风电塔筒的解决未知源数的振动信号欠定盲源分离方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113657208A(43)申请公布日2021.11.16(21)申请号202110868801.X(22)申请日2021.07.30(71)申请人北京创程科技有限公司地址100020北京市朝阳区静安里37号楼(左家庄孵化器0473号)(72)发明人王烁程(74)专利代理机构北京细软智谷知识产权代理有限责任公司11471代理人葛钟(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书13页附图6页(54)发明名称风电塔筒的解决未知源数的振动信号欠定盲源分离方法(57)摘要本申请涉及一种风电塔筒的解决未知源数的振动信号欠定盲源分离方法，首先将混合信号变换到时频域，变换为多维行向量；基于多维行向量，通过主成分分析法和混合时频比法，对多个时频点数据进行筛选，得到满足预设筛选公式的单源域特征数据，并对其进行归一化处理，得到基于方向角表示的特征数据；通过预设修改聚类算法进行聚类，得到信号源数和估计混合矩阵；最后基于信号源数和估计混合矩阵通过稀疏优化得到源信号。如此在筛选单源域特征数据时，通过主成分分析法和混合时频比法，对多个时频点数据进行筛选，增加信息量，提高筛选的准确性，并通过修改聚合算法进行聚类，精确识别振动源数和各个源的频率成分，提高数据分析的精确度。CN113657208ACN113657208A权利要求书1/2页1.一种风电塔筒的解决未知源数的振动信号欠定盲源分离方法，其特征在于，包括：通过短时傅里叶变换将接收到的振动信号数据变换到时频域，并将其变换为多维行向量；基于所述多维行向量，通过主成分分析法和混合时频比法，对多个时频点数据进行筛选，得到满足预设筛选公式的单源域特征数据；将所述单源域特征数据进行归一化处理，得到基于方向角表示的特征数据；将所述基于方向角表示的特征数据通过预设修改聚类算法公式进行聚类，基于聚类结果计算信号源数和估计混合矩阵的列，得到估计混合矩阵；基于所述信号源数和所述估计混合矩阵，通过稀疏优化法得到源信号。2.根据权利要求1所述的风电塔筒的解决未知源数的振动信号欠定盲源分离方法，其特征在于，所述基于所述多维行向量，通过主成分分析法和混合时频比法，对多个时频点数据进行筛选，得到满足预设筛选公式的单源域特征数据，包括：通过滑动窗口方式选取多个时频点进行主成分分析；基于主成分分析结果，通过局部置信度函数挑选出满足预设筛选公式的单源域特征数据。3.根据权利要求2所述的风电塔筒的解决未知源数的振动信号欠定盲源分离方法，其特征在于，所述预设筛选公式为：X(t,f)≈amsm(t,f)；其中，X＝(t,f)为接收的振动信号，S＝(t,f)为单源信号。4.根据权利要求1所述的风电塔筒的解决未知源数的振动信号欠定盲源分离方法，其特征在于，所述将所述基于方向角表示的特征数据通过预设修改聚类算法公式进行聚类，基于聚类结果计算信号源数和估计混合矩阵的列，得到估计混合矩阵，包括：将预设起始聚类个数值，带入预设修改聚类算法公式中，得到包括聚类中心的聚类结果；通过预设聚类验证技术公式计算所述聚类结果的损失函数值；所述起始聚类个数值加1，得到新的聚类个数值，重新计算聚类结果和计算每一个聚类结果所对应的损失函数值，直至所述聚类个数值达到预设阈值，得到多组聚类结果和与每一个聚类结果对应的损失函数值；将损失函数值最小的聚类结果中的聚类中心作为估计混合矩阵的列，将该聚类结果对应的聚类个数值作为信号源数。5.根据权利要求4所述的风电塔筒的解决未知源数的振动信号欠定盲源分离方法，其特征在于，所述预设修改聚类算法公式包括：采用方向余弦距离代替欧式距离后得到的聚类算法公式。6.根据权利要求5所述的风电塔筒的解决未知源数的振动信号欠定盲源分离方法，其特征在于，所述预设修改聚类算法公式包括：2CN113657208A权利要求书2/2页其中，η为更新步长，表示更新后的聚类中心。7.根据权利要求4所述的风电塔筒的解决未知源数的振动信号欠定盲源分离方法，其特征在于，所述基于所述信号源数和所述估计混合矩阵，通过稀疏优化法得到源信号，包括：对混合信号按第一预设公式求取混合矩阵的最优子矩阵；基于所述最优子矩阵通过最小二乘重建得到时频域源信号。8.根据权利要求7所述的风电塔筒的解决未知源数的振动信号欠定盲源分离方法，其特征在于，还包括：通过逆短时傅里叶变换将所述时频域源信号变换到时域，得到源信号。3CN113657208A说明书1/13页风电塔筒的解决未知源数的振动信号欠定盲源分离方法技术领域[0001]本申请涉及传感器数据处理技术领域，尤其涉及一种风电塔筒的解决未知源数的振动信号欠定盲源分离方法。背景技术[0002]近些年风力发电技术发展