一种机泵系统的小波降噪方法及系统转让专利
申请号 : CN202110149129.9
文献号 : CN113065387B
文献日 : 2022-03-18
发明人 : 马吉林 , 但家梭 , 蔡玉良 , 于淳 , 孙宁 , 孙东昊 , 张旋武 , 赵天义 , 王新宇 , 王潇 , 赵轩 , 毕玉军 , 王在忠
申请人 : 中国船级社
摘要 :
权利要求 :
1.一种机泵系统的小波降噪方法,所述方法应用于一机泵小波降噪系统,所述机泵小波降噪系统与数据读取模块、特征提取模块、小波降噪模块通信连接,其中,所述方法包括:通过所述数据读取模块获得第一含噪训练集,其中,所述第一含噪训练集为含噪信号的数据集;
通过所述数据读取模块获得第一信号训练集,其中,所述第一信号训练集为与所述含噪信号的数据集中的数据一一对应的非噪信号的数据集;
通过所述特征提取模块对所述第一含噪训练集和所述第一信号训练集进行特征提取,获得第一提取结果,将所述第一提取结果作为第一输入信息;
将所述第一输入信息输入滤波模型,所述滤波模型为以维纳滤波器为训练目标的模型;
获得第一含噪信号,根据第一处理指令对所述第一含噪信号进行处理;
获得第一处理结果,所述第一处理结果包括所述第一含噪信号的幅度谱,将所述幅度谱输入经过训练的所述维纳滤波器;
获得第一输出结果,根据所述第一输出结果获得第一滤波信号;
将所述第一滤波信号输入所述小波降噪模块;
获得第二输出结果,其中,所述第二输出结果包括降噪信号;
其中,所述通过所述特征提取模块对所述第一含噪训练集和所述第一信号训练集进行特征提取,获得第一提取结果,将所述第一提取结果作为第一输入信息,包括:获得第一聚类指令;
根据所述第一聚类指令对所述第一含噪训练集和所述第一信号训练集进行聚类处理;
获得第一聚类处理结果,其中,所述第一聚类处理结果包括纯净信号聚类集、含噪信号聚类集和噪声聚类集;
获得第一特征提取指令;
根据所述第一特征提取指令对所述第一聚类处理结果进行特征提取;
获得第一提取结果,所述第一提取结果包括所述第一聚类处理结果中不同聚类集对应的归一化后的对数功率谱;
将所述第一提取结果作为第一输入信息;
获得第二特征提取指令;
根据所述第二特征提取指令对所述噪声聚类集进行噪声特征提取;
获得第二提取结果;
根据所述第二提取结果,构建噪声特征集;
根据所述噪声特征集对所述第一含噪信号进行降噪处理。
2.如权利要求1所述的方法,其中,所述获得第一输出结果,根据所述第一输出结果获得第一滤波信号,所述方法还包括:根据所述第一处理结果,获得所述第一含噪信号的相位谱;
根据所述相位谱对所述第一输出结果进行波形重构;
获得所述波形重构结果,所述波形重构结果包括第一滤波信号。
3.如权利要求2所述的方法,其中,所述将所述第一滤波信号输入小波降噪模块,所述方法还包括:
获得第一分解指令;
根据所述第一分解指令,对所述第一滤波信号进行小波分解;
获得第一小波分解系数,将所述第一小波分解系数作为第一指标;
获得第一噪声评估指令;
根据所述第一噪声评估指令对所述第一小波分解系数进行噪声评估;
获得第一评估结果,将所述第一评估结果作为第二指标;
根据所述第一指标和所述第二指标获得自适应阈值;
将所述第一滤波信号通过所述自适应阈值进行降噪处理,获得降噪信号。
4.如权利要求3所述的方法,其中,所述将所述滤波信号通过所述自适应阈值进行降噪处理,获得降噪信号之前,所述方法包括:获得所述噪声评估的第二评估结果,其中,所述第二评估结果包括噪声的信噪比,将所述信噪比作为第三指标;
根据所述第一指标和第三指标,获得第一分解尺度;
获得第二分解指令,根据所述第二分解指令通过所述第一分解尺度对所述第一滤波信号进行分解,获得第一分解结果;
根据所述第一分解结果通过所述自适应阈值进行降噪处理,获得降噪信号。
5.如权利要求1所述的方法,其中,所述方法还包括:获得所述第一信号训练集的第一数据和第二数据,其中,所述第一数据和第二数据为同一条信号的数据;
获得第一判断指令;
根据所述第一判断指令对所述第一数据和所述第二数据的采样率进行判断;
当所述第一数据和所述第二数据的采样率一致时,获得第二判断指令;
根据所述第二判断指令对所述第一数据和所述第二数据的采样点数进行判断;
当所述第一数据和所述第二数据的采样点数一致时,将所述第一数据和所述第二数据作为所述第一信号训练集的中同一信号的训练数据。
6.一种机泵系统的小波降噪系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于通过数据读取模块获得第一含噪训练集,其中,所述第一含噪训练集为含噪信号的数据集;
第二获得单元,所述第二获得单元用于通过所述数据读取模块获得第一信号训练集,其中,所述第一信号训练集为与所述含噪信号的数据集中的数据一一对应的非噪信号的数据集;
第三获得单元,所述第三获得单元用于通过特征提取模块对所述第一含噪训练集和所述第一信号训练集进行特征提取,获得第一提取结果,将所述第一提取结果作为第一输入信息;
第一输入单元,所述第一输入单元用于将所述第一输入信息输入滤波模型,所述滤波模型为以维纳滤波器为训练目标的模型;
第四获得单元,所述第四获得单元用于获得第一含噪信号,根据第一处理指令对所述第一含噪信号进行处理;
第五获得单元,所述第五获得单元用于获得第一处理结果,所述第一处理结果包括所述第一含噪信号的幅度谱,将所述幅度谱输入经过训练的所述维纳滤波器;
第六获得单元,所述第六获得单元用于获得第一输出结果,根据所述第一输出结果获得第一滤波信号;
第二输入单元,所述第二输入单元用于将所述第一滤波信号输入小波降噪模块;
第七获得单元,所述第七获得单元用于获得第二输出结果,其中,所述第二输出结果包括降噪信号;
其中,所述系统还包括:
第二十获得单元,所述第二十获得单元用于获得第一聚类指令;
第一聚类单元,所述第一聚类单元用于根据所述第一聚类指令对所述第一含噪训练集和所述第一信号训练集进行聚类处理;
第二十一获得单元,所述第二十一获得单元用于获得第一聚类处理结果,其中,所述第一聚类处理结果包括纯净信号聚类集、含噪信号聚类集和噪声聚类集;
第二十二获得单元,所述第二十二获得单元用于获得第一特征提取指令;
第一特征提取单元,所述第一特征提取单元用于根据所述第一特征提取指令对所述第一聚类处理结果进行特征提取;
第二十三获得单元,所述第二十三获得单元用于获得第一提取结果,所述第一提取结果包括所述第一聚类处理结果中不同聚类集对应的归一化后的对数功率谱;
第二十四获得单元,所述第二十四获得单元用于将所述第一提取结果作为第一输入信息;
第二十五获得单元,所述第二十五获得单元用于获得第二特征提取指令;
第二特征提取单元,所述第二特征提取单元用于根据所述第二特征提取指令对所述噪声聚类集进行噪声特征提取;
第二十六获得单元,所述第二十六获得单元用于获得第二提取结果;
第一构建单元,所述第一构建单元用于根据所述第二提取结果,构建噪声特征集;
第一处理单元,所述第一处理单元用于根据所述噪声特征集对所述第一含噪信号进行降噪处理。
7.一种机泵系统的小波降噪系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1‑5任一项所述方法的步骤。
说明书 :
一种机泵系统的小波降噪方法及系统
技术领域
背景技术
以及故障诊断等领域均有着广泛的应用,是国内外研究的重点。传统的信号增强方法大多
假定白噪声为噪声类型,应用范围受到限制。
发明内容
问题,达到深度结合离心泵机舱噪声特性,对离心泵信号进行更加准确的处理的技术效果。
块通信连接,所述方法包括:通过所述数据读取模块获得第一含噪训练集,其中,所述第一
含噪训练集为含噪信号的数据集;通过所述数据读取模块获得第一信号训练集,其中,所述
第一信号训练集为与所述第一含噪信号的数据集中的数据一一对应的非噪信号的数据集;
通过所述特征提取模块对所述第一含噪训练集和所述第一信号训练集进行特征提取,获得
第一提取结果,将所述第一提取结果作为第一输入信息;将所述第一输入信息输入滤波模
型,所述滤波模型为以维纳滤波器为训练目标的模型;获得第一含噪信号,根据第一处理指
令对所述第一含噪信号进行处理;获得第一处理结果,所述第一处理结果包括所述第一含
噪信号的幅度谱,将所述幅度谱输入经过训练的所述维纳滤波器;获得第一输出结果,根据
所述第一输出结果获得第一滤波信号;将所述第一滤波信号输入所述小波降噪模块;获得
第二输出结果,其中,所述第二输出结果包括降噪信号。
噪训练集为含噪信号的数据集;第二获得单元,所述第二获得单元用于通过所述数据读取
模块获得第一信号训练集,其中,所述第一信号训练集为与所述第一含噪信号的数据集中
的数据一一对应的非噪信号的数据集;第三获得单元,所述第三获得单元用于通过特征提
取模块对所述第一含噪训练集和所述第一信号训练集进行特征提取,获得第一提取结果,
将所述第一提取结果作为第一输入信息;第一输入单元,所述第一输入单元用于将所述第
一输入信息输入滤波模型,所述滤波模型为以维纳滤波器为训练目标的模型;第四获得单
元,所述第四获得单元用于获得第一含噪信号,根据第一处理指令对所述第一含噪信号进
行处理;第五获得单元,所述第五获得单元用于获得第一处理结果,所述第一处理结果包括
所述第一含噪信号的幅度谱,将所述幅度谱输入经过训练的所述维纳滤波器;第六获得单
元,所述第六获得单元用于获得第一输出结果,根据所述第一输出结果获得第一滤波信号;
第二输入单元,所述第二输入单元用于将所述第一滤波信号输入小波降噪模块;第七获得
单元,所述第七获得单元用于获得第二输出结果,其中,所述第二输出结果包括降噪信号。
第一方面所述方法的步骤。
第一信号训练集进行特征提取,获得第一提取结果,将所述第一提取结果作为第一输入信
息输入滤波模型,以维纳滤波器作为网络的训练目标,获得训练后的维纳滤波器,将所述第
一含噪信号进行处理,获得含噪信号的幅度谱,将所述幅度谱输入所述维纳滤波器,通过所
述维纳滤波器获得第一滤波信号,将所述第一滤波信号进行小波降噪模块的降噪处理,获
得降噪信号,达到深度结合离心泵机舱噪声特性,对离心泵信号进行更加准确的处理的技
术效果。
更明显易懂,以下特举本申请的具体实施方式。
附图说明
19,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
问题,达到深度结合离心泵机舱噪声特性,对离心泵信号进行更加准确的处理的技术效果。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请
的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例
的限制。
以及故障诊断等领域均有着广泛的应用,是国内外研究的重点。传统的信号增强方法大多
假定白噪声为噪声类型,应用范围受到限制。但现有技术中缺少针对离心泵机舱噪声特定
环境下的噪声抑制,导致对离心泵信号的处理不准确的技术问题。
接,所述方法包括:通过所述数据读取模块获得第一含噪训练集,其中,所述第一含噪训练
集为含噪信号的数据集;通过所述数据读取模块获得第一信号训练集,其中,所述第一信号
训练集为与所述第一含噪信号的数据集中的数据一一对应的非噪信号的数据集;通过所述
特征提取模块对所述第一含噪训练集和所述第一信号训练集进行特征提取,获得第一提取
结果,将所述第一提取结果作为第一输入信息;将所述第一输入信息输入滤波模型,所述滤
波模型为以维纳滤波器为训练目标的模型;获得第一含噪信号,根据第一处理指令对所述
第一含噪信号进行处理;获得第一处理结果,所述第一处理结果包括所述第一含噪信号的
幅度谱,将所述幅度谱输入经过训练的所述维纳滤波器;获得第一输出结果,根据所述第一
输出结果获得第一滤波信号;将所述第一滤波信号输入所述小波降噪模块;获得第二输出
结果,其中,所述第二输出结果包括降噪信号。
块通信连接,其中,所述方法包括:
理及噪声特征提取功能的模块,所述小波降噪模块为对含噪信号进行分解处理的模块,通
过所述第一数据读取模块获得第一含噪训练集和第一信号训练集,其中,所述第一含噪训
练集和所述第一信号训练集的信号数据为一一对应关系,即每一含噪信号均有与其对应的
非噪信号,通过所述训练集中的信号的对应关系,为后续准确的确定噪声的特征,获得准确
的噪声处理结果夯实了基础。
对应的归一化后的对数功率谱,将所述归一化后的对数功率谱作为第一输入信息;所述第
二提取结果为对噪声进行特征提取,构建特有的离心泵机舱噪声特征集。
中维纳滤波器是理想比例掩膜的一种,根据采集数据的不同,可以表示为 或
其中,|X(k)|,|Y(k)|,|N(k)|分别为纯净信号,含噪信号以及噪声的幅度
2 2 2
谱,式中|X(k)|+|N(k)|是对|Y(k)|的估计。通过反向传播方法(Back Propagation,BP),
用三层滤波模型和一层BP构成了经典的DBN结构。首先分别对每一层滤波模型进行无监督
的预训练,然后进行有监督的训练。充分训练后的DBN可以实现从含噪信号的归一化对数功
率谱到频域维纳滤波器的非线性映射。
幅度谱。
输出结果,其中,所述第一输出结果包括第一滤波信号。
度谱信息,进行频域滤波以及傅里叶逆变换,实现时域增强信号的预测,即进行波形重构,
获得经过波形重构的第一滤波信号。通过对幅度谱信息的过滤后,结合相位谱进行傅里叶
逆变换的波形重构,可获得更加准确的非噪信号的预测,进而达到获得更加准确的第一滤
波信号的技术效果。
本申请实施例优选db4作为小波基函数。达到深度结合离心泵机舱噪声特性,对离心泵信号
进行更加准确的处理的技术效果。
第一指标;通过所述噪声评估指令,对所述小波分解系数进行噪声评估,其中,所述噪声评
估包括两种方式,一种为对每层小波分解系数进行噪声评估,一种为只对第一层小波分解
系数进行噪声评估,根据上述不同的评估方式,获得噪声标准差,将所述噪声标准差作为第
一评估结果,将所述第一评估结果作为第二指标,所述小波降噪模块通过启发式sure阈值
实现自适应的阈值设定,所述自适应阈值根据所述第一指标和第二指标获得,将所述第一
滤波信号通过所述自适应阈值进行降噪处理,获得降噪信号。
标,根据所述第一指标和第三指标,进行权重分析融合,获得第一分解尺度,所述第一分解
尺度为求解的最佳分解尺度,获得第二分解指令,根据所述第二分解指令通过所述第一分
解尺度对所述第一滤波信号进行小波分解,获得第一分解结果,将所述分解结果进行上述
自适应阈值的降噪,获得降噪信号。通过对所述最佳分解尺度及阈值的自适应设定,进而可
达到更好的降噪效果。
实施例步骤S300还包括:
相似,与其他簇中的对象相异。将所述第一含噪训练集和所述第一信号训练集进行聚类处
理,获得纯净信号聚类集、含噪信号聚类集和噪声聚类集,获得第一特征提取指令,根据所
述第一特征提取指令,对所述聚类集进行处理,所述处理包括输入特征和训练目标的构建,
方法采用归一化后的对数功率谱作为模型的输入特征,获得第一提取结果,将所述第一提
取结果作为第一输入信息。
特征提取,根据所述噪声特征提取结果,进行噪声特征集的构建。所述噪声特征集用于对后
续含噪信号输入所述维纳滤波器前的预处理,达到对特征噪声准确有效的剔除,进而获得
更加准确的信号的技术效果。
反映了信号丰富程度的数据,根据第一判断指令,对所述第一数据和第二数据的一致性进
行判断,当所述第一数据和所述第二数据的采样率一致时,获得第二判断指令,根据所述第
二判断指令,对所述第一数据和第二数据的采样点数是否一致进行判断,当所述第一数据
和所述第二数据的采样点数一致时,将所述第一数据和所述第二数据作为所述第一信号训
练集的中同一信号的训练数据。
述第一信号训练集进行特征提取,获得第一提取结果,将所述第一提取结果作为第一输入
信息输入滤波模型,以维纳滤波器作为网络的训练目标,获得训练后的维纳滤波器,将所述
第一含噪信号进行处理,获得含噪信号的幅度谱,将所述幅度谱输入所述维纳滤波器,通过
所述维纳滤波器获得第一滤波信号,将所述第一滤波信号进行小波降噪模块的降噪处理,
获得降噪信号,达到深度结合离心泵机舱噪声特性,对离心泵信号进行更加准确的处理的
技术效果。
技术效果。
非噪信号的数据集;
第一输入信息;
数据。
噪方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种机泵系统的小波降噪
系统的实施方法,所以为了说明书的简洁,在此不再详述。
述一种机泵系统的小波降噪方法的任一方法的步骤。
储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之
类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步
描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器
303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
接,所述方法包括:通过所述数据读取模块获得第一含噪训练集,其中,所述第一含噪训练
集为含噪信号的数据集;通过所述数据读取模块获得第一信号训练集,其中,所述第一信号
训练集为与所述第一含噪信号的数据集中的数据一一对应的非噪信号的数据集;通过所述
特征提取模块对所述第一含噪训练集和所述第一信号训练集进行特征提取,获得第一提取
结果,将所述第一提取结果作为第一输入信息;将所述第一输入信息输入滤波模型,所述滤
波模型为以维纳滤波器为训练目标的模型;获得第一含噪信号,根据第一处理指令对所述
第一含噪信号进行处理;获得第一处理结果,所述第一处理结果包括所述第一含噪信号的
幅度谱,将所述幅度谱输入经过训练的所述维纳滤波器;获得第一输出结果,根据所述第一
输出结果获得第一滤波信号;将所述第一滤波信号输入所述小波降噪模块;获得第二输出
结果,其中,所述第二输出结果包括降噪信号。解决了现有技术中缺少针对离心泵机舱噪声
特定环境下的噪声抑制,导致对离心泵信号的处理不准确的技术问题,达到深度结合离心
泵机舱噪声特性,对离心泵信号进行更加准确的处理的技术效果。
施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机
可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产
品的形式。
程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序
指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产
生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实
现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或
多个方框中指定的功能。
其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一
个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内
的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,
所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
之内,则本发明也意图包含这些改动和变型在内。