传感器定时对系统被测信号进行采样和量化，并得到相同采样频率下的采样数据；步骤B：将采样数据按周期进行截取，获得m个周期序列为：Y₁(t),Y₂(t),…Y_m(t)，每个周期样本中包含了N个数据点，即Y_i＝[X_i(1),X_i(2),…X_i(N)]，其中i＝1,2,…,m；步骤C：构造按周期同步构建的周期数据序列：将每个周期数据中各个时刻点数据视为同步后的同一对象的多次测量结果，即各个周期对应时刻点数据为一个样本，多个周期的数据中相对应时刻的每个点值即构成一个数据序列，从而可视为单一传感器多次测量的一维数据序列，即构造了按周期同步构建的周期数据序列Y′₁(t),Y′₂(t),…Y′_N(t)，每组一维数据序列中包括了m个数据点，即Y′_i＝[X₁(1),X₂(2),…X_m(N)]；步骤D：对数据样本Y′_t进行基于极大似然估计的预处理；步骤E：对基于组合预处理的含有突变传感器信号采用EMD分解得到各阶IMF分量；步骤F：对传感器异常信号的主导IMF分量采用HHT变换得到瞬时频率图和瞬时幅值图；步骤G：依据HHT变换图中的突变点、幅值变化、瞬时频率走势特征信息对传感器突变参数进行检测和识别。