32、机电系统故障信号分类与图像隐写分析技术

机电系统故障信号分类与图像隐写分析技术

机电系统故障信号分类

研究背景与目标

在过去二十年中，众多研究致力于解决使用多个传感器来提升高速电机状态诊断及系统预测控制性能的问题。传感器数据融合技术能够克服从噪声到早期传感器故障等一系列问题，还能提高系统的准确性和可靠性。传统的传感器融合方法包括卡尔曼滤波、加权平均、贝叶斯估计器、自适应观测器、代数函数和非线性系统融合等。本文旨在提出一种新的混合方法，用于多传感器数据融合和电机故障检测，该方法无需了解传感器信号统计信息或系统行为，也无需学习或训练过程。

混合融合系统的主要阶段

1. 信号分离 ：使用短时傅里叶变换（STFT）根据信号的频率水平和幅度对信号进行分离。STFT的定义为：
   [
   STFT(t,f)=\int_{-\infty}^{\infty}x(t+\tau)w(\tau)e^{-j2\pi f\tau}d\tau
   ]
   其中，(x(t))是感兴趣的信号（本文中为无刷直流电机的电压或电流），(w(\tau))是窗函数，当(\vert\tau\vert>T/2)时，(w(\tau)=0)，(T)是窗宽。为避免复值STFT，使用其平方幅度，即频谱图(SPEC(t,f)=\vert STFT(t,f)\vert^2)。
2. 故障建模与监测 ：将系统故障建模为传感器增益的变化，其幅度由可测量的输出和输入信号的非线性函数给出。提出了一种基于自适应时间的观测器，用于监测系统的意外传感器故障。
3. 数据融合 ：