《一种利用二次排列熵识别周期微弱脉冲信号的方法.pdf》由会员分享，可在线阅读，更多相关《一种利用二次排列熵识别周期微弱脉冲信号的方法.pdf（9页珍藏版）》请在专利查询网上搜索。
1、10申请公布号CN104156339A43申请公布日20141119CN104156339A21申请号201410399104422申请日20140814G06F17/1420060171申请人石家庄铁道大学地址050043河北省石家庄市北二环东路17号石家庄铁道大学机械工程学院申请人北京必创科技有限公司72发明人杨绍普申永军王俊锋温少芳唐智斌74专利代理机构石家庄新世纪专利商标事务所有限公司13100代理人徐瑞丰董金国54发明名称一种利用二次排列熵识别周期微弱脉冲信号的方法57摘要本发明公开了一种利用二次排列熵识别周期微弱脉冲信号的方法，可以检测出非常微弱的周期脉冲突变信息，其步骤如下首先对。
2、试验或者现场采集到的振动信号如加速度信号等计算排列熵，然后以所得的排列熵序列为基础计算其二次排列熵，并可以引申计算二次排列熵的FOURIER变换并得到二次排列熵谱。本发明的优点是可以提取出微弱周期脉冲信号的特征信息，包括脉冲时刻和脉冲周期，计算简单且抗噪能力强，在多个领域可以得到应用。51INTCL权利要求书1页说明书5页附图2页19中华人民共和国国家知识产权局12发明专利申请权利要求书1页说明书5页附图2页10申请公布号CN104156339ACN104156339A1/1页21一种利用二次排列熵识别周期微弱脉冲信号的方法，其特征在于，该方法包括如下步骤步骤（1）在试验或者现场采集到的一连串。
3、振动信号X，以时间为单位选取子序列的长度为N，将所述一连串振动信号X分为个子序列，从而得到个子序列XLII（L1,2,3NII1,2,3N）；步骤（2）根据排列熵的定义计算出每个子序列XLII的排列熵值，并赋予给该子序列XLII的中间时刻，得到个随时间变化的排列熵序列（P1,2,3N）；步骤（3）将步骤（2）得到的排列熵序列划分为Q个子序列HKK1,2,3Q，对每一子序列HK进行排列熵计算，并赋予该子序列HK的中间时刻，得到Q个随时间变化的二次排列熵值，Q个随时间变化的二次排列熵值组成二次排列熵序列（P1,2,3Q）；通过观察所述二次排列熵序列得到所述一连串振动信号隐含的微弱周期突变信息，其包。
4、括突变位置和突变幅值；步骤（4）对上述步骤（3）得到的二次排列熵序列，当不能观察到微弱的周期突变信息时，对其进行离散傅里叶变换得到频谱图，即如下二次排列熵谱的公式（1）（1），其中，为角频率0,1,2,N1；J为虚数单位；通过频谱分析确定微弱的脉冲信号的周期特征。2根据权利要求1所述的一种利用二次排列熵识别周期微弱脉冲信号的方法，其特征在于所述步骤（1）中个子序列XI当其不重叠时，将一连串振动信号等分为N段；当个子序列XI重叠时，根据相空间重构的思想确定重叠长度。3根据权利要求1所述的一种利用二次排列熵识别周期微弱脉冲信号的方法，其特征在于所述步骤（3）中排列熵序列的Q个子序列HK当其不重叠时。
5、，将排列熵序列等分为Q段；当Q个子序列HK重叠时，根据相空间重构的思想确定重叠长度。4根据权利要求1所述的一种利用二次排列熵识别周期微弱脉冲信号的方法，其特征在于所述微弱周期突变信息为所述振动信号X幅值的千分之一及以下。权利要求书CN104156339A1/5页3一种利用二次排列熵识别周期微弱脉冲信号的方法技术领域0001本发明涉及一种利用二次排列熵识别周期微弱脉冲信号的方法，适用于机械设备故障的诊断与监测，属于机械工程领域。背景技术0002机械设备往往在恶劣环境条件下工作，其关键部件如齿轮等容易受到损伤和出现故障。机械关键部件发生故障时，轻则影响工作精度或者工作效率，重则影响施工安全或者造成。
6、重大事故，所以如何准确地判断出故障部位和故障程度非常关键。利用传感器测取机械设备的振动信号并对其进行分析和处理，成为对机械运行状态进行诊断最常用、最有效的手段之一。0003在各种信号处理技术中，对周期突变信号的检测非常重要，因为突变点往往包含了丰富的特征信息。在机械工程中，信号突变的产生原因很可能是故障引起的撞击震荡、转速波动和结构变形与断裂等，所以突变信号的检测研究工作通常具有意义。研究突变信号的方法有多种，主要有傅里叶变换，小波分析和奇异值分解等。傅里叶变换只能确定一个信号突变的整体性质，而难以确定突变点的准确时间位置。小波分析能够满足不同频率的要求，具有较好的自适应性，但在利用小波变换来。
7、检测信号突变点的过程中，检测结果会受到小波变换系数的选择、分解层次、所选用的小波函数、噪声干扰等多方面影响。奇异值分解只是在时域内对信号进行分析处理，而与频域分析无关。0004在2002年，CHRISTOPHBANDT等人提出了一种衡量一维时间序列复杂度的参数排列熵，它在反映一维时间序列复杂度的性能方面与LYAPUNOV指数相似，并且与LYAPUNOV指数、分形维数等复杂度参数相比，具有计算简单、抗噪声干扰能力强等特点。发明内容0005本发明所要解决的技术问题是提供了一种步骤简单、效果明显、抗噪声干扰能力强的利用二次排列熵识别周期微弱脉冲信号的方法，用于机械设备中齿轮、轴承、转子等典型机械部件。
8、的故障诊断与监测。0006本发明的技术方案如下一种利用二次排列熵识别周期微弱脉冲信号的方法，其具体步骤如下步骤（1）在试验或者现场采集到的一连串振动信号X，以时间为单位选取子序列的长度为N，将所述一连串振动信号X分为个子序列，从而得到个子序列XLII（L1,2,3NII1,2,3N）；当个子序列XI当其不重叠时，将一连串振动信号等分为N段；当个子序列XI重叠时，根据相空间重构的思想确定重叠长度；步骤（2）根据排列熵的定义计算出每个子序列XI的排列熵值，并赋予给该子序列XI的中间时刻，得到个随时间变化的排列熵序列（P1,2,3N）；说明书CN104156339A2/5页4步骤（3）将步骤（2）得。
9、到的排列熵序列划分为Q个子序列HKK1,2,3Q，所述步骤（3）中排列熵序列的Q个子序列HK当其不重叠时，将排列熵序列等分为Q段；当Q个子序列HK重叠时，根据相空间重构的思想确定重叠长度；对每一子序列HK进行排列熵计算，并赋予该子序列HK的中间时刻，得到Q个随时间变化的二次排列熵值，Q个随时间变化的二次排列熵值组成二次排列熵序列（P1,2,3Q）；通过观察所述二次排列熵序列得到所述一连串振动信号隐含的微弱周期突变信息，其包括突变位置和突变幅值；所述微弱周期突变信息为所述振动信号X幅值的千分之一及以下；步骤（4）对上述步骤（3）得到的二次排列熵序列，当不能观察到微弱的周期突变信息时，对其进行离散。
10、傅里叶变换得到频谱图，即如下二次排列熵谱的公式（1）（1），其中，为角频率0,1,2,N1；J为虚数单位；通过频谱分析确定微弱的脉冲信号的周期特征；计算频谱时，可以采用已有的各种离散傅里叶快速算法，包含各种频谱细化方法，最终通过频谱分析可以精确确定非常微弱的脉冲信号的周期特征。0007为验证本发明方法的有效性，进行了数值仿真研究，结果显示，相比于单一的排列熵，本发明提出的新方法能够更加有效地提取出周期突变信号，尤其是二次排列熵谱，能够识别出非常微弱的周期信号。0008本发明发明方法所具有的有益效果为本发明对采集到的机械部件振动信号，直接利用本方法进行计算，简单方便，并且能够有效地检测出微弱的周。
11、期突变信号，这对机械设备的故障诊断具有非常重要的实际意义；特别是，在机械故障处于早期阶段时，由于故障信息的能量很微弱，不易被检测到，本方法能够很好地指导机械故障诊断与监测。本发明在研究排列熵的基础上，克服了傅里叶变换，小波分析和奇异值分解方法的缺陷，提出了二次排列熵和二次排列熵谱的提取周期突变信号的方法，并通过一些典型数据验证了本发明方法相比于单一的排列熵检测方法的优越性。附图说明0009图1A为本发明的实施例中正弦信号加周期脉冲信号的时域波形图。0010图1B为本发明的实施例中正弦信号加周期脉冲信号的频谱图。0011图1C为本发明的实施例中正弦信号加周期脉冲信号的二次排列熵图。0012图1D。
12、为本发明的实施例中正弦信号加周期脉冲信号的二次排列熵谱图。0013图2A为本发明的实施例中调制信号的时域波形图。0014图2B为本发明的实施例中调制信号的频谱图。说明书CN104156339A3/5页50015图2C为本发明的实施例中调制信号的二次排列熵图。0016图2D为本发明的实施例中调制信号的二次排列熵谱图。具体实施方式0017以下结合附图对本发明进一步说明，分别对隐藏在正弦信号中微弱周期脉冲信号和调制信号中微弱调制信息进行了识别。0018选择仿真信号为正弦信号，可以是加速度信号或其他振动信号，加上周期脉冲，周期脉冲的幅值为0008，采样频率500HZ，采样时间10S，该信号的时域波形和。
13、频谱图分别如附图1A和附图1B所示；调制信号为，其中调制指数，采样频率2000HZ，采样时间1S，该信号的时域波形和频谱图如图2A和图2B所示。0019可见，由于该周期脉冲相比于正弦信号或者调制信号非常微弱，从时域波形（附图1A、附图2A）和频谱图附图1B和附图2B中不能看到周期脉冲的任何信息。从二次排列熵图附图1C和附图2C中可以发现该信号中除了正弦成分以外，还存在其它周期成分，但不能确定其特性。从二次排列熵谱图（附图1D和附图2D中可以发现其它成分的周期和相比于正弦信号的能量幅值。0020本实施例的具体步骤如下步骤一对仿真信号即上述和离散后得到的结果，选取子序列长度为N，将该时间序列分为个。
14、子序列，得到个子序列,；步骤二计算每个子序列的排列熵值当个子序列XLII重叠时1首先对每个子序列进行相空间重构，得到重构矩阵上式中，和分别为嵌入维数和延迟时间，可参考TAKENS定理确定。重构矩阵中的每一行可以看作一个重构分量，共有个。00212将重构矩阵的第行中的元素，按照升序重新排列，即。其中，说明书CN104156339A4/5页6表示重构分量中各个元素所在列的序号。0022如果重构分量中的元素存在相等的值，即，此时就按照、值的大小来排序，即当时，有。00233对于每个子序列重构矩阵中的每一行都可以得到一组符号序列，且，维相空间映射不同排列的符号序列总共有种。0024计算每一种符号序列出。
15、现的概率为，则可以得到子序列的排列熵。00254再用将进行归一化处理，即，得到归一化的排列熵值，5重复步骤14，得到每个子序列的排列熵值，并赋予给该子序列的中间时刻，得到个随时间变化的排列熵序列；当个子序列XLII不重叠时将一连串振动信号等分为N段，分别计算排列熵值，并赋予给该子序列XLII的中间时刻，得到个随时间变化的排列熵序列（P1,2,3N）。0026步骤三将上一步骤得到的排列熵序列，划分为个子序列HKK1,2,3Q，是否重叠及重叠长度可参考步骤一，对其中每一子序列HK再次进行排列熵计算，计算过程参考步骤二，并赋予给该子序列HK的中间时刻，得到Q个随时间变化的二次排列熵值，Q个随时间变化。
16、的二次排列熵值组成二次排列熵序列；步骤四对得到的二次排列熵序列进行离散傅里叶变换，得到二次排列熵谱如下，其中，为角频率；J为虚数单位。0027计算频谱时，可以采用已有的各种离散傅里叶快速算法，这样就可以精确确定非常微弱的脉冲信号的周期特征。0028如时域波形图（附图1A和附图2A和频谱图附图1B和附图2B所示，通过对上述两类信号的仿真结果可以看到，在对正弦信号的周期脉冲信号的仿真中直接对其做频谱分析的频谱图中正弦的频率成分非常明显，但周期脉冲信号的频率成分几乎看不说明书CN104156339A5/5页7到。而如二次排列熵图（附图1C和附图2D和二次排列熵图谱附图1C和附图2D所示，在其二次排列。
17、熵谱图中的正弦频率由于正弦信号的一个周期有两个突变的极值点，所以在排列熵谱上显示的频率是正弦频率的2倍和周期脉冲频谱可以明显的看到，并且出现了正弦频率的一些倍频。0029在调制信号的仿真分析中可以看到，直接对分析原信号的时域波形和频谱图都看不到调制频率成分，只是主频率成分非常明显。而对调制信号做二次排列熵谱的图中可以明显的看到调制频率的二倍频，并且还出现了主频的分频和调制频率。此时虽然调制信号的调制指数非常小，但是在二次排列熵谱图中仍然可以检测到调制信息的特征。0030以上所述实施方式仅为本发明的优选实施例，而并非本发明可行实施的穷举。对于本领域一般技术人员而言，在不背离本发明原理和精神的前提下对其所作出的任何显而易见的改动，都应当被认为包含在本发明的权利要求保护范围之内。说明书CN104156339A1/2页8图1（A）图1（B）图1（C）图1（D）说明书附图CN104156339A2/2页9图2（A）图2（B）图2（C）图2（D）说明书附图CN104156339A。