专利名称：一种动态信号分析方法及装置的制作方法
技术领域：
本发明涉及信号分析技术领域，更具体的说，是涉及一种动态信号分析方法及装置。
背景技术：
在旋转机械故障诊断以及生物医学信号处理等领域，一般通过对系统产生的动态信号进行分析，进而对系统的健康状况进行评估。由于系统产生的动态信号常常具有非平稳特性，在对此类信号进行分析时，单独的时域分析方法以及单独的频域分析方法，都不能提供足够的非平稳信息来对系统的健康状况进行有效评估。在现有技术中，一般采用传统的短时傅里叶变换、连续小波变换或者维格纳一威尔分布等时频分析方法，对系统产生的动态信号进行分析。通过上述任意一种时频分析方法，都能同时反映系统产生的动态信号在时域和频域上丰富的非平稳信息，用以对系统的健康状况进行有效评估。但是，一方面由于系统本身的复杂性，其产生的动态信号又表现为非线性。而传统的时频分析方法在对系统产生的动态信号进行分析的过程中，并未考虑动态信号的非线性。另一方面，由于各种原因，系统产生的动态信号往往含有大量的噪声。而传统的时频分析方法在对系统产生的动态信号进行分析的过程中，并未考虑噪声的影响。由上可知，现有的时频分析方法，并不能有效分析系统产生的动态信号，进而对系统的健康状况的评估造成了不良影响。
发明内容
有鉴于此，本发明提供了一种动态信号分析方法及装置，以克服现有技术中由于采用传统的时频分析方法分析系统产生的动态信号时，不能考虑动态信号的非线性以及噪声影响，对系统的健康状况的评估造成不良影响的问题。为实现上述目的，本发明提供如下技术方案一种动态信号分析方法，包括对接收到的动态信号进行时频分析，生成与所述动态信号相对应的具有预设嵌入维数的高维时频分析信号；对所述时频分析信号进行流形学习，生成具有预设本征维数的低维流形结构信号，所述预设本征维数小于所述预设嵌入维数；对所述流形结构信号进行转换，生成包含多维数据的时频流形结构信号，所述时频流形结构信号中的第一维数据为所述动态信号的时频流形特征数据。优选地，所述对接收到的动态信号进行时频分析，生成与所述动态信号相对应的高维时频分析信号的过程包括接收所述动态信号；
根据预设嵌入维数，将所述动态信号在相空间中重构，生成具有所述预设嵌入维数的第一信号，所述预设嵌入维数至少为12维；根据预设时频分析方法，对所述第一信号整个频带范围内的所有时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号，所述预设时频分析方法包括短时傅里叶变换、连续小波变换或维格纳一威尔分布变换；将所述第二信号进行转换，生成具有所述预设嵌入维数的所述高维时频分析信号。优选地，所述对所述时频分析信号进行流形学习，生成具有所述预设本征维数的低维流形结构信号的过程包括根据局部线性嵌入算法、等距映射算法或局部切空间排列算法对所述时频分析信号进行流形学习，生成具有所述预设本征维数的低维流形结构信号。优选地，当所述预设时频分析方法为短时傅里叶变换时，所述根据预设时频分析方法，对所述第一信号整个频带范围内的时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号的过程还包括在所述第一信号整个频带范围内通过增加短时傅里叶变换窗函数的移动步长减少时间点数，并对所述第一信号整个频带范围内的部分时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号。优选地，当所述预设时频分析方法为短时傅里叶变换、连续小波变换方法或维格纳一威尔分布变换方法时，所述根据预设时频分析方法，对所述第一信号整个频带范围内的时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号的过程还包括在所述接收到的动态信号整个频带范围内选取故障频带；对所述第一信号故障频带范围内的所有时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号。优选地，根据局部切空间排列算法对所述高维时频分析信号进行流形学习，生成具有所述预设本征维数的低维流形结构信号的过程包括计算所述时频分析信号的局部信息；根据所述局部信息计算所述时频分析信号的排列矩阵；根据所述排列矩阵计算具有所述预设本征维数的全局坐标，所述全局坐标即为具有所述预设本征维数的低维流形结构信号。优选地，所述计算所述时频分析信号的局部信息的过程包括在所述时频分析信号中选取待处理元素；选取与所述待处理元素最近的预设个数的元素，所述预设个数大于所述预设嵌入维数；将所述预设个数的元素进行中心化处理得到中心化矩阵；计算所述中心化矩阵的右奇异向量，并按照右奇异值从大到小的顺序，选取所述预设本征维数个数右奇异值相对应的右奇异向量，作为所述时频分析信号的局部信息。优选地，所述根据所述局部信息计算所述时频分析信号的排列矩阵的过程包括根据所述时频分析信号以及所述中心化矩阵计算得到第一矩阵；根据所述时频分析信号的局部信息计算得到第二矩阵；
根据第一矩阵以及第二矩阵计算所述时频分析信号的排列矩阵。一种动态信号分析装置，包括时频分析单元用于对接收到的动态信号进行时频分析，生成与所述动态信号相对应的具有预设嵌入维数的高维时频分析信号；流形学习单元用于对所述高维时频分析信号进行流形学习，生成具有预设本征维数的低维流形结构信号，所述预设本征维数小于所述预设嵌入维数；流形转换单元用于对所述流形结构信号进行转换，生成包含多维数据的时频流形结构信号，所述时频流形结构信号中的第一维数据为所述动态信号的时频流形特征数据。优选地,所述时频分析单元包括接收子单元用于接收所述动态信号；相空间重构子单元用于根据预设嵌入维数，将所述动态信号在相空间中重构，生成具有所述预设嵌入维数的第一信号，所述预设嵌入维数至少为12维；时频分析子单元用于根据预设时频分析方法，对所述第一信号整个频带范围内的所有时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号，所述预设时频分析方法包括短时傅里叶变换、连续小波变换或维格纳一威尔分布变换；转换子单元用于将所述第二信号进行转换，生成具有所述预设嵌入维数的所述时频分析信号。优选地，所述流形学习单元包括局部信息计算子单元用于计算所述时频分析信号的局部信息；排列矩阵计算子单元用于根据所述局部信息计算所述时频分析信号的排列矩阵；全局坐标计算子单元用于根据所述排列矩阵计算具有所述预设本征维数的全局坐标，所述全局坐标即为具有所述预设本征维数的低维流形结构信号。优选地，当所述预设时频分析方法为短时傅里叶变换时，所述时频分析子单元包括第一计算模块在所述第一信号整个频带范围内通过增加短时傅里叶变换窗函数的移动步长减少时间点数；第二计算模块对所述第一信号整个频带范围内的部分时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号。优选地，当所述预设时频分析方法为短时傅里叶变换、连续小波变换方法或维格纳一威尔分布变换方法时，所述时频分析子单元包括故障频带选择模块用于在所述接收到的动态信号整个频带范围内选取故障频带;第三计算模块用于对所述第一信号故障频带范围内的所有时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号。优选地，所述局部信息计算子单元包括待处理元素选取模块用于在所述时频分析信号中选取待处理元素；元素选取模块用于选取与所述待处理元素最近的预设个数的元素，所述预设个数大于所述预设嵌入维数；中心化处理模块用于将所述预设个数的元素进行中心化处理得到中心化矩阵；局部信息计算模块用于计算所述中心化矩阵的右奇异向量，并按照右奇异值从大到小的顺序，选取所述预设本征维数个数右奇异值相对应的右奇异向量，作为所述时频分析信号的局部信息。优选地，所述排列矩阵计算子单元包括第一矩阵计算模块用于根据所述时频分析信号以及所述中心化矩阵计算得到第一矩阵；第二矩阵计算模块用于根据所述时频分析信号的局部信息计算得到第二矩阵；第三矩阵计算模块用于根据第一矩阵以及第二矩阵计算所述时频分析信号的排列矩阵。经由上述的技术方案可知，与现有技术相比，本发明公开了一种动态信号分析方法及装置。首先，对接收到的动态信号进行时频分析，生成与动态信号相对应的具有预设嵌入维数的高维时频分析信号；然后，对时频分析信号进行流形学习，生成具有预设本征维数的低维流形结构信号，预设本征维数小于所述预设嵌入维数；最后，对流形结构信号进行转换，生成包含多维数据的时频流形结构信号，时频流形结构信号中的第一维数据为动态信号的时频流形特征数据。通过对接收的动态信号进行时频分析、流形学习以及转换，能够充分考虑动态信号的非线性以及信号中噪声的影响，使得最终的时频流形特征数据能够作为评估系统的健康状况的准确依据。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本发明实施例一公开的一种动态信号分析方法流程图；图2为本发明实施例二公开的对动态信号时频分析的方法流程图；图3为本发明实施例二公开的局部切空间排列算法流程图；图4为本发明实施例三示例一对无故障阶段的齿轮健康信号分析图；图5为本发明实施例三示例一对有严重磨损故障的齿轮振动信号分析图；图6为本发明实施例三示例二对有外圈故障的列车轴承声音信号的分析图；图7为本发明实施例三不例二对有内圈故障的列车轴承声音信号的分析图；图8为本发明实施例三示例二对有滚子故障的列车轴承声音信号的分析图；图9为本发明实施例三示例三对球轴承外圈故障的特征分析图；图10为本发明实施例三示例三对球轴承滚珠故障的特征分析图；图11为本发明实施例三示例三对球轴承内圈故障的特征分析图；图12为本发明实施例四公开的动态信号分析装置结构示意图；图13为本发明实施例五公开的时频分析单元结构示意图；图14为本发明实施例五公开的流形学习单元结构示意图15为本发明实施例五公开的时频分析子单元结构示意图；图16为本发明实施例五公开的另一种时频分析子单元结构示意图；图17为本发明实施例五公开的局部信息计算子单元结构示意图；图18为本发明实施例五公开的排列矩阵计算子单元结构示意图。
具体实施例方式为了引用和清楚起见，下文中使用的技术名词的说明、简写或缩写总结如下流形学习是一种非线性数据降维及信息挖掘方法，可用于系统状态特征高维数据的非线性特征挖掘，尤其是在旋转机械故障诊断中。高维系统状态参数可以是相空间重构的时域信号，也可以是时域和频域统计特征参数。基于流形学习的流形特征经过研究验证具有更佳的非线性效果，表明了流形学习在故障诊断中挖掘非线性结构的优势。但是，这些研究方法中高维数据本身携带的状态信息主要考虑了时域或频域特征等平稳信息，因而其流形特征是在平稳信息基础上提取的，也可以说目前主要使用平稳流形来表征系统状态，缺乏对反映系统非平稳状态的非平稳信息的考虑。下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。由背景技术可知，现有的时频分析方法，并不能有效分析系统产生的动态信号，进而对系统的健康状况的评估造成了不良影响。因此，本发明公开了一种动态信号分析方法及装置。首先，对接收到的动态信号进行时频分析，生成与动态信号相对应的具有预设嵌入维数的高维时频分析信号；然后，对时频分析信号进行流形学习，生成具有预设本征维数的低维流形结构信号，预设本征维数小于所述预设嵌入维数；最后，对流形结构信号进行转换，生成包含多维数据的时频流形结构信号，时频流形结构信号中的第一维数据为动态信号的时频流形特征数据。通过对接收的动态信号进行时频分析、流形学习以及转换，能够充分考虑动态信号的非线性以及信号中噪声的影响，使得最终的时频流形特征数据能够作为评估系统的健康状况的准确依据。上述动态信号分析方法的具体执行过程以及动态信号分析装置的具体构成将通过以下实施例进行详细说明。实施例一请参阅附图1，为本发明实施例一公开的一种动态信号分析方法流程图。该动态信号分析方法具体包括步骤101 :对接收到的动态信号进行时频分析，生成与所述动态信号相对应的具有预设嵌入维数的高维时频分析信号；首先，利用接收到的动态信号重构高维相空间，以充分显示嵌入在信号中的内在动态流形；需要说明的是，此处所说的高维相空间的维数为预设嵌入维数，理论上说，维数越大，计算精度也越大，但是相应的计算量也会增大，因此，本实施例中，预设嵌入维数可根据具体的实际应用进行设置。其次，计算每一维信号的时频分布，以表示相空间中的非平稳信息，将每一维信号的时频分布的矩阵转化为列向量，组成高维时频分析信号，该时频分析信号与接收到的动态信号相对应，且维数为预设嵌入维数，能够充分表示原始动态信号的非平稳信息。步骤102 :对所述高维时频分析信号进行流形学习，生成具有预设本征嵌入维数的流形结构信号，所述预设本征维数小于所述预设嵌入维数；接收的动态信号的流形结构揭示了系统内在的动态信息，它只存在于高维相空间中的低维子空间，可看成是动态信号的骨架。而动态信号的干扰噪声存在于相空间中的所有维数中，且是一种随机信息。通过对所述高维时频分析信号进行流形学习，得到所述低维流形结构信号，能够保留所述动态信号的骨架，去除随机白噪声。步骤103 :对所述流形结构信号进行转换，生成包含多维数据的时频流形结构信号，所述时频流形结构信号中的第一维数据为所述动态信号的时频流形特征数据。需要说明的是，这里所说的转换只是对计算而得的流形结构信号表现形式的一种转换，是为了能够方便分析信号，进而确定系统的健康情况。本发明实施例一公开的动态信号分析方法，首先，对接收到的动态信号进行时频分析，生成与动态信号相对应的具有预设嵌入维数的高维时频分析信号；然后，对时频分析信号进行流形学习，生成具有预设本征维数的低维流形结构信号，预设本征维数小于预设嵌入维数；最后，对流形结构信号进行转换，生成包含多维数据的时频流形结构信号，时频流形结构信号中的第一维数据为动态信号的时频流形特征数据。通过对接收的动态信号进行时频分析、流形学习以及转换，能够充分考虑动态信号的非线性以及信号中噪声的影响，使得最终的时频流形特征数据能够作为评估系统健康状况的准确依据。在实施例一的基础上，本发明还公开了实现动态信号分析的具体实现过程，下面将通过以下实施例详细说明。实施例二本实施例为对实施例一中公开的一种动态信号分析方法的进一步描述。该方法具体包括步骤101 :对接收到的动态信号进行时频分析，生成与所述动态信号相对应的具有预设嵌入维数的高维时频分析信号。请参阅附图2，步骤101具体可分为以下几步步骤201 :接收所述动态信号。接收测得的非平稳动态信号，即时间序列x(t) = [Xl，X2, , xN]。需要说明的是，该动态信号为一维信号。步骤202 :根据预设嵌入维数，将所述动态信号在相空间中重构，生成具有所述预设嵌入维数的第一信号，所述预设嵌入维数至少为12维。将一维信号x(t)重构在多维相空间中。公式为X =[x.,x.+r,...,x.+(M_1)7],i = l,2,...,N-(m-V)T上式中，m是嵌入维数 ，τ是时间延迟，为相空间中具有所述预设嵌入维数的第一信号的第i个数据。为了使时频流形具有较高的时间分辨率，这里取T=UEn=N-H^l,则上式可以表示为如下形式
权利要求
1.一种动态信号分析方法，其特征在于，包括 对接收到的动态信号进行时频分析，生成与所述动态信号相对应的具有预设嵌入维数的高维时频分析信号； 对所述时频分析信号进行流形学习，生成具有预设本征维数的低维流形结构信号，所述预设本征维数小于所述预设嵌入维数； 对所述流形结构信号进行转换，生成包含多维数据的时频流形结构信号，所述时频流形结构信号中的第一维数据为所述动态信号的时频流形特征数据。
2.根据权利要求1所述的方法，其特征在于，所述对接收到的动态信号进行时频分析，生成与所述动态信号相对应的高维时频分析信号的过程包括 接收所述动态信号； 根据预设嵌入维数，将所述动态信号在相空间中重构，生成具有所述预设嵌入维数的第一信号，所述预设嵌入维数至少为12维； 根据预设时频分析方法，对所述第一信号整个频带范围内的所有时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号，所述预设时频分析方法包括短时傅里叶变换、连续小波变换或维格纳一威尔分布变换； 将所述第二信号进行转换，生成具有所述预设嵌入维数的所述高维时频分析信号。
3.根据权利要求1所述的方法，其特征在于，所述对所述时频分析信号进行流形学习，生成具有所述预设本征维数的低维流形结构信号的过程包括 根据局部线性嵌入算法、等距映射算法或局部切空间排列算法对所述时频分析信号进行流形学习，生成具有所述预设本征维数的低维流形结构信号。
4.根据权利要求2所述的方法，其特征在于，当所述预设时频分析方法为短时傅里叶变换时，所述根据预设时频分析方法，对所述第一信号整个频带范围内的时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号的过程还包括 在所述第一信号整个频带范围内通过增加短时傅里叶变换窗函数的移动步长减少时间点数，并对所述第一信号整个频带范围内的部分时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号。
5.根据权利要求2所述的方法，其特征在于，当所述预设时频分析方法为短时傅里叶变换、连续小波变换方法或维格纳一威尔分布变换方法时，所述根据预设时频分析方法，对所述第一信号整个频带范围内的时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号的过程还包括 在所述接收到的动态信号整个频带范围内选取故障频带； 对所述第一信号故障频带范围内的所有时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号。
6.根据权利要求3所述的方法，其特征在于，根据局部切空间排列算法对所述高维时频分析信号进行流形学习，生成具有所述预设本征维数的低维流形结构信号的过程包括 计算所述时频分析信号的局部信息； 根据所述局部信息计算所述时频分析信号的排列矩阵； 根据所述排列矩阵计算具有所述预设本征维数的全局坐标，所述全局坐标即为具有所述预设本征维数的低维流形结构信号。
7.根据权利要求2或6所述的方法，其特征在于，所述计算所述时频分析信号的局部信息的过程包括 在所述时频分析信号中选取待处理元素； 选取与所述待处理元素最近的预设个数的元素，所述预设个数大于所述预设嵌入维数； 将所述预设个数的元素进行中心化处理得到中心化矩阵； 计算所述中心化矩阵的右奇异向量，并按照右奇异值从大到小的顺序，选取所述预设本征维数个数右奇异值相对应的右奇异向量，作为所述时频分析信号的局部信息。
8.根据权利要求6所述的方法，其特征在于，所述根据所述局部信息计算所述时频分析信号的排列矩阵的过程包括 根据所述时频分析信号以及所述中心化矩阵计算得到第一矩阵； 根据所述时频分析信号的局部信息计算得到第二矩阵； 根据第一矩阵以及第二矩阵计算所述时频分析信号的排列矩阵。
9.一种动态信号分析装置，其特征在于，包括 时频分析单元用于对接收到的动态信号进行时频分析，生成与所述动态信号相对应的具有预设嵌入维数的高维时频分析信号； 流形学习单元用于对所述高维时频分析信号进行流形学习，生成具有预设本征维数的低维流形结构信号，所述预设本征维数小于所述预设嵌入维数； 流形转换单元用于对所述流形结构信号进行转换，生成包含多维数据的时频流形结构信号，所述时频流形结构信号中的第一维数据为所述动态信号的时频流形特征数据。
10.根据权利要求9所述的装置，其特征在于，所述时频分析单元包括 接收子单元用于接收所述动态信号； 相空间重构子单元用于根据预设嵌入维数，将所述动态信号在相空间中重构，生成具有所述预设嵌入维数的第一信号，所述预设嵌入维数至少为12维； 时频分析子单元用于根据预设时频分析方法，对所述第一信号整个频带范围内的所有时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号，所述预设时频分析方法包括短时傅里叶变换、连续小波变换或维格纳一威尔分布变换； 转换子单元用于将所述第二信号进行转换，生成具有所述预设嵌入维数的所述时频分析信号。
11.根据权利要求9所述的装置，其特征在于，所述流形学习单元包括 局部信息计算子单元用于计算所述时频分析信号的局部信息； 排列矩阵计算子单元用于根据所述局部信息计算所述时频分析信号的排列矩阵；全局坐标计算子单元用于根据所述排列矩阵计算具有所述预设本征维数的全局坐标，所述全局坐标即为具有所述预设本征维数的低维流形结构信号。
12.根据权利要求10所述的装置，其特征在于，当所述预设时频分析方法为短时傅里叶变换时，所述时频分析子单元包括 第一计算模块在所述第一信号整个频带范围内通过增加短时傅里叶变换窗函数的移动步长减少时间点数； 第二计算模块对所述第一信号整个频带范围内的部分时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号。
13.根据权利要求10所述的装置，其特征在于，当所述预设时频分析方法为短时傅里叶变换、连续小波变换方法或维格纳一威尔分布变换方法时，所述时频分析子单元包括 故障频带选择模块用于在所述接收到的动态信号整个频带范围内选取故障频带；第三计算模块用于对所述第一信号故障频带范围内的所有时间点数进行时频分析，生成具有所述预设嵌入维数的第二信号。
14.根据权利要求11所述的装置，其特征在于，所述局部信息计算子单元包括 待处理元素选取模块用于在所述时频分析信号中选取待处理元素； 元素选取模块用于选取与所述待处理元素最近的预设个数的元素，所述预设个数大于所述预设嵌入维数； 中心化处理模块用于将所述预设个数的元素进行中心化处理得到中心化矩阵；局部信息计算模块用于计算所述中心化矩阵的右奇异向量，并按照右奇异值从大到小的顺序，选取所述预设本征维数个数右奇异值相对应的右奇异向量，作为所述时频分析信号的局部信息。
15.根据权利要求11所述的装置，其特征在于，所述排列矩阵计算子单元包括 第一矩阵计算模块用于根据所述时频分析信号以及所述中心化矩阵计算得到第一矩阵； 第二矩阵计算模块用于根据所述时频分析信号的局部信息计算得到第二矩阵； 第三矩阵计算模块用于根据第一矩阵以及第二矩阵计算所述时频分析信号的排列矩阵。
全文摘要
本发明公开了一种动态信号分析方法及装置。首先，对接收到的动态信号进行时频分析，生成与动态信号相对应的具有预设嵌入维数的高维时频分析信号；然后，对时频分析信号进行流形学习，生成具有预设本征维数的低维流形结构信号，预设本征维数小于所述预设嵌入维数；最后，对流形结构信号进行转换，生成包含多维数据的时频流形结构信号，时频流形结构信号中的第一维数据为动态信号的时频流形特征数据。通过对接收的动态信号进行时频分析、流形学习以及转换，能够充分考虑动态信号的非线性以及信号中噪声的影响，使得最终的时频流形特征数据能够作为评估系统的健康状况的准确依据。
文档编号G06F17/16GK103064821SQ20121057491
公开日2013年4月24日 申请日期2012年12月26日 优先权日2012年12月26日
发明者何清波, 王俊, 汪湘湘 申请人:中国科学技术大学