一种基于谱线重要度的频谱压缩方法
【技术领域】
[0001] 本发明属于机械状态监测领域中的方法研究，涉及一种基于谱线重要度的频谱压 缩方法。
【背景技术】
[0002] 随着现代工业的迅猛发展，各种旋转机械广泛应用于各工业领域。旋转机械故障 是关系到国民经济生产安全性的重要问题，对故障进行早期诊断，关系着设备能否安全、高 效的长期运行，也是整个企业正常生产的重要保障。
[0003] 对于关键机组通常采用有线状态监测，而对于机栗等辅机设备适合采用无线状态 监测。
[0004] 振动信号的频谱分析是针对旋转机械故障诊断最常见也是最有效的方法，通过传 统FFT得到的频谱数据量大，而大量数据会增加无线传感器网络的传输时间和功耗。因此 在实际应用中需要对振动频谱进行数据压缩，以降低网络传输的数据量，以便提高传输效 率、减小网络功耗。因此研究频谱压缩技术具有重大意义和应用价值。
[0005]目前在无线传感器数据压缩方面有以下三类算法：
[0006] 1)优化的传统数据压缩算法
[0007] 传统的数据压缩算法如哈夫曼编码，LZW，LZ77等被广泛的应用于工作站，服务器 等运算能力强的设备上。无线传感器网络中节点的运算资源有限，不能直接使用这些算法， 必须在其基础上进行裁剪优化，形成适合无线传感器节点的数据压缩算法。
[0008] 2)基于小波变换的数据压缩算法。
[0009] 对于一个无线传感器节点所采集的数据在时间上可能是相关的；而对于多个相邻 的节点所采集的数据在空间上可能是相关的，那么数据中就存在着冗余信息。小波分析聚 焦信号的局部，可以用来去除数据中的冗余信息。从而达到数据压缩的目的。首先对原始 数据进行小波变换，然后再进行量化，最后进行编码。在监测一些缓变量的无线传感器网络 中，数据变化缓慢且相似，适合使用基于小波变换的压缩算法。
[0010] 3)基于压缩感知理论的数据压缩算法
[0011] 压缩感知也叫压缩采样，可以在远小于奈奎斯特率的情况下，对数据进行边采样 边压缩。它主要利用了信号的稀疏性消除数据的冗余，采样完成的时候压缩也完成，然后使 用复杂的解压缩算法进行数据的恢复。
[0012] 上述的压缩方法都是单纯从数学的角度出发对数据进行压缩，没有结合具体应用 场景下各类型数据的物理意义，计算过程复杂，压缩比不够低，不适用于资源有限的无线传 感器节点。
【发明内容】
[0013] 为了克服传统无线传感器数据压缩算法的不足，本发明公开了一种基于谱线重要 度的频谱压缩方法，该方法有效地提高了振动频谱数据传输的效率。
[0014] 为达到上述目的，本发明采用了以下技术方案。
[0015] -种基于谱线重要度的频谱压缩方法，包括以下步骤：
[0016] 将频谱中的谱线根据重要性分为重要谱线、次要谱线和噪声谱线；对于重要谱线， 无损的保留所有重要谱线的幅值及位置信息；对于次要谱线，仅保留将次要谱线分段后统 计得到的各段内次要谱线的幅值的最大值、最小值和中值；对于噪声谱线，则全部舍弃。
[0017] 谱线的重要性由谱线的幅值决定，重要谱线是频谱中幅值较高的谱线，包含了转 频及各故障特征频率，次要谱线是除去重要谱线和噪声谱线后的谱线，这部分谱线幅值较 低。
[0018] 当压缩比确定时，所述压缩方法具体包括以下步骤：
[0019] 根据预设的噪声谱线阈值去除噪声谱线；在剩余的谱线中搜索峰值谱线；对峰值 谱线根据幅值进行从大到小排序，取排序后的前M条峰值谱线作为重要谱线并无损的保留 全部重要谱线的幅值和位置信息，将剩余的峰值谱线作为次要谱线并分为P段，且仅保留 每段内次要谱线的幅值的最大值、最小值以及中值。
[0020] 所述压缩比的计算公式为：
[0021]
[0022] 其中，CRatio表示压缩比，P表示分段数；M表示重要谱线数；N表示频谱中的总谱 线数。
[0023] 当相近度确定时，所述压缩方法具体包括以下步骤：
[0024] 根据预设的噪声谱线阈值去除噪声谱线，在剩余的谱线中搜索峰值谱线；对峰值 谱线根据幅值进行从大到小排序，取排序后的前M条峰值谱线作为重要谱线并无损的保留 全部重要谱线的幅值和位置信息，将剩余的峰值谱线作为次要谱线并分为P段，计算出每 段内次要谱线的幅值的最大值、最小值以及中值；如果P段次要谱线各自的相近度不能达 到要求，则增加需要保留幅值和位置信息的重要谱线数，直至P段次要谱线各自的相近度 达到要求，然后保留此时（即P段次要谱线各自的相近度达到要求时）每段内次要谱线的 幅值的最大值、最小值以及中值。
[0025] 所述相近度的计算公式为：
[0026]
[0027] 其中，S为相近度，K为段内次要谱线数;段内次要谱线幅值；为段内K条 次要谱线幅值的均值；n为次要谱线数和重要谱线数之和；心为次要谱线或者重要谱线的 幅值。
[0028] 本发明的有益效果体现在：
[0029] 传统的无线传感器网络数据压缩算法的压缩比不够低，计算复杂度较高，不适合 应用于资源受限的无线传感器。本发明提出基于谱线重要度的频谱压缩方法，该方法在满 足低压缩比或高相近度的同时具备较低的运算复杂度，大大提高了频谱数据传输效率，适 于嵌入式无线振动传感器应用，具有重要的经济意义和广泛的工程应用价值。
【附图说明】
[0030] 图1是频谱（高分辨率谱）分段示意图；
[0031] 图2是基于确定压缩比的频谱压缩算法流程图；
[0032] 图3是基于确定相近度的频谱压缩算法流程图；
[0033] 图4是各段次要谱线相近度随重要谱线数增加的变化情况示意图；
[0034] 图5是基于确定压缩比的频谱压缩结果示意图，其中：(a)为高分辨率谱，（b)为压 缩谱；
[0035] 图6是基于确定相近度的频谱压缩结果示意图，其中：(a)为高分辨率谱，（b)为压 缩谱。
【具体实施方式】
[0036] 下面结合附图和实施例对本发明做进一步说明。
[0037] 在频谱分析中，谱线的重要性由谱线的幅值决定，幅值高的谱线包含了转频及故 障特征频率，是频谱分析中需要重点关注和分析的对象。通过将谱线根据重要性进行分类 处理，从而实现对频谱的压缩。重要谱线是原始高分辨率频谱中幅值较大的谱线，这类谱线 包含了转频及各故障特征频率，在故障诊断过程中有重要的意义，所以需要全部无损的保 留其幅值及位置信息（频率）。次要谱线是除去重要谱线和噪声谱线后的谱线，这部分谱线 幅值较低，但仍有一定的分析价值，只需要分段进行统计学的压缩，保留最大值、最小值和 中值。通常分段数是由诊断工程师决定的，不同的诊断应用对应不同的分段数。噪声谱线 是幅值极低的谱线，没有太大的分析价值，所以直接忽略，以减少运算量。
[0038] 压缩比、相近度和复杂度是评价压缩算法的三个重要指标，压缩比是压缩之后的 数据大小与原始数据大小之比，无线振动监测要求对于振动数据有极低的压缩比，一般小 于5%是比较理想的。本发明采用的压缩比的计算公式为：
[0039]
[0040] 其中，P-一分段数；M-一重要谱线数；N-一总谱线数。通常分段数P是由诊断 工程师决定的，不同的诊断应用对应不同的分段数，分段就是将频谱按照频率进行分割，例 如可以采用均分，当压缩比确定后，M的取值可根据上述公式计算得到。
[0041] 本发明中压缩比的计算公式是根据压缩比的定义得到的，设原始频谱的总谱线数 为N，谱线的幅值为单精度浮点型，则原始频谱数据大小应该为4N个字节，但是这里将N个 单精度浮点型的数据进行一次处理，转换为N个16位的整形数据和一个单精度浮点型的缩 放因子。故原始数据大小变为2N+4个字节。进行频谱压缩时，重要谱线幅值完全保留，加 上位置信息，一共是4M+4个字节，P段中每段产生一个最大值、最小值、中值和相近度值，一 共是4个32位数据，压缩成4个16位数据和一个32位幅值缩放因子，所以次重要谱线一 共是8P+4个字节，总的压缩完成之后的数据大小为8P+4M+8个字节。恢复数据时使用16 位的整形压缩频谱数据与缩放因子相乘即可得到单精度浮点型的压缩频谱数据
[0042] 相近度是评判压缩后的数据与原始数据的相似程度的指标，代表了压缩数据的可 信程度，同时也代表了信息损失的程度。本发明采用的相近度的计算公式为：
[0