专利名称：一种基于电磁感应信号的润滑油系统金属磨粒检测方法
技术领域：
本发明涉及一种磨粒信号提取方法，尤其涉及一种基于电磁感应信号的润滑油系统金属磨粒检测方法。
背景技术：
在线油液监测技术是一种重要的机械设备早期故障检测方法。实时油液分析传感器(ODM)是一种便携式油液分析仪器，它通过检测油液中的铁磁性和非铁磁性金属磨粒的尺寸、数量，实时检测机械设备的运行情况，及时预报潜在的故障，避免灾难性损坏或者使处于正常运转的设备减少不必要的维修，从而增加产值和效益。但是，由于设备工作环境恶劣，该传感器输出信号中存在很强的背景噪声，降低检测效率，因此，如何选取合适的噪声抑制算法以及磨粒参数估计算法是机械故障诊断的关键。目前，该领域使用的噪声抑制算法包括:Fan提出了的移不变小波变换法，Bozchalooi和Ming Liang提出的自适应谱线增强法，C Li及M Liang提出的经验模态分解法。在磨粒参数检测方面，目前没有针对这种传感器输出信号的检测算法。

发明内容
本发明针对以上问题的提出而研制的一种基于电磁感应信号的润滑油系统金属磨粒检测方法，具有如下步骤:A.将实时油液分析传感器上传的信号截取成固定长度的多段信号；B.通过稳态小波阈值去噪算法，抑制每段信号的背景噪声，得到去噪结果信号；C.使用平滑非线性能量算子，确定去噪结果信号中磨粒信号的位置，提取磨粒的特征参数。所述步骤B具体包含如下步骤:B1.选用db4小波基对所述任一段信号进行J层小波分解，得到该段信号的小波系数序列；

B2.采用滑动窗噪声方差迭代估计法估计每层小波系数的噪声方差σ i，其中i代表分解层数；B3.利用通用阈值公式/I = ^21ogi￥计算每层小波系数的阈值為=Ni，其中λ i是估计得到的阈值，Ni是该层小波系数的长度，σ i为该层小波系数的噪声方差；B4.使用如下式所述的阈值量化函数处理每层小波系数:
「 π \ (^Λ) |λ-| > Λg = \
I O |χ| < Λ/(x,i) = sgn(x)[|x|—--—1~-T-]
丨丨 I + exp(a(x -λ'))其中:0 < α 为可 调参数，当α — O时,趋于软阈值量化方法，当α —°ο时，趋于硬阈值量化方法，阈值λ为步骤Β3计算得到的各层的通用阈值；
B5.对经过步骤B4处理得到的小波系数进行稳态小波变换的反变换得到去噪结果信号；B6.重复B1-B5，针对所述分解的每段小波信号进行处理，得到每段信号的降噪结
果O所述步骤B2具体具有如下步骤:B21.对所述每层小波系数序列使用滑动窗分块，设滑动窗的大小为M，滑动步长为M/2，计算每个滑动窗对应的小波系数的方差，共产生-1个方差，其中N为小波系数
L M 」
序列长度；选择所有方差估计值中最小的值作为噪声方差初值；B22.根据兄计算通用阈值芯二,剔除大于阈值的小波系数得到新的小波系数序列S (η)，长度为Nmw，其方差更接近真实噪声方差；所述步骤Β21和步骤Β22共重复3次。所述步骤BI之前还具有:步骤Β0.设时间序列X = (X1, X2, , xN)，峰度
权利要求
1.一种基于电磁感应信号的润滑油系统金属磨粒检测方法，其特征在于具有如下步骤: A.将实时油液分析传感器上传的信号截取成固定长度的多段信号； B.通过稳态小波阈值去噪算法，抑制每段信号的背景噪声，得到去噪结果信号； C.使用平滑非线性能量算子，确定去噪结果信号中磨粒信号的位置，提取磨粒的特征参数。
2.根据权利要求1所述的一种基于电磁感应信号的润滑油系统金属磨粒检测方法，其特征还在于:所述步骤B具体包含如下步骤: B1.选用db4小波基对所述任一段信号进行J层小波分解，得到该段信号的小波系数序列； B2.采用滑动窗噪声方差迭代估计法估计每层小波系数的噪声方差Oi，其中i代表分解层数； B3.利用通用阈值公式义二 σ^/2 log N计算每层小波系数的阈值為=σ, log JV1 ,其中λ i是估计得到的阈值，Ni是该层小波系数的长度，σ i为该层小波系数的噪声方差； B4.使用如下式所述的阈值量化函数处理每层小波系数: 其中:0 < α <°°，为可调参数，当α — O时，趋于软阈值量化方法，当α —°ο时，趋于硬阈值量化方法，阈值λ为步骤Β3计算得到的各层的通用阈值； Β5.对经过步骤Β4处理得到的小波系数进行稳态小波变换的反变换得到去噪结果信号; Β6.重复Β1-Β5，针对所述分解的每段小波信号进行处理，得到每段信号的降噪结果。
3.根据权利要求2所述的一种基于电磁感应信号的润滑油系统金属磨粒检测方法，其特征还在于所述步骤Β2具体具有如下步骤: Β21.对所述每层小波系数序列使用滑动窗分块，设滑动窗的大小为Μ，滑动步长为 VΜ/2，计算每个滑动窗对应的小波系数的方差，共产生个方差，其中N为小波系数序 M _列长度；选择所有方差估计值中最小的值作为噪声方差初值； Β22.根据计算通用阈值，剔除大于阈值的小波系数得到新的小波系数序列S (η)，长度为Nmw，其方差σ更接近真实噪声方差。
4.根据权利要求3所述的一种基于电磁感应信号的润滑油系统金属磨粒检测方法，其特征还在于:所述步骤Β21和步骤Β22共重复3次。
5.根据权利要求2所述的一种基于电磁感应信号的润滑油系统金属磨粒检测方法，其特征还在于:所述步骤BI之前还具有: 步骤B0.设时间序列X = (X1, X2,, χΝ)，峰度
6.根据上述任意一项权利要求所述的一种基于电磁感应信号的润滑油系统金属磨粒检测方法，其特征还在于所述步骤C具体包括: Cl.使用汉明窗平滑去噪结果信号； C2.计算信号的非线性能量算子，非线性能量算子的定义如下 设X (η) (I ≤ η ≤ N)，定义非线性能量算子Ψ为: Ψ [χ (η) ] = X2 (η) -χ (η-1) χ (η+1) 去噪结果信号经过非线性能量算子运算后磨粒信号的位置被突出。
7.根据权利要求1所述的一种基于电磁感应信号的润滑油系统金属磨粒检测方法，其特征还在于:所述步骤C2还包括步骤C21: 使用阈值量化平滑非线性能量算子，筛选出磨粒信号； 所述阈值为
全文摘要
本发明提供的一种基于电磁感应信号的润滑油系统金属磨粒检测方法，采用信号分段处理方法实现实时监测，采用改进的稳态小波阈值算法结合信号的统计特性抑制背景噪声。首先计算一段数据的峰度值，若峰度值小于给定门限值，则该段数据为噪声，否则使用稳态小波分解信号，采用滑动窗噪声方差迭代估计算法估计每个尺度的噪声方差，采用改进的阈值量化方法处理各个尺度的小波系数，最后通过反变换得到去噪结果。专利中的检测算法是改进的非线性能量算子，首先使用汉明窗对去噪结果平滑，然后通过非线性能量算子进行磨粒信号的定位进而提取估计磨粒信号的幅度、相位、频率特性。实验显示本专利的性能良好。
文档编号G01N15/10GK103163050SQ20121057517
公开日2013年6月19日 申请日期2012年12月26日 优先权日2012年12月26日
发明者邱天爽, 吴双, 王鹏, 李佳宁, 张彪, 谢津 申请人:大连理工大学