一种发动机转速传感器电磁脉冲耦合信号分离方法

本发明属于发动机转速传感器电磁防护领域，涉及一种发动机转速传感器电磁脉冲耦合信号分离方法。

背景技术：

1、发动机转速是发动机电控系统的关键参数。转速传感器受到强电磁脉冲干扰时，电磁脉冲与正常转速信号耦合形成电磁脉冲耦合信号。电磁脉冲耦合信号是一种源信号数未知的欠定瞬时混合信号。将电磁脉冲敏感频点与传感器信号分离是转速传感器电磁脉冲防护的关键。传统滤波器方法灵活，不能自适应滤除电磁脉冲多频点，单级滤波器难以覆盖电磁脉冲的宽频信号，很难消除所有频带上的干扰，宽频带的滤波器设计会造成非敏感频带上的过冗余，增加滤波器的设计成本和体积。目前大部分滤波器的设计与搭建都需先获取信号的先验信息，而电磁脉冲的任一条件发生变化时，电磁脉冲耦合信号的敏感频点都会发生变化，因此电磁脉冲耦合信号的先验信息相对缺失。综上所述，传统滤波器方法对于电磁脉冲耦合信号分离效果并不理想，因此提出一种有效的发动机转速传感器电磁脉冲耦合信号分离方法对发动机转速传感器电磁脉冲防护与主动容错具有重要意义。

技术实现思路

1、本发明是为了克服现有技术中的不足，提供一种发动机转速传感器电磁脉冲耦合信号分离的方法，该方法利用内部加权评估(iwe)聚类集成算法与原子自适应匹配稀疏重构(skwmp)算法相结合的方法，从电磁脉冲耦合信号中分离出传感器重构信号，为发动机转速传感器电磁脉冲防护与主动容错提供基础。

2、本发明是通过以下技术方案实现的：

3、一种发动机转速传感器电磁脉冲耦合信号分离的方法，包括以下步骤：

4、通过试验采集电磁脉冲耦合信号，并制作原始数据集；

5、对电磁脉冲耦合信号原始数据集进行时频分析，得到电磁脉冲耦合信号在时频域上的信息；

6、采用内部加权评估(iwe)聚类集成算法对电磁脉冲耦合信号时频域数据进行聚类，得到电磁脉冲耦合信号的共识聚类；

7、根据所得到的电磁脉冲耦合信号的共识聚类结果，估计电磁脉冲耦合信号混叠矩阵；

8、利用原子自适应匹配稀疏重构(skwmp)算法，对电磁脉冲耦合信号混叠矩阵中各分量源信号进行重构，得到频域源分离信号；skwmp算法是基于匹配追踪(mp)算法的优化，考虑到电磁脉冲耦合信号分离中稀疏度未知与工程应用中噪声会导致重构结果变差这两方面问题，在匹配追踪算法的基础上提出了一种原子自适应匹配稀疏度算法。原子自适应匹配稀疏度算法包括构建奇异值分解量测方程、构建卡尔曼滤波方程组和原子自适应匹配策略。

9、对得到的频域源分离信号进行逆变换得到电磁脉冲耦合信号各时域分离分量。

10、优选的，通过试验采集电磁脉冲耦合信号，试验采用等效注入试验，实施步骤方法：采用可编程信号发生器注入多频点阻尼正弦信号，注入试验中改变阻尼正弦信号频点的大小、幅值及个数模拟不同电磁脉冲信号，注入对象为发动机转速传感器，注入途径为转速传感器与发动机数字控制器连接线缆。

11、优选的，对原始数据集进行短时傅里叶变换转变到时频域上。

12、优选的，内部加权评估(iwe)聚类集成算法选择若干种初始值不同的k-means算法对电磁脉冲耦合信号数据集进行初步划分。

13、优选的，内部加权评估(iwe)聚类集成算法中高质量基聚类选择阈值为为产生的基聚类总个数。

14、优选的，内部加权评估(iwe)聚类集成算法中，从高质量基聚类备选集中任意选择mc个基聚类构成聚类互评组，通过“簇评价簇”策略，计算聚类互评组中所有簇的不确定度。

15、优选的，内部加权评估(iwe)聚类集成算法中，选用图割法作为集成策略获取共识聚类。

16、优选的，通过内部加权评估(iwe)聚类集成算法的共识聚类结果得到估计混叠矩阵。混叠矩阵表达式为：

17、a＝{a1,a2,…,an}

18、ai表示共识聚类中心，i＝1,2,…,n，n表示源信号的个数。

19、优选的，利用原子自适应匹配稀疏重构(skwmp)算法对电磁脉冲耦合信号中各分量源信号进行重构到频域源分离信号，具体实现流程为：电磁脉冲耦合信号表示为y(mk×1)，测量矩阵的原始维度为mk×nk，iwe聚类集成混叠矩阵估计方法得到估计矩阵a(m×n)，对a进行维度变换便可构造压缩感知数学模型所需的测量矩阵；使用单位矩阵ek自适应增减估计混淆矩阵a中的元素：

20、bij＝ekaij

21、其中，bij表示估计混叠矩阵转换后的测量矩阵，由此可得基于压缩感知的电磁脉冲耦合信号分离数学表达式：

22、

23、其中s表示重构信号，维度为nk×1。

24、优选的，对时频域电磁脉冲耦合信号分离分量进行逆短时傅里叶变换得到电磁脉冲耦合信号各时域分离分量。

25、有益效果：1、针对现有聚类集成算法未考虑基聚类中每个簇的局部多样性问题提出了一种内部加权评估(iwe)聚类集成算法，考虑了数据集中簇的局部多样性，避免了低质量聚类对共识聚类效果的影响，提高了聚类集成算法的精确度和鲁棒性。

26、2、采用iwe混叠矩阵估计，采用高质量基聚类备选集代替了预选提取单源点的过程，通过对高质量基聚类的数据点加权评估，再利用图割法集成策略，得到了电磁脉冲耦合信号时频域稀疏数据点的共识聚类，可以有效的估计混叠矩阵，具有较高的鲁棒性。

27、3、针对电磁脉冲环境中稀疏度未知和量测噪声复杂的问题提出了一种原子自适应匹配稀疏重构算法，避免了工程应用中由于量测噪声和未知稀疏性导致的信号重构不准确问题。

技术特征：

1.一种发动机转速传感器电磁脉冲耦合信号分离的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的发动机转速传感器电磁脉冲耦合信号分离的方法，其特征在于，通过试验采集电磁脉冲耦合信号，试验采用等效注入试验，实施步骤方法：采用可编程信号发生器注入多频点阻尼正弦信号，注入试验中改变阻尼正弦信号频点的大小、幅值及个数模拟不同电磁脉冲信号，注入对象为发动机转速传感器，注入途径为转速传感器与发动机数字控制器连接线缆。

3.根据权利要求1所述的发动机转速传感器电磁脉冲耦合信号分离的方法，其特征在于，对原始数据集进行短时傅里叶变换转变到时频域上。

4.根据权利要求1所述的发动机转速传感器电磁脉冲耦合信号分离的方法，其特征在于，内部加权评估聚类集成算法选择若干种初始值不同的k-means算法对电磁脉冲耦合信号数据集进行初步划分。

5.根据权利要求1所述的发动机转速传感器电磁脉冲耦合信号分离的方法，其特征在于，内部加权评估聚类集成算法中高质量基聚类选择阈值为为产生的基聚类总个数。

6.根据权利要求1所述的发动机转速传感器电磁脉冲耦合信号分离的方法，其特征在于，内部加权评估聚类集成算法中，从高质量基聚类备选集中任意选择mc个基聚类构成聚类互评组，通过“簇评价簇”策略，计算聚类互评组中所有簇的不确定度。

7.根据权利要求1所述的发动机转速传感器电磁脉冲耦合信号分离的方法，其特征在于，内部加权评估聚类集成算法中，选用图割法作为集成策略获取共识聚类。

8.根据权利要求1所述的发动机转速传感器电磁脉冲耦合信号分离的方法，其特征在于，通过内部加权评估聚类集成算法的共识聚类结果得到估计混叠矩阵，混叠矩阵表达式为：

9.根据权利要求8所述的发动机转速传感器电磁脉冲耦合信号分离的方法，其特征在于，利用原子自适应匹配稀疏重构算法对电磁脉冲耦合信号中各分量源信号进行重构到频域源分离信号，具体实现流程为：电磁脉冲耦合信号表示为y(mk×1)，测量矩阵的原始维度为mk×nk，内部加权评估聚类集成混叠矩阵估计方法得到估计矩阵a(m×n)，对a进行维度变换便可构造压缩感知数学模型所需的测量矩阵；使用单位矩阵ek自适应增减估计混淆矩阵a中的元素：

10.根据权利要求1所述的发动机转速传感器电磁脉冲耦合信号分离的方法，其特征在于，对时频域电磁脉冲耦合信号分离分量进行逆短时傅里叶变换得到电磁脉冲耦合信号各时域分离分量。

技术总结
本发明公开了一种发动机转速传感器电磁脉冲耦合信号分离的方法，属于发动机电磁防护领域。具体步骤如下：步骤1：通过等效注入试验获取电磁脉冲耦合信号数据集；步骤2：进行短时傅里叶变换将数据集变换到时频域上以满足稀疏性要求；步骤3：采用IWE聚类集成训练变换后的数据集，得到共识聚类，根据聚类集成得到共识聚类结果获取估计混叠矩阵；步骤4：根据估计混淆矩阵结合SKWMP重构算法得到电磁脉冲耦合信号分离数学表达式；步骤5：进行逆短时傅里叶变换将时频域信号转换为时域信号。本发明通过IWE聚类集成算法与SKWMP重构算法得到电磁脉冲耦合信号分离的数学模型，为发动机转速传感器电磁脉冲防护提供参考依据。

技术研发人员：魏民祥,徐志欣,王紫焱,邢致毓,黄盟,王成东,余迎松,武子栋,陈鸣涧,陈凯,李玉芳
受保护的技术使用者：南京航空航天大学
技术研发日：
技术公布日：2024/1/5