專利名稱：一種面向機械振動信號的復合壓縮方法
技術領域：
本發(fā)明屬于機械振動信號監(jiān)測系統(tǒng)的技術領域，特別是涉及一種結合機械振動信號特征優(yōu)化的復合壓縮方法。
背景技術：
機械設備是工廠和工程等機械應用領域的關鍵設備，其工況狀態(tài)不僅影響設備自身的運行，還關系到整個生產(chǎn)應用的順利運轉。如果不能及時發(fā)現(xiàn)和處理機械設備運行過程中故障問題，可能會造成重大的經(jīng)濟損失，甚至會導致機毀人亡的嚴重事故。機械振動信號監(jiān)測是針對機械設備運行狀態(tài)分析及故障診斷的一種重要手段，可應用于電機、風機、汽輪機、水泵等機械設備。它綜合了傳感器信號測量、信號分析與處理、自動控制、系統(tǒng)辨識和專家系統(tǒng)等多方面技術，通過對采集的機械振動信號進行分析，判斷機械設備運行的異常情況、產(chǎn)生故障的原因以及對繼續(xù)運行時的影響預測，從而給出必要的解決對策。機械設備運行過程中，需要通過信號處理技術對檢測到的振動信號進行變換分析，以獲取能夠表征設備運行狀態(tài)的信號特征，并依據(jù)故障診斷特征實現(xiàn)設備狀態(tài)監(jiān)測與故障診斷分析。機械振動信號的特征提取方法涉及時域、頻域和時頻域分析方法，其中，時域分析方法主要提取振動信號的幅值與相關信息，頻域分析方法是通過傅里葉變換獲取振動信號的頻率分布信息，時頻域分析方法則是通過短時傅里葉變換、小波變換、希爾伯特一黃(Hilbert-Huang)變換等來描述振動信號在時間與頻率域上的綜合變化情況。目前，分布式、網(wǎng)絡化與長時間持續(xù)監(jiān)測等復雜環(huán)境需求是機械設備狀態(tài)監(jiān)測與故障診斷的一個重要發(fā)展方向，由此形成的振動信號數(shù)據(jù)是海量的，從而使得傳統(tǒng)的傳感器數(shù)據(jù)直接傳輸方式無法勝任，因此，需要對采集的傳感器信號進行數(shù)據(jù)壓縮，這對降低振動信號數(shù)據(jù)的存儲容量和傳輸帶寬有著重要的應用價值。數(shù)據(jù)壓縮方法分為兩大類，即有損壓縮和無損壓縮。有損壓縮是在保持原始數(shù)據(jù)基本特征的基礎上通過以丟失部分信息為帶代價來獲得較高的壓縮率，主要涉及預測編碼、變換編碼、多分辨率編碼等。無損壓縮則是通過消除數(shù)據(jù)中的重復和冗余值而不丟失任何信息，以確保解壓縮數(shù)據(jù)與原始數(shù)據(jù)保持一致但壓縮率較低，主要涉及以霍夫曼 (Huffman)編碼、算術編碼的基于統(tǒng)計模型的壓縮方法和以LZW(LempeI-Ziv-WeIch)方法為代表的基于字典模型的壓縮方法?，F(xiàn)有的機械振動信號壓縮方法雖然取得了一些成果，但仍然存在一定的問題。采用無損壓縮技術不能獲得滿意的壓縮效果。有損壓縮技術中，采用以時域或頻域特征信息為基礎的預測編碼和變換編碼主要針對的是平穩(wěn)信號，對于以非平穩(wěn)性為主的振動信號具有一定的局限性；而采用以小波分析技術為基礎的多分辨率編碼則存在小波母函數(shù)選擇性的問題。

發(fā)明內(nèi)容
基于現(xiàn)有技術，本發(fā)明目的旨在提供一種應用于機械振動信號的復合壓縮方法，該方法綜合運用有損壓縮和無損壓縮技術，能夠解決有用信息量保留和數(shù)據(jù)壓縮率間的匹配問題。為了實現(xiàn)上述發(fā)明目的，本發(fā)明采用的技術方案是，一種面向機械振動信號的復合壓縮方法采用模塊化設計思想，其處理過程如圖1所示。降噪預處理模塊在接收到傳感器信號后作離散小波變換并作軟閾值處理，再進行離散小波重構以獲得降噪振動信號。 有損壓縮模塊分別利用小波包變換(WPT，wavelet package transform)和經(jīng)驗模態(tài)分解 (EMD, empirical mode decomposition)方法對降噪振動信號進行處理，再通過主分量分析 (PCA，principal component analysis)方法實現(xiàn)小波包特征參數(shù)的優(yōu)化壓縮；并針對經(jīng)驗模態(tài)分解所獲得的主要內(nèi)在模態(tài)函數(shù)(IMF，intrinsic mode function)分量進行傅里葉變換(Fourier transform)，以提取相應的核心頻率分量，從而從特征參數(shù)提取和優(yōu)化方面完成對振動信號的有損壓縮。無損壓縮模塊采用基于字典模型的LZW(Lempel-ZiV-Welch Encoding)算法，實現(xiàn)對所獲得的小波包和核心頻率特征參數(shù)的進一步壓縮，以最終完成機械振動信號的高效壓縮。本發(fā)明的具體步驟如下第一步，降噪預處理。預處理模塊根據(jù)設定的小波母函數(shù)類型以及分解層次對獲取的傳感器信號作離散小波變換，再利用各層小波系數(shù)的自動閾值設置規(guī)則進行軟閾值處理，進而進行小波重構，以得到時域上的降噪機械振動信號。第二步，小波包特征參數(shù)提取與優(yōu)化。針對降噪機械振動信號，根據(jù)設定的小波母函數(shù)類型及分解層次C進行小波包分解，將在最后一層獲得T·組小波包系數(shù)，并對這些小波包系數(shù)進行特征參數(shù)提取以構成特征向量組，再采用PCA方法對該特征向量組進行進一步的分析，獲取表征機械振動信號特征的主分量參數(shù)，以達到小波包系數(shù)特征優(yōu)化與壓縮的目的。第三步，經(jīng)驗模態(tài)分解下的頻域特征參數(shù)提取。通過EMD分析獲取表征信號中不同振動模式的內(nèi)在模態(tài)函數(shù)分量，進而對這些IMF分量進行傅里葉分析，獲取關于IMF分量的頻域參數(shù)，并以此參數(shù)作為EMD分析的特征參數(shù)。第四步，將上兩步有損壓縮過程所得到的小波包優(yōu)化特征參數(shù)和經(jīng)驗模態(tài)分解下的頻域特征參數(shù)進行結合，采用基于字典模型的LZW算法進一步實現(xiàn)機械振動信號特征數(shù)據(jù)的無損壓縮。有損壓縮采用小波包變換和經(jīng)驗模態(tài)分解兩種分析方法實現(xiàn)機械振動信號的特征壓縮。小波包變換過程中，通過對小波母函數(shù)和分解層次的預先設置處理來提高機械振動信號特征分析的靈活性；通過對小波包系數(shù)的多特征參數(shù)分析和基于PCA的優(yōu)化計算， 在保留機械振動信號多分辨率特征信息的基礎上降低了信號的數(shù)據(jù)量。經(jīng)驗模態(tài)分解過程僅根據(jù)信號的局部特征進行分析，克服了小波分析的母函數(shù)選擇問題，提高了機械振動信號特征分析的自適應性；通過對內(nèi)在模態(tài)函數(shù)分量的傅里葉變換處理，獲取各個IMF分量的頻率特征分布情況并以此實現(xiàn)經(jīng)驗模態(tài)分解特征參數(shù)的數(shù)據(jù)壓縮；另外，通過對頻率參數(shù)的傅立葉反變換可逆推出各個IMF分量，進而利用經(jīng)驗模態(tài)分解的完備性特征重構出機械振動信號，增加了對機械振動信號的分析能力。本發(fā)明所述面向機械振動信號的復合壓縮方法，結合小波包變換的多分辨率特性和經(jīng)驗模態(tài)分解的自適應特性從特征分析角度實現(xiàn)機械振動信號的有損壓縮，即通過PCA分析算法實現(xiàn)小波包變換系數(shù)特征的優(yōu)化壓縮，通過經(jīng)驗模態(tài)分解算法實現(xiàn)內(nèi)在模態(tài)函數(shù)分量的傅立葉頻率特征提取，再利用LZW算法實現(xiàn)信號特征參數(shù)的無損壓縮，通過該兩級數(shù)據(jù)壓縮方式達到在保留機械振動信號有用信息的基礎上提高信號壓縮率的目的。本發(fā)明適用于復雜環(huán)境需求下的機械振動信號數(shù)據(jù)壓縮。


圖1是面向機械振動信號的復合壓縮方法示意2是復合壓縮分析過程示意3是基于小波包變換的特征提取和優(yōu)化處理示意圖
具體實施例方式首先設置離散小波變換分析的小波母函數(shù)類型與分解層次，通過自動閾值處理方式對各層離散小波系數(shù)進行軟閾值處理，進而通過小波重構實現(xiàn)機械振動信號的降噪預處理。軟閾值處理及其自動閾值設置規(guī)則為
權利要求
1.一種面向機械振動信號的復合壓縮方法，其特征在于，利用離散小波變換的軟閾值處理方法對采集的機械振動信號進行降噪預處理；再通過特征分析技術來實現(xiàn)信號的有損壓縮，利用小波包變換提取降噪機械振動信號的小波包系數(shù)特征，并通過主分量分析方法實現(xiàn)特征參數(shù)的優(yōu)化處理；利用經(jīng)驗模態(tài)分解獲取表征信號中不同振動模式的內(nèi)在模態(tài)函數(shù)分量，并通過傅立葉變換方法實現(xiàn)各個分量的頻域特征參數(shù)提?。蛔詈蟛捎没谧值淠Ｐ偷腖ZW算法對有損壓縮處理獲得的特征數(shù)據(jù)進行進一步的無損壓縮，以最終生成機械振動信號的復合壓縮數(shù)據(jù)結果。
2.根據(jù)權利要求所述的一種面向機械振動信號的復合壓縮方法，其特征在于，利用有損壓縮和無損壓縮相結合的復合壓縮方法來提高機械振動信號的壓縮效果。
3.根據(jù)權利要求所述的一種面向機械振動信號的復合壓縮方法，其特征在于，將機械振動信號小波包系數(shù)的絕對均值、方差和自回歸參數(shù)構造成特征向量組，并對該特征向量組進行主分量分析處理，獲取其主分量參數(shù)，實現(xiàn)小波包系數(shù)特征優(yōu)化與壓縮。
4.根據(jù)權利要求所述的一種面向機械振動信號的復合壓縮方法，其特征在于，利用經(jīng)驗模態(tài)分解方法獲取機械振動信號的內(nèi)在模態(tài)函數(shù)分量，對各個內(nèi)在模態(tài)函數(shù)分量進行傅立葉變換處理，獲取關于內(nèi)在模態(tài)函數(shù)分量的頻域參數(shù)，并將該參數(shù)作為經(jīng)驗模態(tài)分解分析的特征參數(shù)。
全文摘要
本發(fā)明公開了一種面向機械振動信號的復合壓縮方法，利用離散小波變換的軟閾值處理方法完成對采集機械振動信號的降噪預處理；通過特征分析技術來實現(xiàn)信號的有損壓縮，利用小波包變換提取降噪機械振動信號的小波包系數(shù)特征，并通過主分量分析方法實現(xiàn)特征參數(shù)的優(yōu)化處理；利用經(jīng)驗模態(tài)分解獲取表征信號中不同振動模式的內(nèi)在模態(tài)函數(shù)分量，并通過傅立葉變換方法實現(xiàn)各個分量的頻域特征參數(shù)提?。贿M而采用基于字典模型的LZW算法對獲得的有損壓縮特征數(shù)據(jù)進行無損壓縮，以最終生成機械振動信號的復合壓縮數(shù)據(jù)結果。
文檔編號H03M7/30GK102394658SQ20111032112
公開日2012年3月28日 申請日期2011年10月16日 優(yōu)先權日2011年10月16日
發(fā)明者張曉琴, 李強, 江虹, 陳春梅, 黃玉清 申請人:西南科技大學