一种基于imf分量的振动信号能量特征提取方法
【专利摘要】本发明公开了一种基于IMF分量的振动信号能量特征提取方法，包括如下步骤：A、采用EEMD方法对信号进行分解，得到IMF分量；B、采用HHT对信号能量评价指标进行变换；C、对变换后的IE值与AAE值进行频谱分析，依据SIE、AAE值识别柴油机振动信号的主要频率成分；D、依据频谱幅值指数SAI值的大小来选择最优的IMF分量，并计算其能量变化指标DIIE，并依据所述DIIE判断运转工况变化对相关振动激励源的影响。通过加入有幅值限制的高斯白噪声，使信号在不同尺度上均具有连续性，能够有效克服模态混叠现象，提高信号提取精度；采用HHT对信号能量特征评价指标进行变换，能够同时对线性稳态和非线性非稳态信号进行分析。
【专利说明】
-种基于IMF分量的振动信号能量特征提取方法
技术领域
[0001] 本发明设及一种基于IMF分量的振动信号能量特征提取方法，属于机械工程技术 领域。
【背景技术】
[0002] 能源与环境"是21世纪汽车与内燃机工业发展所面临的两大研究主题。在城市噪 声污染中，75%来源于W内燃机为主要噪声源的交通噪声，内燃机作为车辆的主要振动噪 声源，其振动噪声的控制已成为世界各国普遍关注的重要研究课题之一。在柴油机振动噪 声控制研究领域，振动信号的特征提取是先决条件，而振动信号能量特征及主要频率成分 是信号特征的重要表现形式。
[0003] 由于内燃机结构复杂，激励源众多，实验测量得到的振动信号往往包含多个激励 源的响应信号，很难对某个激励源的响应信号进行分析，同时不同振动源的信号特征会相 互重叠，传统试验手段与时频分析技术在识别不同激励源特征时存在较多不足。频谱分析 技术只能从整体上确定振动信号的时、频域特征，而无法提供更为详细的如局部时间段上 的能量信息，不能有效体现出主要频率成分。
[0004] 发明人在论文"柴油机振声信号特征提取与低振声机体结构改进研究"中采用EMD 分解方法对振动信号进行分解得到相应的IMF分量，并引入信号能量特征评价指标:瞬时能 量与瞬时能量谱、加速度幅值能量与加速度幅值能量谱，从能量角度来分析柴油机转动信 号的主要频率和激励源，然而在EMD分解中，信号存在间断性不连续现象，得到的IMF分量含 有不同时间尺度的成分，使得到的相关IMF分量没有意义，能够使时频分析失真，当采用= 次样条插值函数拟合上、下包络时，会产生误差，最终造成模态混叠现象严重；同时，引入信 号能量特征评价指标不能同时对现线性稳态信号和非线性非稳态信号同时进行分析。
【发明内容】
[0005] 本发明设计开发了一种基于IMF分量的振动信号能量特征提取方法，通过加入有 幅值限制的高斯白噪声，使信号在不同尺度上均具有连续性，能够有效克服模态混叠现象， 提局f目号提取精度。
[0006] 本发明的另一个目的:采用皿T对信号能量特征评价指标进行变换，能够同时对线 性稳态和非线性非稳态信号进行分析。
[0007] 本发明提供的技术方案为：
[000引一种基于IMF分量的振动信号能量特征提取方法，其特征在于，包括如下步骤：
[0009] A、采用EEMD方法对信号进行分解，得到IMF分量；
[0010] B、采用HHT对信号能量评价指标进行变换；
[0011] C、对变换后的IE值与AAE值进行频谱分析，依据SIE、AAE值识别柴油机振动信号的 频率；
[001^ D、依据频谱幅值指数SAI值的大小来选择最优的IMF分量，并计算其能量变化指标 DIlEo
[0013] 优选的是，所述步骤A步骤中，所述IMF分量表示为：
[0014]
中cs(t)即为EEMD分解得到的 IMF分量，M为初始化总体平均次数，S为分解的次数，S为IMF分量的个数。
[0015] 优选的是，所述步骤B包括：
[0016] 对于任一连续的时间信号X(t)，其希尔伯特变换表示为
其中*表示卷积，X(t)与希尔伯特Y(t)是正交关系，将希尔伯特变换应用在每个本征函数变 换上，希尔伯特黄变换表示为：
其中频率为t的单值 函数，t为时间，T时间尺度，ai (t)为幅值，real表示取实部，j为空间尺度因子。
[0017]优选的是:对加速度信号进行二次积分，得到如下：
a (i)为振动加速度，V (i)为振动速度，d (i)为振动位移；
[0018] 速度幅值为
，加速度幅值为： 其中，Ci(t)为第i个IMF分量的幅值，Cl佔)表示在时间的数据Ci(t)，A t代表测量信号的 采样时间间隔，i = l，2，K，N，N为整数，^' = 1，2，1(，1^-1〇 = 1，2，1(，1^-2，1^为测量信号的数据长 度。
[0019] 优选的是，所述步骤D具体包括：
[0020] D1、加速度幅值能量AAEi(t) = {AAEi(tj) I j = l，2，K，レ2}的频谱分析表述为：
N为整数，f为自变量，t为时间变量， 通过计算该信号的频率能够描述柴油机运行工况变化对振动信号的影响；
[0021] D2、频谱幅值指数:SAI，其描述为
对应 于最大SAI值的SAEi (f)是振动信号能量特征，所述能量变化指标D IIE描述为：
，能够衡量柴油机不同工况条件下振动信号瞬时能量的差异， 并反映了工况变化对相关振动源能量特征的影响。
【附图说明】
[0022] 图1为本发明实施例的一种基于IMF分量的振动信号能量特征提取方法的分析流 程。
[0023] 图2为本发明中振动信号分量imfl~8的IE分析结果。
[0024] 图3为振动信号分量imfl~8的AAE分析结果。
[0025] 图4为振动信号分量imfl~8的Sffi分析结果。
[0026] 图5为振动信号分量imfl~8的SAE分析结果。
[0027] 图6为转速变化工况下振动信号分量imfl, 2的能量变化指标计算结果。
[0028] 图7为负荷变化工况下振动信号分量imfl, 2的能量变化指标计算结果。
【具体实施方式】
[0029] 下面结合附图对本发明做进一步的详细说明，W令本领域技术人员参照说明书文 字能够据W实施。
[0030] 本发明实施例的一种基于IMF分量的振动信号能量特征提取方法如图1所示，包括 W下步骤：
[0031] 步骤S110,利用加速度传感器对柴油机机体进行测量，获得振动加速度信号；
[0032] 步骤 S120，
[0033] (1)初始化总体平均次数M并给加入的白噪声添加限定的数值的幅度，并使i = l;
[0034] (2)把一个给定幅度的白噪声ni(t)加到原始信号x(t)中，组成一个新的信号Xi (t)，xi(t) = x(t)+m(t)，x(t)其表示第i个附加噪声信号，m(t)表示第i个加入的白噪声系 列；
[0035] (3)第i次加入的高斯白噪声的信号xi(t)使用经验模态分解算法化MD)得到一组 为IMF分量；
[0036] (4)原始信号最终表示3
其中Cs (t)即为集合经验模态分解算法化EMD)得到的IMF分量。
[0037] 步骤S130,对于任一连续的时间信号X(t)，其希尔伯特变换（HT)表示为：
其中*表示卷积，X(t)与希尔伯特Y(t)是正交关系，将希尔伯 中守雙炊用化巧/|、牟怔函数变换上，希尔伯特黄变换（H H T )表示为：
其中频率O i为t的单值函数，t为时间，T为时间尺度，ai (t)为幅值，real表示取实部，j为空间尺度因子。
[0038] 步骤S140,对其IMF分量进行瞬时能量（IE)与加速度幅值能量(AAE)计算，提取振 动信号的冲击特征，运些冲击特征体现了柴油机的振动特性，其分量imfl~8的IE与AAE分 析结果分别如图2、3所示。
[0039] (1)由于IMF分量具有不同信号特征信息，柴油机振动信号主要IMF分量Ci(t)基本 上对应于不同振动源，各振动源可W采用瞬时能量IE来表述：IE,(0 = 0.5韦(0，其中，Ai(t) 为IMF分量Ci(t)的幅值。
[0040] (2)对加速度信号进行二次巧分，得到如下：
a (i)为振动加速度，V (i)为振动速度，d (i)为振动位移；
[0041 ] (3)柴油机振动信号各IMF分量特征可通过速度幅值和加速度幅值能量(ME)来表示， 速度幅值描述为：
，加速度幅值描述为：
其中，Ci(t)为第i个IMF分量的幅值，Cl佔)表示在时间的数据Ci(t)，A t代表测量信号的 采样时间间隔，i = l，2，K，N，N为整数，j' = l，2，K，L-l，j = l，2，K，L-2，L为测量信号的数据 长度。
[0042] 作为一种优选，通过傅里叶变换和傅里叶逆变换，对IE值和AAE值进行时域和频域 的转换。
[0043] 步骤S150，对获得的各IMF分量的IE值与AAE值进行频谱分析，依据SIE、SAE值识别 柴油机振动信号的主要频率成分，分量的imfl~8SIE、SAE分析结果分别如图4、5所示。
[0044] 由于各SAEi(f)的幅值之和会体现出更显著的振动信号特征，所W分别采用SAEi (f)的最大值与SAEi(f)的和宋描述振动信号各IMF分量的主要频率成分，通过对 / S A E I ( f )进行最优选择分析，定义了频谱幅值指数：S A I，其描述为：
f为自变量，t为时间变量，对应于最大SAI值的SAEi (f)是振动信号能量特征评价的最优选择。
[0045] 步骤S160,依据频谱幅值指数SAI值的大小来选择最优的IMF分量，并通过IMF分量 的时频特征可W确定柴油机振动激励源，计算柴油机不同工况(转速、负荷)条件下振动信 号最优IMF分量的能量变化指标(DIie)
并依据DIie的大小判断 运转工况变化对相关振动激励源的影响，转速与负荷变化工况下振动信号分量imfl, 2的能 量变化指标计算结果分别如图6、7所示。
[0046] 采用EEMD方法对原始信号进行分解，通过每次在信号中加入限定幅值的高斯白噪 声来改变信号或数据的极值点个数，W及极值点的分布间隔，再通过对多次分解得到的IMF 分量进行总体平均，进而达到抵消加入到信号中的高斯白噪声，能够有效的避免了模态混 叠现象;采用HHT对信号能量特征评价指标进行变换，能够同时对线性稳态和非线性非稳态 信号进行分析，从能量角度提取柴油机振动信号的主要频率成分及激励源，能够评价运行 工况变化对振动信号能量特征的影响规律，提高信噪比和抗干扰能力，增强信号特征提取 的精度。
[0047] 尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列 运用，它完全可W被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地 实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限 于特定的细节和运里示出与描述的图例。
【主权项】
1. 一种基于IMF分量的振动信号能量特征提取方法，其特征在于，包括如下步骤： A、 采用EEMD方法对信号进行分解，得到頂F分量； B、 采用HHT对信号能量评价指标进行变换； C、 对变换后的IE值与AAE值进行频谱分析，依据SIE、AAE值识别柴油机振动信号的频 率； D、 依据频谱幅值指数SAI值的大小来选择最优的IMF分量，并计算其能量变化指标DIIE。2. 根据权利要求1所述的基于IMF分量的振动信号能量特征提取方法，其特征在于，其 特征在于，所述步骤A步骤中，所述IMF分量表示为2, . . .，S，其中cs(t)即为EEMD分解得到的MF分量，Μ为初始化总体平均次数，s为分解的次 数，S为IMF分量的个数。3. 根据权利要求1所述的基于IMF分量的振动信号能量特征提取方法，其特征在于，所 述步骤B包括： 对于任一连续的时间信号X(t)，其希尔伯特变换表示为其中*表示卷积，X(t)与希尔伯特Y(t)是正交关系，将希尔伯特变换应用在每个本征函数变 换上，希尔伯特黄变换表示为^中频率ω 的单值 函数，t为时间，τ为时间尺度，ai(t)为幅值，real表示取实部，j为空间尺度因子。4. 根据权利要求1所述的基于IMF分量的振动信号能量特征提取方法，其特征在于，所 述步骤C包括:对加速度信号进行二次积分，得到如下：a (i)为振动加速度，v (i)为振动速度，d (i)为振动位移；2· 速度幅值为 ，加速度幅值为： ，其 中，Cdt)为第i个IMF分量的幅值，Cdh)表示在时间h的数据Cdt)，△ t代表测量信号的采 样时间间隔，i = l，2，K，N，N为整数，」=1，2，1(氺-1，」=1，2，1(氺-2儿为测量信号的数据长 度。5. 根据权利要求1所述的基于IMF分量的振动信号能量特征提取方法，其特征在于，所 述步骤D具体包括： D1、加速度幅值能量AAEi(t) = {AAEi(tj) | j = l，2，K，L-2}的频谱分析表述为：_ = 1，2，K，N，N为整数，f为自变量，t为时间变量，通过计算 该信号的频率能够描述柴油机运行工况变化对振动信号的影响； D2、频谱幅值指数：SAI，其描述为：对应于最大 S A I值的S A E i ( f)是振动信号能量特征，所述能量变化指标D I : e描述为：，能够衡量柴油机不同工况条件下振动信号瞬时能量的差异， 并反映了工况变化对相关振动源能量特征的影响。
【文档编号】G01H17/00GK105954038SQ201610247345
【公开日】2016年9月21日
【申请日】2016年4月20日
【发明人】杜宪峰, 刘福莉, 曹晓峰, 张立新, 李兴峰
【申请人】辽宁工业大学