一种基于隐马尔可夫模型的滚动轴承振动信号压缩方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114720131A(43)申请公布日2022.07.08(21)申请号202210310040.0(22)申请日2022.03.28(71)申请人青岛明思为科技有限公司地址266000山东省青岛市李沧区金水路171号4号楼1-6层(72)发明人靳亚强刘志亮张季阳左明健(74)专利代理机构成都行之智信知识产权代理有限公司51256专利代理师温利平(51)Int.Cl.G01M13/045(2019.01)G06K9/62(2022.01)权利要求书3页说明书8页附图3页(54)发明名称一种基于隐马尔可夫模型的滚动轴承振动信号压缩方法(57)摘要本发明公开了一种基于隐马尔可夫模型的滚动轴承振动信号压缩方法，首先通过HMM模型对滚动轴承振动信号进行信号压缩，获取保留关键故障特征频率信息的隐藏状态序列；然后，对状态序列进行傅里叶变换，获取振动信号压缩后的状态序列谱；在后续故障诊断时通过检查隐藏状态序列谱的轴承特征频率，实现对滚动轴承的故障诊断。CN114720131ACN114720131A权利要求书1/3页1.一种基于隐马尔可夫模型的滚动轴承振动信号压缩方法，其特征在于，包括以下步骤：(1)、获取观察序列；(1.1)、设待压缩的滚动轴承振动信号为y(t)，t＝0,1,2,…,L‑1，L为信号长度；(1.2)、对滚动轴承振动信号y(t)做短时傅立叶变换，得到短时傅里叶变换系数矩阵Y中每个元素Y(n,k)的计算公式如下；其中，w(m)＝1表示一个长度为Nw的滑动窗口，m＝0,1,…,Nw‑1；n＝1,2,…,N表示时间索引，也为短时傅立叶变换系数矩阵Y的行索引，R表示滑动窗口的步长；k＝1,2,…,Nf表示频率索引，也为短时傅立叶变换系数矩阵的列索引，(1.3)、将看作一个包含N个Nf维观察序列的矩阵，那么每个时间索引n对应的观察序列记为其中，Yn服从圆对称复高斯分布，其分布p(Yn)表示为，其中，表示一个对角协方差矩阵，其对角元素表示在时间索引n和频率索引k处的信号的能量值的期望，每个时间索引n对应的观察序列Yn将用作后续建模的观察序列；(2)、建立隐马尔科夫HMM模型；(2.1)、定义HMM模型设观察序列Yn对应的隐藏状态为zn，并且隐藏状态zn从隐藏状态集合I中取值；设I有两个取值，I＝{1,2}；那么在1～N的时间段内，观察序列集合O＝{Y1,Y2,…,YN}对应的隐藏状态集合可记为z＝{z1,z2,…,zN}；将HMM模型表示为θ＝{π,A,C}，其中，π＝{πi}为初始概率矩阵，i∈I为隐藏状态取值，πi表示初始时刻n＝1时Y1对应的隐藏状态z1＝i的概率；转换概率矩阵aij表示在n时刻隐藏状态zn取值为i且在n+1时刻隐藏状态zn+1取值为j的概率值，j∈I；C＝[Cj]为观测状态概率矩阵，Cj表示当隐藏状态为j时对应的协方差矩阵；(2.2)、随机初始化HMM模型；随机初始化初始概率矩阵π和转换概率矩阵A，使其满足以下条件：πi≥0,aij≥0,∑iπi＝1,∑jaij＝1(2.3)、通过迭代方式估计HMM模型的参数；2CN114720131A权利要求书2/3页(2.3.1)、计算本轮迭代时的前向概率αn(i)和后向概率βn(i)：其中，αn‑1(j)表示在n‑1时刻隐藏状态zn‑1取值为j时的前向概率，βn+1(j)表示在n+1时刻隐藏状态zn+1取值为j时的后向概率；(2.3.2)、获取本轮迭代后的观察序列集合O的概率值p(O)；其中，αN(i)表示在N时刻隐藏状态zN取值为i时的前向概率；(2.3.3)、计算本轮迭代时的后验概率γn(i)和ξn(i,j)；(2.3.4)、通过对数似然函数值判断HMM模型是否收敛；计算本轮迭代后的对数似然函数值logp(O)，然后比较相邻两轮迭代后的对数似然函数值的差值Δlogp(O)是否小于阈值thr，如果Δlogp(O)＜thr，则判定HMM模型收敛，迭代停止；否则，进入步骤(2.3.5)；(2.3.5)、更新HMM模型的参数θ＝{π,A,C}；其中，k∈I；(2.3.6)、将当前迭代次数加1，然后返回步骤(2.3.1)进行下一轮的迭代；(3)、利用动态规划维特比算法估计隐藏状态序列，完成信号压缩；3CN114720131A权利要求书3/3页(3.1)、用δn(i)表示到达时刻n隐藏状态为zn＝i所有状态转移路径中联合概率最大值，其递推公式如下：δn(i)＝maxi[δn‑1(i)aij]p(Yn∣zn＝i)在使用递推公式计算δn(i)的同时记录n‑1时刻的状态(3.2)、根据δn(i)开始回溯，找出最优的状态序列，实现对原始轴承振动信号的压缩，具体回溯过程如下：(4)、获取滚动轴承振动信号压缩后的状态序列谱S(k)