專利名稱：一種動(dòng)態(tài)信號(hào)分析方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及信號(hào)分析技術(shù)領(lǐng)域，更具體的說，是涉及一種動(dòng)態(tài)信號(hào)分析方法及裝置。
背景技術(shù)：
在旋轉(zhuǎn)機(jī)械故障診斷以及生物醫(yī)學(xué)信號(hào)處理等領(lǐng)域，一般通過對(duì)系統(tǒng)產(chǎn)生的動(dòng)態(tài)信號(hào)進(jìn)行分析，進(jìn)而對(duì)系統(tǒng)的健康狀況進(jìn)行評(píng)估。由于系統(tǒng)產(chǎn)生的動(dòng)態(tài)信號(hào)常常具有非平穩(wěn)特性，在對(duì)此類信號(hào)進(jìn)行分析時(shí)，單獨(dú)的時(shí)域分析方法以及單獨(dú)的頻域分析方法，都不能提供足夠的非平穩(wěn)信息來對(duì)系統(tǒng)的健康狀況進(jìn)行有效評(píng)估。在現(xiàn)有技術(shù)中，一般采用傳統(tǒng)的短時(shí)傅里葉變換、連續(xù)小波變換或者維格納一威爾分布等時(shí)頻分析方法，對(duì)系統(tǒng)產(chǎn)生的動(dòng)態(tài)信號(hào)進(jìn)行分析。通過上述任意一種時(shí)頻分析方法，都能同時(shí)反映系統(tǒng)產(chǎn)生的動(dòng)態(tài)信號(hào)在時(shí)域和頻域上豐富的非平穩(wěn)信息，用以對(duì)系統(tǒng)的健康狀況進(jìn)行有效評(píng)估。但是，一方面由于系統(tǒng)本身的復(fù)雜性，其產(chǎn)生的動(dòng)態(tài)信號(hào)又表現(xiàn)為非線性。而傳統(tǒng)的時(shí)頻分析方法在對(duì)系統(tǒng)產(chǎn)生的動(dòng)態(tài)信號(hào)進(jìn)行分析的過程中，并未考慮動(dòng)態(tài)信號(hào)的非線性。另一方面，由于各種原因，系統(tǒng)產(chǎn)生的動(dòng)態(tài)信號(hào)往往含有大量的噪聲。而傳統(tǒng)的時(shí)頻分析方法在對(duì)系統(tǒng)產(chǎn)生的動(dòng)態(tài)信號(hào)進(jìn)行分析的過程中，并未考慮噪聲的影響。由上可知，現(xiàn)有的時(shí)頻分析方法，并不能有效分析系統(tǒng)產(chǎn)生的動(dòng)態(tài)信號(hào)，進(jìn)而對(duì)系統(tǒng)的健康狀況的評(píng)估造成了不良影響。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明提供了一種動(dòng)態(tài)信號(hào)分析方法及裝置，以克服現(xiàn)有技術(shù)中由于采用傳統(tǒng)的時(shí)頻分析方法分析系統(tǒng)產(chǎn)生的動(dòng)態(tài)信號(hào)時(shí)，不能考慮動(dòng)態(tài)信號(hào)的非線性以及噪聲影響，對(duì)系統(tǒng)的健康狀況的評(píng)估造成不良影響的問題。為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案一種動(dòng)態(tài)信號(hào)分析方法，包括對(duì)接收到的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析，生成與所述動(dòng)態(tài)信號(hào)相對(duì)應(yīng)的具有預(yù)設(shè)嵌入維數(shù)的高維時(shí)頻分析信號(hào)；對(duì)所述時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)，所述預(yù)設(shè)本征維數(shù)小于所述預(yù)設(shè)嵌入維數(shù)；對(duì)所述流形結(jié)構(gòu)信號(hào)進(jìn)行轉(zhuǎn)換，生成包含多維數(shù)據(jù)的時(shí)頻流形結(jié)構(gòu)信號(hào)，所述時(shí)頻流形結(jié)構(gòu)信號(hào)中的第一維數(shù)據(jù)為所述動(dòng)態(tài)信號(hào)的時(shí)頻流形特征數(shù)據(jù)。優(yōu)選地，所述對(duì)接收到的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析，生成與所述動(dòng)態(tài)信號(hào)相對(duì)應(yīng)的高維時(shí)頻分析信號(hào)的過程包括接收所述動(dòng)態(tài)信號(hào)；
根據(jù)預(yù)設(shè)嵌入維數(shù)，將所述動(dòng)態(tài)信號(hào)在相空間中重構(gòu)，生成具有所述預(yù)設(shè)嵌入維數(shù)的第一信號(hào)，所述預(yù)設(shè)嵌入維數(shù)至少為12維；根據(jù)預(yù)設(shè)時(shí)頻分析方法，對(duì)所述第一信號(hào)整個(gè)頻帶范圍內(nèi)的所有時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)，所述預(yù)設(shè)時(shí)頻分析方法包括短時(shí)傅里葉變換、連續(xù)小波變換或維格納一威爾分布變換；將所述第二信號(hào)進(jìn)行轉(zhuǎn)換，生成具有所述預(yù)設(shè)嵌入維數(shù)的所述高維時(shí)頻分析信號(hào)。優(yōu)選地，所述對(duì)所述時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有所述預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)的過程包括根據(jù)局部線性嵌入算法、等距映射算法或局部切空間排列算法對(duì)所述時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有所述預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)。優(yōu)選地，當(dāng)所述預(yù)設(shè)時(shí)頻分析方法為短時(shí)傅里葉變換時(shí)，所述根據(jù)預(yù)設(shè)時(shí)頻分析方法，對(duì)所述第一信號(hào)整個(gè)頻帶范圍內(nèi)的時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)的過程還包括在所述第一信號(hào)整個(gè)頻帶范圍內(nèi)通過增加短時(shí)傅里葉變換窗函數(shù)的移動(dòng)步長減少時(shí)間點(diǎn)數(shù)，并對(duì)所述第一信號(hào)整個(gè)頻帶范圍內(nèi)的部分時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)。優(yōu)選地，當(dāng)所述預(yù)設(shè)時(shí)頻分析方法為短時(shí)傅里葉變換、連續(xù)小波變換方法或維格納一威爾分布變換方法時(shí)，所述根據(jù)預(yù)設(shè)時(shí)頻分析方法，對(duì)所述第一信號(hào)整個(gè)頻帶范圍內(nèi)的時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)的過程還包括在所述接收到的動(dòng)態(tài)信號(hào)整個(gè)頻帶范圍內(nèi)選取故障頻帶；對(duì)所述第一信號(hào)故障頻帶范圍內(nèi)的所有時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)。優(yōu)選地，根據(jù)局部切空間排列算法對(duì)所述高維時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有所述預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)的過程包括計(jì)算所述時(shí)頻分析信號(hào)的局部信息；根據(jù)所述局部信息計(jì)算所述時(shí)頻分析信號(hào)的排列矩陣；根據(jù)所述排列矩陣計(jì)算具有所述預(yù)設(shè)本征維數(shù)的全局坐標(biāo)，所述全局坐標(biāo)即為具有所述預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)。優(yōu)選地，所述計(jì)算所述時(shí)頻分析信號(hào)的局部信息的過程包括在所述時(shí)頻分析信號(hào)中選取待處理元素；選取與所述待處理元素最近的預(yù)設(shè)個(gè)數(shù)的元素，所述預(yù)設(shè)個(gè)數(shù)大于所述預(yù)設(shè)嵌入維數(shù)；將所述預(yù)設(shè)個(gè)數(shù)的元素進(jìn)行中心化處理得到中心化矩陣；計(jì)算所述中心化矩陣的右奇異向量，并按照右奇異值從大到小的順序，選取所述預(yù)設(shè)本征維數(shù)個(gè)數(shù)右奇異值相對(duì)應(yīng)的右奇異向量，作為所述時(shí)頻分析信號(hào)的局部信息。優(yōu)選地，所述根據(jù)所述局部信息計(jì)算所述時(shí)頻分析信號(hào)的排列矩陣的過程包括根據(jù)所述時(shí)頻分析信號(hào)以及所述中心化矩陣計(jì)算得到第一矩陣；根據(jù)所述時(shí)頻分析信號(hào)的局部信息計(jì)算得到第二矩陣；
根據(jù)第一矩陣以及第二矩陣計(jì)算所述時(shí)頻分析信號(hào)的排列矩陣。一種動(dòng)態(tài)信號(hào)分析裝置，包括時(shí)頻分析單元用于對(duì)接收到的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析，生成與所述動(dòng)態(tài)信號(hào)相對(duì)應(yīng)的具有預(yù)設(shè)嵌入維數(shù)的高維時(shí)頻分析信號(hào)；流形學(xué)習(xí)單元用于對(duì)所述高維時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)，所述預(yù)設(shè)本征維數(shù)小于所述預(yù)設(shè)嵌入維數(shù)；流形轉(zhuǎn)換單元用于對(duì)所述流形結(jié)構(gòu)信號(hào)進(jìn)行轉(zhuǎn)換，生成包含多維數(shù)據(jù)的時(shí)頻流形結(jié)構(gòu)信號(hào)，所述時(shí)頻流形結(jié)構(gòu)信號(hào)中的第一維數(shù)據(jù)為所述動(dòng)態(tài)信號(hào)的時(shí)頻流形特征數(shù)據(jù)。優(yōu)選地,所述時(shí)頻分析單元包括接收子單元用于接收所述動(dòng)態(tài)信號(hào)；相空間重構(gòu)子單元用于根據(jù)預(yù)設(shè)嵌入維數(shù)，將所述動(dòng)態(tài)信號(hào)在相空間中重構(gòu)，生成具有所述預(yù)設(shè)嵌入維數(shù)的第一信號(hào)，所述預(yù)設(shè)嵌入維數(shù)至少為12維；時(shí)頻分析子單元用于根據(jù)預(yù)設(shè)時(shí)頻分析方法，對(duì)所述第一信號(hào)整個(gè)頻帶范圍內(nèi)的所有時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)，所述預(yù)設(shè)時(shí)頻分析方法包括短時(shí)傅里葉變換、連續(xù)小波變換或維格納一威爾分布變換；轉(zhuǎn)換子單元用于將所述第二信號(hào)進(jìn)行轉(zhuǎn)換，生成具有所述預(yù)設(shè)嵌入維數(shù)的所述時(shí)頻分析信號(hào)。優(yōu)選地，所述流形學(xué)習(xí)單元包括局部信息計(jì)算子單元用于計(jì)算所述時(shí)頻分析信號(hào)的局部信息；排列矩陣計(jì)算子單元用于根據(jù)所述局部信息計(jì)算所述時(shí)頻分析信號(hào)的排列矩陣；全局坐標(biāo)計(jì)算子單元用于根據(jù)所述排列矩陣計(jì)算具有所述預(yù)設(shè)本征維數(shù)的全局坐標(biāo)，所述全局坐標(biāo)即為具有所述預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)。優(yōu)選地，當(dāng)所述預(yù)設(shè)時(shí)頻分析方法為短時(shí)傅里葉變換時(shí)，所述時(shí)頻分析子單元包括第一計(jì)算模塊在所述第一信號(hào)整個(gè)頻帶范圍內(nèi)通過增加短時(shí)傅里葉變換窗函數(shù)的移動(dòng)步長減少時(shí)間點(diǎn)數(shù)；第二計(jì)算模塊對(duì)所述第一信號(hào)整個(gè)頻帶范圍內(nèi)的部分時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)。優(yōu)選地，當(dāng)所述預(yù)設(shè)時(shí)頻分析方法為短時(shí)傅里葉變換、連續(xù)小波變換方法或維格納一威爾分布變換方法時(shí)，所述時(shí)頻分析子單元包括故障頻帶選擇模塊用于在所述接收到的動(dòng)態(tài)信號(hào)整個(gè)頻帶范圍內(nèi)選取故障頻帶;第三計(jì)算模塊用于對(duì)所述第一信號(hào)故障頻帶范圍內(nèi)的所有時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)。優(yōu)選地，所述局部信息計(jì)算子單元包括待處理元素選取模塊用于在所述時(shí)頻分析信號(hào)中選取待處理元素；元素選取模塊用于選取與所述待處理元素最近的預(yù)設(shè)個(gè)數(shù)的元素，所述預(yù)設(shè)個(gè)數(shù)大于所述預(yù)設(shè)嵌入維數(shù)；中心化處理模塊用于將所述預(yù)設(shè)個(gè)數(shù)的元素進(jìn)行中心化處理得到中心化矩陣；局部信息計(jì)算模塊用于計(jì)算所述中心化矩陣的右奇異向量，并按照右奇異值從大到小的順序，選取所述預(yù)設(shè)本征維數(shù)個(gè)數(shù)右奇異值相對(duì)應(yīng)的右奇異向量，作為所述時(shí)頻分析信號(hào)的局部信息。優(yōu)選地，所述排列矩陣計(jì)算子單元包括第一矩陣計(jì)算模塊用于根據(jù)所述時(shí)頻分析信號(hào)以及所述中心化矩陣計(jì)算得到第一矩陣；第二矩陣計(jì)算模塊用于根據(jù)所述時(shí)頻分析信號(hào)的局部信息計(jì)算得到第二矩陣；第三矩陣計(jì)算模塊用于根據(jù)第一矩陣以及第二矩陣計(jì)算所述時(shí)頻分析信號(hào)的排列矩陣。經(jīng)由上述的技術(shù)方案可知，與現(xiàn)有技術(shù)相比，本發(fā)明公開了一種動(dòng)態(tài)信號(hào)分析方法及裝置。首先，對(duì)接收到的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析，生成與動(dòng)態(tài)信號(hào)相對(duì)應(yīng)的具有預(yù)設(shè)嵌入維數(shù)的高維時(shí)頻分析信號(hào)；然后，對(duì)時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)，預(yù)設(shè)本征維數(shù)小于所述預(yù)設(shè)嵌入維數(shù)；最后，對(duì)流形結(jié)構(gòu)信號(hào)進(jìn)行轉(zhuǎn)換，生成包含多維數(shù)據(jù)的時(shí)頻流形結(jié)構(gòu)信號(hào)，時(shí)頻流形結(jié)構(gòu)信號(hào)中的第一維數(shù)據(jù)為動(dòng)態(tài)信號(hào)的時(shí)頻流形特征數(shù)據(jù)。通過對(duì)接收的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析、流形學(xué)習(xí)以及轉(zhuǎn)換，能夠充分考慮動(dòng)態(tài)信號(hào)的非線性以及信號(hào)中噪聲的影響，使得最終的時(shí)頻流形特征數(shù)據(jù)能夠作為評(píng)估系統(tǒng)的健康狀況的準(zhǔn)確依據(jù)。


為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。圖1為本發(fā)明實(shí)施例一公開的一種動(dòng)態(tài)信號(hào)分析方法流程圖；圖2為本發(fā)明實(shí)施例二公開的對(duì)動(dòng)態(tài)信號(hào)時(shí)頻分析的方法流程圖；圖3為本發(fā)明實(shí)施例二公開的局部切空間排列算法流程圖；圖4為本發(fā)明實(shí)施例三示例一對(duì)無故障階段的齒輪健康信號(hào)分析圖；圖5為本發(fā)明實(shí)施例三示例一對(duì)有嚴(yán)重磨損故障的齒輪振動(dòng)信號(hào)分析圖；圖6為本發(fā)明實(shí)施例三示例二對(duì)有外圈故障的列車軸承聲音信號(hào)的分析圖；圖7為本發(fā)明實(shí)施例三不例二對(duì)有內(nèi)圈故障的列車軸承聲音信號(hào)的分析圖；圖8為本發(fā)明實(shí)施例三示例二對(duì)有滾子故障的列車軸承聲音信號(hào)的分析圖；圖9為本發(fā)明實(shí)施例三示例三對(duì)球軸承外圈故障的特征分析圖；圖10為本發(fā)明實(shí)施例三示例三對(duì)球軸承滾珠故障的特征分析圖；圖11為本發(fā)明實(shí)施例三示例三對(duì)球軸承內(nèi)圈故障的特征分析圖；圖12為本發(fā)明實(shí)施例四公開的動(dòng)態(tài)信號(hào)分析裝置結(jié)構(gòu)示意圖；圖13為本發(fā)明實(shí)施例五公開的時(shí)頻分析單元結(jié)構(gòu)示意圖；圖14為本發(fā)明實(shí)施例五公開的流形學(xué)習(xí)單元結(jié)構(gòu)示意圖15為本發(fā)明實(shí)施例五公開的時(shí)頻分析子單元結(jié)構(gòu)示意圖；圖16為本發(fā)明實(shí)施例五公開的另一種時(shí)頻分析子單元結(jié)構(gòu)示意圖；圖17為本發(fā)明實(shí)施例五公開的局部信息計(jì)算子單元結(jié)構(gòu)示意圖；圖18為本發(fā)明實(shí)施例五公開的排列矩陣計(jì)算子單元結(jié)構(gòu)示意圖。
具體實(shí)施例方式為了引用和清楚起見，下文中使用的技術(shù)名詞的說明、簡寫或縮寫總結(jié)如下流形學(xué)習(xí)是一種非線性數(shù)據(jù)降維及信息挖掘方法，可用于系統(tǒng)狀態(tài)特征高維數(shù)據(jù)的非線性特征挖掘，尤其是在旋轉(zhuǎn)機(jī)械故障診斷中。高維系統(tǒng)狀態(tài)參數(shù)可以是相空間重構(gòu)的時(shí)域信號(hào)，也可以是時(shí)域和頻域統(tǒng)計(jì)特征參數(shù)?；诹餍螌W(xué)習(xí)的流形特征經(jīng)過研究驗(yàn)證具有更佳的非線性效果，表明了流形學(xué)習(xí)在故障診斷中挖掘非線性結(jié)構(gòu)的優(yōu)勢。但是，這些研究方法中高維數(shù)據(jù)本身攜帶的狀態(tài)信息主要考慮了時(shí)域或頻域特征等平穩(wěn)信息，因而其流形特征是在平穩(wěn)信息基礎(chǔ)上提取的，也可以說目前主要使用平穩(wěn)流形來表征系統(tǒng)狀態(tài)，缺乏對(duì)反映系統(tǒng)非平穩(wěn)狀態(tài)的非平穩(wěn)信息的考慮。下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。由背景技術(shù)可知，現(xiàn)有的時(shí)頻分析方法，并不能有效分析系統(tǒng)產(chǎn)生的動(dòng)態(tài)信號(hào)，進(jìn)而對(duì)系統(tǒng)的健康狀況的評(píng)估造成了不良影響。因此，本發(fā)明公開了一種動(dòng)態(tài)信號(hào)分析方法及裝置。首先，對(duì)接收到的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析，生成與動(dòng)態(tài)信號(hào)相對(duì)應(yīng)的具有預(yù)設(shè)嵌入維數(shù)的高維時(shí)頻分析信號(hào)；然后，對(duì)時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)，預(yù)設(shè)本征維數(shù)小于所述預(yù)設(shè)嵌入維數(shù)；最后，對(duì)流形結(jié)構(gòu)信號(hào)進(jìn)行轉(zhuǎn)換，生成包含多維數(shù)據(jù)的時(shí)頻流形結(jié)構(gòu)信號(hào)，時(shí)頻流形結(jié)構(gòu)信號(hào)中的第一維數(shù)據(jù)為動(dòng)態(tài)信號(hào)的時(shí)頻流形特征數(shù)據(jù)。通過對(duì)接收的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析、流形學(xué)習(xí)以及轉(zhuǎn)換，能夠充分考慮動(dòng)態(tài)信號(hào)的非線性以及信號(hào)中噪聲的影響，使得最終的時(shí)頻流形特征數(shù)據(jù)能夠作為評(píng)估系統(tǒng)的健康狀況的準(zhǔn)確依據(jù)。上述動(dòng)態(tài)信號(hào)分析方法的具體執(zhí)行過程以及動(dòng)態(tài)信號(hào)分析裝置的具體構(gòu)成將通過以下實(shí)施例進(jìn)行詳細(xì)說明。實(shí)施例一請(qǐng)參閱附圖1，為本發(fā)明實(shí)施例一公開的一種動(dòng)態(tài)信號(hào)分析方法流程圖。該動(dòng)態(tài)信號(hào)分析方法具體包括步驟101 :對(duì)接收到的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析，生成與所述動(dòng)態(tài)信號(hào)相對(duì)應(yīng)的具有預(yù)設(shè)嵌入維數(shù)的高維時(shí)頻分析信號(hào)；首先，利用接收到的動(dòng)態(tài)信號(hào)重構(gòu)高維相空間，以充分顯示嵌入在信號(hào)中的內(nèi)在動(dòng)態(tài)流形；需要說明的是，此處所說的高維相空間的維數(shù)為預(yù)設(shè)嵌入維數(shù)，理論上說，維數(shù)越大，計(jì)算精度也越大，但是相應(yīng)的計(jì)算量也會(huì)增大，因此，本實(shí)施例中，預(yù)設(shè)嵌入維數(shù)可根據(jù)具體的實(shí)際應(yīng)用進(jìn)行設(shè)置。其次，計(jì)算每一維信號(hào)的時(shí)頻分布，以表示相空間中的非平穩(wěn)信息，將每一維信號(hào)的時(shí)頻分布的矩陣轉(zhuǎn)化為列向量，組成高維時(shí)頻分析信號(hào)，該時(shí)頻分析信號(hào)與接收到的動(dòng)態(tài)信號(hào)相對(duì)應(yīng)，且維數(shù)為預(yù)設(shè)嵌入維數(shù)，能夠充分表示原始動(dòng)態(tài)信號(hào)的非平穩(wěn)信息。步驟102 :對(duì)所述高維時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有預(yù)設(shè)本征嵌入維數(shù)的流形結(jié)構(gòu)信號(hào)，所述預(yù)設(shè)本征維數(shù)小于所述預(yù)設(shè)嵌入維數(shù)；接收的動(dòng)態(tài)信號(hào)的流形結(jié)構(gòu)揭示了系統(tǒng)內(nèi)在的動(dòng)態(tài)信息，它只存在于高維相空間中的低維子空間，可看成是動(dòng)態(tài)信號(hào)的骨架。而動(dòng)態(tài)信號(hào)的干擾噪聲存在于相空間中的所有維數(shù)中，且是一種隨機(jī)信息。通過對(duì)所述高維時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，得到所述低維流形結(jié)構(gòu)信號(hào)，能夠保留所述動(dòng)態(tài)信號(hào)的骨架，去除隨機(jī)白噪聲。步驟103 :對(duì)所述流形結(jié)構(gòu)信號(hào)進(jìn)行轉(zhuǎn)換，生成包含多維數(shù)據(jù)的時(shí)頻流形結(jié)構(gòu)信號(hào)，所述時(shí)頻流形結(jié)構(gòu)信號(hào)中的第一維數(shù)據(jù)為所述動(dòng)態(tài)信號(hào)的時(shí)頻流形特征數(shù)據(jù)。需要說明的是，這里所說的轉(zhuǎn)換只是對(duì)計(jì)算而得的流形結(jié)構(gòu)信號(hào)表現(xiàn)形式的一種轉(zhuǎn)換，是為了能夠方便分析信號(hào)，進(jìn)而確定系統(tǒng)的健康情況。本發(fā)明實(shí)施例一公開的動(dòng)態(tài)信號(hào)分析方法，首先，對(duì)接收到的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析，生成與動(dòng)態(tài)信號(hào)相對(duì)應(yīng)的具有預(yù)設(shè)嵌入維數(shù)的高維時(shí)頻分析信號(hào)；然后，對(duì)時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)，預(yù)設(shè)本征維數(shù)小于預(yù)設(shè)嵌入維數(shù)；最后，對(duì)流形結(jié)構(gòu)信號(hào)進(jìn)行轉(zhuǎn)換，生成包含多維數(shù)據(jù)的時(shí)頻流形結(jié)構(gòu)信號(hào)，時(shí)頻流形結(jié)構(gòu)信號(hào)中的第一維數(shù)據(jù)為動(dòng)態(tài)信號(hào)的時(shí)頻流形特征數(shù)據(jù)。通過對(duì)接收的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析、流形學(xué)習(xí)以及轉(zhuǎn)換，能夠充分考慮動(dòng)態(tài)信號(hào)的非線性以及信號(hào)中噪聲的影響，使得最終的時(shí)頻流形特征數(shù)據(jù)能夠作為評(píng)估系統(tǒng)健康狀況的準(zhǔn)確依據(jù)。在實(shí)施例一的基礎(chǔ)上，本發(fā)明還公開了實(shí)現(xiàn)動(dòng)態(tài)信號(hào)分析的具體實(shí)現(xiàn)過程，下面將通過以下實(shí)施例詳細(xì)說明。實(shí)施例二本實(shí)施例為對(duì)實(shí)施例一中公開的一種動(dòng)態(tài)信號(hào)分析方法的進(jìn)一步描述。該方法具體包括步驟101 :對(duì)接收到的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析，生成與所述動(dòng)態(tài)信號(hào)相對(duì)應(yīng)的具有預(yù)設(shè)嵌入維數(shù)的高維時(shí)頻分析信號(hào)。請(qǐng)參閱附圖2，步驟101具體可分為以下幾步步驟201 :接收所述動(dòng)態(tài)信號(hào)。接收測得的非平穩(wěn)動(dòng)態(tài)信號(hào)，即時(shí)間序列x(t) = [Xl，X2, , xN]。需要說明的是，該動(dòng)態(tài)信號(hào)為一維信號(hào)。步驟202 :根據(jù)預(yù)設(shè)嵌入維數(shù)，將所述動(dòng)態(tài)信號(hào)在相空間中重構(gòu)，生成具有所述預(yù)設(shè)嵌入維數(shù)的第一信號(hào)，所述預(yù)設(shè)嵌入維數(shù)至少為12維。將一維信號(hào)x(t)重構(gòu)在多維相空間中。公式為X =[x.,x.+r,...,x.+(M_1)7],i = l,2,...,N-(m-V)T上式中，m是嵌入維數(shù) ，τ是時(shí)間延遲，為相空間中具有所述預(yù)設(shè)嵌入維數(shù)的第一信號(hào)的第i個(gè)數(shù)據(jù)。為了使時(shí)頻流形具有較高的時(shí)間分辨率，這里取T=UEn=N-H^l,則上式可以表示為如下形式
權(quán)利要求
1.一種動(dòng)態(tài)信號(hào)分析方法，其特征在于，包括 對(duì)接收到的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析，生成與所述動(dòng)態(tài)信號(hào)相對(duì)應(yīng)的具有預(yù)設(shè)嵌入維數(shù)的高維時(shí)頻分析信號(hào)； 對(duì)所述時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)，所述預(yù)設(shè)本征維數(shù)小于所述預(yù)設(shè)嵌入維數(shù)； 對(duì)所述流形結(jié)構(gòu)信號(hào)進(jìn)行轉(zhuǎn)換，生成包含多維數(shù)據(jù)的時(shí)頻流形結(jié)構(gòu)信號(hào)，所述時(shí)頻流形結(jié)構(gòu)信號(hào)中的第一維數(shù)據(jù)為所述動(dòng)態(tài)信號(hào)的時(shí)頻流形特征數(shù)據(jù)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)接收到的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析，生成與所述動(dòng)態(tài)信號(hào)相對(duì)應(yīng)的高維時(shí)頻分析信號(hào)的過程包括 接收所述動(dòng)態(tài)信號(hào)； 根據(jù)預(yù)設(shè)嵌入維數(shù)，將所述動(dòng)態(tài)信號(hào)在相空間中重構(gòu)，生成具有所述預(yù)設(shè)嵌入維數(shù)的第一信號(hào)，所述預(yù)設(shè)嵌入維數(shù)至少為12維； 根據(jù)預(yù)設(shè)時(shí)頻分析方法，對(duì)所述第一信號(hào)整個(gè)頻帶范圍內(nèi)的所有時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)，所述預(yù)設(shè)時(shí)頻分析方法包括短時(shí)傅里葉變換、連續(xù)小波變換或維格納一威爾分布變換； 將所述第二信號(hào)進(jìn)行轉(zhuǎn)換，生成具有所述預(yù)設(shè)嵌入維數(shù)的所述高維時(shí)頻分析信號(hào)。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有所述預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)的過程包括 根據(jù)局部線性嵌入算法、等距映射算法或局部切空間排列算法對(duì)所述時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有所述預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，當(dāng)所述預(yù)設(shè)時(shí)頻分析方法為短時(shí)傅里葉變換時(shí)，所述根據(jù)預(yù)設(shè)時(shí)頻分析方法，對(duì)所述第一信號(hào)整個(gè)頻帶范圍內(nèi)的時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)的過程還包括 在所述第一信號(hào)整個(gè)頻帶范圍內(nèi)通過增加短時(shí)傅里葉變換窗函數(shù)的移動(dòng)步長減少時(shí)間點(diǎn)數(shù)，并對(duì)所述第一信號(hào)整個(gè)頻帶范圍內(nèi)的部分時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)。
5.根據(jù)權(quán)利要求2所述的方法，其特征在于，當(dāng)所述預(yù)設(shè)時(shí)頻分析方法為短時(shí)傅里葉變換、連續(xù)小波變換方法或維格納一威爾分布變換方法時(shí)，所述根據(jù)預(yù)設(shè)時(shí)頻分析方法，對(duì)所述第一信號(hào)整個(gè)頻帶范圍內(nèi)的時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)的過程還包括 在所述接收到的動(dòng)態(tài)信號(hào)整個(gè)頻帶范圍內(nèi)選取故障頻帶； 對(duì)所述第一信號(hào)故障頻帶范圍內(nèi)的所有時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)。
6.根據(jù)權(quán)利要求3所述的方法，其特征在于，根據(jù)局部切空間排列算法對(duì)所述高維時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有所述預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)的過程包括 計(jì)算所述時(shí)頻分析信號(hào)的局部信息； 根據(jù)所述局部信息計(jì)算所述時(shí)頻分析信號(hào)的排列矩陣； 根據(jù)所述排列矩陣計(jì)算具有所述預(yù)設(shè)本征維數(shù)的全局坐標(biāo)，所述全局坐標(biāo)即為具有所述預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)。
7.根據(jù)權(quán)利要求2或6所述的方法，其特征在于，所述計(jì)算所述時(shí)頻分析信號(hào)的局部信息的過程包括 在所述時(shí)頻分析信號(hào)中選取待處理元素； 選取與所述待處理元素最近的預(yù)設(shè)個(gè)數(shù)的元素，所述預(yù)設(shè)個(gè)數(shù)大于所述預(yù)設(shè)嵌入維數(shù)； 將所述預(yù)設(shè)個(gè)數(shù)的元素進(jìn)行中心化處理得到中心化矩陣； 計(jì)算所述中心化矩陣的右奇異向量，并按照右奇異值從大到小的順序，選取所述預(yù)設(shè)本征維數(shù)個(gè)數(shù)右奇異值相對(duì)應(yīng)的右奇異向量，作為所述時(shí)頻分析信號(hào)的局部信息。
8.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述根據(jù)所述局部信息計(jì)算所述時(shí)頻分析信號(hào)的排列矩陣的過程包括 根據(jù)所述時(shí)頻分析信號(hào)以及所述中心化矩陣計(jì)算得到第一矩陣； 根據(jù)所述時(shí)頻分析信號(hào)的局部信息計(jì)算得到第二矩陣； 根據(jù)第一矩陣以及第二矩陣計(jì)算所述時(shí)頻分析信號(hào)的排列矩陣。
9.一種動(dòng)態(tài)信號(hào)分析裝置，其特征在于，包括 時(shí)頻分析單元用于對(duì)接收到的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析，生成與所述動(dòng)態(tài)信號(hào)相對(duì)應(yīng)的具有預(yù)設(shè)嵌入維數(shù)的高維時(shí)頻分析信號(hào)； 流形學(xué)習(xí)單元用于對(duì)所述高維時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)，所述預(yù)設(shè)本征維數(shù)小于所述預(yù)設(shè)嵌入維數(shù)； 流形轉(zhuǎn)換單元用于對(duì)所述流形結(jié)構(gòu)信號(hào)進(jìn)行轉(zhuǎn)換，生成包含多維數(shù)據(jù)的時(shí)頻流形結(jié)構(gòu)信號(hào)，所述時(shí)頻流形結(jié)構(gòu)信號(hào)中的第一維數(shù)據(jù)為所述動(dòng)態(tài)信號(hào)的時(shí)頻流形特征數(shù)據(jù)。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述時(shí)頻分析單元包括 接收子單元用于接收所述動(dòng)態(tài)信號(hào)； 相空間重構(gòu)子單元用于根據(jù)預(yù)設(shè)嵌入維數(shù)，將所述動(dòng)態(tài)信號(hào)在相空間中重構(gòu)，生成具有所述預(yù)設(shè)嵌入維數(shù)的第一信號(hào)，所述預(yù)設(shè)嵌入維數(shù)至少為12維； 時(shí)頻分析子單元用于根據(jù)預(yù)設(shè)時(shí)頻分析方法，對(duì)所述第一信號(hào)整個(gè)頻帶范圍內(nèi)的所有時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)，所述預(yù)設(shè)時(shí)頻分析方法包括短時(shí)傅里葉變換、連續(xù)小波變換或維格納一威爾分布變換； 轉(zhuǎn)換子單元用于將所述第二信號(hào)進(jìn)行轉(zhuǎn)換，生成具有所述預(yù)設(shè)嵌入維數(shù)的所述時(shí)頻分析信號(hào)。
11.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述流形學(xué)習(xí)單元包括 局部信息計(jì)算子單元用于計(jì)算所述時(shí)頻分析信號(hào)的局部信息； 排列矩陣計(jì)算子單元用于根據(jù)所述局部信息計(jì)算所述時(shí)頻分析信號(hào)的排列矩陣；全局坐標(biāo)計(jì)算子單元用于根據(jù)所述排列矩陣計(jì)算具有所述預(yù)設(shè)本征維數(shù)的全局坐標(biāo)，所述全局坐標(biāo)即為具有所述預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)。
12.根據(jù)權(quán)利要求10所述的裝置，其特征在于，當(dāng)所述預(yù)設(shè)時(shí)頻分析方法為短時(shí)傅里葉變換時(shí)，所述時(shí)頻分析子單元包括 第一計(jì)算模塊在所述第一信號(hào)整個(gè)頻帶范圍內(nèi)通過增加短時(shí)傅里葉變換窗函數(shù)的移動(dòng)步長減少時(shí)間點(diǎn)數(shù)； 第二計(jì)算模塊對(duì)所述第一信號(hào)整個(gè)頻帶范圍內(nèi)的部分時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)。
13.根據(jù)權(quán)利要求10所述的裝置，其特征在于，當(dāng)所述預(yù)設(shè)時(shí)頻分析方法為短時(shí)傅里葉變換、連續(xù)小波變換方法或維格納一威爾分布變換方法時(shí)，所述時(shí)頻分析子單元包括 故障頻帶選擇模塊用于在所述接收到的動(dòng)態(tài)信號(hào)整個(gè)頻帶范圍內(nèi)選取故障頻帶；第三計(jì)算模塊用于對(duì)所述第一信號(hào)故障頻帶范圍內(nèi)的所有時(shí)間點(diǎn)數(shù)進(jìn)行時(shí)頻分析，生成具有所述預(yù)設(shè)嵌入維數(shù)的第二信號(hào)。
14.根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述局部信息計(jì)算子單元包括 待處理元素選取模塊用于在所述時(shí)頻分析信號(hào)中選取待處理元素； 元素選取模塊用于選取與所述待處理元素最近的預(yù)設(shè)個(gè)數(shù)的元素，所述預(yù)設(shè)個(gè)數(shù)大于所述預(yù)設(shè)嵌入維數(shù)； 中心化處理模塊用于將所述預(yù)設(shè)個(gè)數(shù)的元素進(jìn)行中心化處理得到中心化矩陣；局部信息計(jì)算模塊用于計(jì)算所述中心化矩陣的右奇異向量，并按照右奇異值從大到小的順序，選取所述預(yù)設(shè)本征維數(shù)個(gè)數(shù)右奇異值相對(duì)應(yīng)的右奇異向量，作為所述時(shí)頻分析信號(hào)的局部信息。
15.根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述排列矩陣計(jì)算子單元包括 第一矩陣計(jì)算模塊用于根據(jù)所述時(shí)頻分析信號(hào)以及所述中心化矩陣計(jì)算得到第一矩陣； 第二矩陣計(jì)算模塊用于根據(jù)所述時(shí)頻分析信號(hào)的局部信息計(jì)算得到第二矩陣； 第三矩陣計(jì)算模塊用于根據(jù)第一矩陣以及第二矩陣計(jì)算所述時(shí)頻分析信號(hào)的排列矩陣。
全文摘要
本發(fā)明公開了一種動(dòng)態(tài)信號(hào)分析方法及裝置。首先，對(duì)接收到的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析，生成與動(dòng)態(tài)信號(hào)相對(duì)應(yīng)的具有預(yù)設(shè)嵌入維數(shù)的高維時(shí)頻分析信號(hào)；然后，對(duì)時(shí)頻分析信號(hào)進(jìn)行流形學(xué)習(xí)，生成具有預(yù)設(shè)本征維數(shù)的低維流形結(jié)構(gòu)信號(hào)，預(yù)設(shè)本征維數(shù)小于所述預(yù)設(shè)嵌入維數(shù)；最后，對(duì)流形結(jié)構(gòu)信號(hào)進(jìn)行轉(zhuǎn)換，生成包含多維數(shù)據(jù)的時(shí)頻流形結(jié)構(gòu)信號(hào)，時(shí)頻流形結(jié)構(gòu)信號(hào)中的第一維數(shù)據(jù)為動(dòng)態(tài)信號(hào)的時(shí)頻流形特征數(shù)據(jù)。通過對(duì)接收的動(dòng)態(tài)信號(hào)進(jìn)行時(shí)頻分析、流形學(xué)習(xí)以及轉(zhuǎn)換，能夠充分考慮動(dòng)態(tài)信號(hào)的非線性以及信號(hào)中噪聲的影響，使得最終的時(shí)頻流形特征數(shù)據(jù)能夠作為評(píng)估系統(tǒng)的健康狀況的準(zhǔn)確依據(jù)。
文檔編號(hào)G06F17/16GK103064821SQ20121057491
公開日2013年4月24日 申請(qǐng)日期2012年12月26日 優(yōu)先權(quán)日2012年12月26日
發(fā)明者何清波, 王俊, 汪湘湘 申請(qǐng)人:中國科學(xué)技術(shù)大學(xué)