一种基于压缩域的振动信号特征提取方法

IR > 机电工程学院

	一种基于压缩域的振动信号特征提取方法
	郭俊锋; 杨文; 魏兴春; 王智明; 宋鸣
	2022-01-25
专利权人	兰州理工大学
公开日期	2022-01-25
授权国家	中国
专利类型	授权发明
摘要	本发明公开了一种基于压缩域的振动信号特征提取方法，包括以下步骤：对采集的振动信号进行压缩测量，得到其线性投影的测量值；根据测量值基于l2范数最小化理论获得l2范数最小的解信号；对获得的l2范数最小的解信号进行离散傅里叶变换得到频谱信息；基于频谱信息，提取振动信号的故障状态频谱特征。在对所述频谱信息进行分析之前，还包括：对获得的l2范数最小的解信号的频谱的幅值进行修正；对修正后的频谱信息进行分析，提取振动信号的频谱特征。本发明提出的基于压缩域的振动信号特征提取方法避免了基于l1范数最小化的重构算法计算复杂度高、处理速度慢的问题。
申请日期	2017-12-27
优先权日	2017-12-27
预估到期日	2037-12-27
专利号	ZL201711450490.5
资助项目	基于压缩感知的机械振动信号检测理论及试验研究
语种	中文
专利状态	授权
申请号	CN201711450490.5
公开（公告）号	CN108304778B
IPC 分类号	G06K9/00
专利代理人	段君峰 \| 薛艳
代理机构	北京市邦道律师事务所
CPC分类号	G06F2218/08
权利要求	1.一种基于压缩域的振动信号特征提取方法，其特征在于，包括：对采集的振动信号进行压缩测量，得到其线性投影的测量值；根据所述测量值，基于l2范数最小化理论获得l2范数最小的解信号；对获得的所述解信号进行离散傅里叶变换，得到频谱信息；基于所述频谱信息，完成振动信号故障状态频谱特征的提取；在对所述频谱信息进行分析之前，进一步包括：对获得的所述l2范数最小的解信号的频谱的幅值进行修正；并且，在完成振动信号故障特征的提取时：对修正后的频谱信息进行分析，提取故障的频谱特征；对获得的所述解信号的频谱的幅值进行修正包括：根据所述振动信号的采样率，确定相对误差；根据所述相对误差确定修正系数；根据所述修正系数对所述l2范数最小的解信号的所述频谱的幅值进行修正。 2.根据权利要求1所述的特征提取方法，其特征在于，所述振动信号的采样率δ等于线性投影的测量值与所述振动信号的长度的比值；所述相对误差RE＝-δ3+δ2-δ+1。 3.根据权利要求1所述的特征提取方法，其特征在于，对振动信号进行压缩测量时，采用高斯随机测量矩阵对所述振动信号进行处理。 4.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至3中任意一项所述的特征提取方法。 5.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至3中任意一项所述的特征提取方法。
引用专利	CN104537415A;CN106769040A;CN107024271A;CN107292067A;US20070286489A1
被引用专利数量	0
简单法律状态	有效
文献类型	专利
条目标识符	https://ir.lut.edu.cn/handle/2XXMBERH/150145
专题	机电工程学院
作者单位	兰州理工大学
第一作者单位	兰州理工大学
推荐引用方式 GB/T 7714	郭俊锋,杨文,魏兴春,等. 一种基于压缩域的振动信号特征提取方法. ZL201711450490.5[P]. 2022-01-25.