[发明专利]一种基于时变奇异值分解的周期性暂态信号的检测方法

摘要

本发明公开了一种基于时变奇异值分解的周期性暂态信号的检测方法，该方法检测被噪声所淹没的周期性暂态信号，实现列车轴承故障的精确诊断。该方法对检测信号进行Hilbert变换，获取包络信号，对信号加窗，获取信号片段，构造每个信号所对应的汉克矩阵，对每个汉克矩阵奇异值分解，构造时变奇异值矩阵，计算相邻两列奇异值差值，对差值信号做快速傅里叶变换，将频率轴尺度缩小为原来的1/2，分析奇异值‑频谱分布检测淹没的特征频率，进行诊断。相比于传统奇异值分解方法，该方法可以有效的排除大能量噪声和其他干扰频率的影响，对微弱信号的周期性特征提取具有很好的效果。

主权项

1.一种基于时变奇异值分解的周期性暂态信号的检测方法，其特征在于：在待检测设备前方安置麦克风传感器用于记录设备发出的声学信号作为检测信号，对检测信号进行分析，具体步骤如下：步骤(1)、通过希尔伯特变换计算检测信号x(t)的包络信号y(t)；步骤(2)、对信号进行加窗处理，可得信号片段为：其中，yi为包络信号的第i个数据点，k为信号片段长度；步骤(3)、对每个信号片段构造对应的汉克矩阵：步骤(4)、对每个汉克矩阵进行奇异值分解，获取每个信号片段所对应的奇异值序列，将该奇异值序列按列排列，可得到信号y(t)的时变奇异值矩阵：其中，列向量[σ1,i,σ2,i,…,σp,i]T表示第i个汉克矩阵H(Yik)的奇异值序列，N表示信号y(t)的长度，p表示矩阵H(Yik)的秩；步骤(5)、计算时变奇异值矩阵第2j行和第2j‑1行的差值，j＝1,2,…,p/2，并对其使用快速傅里叶变换求取其频谱；步骤(6)、将该频谱的频率轴缩小为原来的1/2，通过分析奇异值‑频谱分布检测所淹没的特征频率。