基于DBSCAN算法的新增峰值点频率定位方法、装置及设备与流程

本发明涉及频谱分析领域，特别公开了一种基于dbscan算法的新增峰值点频率定位方法、装置及设备。

背景技术：

1、在频谱分析领域，通过频谱分析来对机械设备的故障进行诊断是常用的故障诊断方式。

2、目前，传统频谱分析往往利用机器设备的已知故障频率进行诊断，判断设备的运行状况。而在机械设备的故障频率未知情况下，传统频谱分析方法则会失效。

技术实现思路

1、发明人在实施本发明的过程中发现，当机器设备出现早期故障征兆或者严重问题时，频谱中往往出现规律性峰值点频率，找到这样的峰值点频率有助于进行特定模式下的频谱分析。

2、dbscan算法作为一种基于密度的聚类方法，在频谱中发现任意形状的聚类方面展现出显著优势；寻峰算法可用于定位频谱中峰值点频率。结合这两种算法在一定程度上有助于克服传统分析方法的不足，提升新增峰值点的识别精度。

3、有鉴于此，本发明提供了一种基于dbscan算法的新增峰值点频率定位方法、装置及设备，具体地：

4、本发明实施例提供了一种基于dbscan算法的新增峰值点频率定位方法，其包括：

5、s101，获取机器设备的噪声时域信号和振动时域信号，利用fft将所述噪声时域信号和振动时域信号转换为相对应的频谱，并提取频谱的频率序列和幅度序列；

6、s102，使用若干对所述频谱的频率序列和幅度序列获取所述频谱中的峰值点频率；

7、s103，使用dbscan算法对所述峰值点频率进行聚类，剔除噪声峰值点频率之后，记录所有所述聚类的中心点频率及其对应的聚类半径，生成峰值点频率模板；

8、s104，获取待检测频谱中的峰值点频率，基于峰值点频率模板中所有聚类的中心点频率及其对应的聚类半径，判断所述待检测频谱中的峰值点频率是否为新增峰值点频率。

9、优选地，步骤s101具体包括：

10、获取由设置好采样率的噪声传感器和振动传感器采集到的待识别的机器设备的噪声时域信号和振动时域信号；

11、分别使用设置好滤波器阶数和频率截取范围的巴特沃斯滤波器对所述机器设备的噪声时域信号和振动时域信号进行预处理，并利用fft将预处理后的噪声时域信号和振动时域信号转换为频谱；

12、提取频谱的频率序列和幅度序列。

13、优选地，噪声传感器和振动传感器的采样率分别为48000和50000；所述滤波器阶数为34，所述频率截取范围为[0.1，10000]。

14、优选地，步骤s102具体包括：

15、根据所述机器设备的噪声时域信号和振动时域信号的时间长度和采样率计算所述机器设备的噪声信号和振动信号长度；其中，信号长度=时间长度×采样率；所述幅度序列和所述频率序列的长度均为信号长度的一半；

16、使用所述频率序列中的最大频率值减去最小频率值获取频率极差，根据所述信号长度和频率极差获得移动窗口长度；其中，移动窗口长度通过对信号长度除以频率极差的商进行向下取整获得；

17、使用以0为起始索引的索引序列分别标记所述移动窗口、所述幅度序列、所述频率序列；所述移动窗口、所述幅度序列、所述频率序列的终止索引对应表示为当前所述移动窗口长度减1、当前所述幅度序列长度减1、当前所述频率序列长度减1；

18、从所述幅度序列的起始索引0开始，将所述移动窗口的中心点索引与所述幅度序列的当前索引对齐，使用双向移动平均算法平滑所述幅度序列，直到所述终止索引，获得与所述幅度序列长度相等的基底序列；其中，若所述移动窗口长度为偶数，则使用位于所述移动窗口中心的较小的索引作为中心点索引；

19、使用所述幅度序列减去所述基底序列，按照索引对齐的方式作差，然后使用relu激活函数作用于所述幅度序列减去所述基底序列得到的差值序列，从而得到与所述幅度序列长度相等的频率峰序列；其中，relu(x)=max(0，x)，x表示所述差值序列中的元素；

20、对所述幅度序列使用三角阈值算法以获取峰值点阈值，并利用所述峰值点阈值，获取所述频率序列在所有所述移动窗口内的最大值索引；

21、利用所述移动窗口长度，将所有所述移动窗口内的最大值索引对应地还原为其在所述幅度序列中的索引，以作为所述频谱的峰值点索引；

22、使用所述频率峰序列和所述峰值点索引获取所述频谱的峰值点频率。

23、优选地，步骤s103具体包括：

24、获取所述频谱的峰值点频率，并将每个所述频谱峰值点频率看作一个样本点，整理成适合dbscan算法处理的数据格式；

25、使用预设参数的dbscan算法对所述频谱峰值点频率进行聚类，所述频谱峰值点频率会被赋予对应的类别标签，并将噪声点单独标记出来；其中，所述预设参数包括邻域半径和最小点数；邻域半径定义了样本点的邻域大小，而最小点数则决定了一个样本点要成为核心点所需的最小邻居数；

26、在剔除噪声点之后，按照所述类别标签将所述频谱峰值点频率划分到各自对应的聚类，计算所有聚类的中心点频率及其对应的聚类半径，并将所有所述聚类的中心点频率及其对应的聚类半径保存为峰值点模板。

27、优选地，所述dbscan算法的邻域半径大小至少大于所述频谱的频率分辨率。

28、优选地，步骤s104具体包括：

29、获取待检测频谱中的峰值点频率；

30、计算所述待检测频谱的峰值点频率到所述峰值点频率模板中所有聚类的中心点频率的距离，判断所述距离是否小于任一所述聚类的中心点频率对应的聚类半径；

31、若是，则判断下一个待检测频谱；

32、若否，则进一步判断所述待检测频谱数据的峰值点频率是否属于所述待检测频谱的峰值点频率中的任一倍频序列；

33、若属于，则将当前峰值点频率作为新增峰值点频率；

34、若不属于，则判断下一个峰值点频率。

35、优选地，判断所述待检测频谱数据的峰值点频率是否属于所述待检测频谱的峰值点频率中的任一倍频序列，具体为：

36、对所述待检测频谱的峰值点频率按照从小到大进行排序；

37、基于预设的公差搜索范围和等差误差容忍度，搜寻所述待检测频谱的峰值点中的所有等差序列；

38、记预设的等比误差容忍度为error_degree，所述等差序列为list，假设list的长度为l，则其中所有元素的索引位置分别记为0, ..., l-1；

39、当所述等差序列长度为2时，如果不等式：

40、list[1]- list[0]<error_degree·list[0]

41、成立，则所述等差序列为倍频序列；

42、当所述等差序列长度大于2时，从索引j=2开始遍历所述等差序列，直至j=l-1，若存在索引，使得不等式

43、|list[j] - list[j - 1]- list[0]|<error_degree·list[0]·(j + 1)

44、成立，则所述等差序列为倍频序列。

45、本发明实施例还提供了一种基于dbscan算法的新增峰值点频率定位装置，其包括：

46、提取单元，用于获取机器设备的噪声时域信号和振动时域信号，利用fft将所述噪声时域信号和振动时域信号转换为相对应的频谱，并提取频谱的频率序列和幅度序列；

47、峰值点频率获取单元，用于使用若干对所述频谱的频率序列和幅度序列获取所述频谱中的峰值点频率；

48、聚类单元，用于使用dbscan算法对所述峰值点频率进行聚类，剔除噪声峰值点频率之后，记录所有所述聚类的中心点频率及其对应的聚类半径，生成峰值点频率模板；

49、判断单元，用于获取待检测频谱中的峰值点频率，基于峰值点频率模板中所有聚类的中心点频率及其对应的聚类半径，判断所述待检测频谱中的峰值点频率是否为新增峰值点频率。

50、本发明实施例还提供了一种基于dbscan算法的新增峰值点频率定位设备，其包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如上述的基于dbscan算法的新增峰值点频率定位方法。

51、综上所述，本实施例基于dbscan算法和寻峰算法生成峰值点频率模板，再结合峰值点频率模板对机器设备的振动时域信号和噪声时域信号进行倍频分析，从而能够更精确地识别和分析频谱数据集中的新增峰值点频率，揭示出潜在的周期性或规律性信息，有助于进一步的数据挖掘和决策支持。