基于实数形式傅里叶变换的特征提取方法及故障诊断方法
【技术领域】
[0001] 本发明设及特征提取方法，更具体地说，设及一种基于实数形式傅里叶变换的特 征提取方法，并设及其在自动化测试领域的应用。
【背景技术】
[0002] 随着科学技术的发展，很多机械、化工、冶金等自动化工业过程都呈现出日益庞 大、复杂的趋势，其中某些关键部件的运行状态直接决定着整个工业过程的性能。为了避免 造成重大安全事故和经济损失，对运些部件进行状态监测和及时的故障诊断是很有必要 的。与此同时，运些工业过程又时刻会产生大量反映自身运行机理和运行状态的数据，如何 从运些海量数据中提取关键的故障信息并做出进一步的诊断决策，W此来提高系统的可靠 性是目前亟待解决的问题。而其中最关键的技术无疑是设计一种快速有效的特征提取方法 和分类过程。近些年来，各种信号处理技术，包括时域、频域和统计学的方法，被相继应用到 样本信号的特征提取上，结合常见的分类算法，如支持向量机(SVM)、人工神经网络(A^) 等，出现了很多诊断效果非常不错的方法。
【发明内容】
[0003] 本发明的目的是提供一种基于实数形式傅里叶变换(RDFT)的特征提取方法，该方 法同时具有良好的实时性和鲁棒性。
[0004] 本发明的具体技术方案如下：
[0005] -种基于实数形式傅里叶变换的特征提取方法，其包括W下步骤：
[0006] S100、从样本信号中随机截取M个长度为N的信号片段；
[0007] S200、分别对所述M个信号片段做实数形式的傅里叶变换，获得M个长度为N的频 谱；W及
[000引S300、分别对所述M个频谱进行处理，获得M个特征向量;所述对频谱的处理包括： 将频谱等分为[N/L]个连续的区间，[N/L]表示N/L的整数;分别计算每个区间的信号累积强 度，所述区间的信号累积强度为该区间内所有频率的信号强度之和;然后按照区间的顺序 将区间的信号累积强度依次排列构成一个特征向量。
[0009] 在上述的基于实数形式傅里叶变换的特征提取方法中，优选地，所述L为可变参 数，其数值等于要提取的特征向量的维数;所述的特征提取方法在所述步骤S300之后，进一 步还包括W下步骤：
[0010] S400、用其中的3M/4个特征向量训练分类器，用其余的M/4个特征向量进行测试， 得到所训练的分类器的测试精度；W及
[0011] S500、调整所述参数L的值，转至所述步骤S300。
[0012] 在上述的基于实数形式傅里叶变换的特征提取方法中，优选地，在所述步骤SlOO 中，所述N的大小根据样本信号的长度W及信号的周期性来确定，保证一个信号片段中至少 包含信号变化的一个周期。
[0013] 本发明还提供了一种故障诊断方法，其包括:对被监测装置进行监测获取其样本 信号;利用样本信号构造故障分类的特征向量；W及利用构造的特征向量进行决策，实现故 障诊断，其中：采用上述任意一项所述的特征提取方法构造故障分类的特征向量。
[0014] 本发明具有W下有益效果：
[0015] 由于采用上述步骤S300构造特征向量，不但能够保证不同频带内信号强度的总体 分布情况不变，而且大大降低了特征向量的维数，从而降低了分类过程的运算开销，保证了 实时性；同时，与直接使用样本信号的频谱进行分类相比，减弱了噪声对诊断过程带来的干 扰，从而提高了鲁棒性。
[0016] 由于对每个信号片段做实数形式的傅里叶变换得到各个信号片段的频谱，与FFT 相比，RFFT在输入序列是实数时，计算过程中完全不设及复数的加法和乘法运算，运在一定 程度上能够节省运算开销；另一方面，输出序列没有冗余数据(FFT变换由于输出的结果具 有复共辆对称性，因此输出序列中有一半的数据是冗余的），因而有利于之后的基于频谱的 特征提取。
【附图说明】
[0017] 本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得 明显和容易理解，其中：
[0018] 图1为本发明实施例的基于实数形式傅里叶变换的特征提取方法的流程图；
[0019] 图2为本发明实施例中截取的信号片段的波形图；
[0020] 图3为本发明实施例中信号片段经实数形式的傅里叶变换得到的频谱；
[0021 ]图4为本发明实施例中提取的特征向量示意图；
[0022] 图5为在不同的特征向量维数下，测试准确率的变化折线图；
[0023] 图6为不同的特征向量维数下，分类器训练时间和测试时间的变化折线图。
【具体实施方式】
[0024] 下面详细描述本发明的具体实施例。本发明基于实数形式的傅里叶变换针对数据 驱动的故障诊断问题设计了一种简单快速的信号特征提取方法。实验中使用的数据下载自 美国凯斯西储大学（Case Western Reserve University巧由承数据中屯、网站，用到了无故 障情况下的样本，W及采样频率为12k化下的驱动端轴承的故障样本，轴承型号为6205-2RS JEM SKFo
[0025] 如图1所示，该基于实数形式的傅里叶变换的特征提取方法包括W下步骤：
[0026] 步骤S100、从样本信号中随机截取M个长度为N的信号片段。图2中示出了从信号中 截取的某一段长度为1000的信号片段。所述N的大小最好根据样本信号的长度W及信号的 周期性来确定，保证一个信号片段中至少包含信号变化的一个周期，从而能够在信号的频 谱中体现出来。另一方面，为了保证有足够的样本量，信号片段的长度也不能太大。
[0027] 步骤S102、分别对所述M个信号片段做实数形式的傅里叶变换，获得M个长度为N的 频谱。具体而言，对采样点数为N的信号片段X，为了获得其信号强度在频域中的分布特征，