买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明的一种风力发电机齿轮箱信号稀疏分解方法、设备及存储介质，包括构建风力发电机齿轮箱信号的稀疏分解结构，在齿轮箱原始信号混叠情况未知的情况下，构建分离矩阵，通过信号幅值特征参量进行稀疏特征参量的分离；通过最大化目标函数，优化了分离矩阵的构建，提高了稀疏分解的表现；将信号幅值与时间编码作为输入，进行复局部平均分解，构建虚拟通道，解决了欠定盲源分离问题，增强了稀疏分解对复杂信号的处理能力，得到原始信号与稀疏特征参量一一对应的输出；利用历史实测数据对稀疏分解结构进行训练，训练后的模型实现输入特定的齿轮箱信号，得到对应的稀疏特征参量。本发明有效的提高了风力发电机齿轮箱信号噪声抑制和特性表征的效果。

主权项：1.一种风力发电机齿轮箱信号稀疏分解方法，其特征在于，包括以下步骤，构建风力发电机齿轮箱信号的稀疏分解结构，所述稀疏分解结构包括分离矩阵、复杂快速独立成分分析、复局部平均分解和构建虚拟通道；对风力发电机齿轮箱不同工况的幅值特征参量进行测量，根据实测数据确定稀疏特征参量输入输出向量维度；将风力发电机齿轮箱信号幅值与对应的时间编码作为复局部平均分解的输入，构建虚拟通道，将虚拟通道特征参量作为复杂快速独立成分分析的输入，构建迭代分离规则，进一步根据迭代分离规则构建分离矩阵，得到原始信号与稀疏特征参量一一对应的输出；利用历史实测数据对稀疏分解结构进行训练，训练完成后的模型用于输入给定的风力发电机齿轮箱原始信号，得到对应的稀疏特征参量；构建风力发电机齿轮箱信号的稀疏分解结构，包括，采用盲源分离算法，在风力发电机齿轮箱原始信号混叠情况未被探明的情况下，依靠信号幅值特征参量，从原始信号中分离出稀疏特征参量，其表达式为： 其中是分离后得到的维稀疏特征参量，是所构建分离矩阵，是采集得到的维原始信号，是混合矩阵，是维独立的未知源信号；构建风力发电机齿轮箱信号的稀疏分解结构还包括复杂快速独立成分分析估计分离矩阵，估计过程中最大化目标函数具体表达式如下： 其中表示均值，表示任意非二次函数，是维向量，表示复数分离矩阵中的一行，表示中心化和白化后的，其中步骤包括： 其中是经过中心化后的第个时间步的样本，是用于分析的观测信号的长度，是白化矩阵，是协方差矩阵的特征值对角矩阵，是由相应特征向量组成的矩阵；构建风力发电机齿轮箱信号的稀疏分解结构还包括源信号的幅度为1，即分离后信号的幅度也为1，采用拉格朗日松弛方法重构目标函数如下： 其中是拉格朗日乘子；牛顿迭代方法最大化重新构造目标函数中的表达式如下： 其中表示第次迭代过程中的，和分别是的一阶和二阶导数；应在下一次迭代进行归一化，以确保每个新的行分量的唯一性，其归一化公式如下： ；复局部平均分解和构建虚拟通道具体包括利用复局部平均分解构建虚拟通道以解决输入信号数量小于未知源信号数量的欠定盲源分离问题，风力发电机齿轮箱信号幅值与对应的时间编码被分别投影到0和π2的方向上，分别处理每个投影方向上的分量，以获取局部均值函数和局部包络函数，并获取实部和虚部的频率调制信号及包络信号，将包络信号和纯归一化频率调制信号相乘，得到乘积函数分量，具体包括：S21：将分别投影到0和π2的方向上： 其中表示复数值的实部；S22：分别推演和局部均值函数、和局部包络函数、，构建风力发电机齿轮箱信号幅值与对应的时间编码的复局部均值函数如下： 其中是乘积函数的数量，是分解中的迭代次数；S23：计算局部包络解调函数如下： S24：计算频率调制旋转信号和如下： 重复S22至S24，并将和带入和，直至和等于一或和是纯归一化频率调制信号；S25：计算迭代过程中生成的所有局部包络函数的乘积，得到和的包络信号如下： 其中是最大迭代次数；S26：求取的第代复乘积函数分量，其计算如下： S27：计算残差信号： 校验是否包含任何旋转模式，若是，则将作为新的，并重复步骤S21到S27；否则，终止过程。

全文数据：

权利要求：

百度查询： 安徽建筑大学 风力发电机齿轮箱信号稀疏分解方法、设备及存储介质