基于SSAF和EMD的IGBT声发射信号提取方法

本发明属于声发射信号处理，具体涉及基于ssaf和emd的igbt声发射信号提取方法。

背景技术：

1、绝缘栅双极型晶体管（insulated gate bipolar transistor，igbt）由于具有低驱动功率和低饱和电压的特点，被广泛应用于各个领域，如新能源汽车、高铁、风力发电等。作为典型的开关器件，igbt在开关状态下的电气特性及其相关力学特性是可靠性评估的重点。在igbt涉及的各种物理过程中，声发射（acoustic emission，ae）效应在状态监测应用方面表现出巨大的潜力，近年来引起了越来越多的关注。与材料裂纹扩展所引起的传统机械式声发射不同，igbt中的声发射发生在igbt的开通和关断时刻，由于巨大电能量注入而引起的瞬态弹性波效应。值得注意的是，该声发射周期地产生于igbt的正常工作过程中，有望使其成为电力电子设备在线状态监测的检测指标。

2、然而，由于igbt工作过程中错综复杂的物理耦合过程，导致ae信号被淹没于背景信号中。具体而言，igbt工作过程涉及电-热-机多场耦合，生成的igbt原始混合信号包括热膨胀效应引起的相对低频的热形变信号，电磁干扰引起的高频噪声，以及仪器运行所引入的底噪；其中，高频噪声与底噪统称为干扰噪声信号。与上述信号相比，ae信号相对微弱，需采用相关算法从igbt原始混合信号中提取微弱的ae信号。传统的信号提取方法可分为时域和频域两种。以中值滤波、均值滤波和滑动平均滤波为典型代表的时域信号处理方法，通过直接在时域上对波形数据进行处理，以达到获取高频或低频信号的目的。而以低通滤波器、小波变换为典型代表的频域信号处理方法，通过将时域信号变换到频域，提取所需频段，再反变换到时域的方式获取所需信号。然而，由于整时域内的ae信号与其余干扰噪声信号具有相同的频段，采用上述信号处理方法无法从igbt原始混合信号中提取出干净的ae信号。

技术实现思路

1、为了解决上述现有技术中无法从igbt原始混合信号中提取出干净的ae信号的问题，本发明提供了基于ssaf（segmented sliding average filtering，分段滑动平均滤波）和emd（empirical mode decomposition，经验模态分解）的igbt声发射信号提取方法，实现ae信号的精确提取。

2、本发明的技术方案如下：

3、基于ssaf和emd的igbt声发射信号提取方法，包括以下步骤：

4、步骤1、获取igbt周期性产生的igbt原始混合信号 s1( t)，表示为热形变信号 s2( t)与混合信号 s3( t)的叠加；其中，混合信号 s3( t)包括ae信号和干扰噪声信号；igbt产生ae信号的关断时刻记为 t1；产生一个igbt原始混合信号 s1( t)的时间周期为 t，当前时刻；

5、步骤2、基于ssaf提取 s2( t)，具体为：

6、以 t1为分界，对[0, t1]时间段的 s1( t)，采用宽度为 w1的滑动时间窗进行滑动平均滤波；对( t1, t]时间段的 s1( t)，采用宽度为 w2的滑动时间窗进行滑动平均滤波；将 s1( t)的滑动平均滤波结果作为 s2( t)；其中， w1小于 w2；

7、步骤3、从 s1( t)中去除提取的 s2( t)，得到 s3( t)；

8、步骤4、基于emd，从 s3( t)中分离ae信号和干扰噪声信号。

9、进一步地，步骤2中 w1根据 s1( t)的采样率 fs和干扰噪声信号的主频 fnoise确定，计算公式为：

10、 w1= n×fs /fnoise

11、其中， n为正整数的调整因子。

12、进一步地，步骤2中 w2根据 s1( t)的采样率 fs和ae信号的主频 fae确定，计算公式为：

13、 w2= m×fs /fae

14、其中， m为正整数的调整因子。

15、进一步地，步骤2中 s1( t)的滑动平均滤波的计算公式为：

16、

17、其中， p( t)为 s1( t)的滑动平均滤波结果； i和 v均为无特殊含义的中间变量；表示向下取整； s1( t-i)为时刻 t-i的igbt原始混合信号； s1( t+i)为时刻 t+i的igbt原始混合信号； s1( t-v)为时刻 t-v的igbt原始混合信号； s1( t+v)为时刻 t+v的igbt原始混合信号。

18、进一步地，步骤4的具体过程为：

19、步骤4.1、令阶数 u=1，第 u阶中间分量 r u( t)= s3( t)，迭代次数 k=1，第 k次迭代拟合信号 s k( t)= s3( t)；

20、步骤4.2、在第 k次迭代中，采用三次样条函数，拟合 s k( t)中的第 k次迭代最大包络 e k1( t)和第 k次迭代最小包络 e k2( t)，计算 e k1( t)与 e k2( t)的第 k次迭代平均包络 e k3( t)；从 s k( t)中去除 e k3( t)，得到第 k次迭代中间信号 s k4( t)；

21、步骤4.3、判断 s k4( t)是否满足emd分解的本征模函数条件，若满足，则将 s k4( t)作为第 u阶模态分量 c u( t)，转至步骤4.4；否则，令第 k+1次迭代拟合信号 s k+1( t)= s k4( t)，并令 k= k+1，转回步骤4.2；

22、步骤4.4、从 r u( t)中去除 c u( t)，得到第 u阶残余分量 r u( t)；判断 r u( t)是否为单调函数或常数，若是，则将此时的 r u( t)作为最终残余分量，令总阶数 n= u，转至步骤4.5；否则，令第 u+1阶中间分量 r u+1( t)= r u( t)，第 k+1次迭代拟合信号 s k+1( t)= r u( t)，并令 u= u+1， k= k+1，转回步骤4.2；

23、步骤4.5、按照降阶的顺序，对最终残余分量依次累加各阶模态分量，记累加后所得分量为模态累加分量，直至当前累加的模态累加分量包络与前一次累加的模态累加分量包络相同，记录当前累加的模态累加分量中最低阶模态分量的阶数 m；

24、步骤4.6、按照升阶的顺序，从第 m+1阶模态分量 c m+1( t)开始依次累加至第 n-1阶模态分量 c n-1( t)，再与最终残余分量进行累加，所得累加结果为分离出的ae信号。

25、进一步地，步骤4.3中emd分解的本征模函数条件包括两个分条件，当两个分条件同时满足时，则判断满足本征模函数条件；否则，判断不满足本征模函数条件；

26、其中，一个分条件为：在[0, t]内， s k4( t)的局部极值点和过零点的个数最多相差一个；另一个分条件为：在[0, t]中的任意时刻， s k4( t)的局部最大包络与局部最小包络的平均值为零。

27、进一步地， t的取值由igbt的开关频率决定，具体为开关频率的倒数； t1由ae信号的持续时间决定，取值不超过 t与持续时间的差值。

28、与现有技术相比，本发明的有益效果如下：

29、本发明提出的基于ssaf和emd的igbt声发射信号提取方法，先利用ssaf有效滤除igbt原始混合信号中的热形变信号，后利用emd进行模态信息分解，保留混合信号的特征信息，通过依次叠加各模态分量，获得完整的ae信号，实现ae信号的精确提取；

30、本发明通过结合ssaf和emd算法，可以有效去除噪声干扰，提升ae信号提取精度，适应不同类型的噪声环境和不同的ae信号特征，同时所需计算资源和存储空间较少，计算效率高，并降低计算成本，可应用于实时信号处理系统中，更具有普遍性和适用性。