一种摩擦磨损静电监测信号的时频-空域联合特征提取方法

本发明涉及机械设备运行状态监测领域，尤其涉及一种摩擦磨损静电监测信号的时频-空域联合特征提取方法。

背景技术：

1、摩擦磨损是机械装备运转过程中常见的现象，静电监测技术通过检测摩擦界面由于微凸体碰撞和材料剥落产生的电荷变化，能够对设备的磨损状态进行监测，然而，现有的摩擦磨损静电监测技术在实际应用中仍存在以下缺陷：

2、在复杂的工业现场环境中，静电传感器采集的原始信号容易受到外部环境干扰，信号中通常夹杂着工频基线漂移与高频电磁干扰，此外，摩擦界面产生的不同频段静电信号之间容易发生混叠，常规的单一滤波处理手段难以有效剥离这些混合噪声并分离混叠成分，导致难以获取高质量的纯净静电信号，影响了底层数据源的可靠性与监测准确性。

3、为了全面反映摩擦副的磨损状态，现有技术通常会提取信号的多个特征参数，目前的处理方式多将时域、频域以及空域等不同维度的特征进行直接组合，导致特征矩阵维度过高，在这些多维特征中，部分特征在物理定义和表征指代上存在等价关系或重叠映射，现有的降维方法大多依赖纯数据驱动的数学算法，缺乏基于物理约束规则的甄别机制，导致无法有效剔除物理层面的重叠冗余项，大幅增加了后续状态计算模型的复杂度与运算负担。

4、现有的静电监测系统主要是基于离散分布的传感器采集到的信号，对摩擦副的整体健康状态进行宏观判断或趋势评估。在数据处理与特征提取时，现有技术仅从时域和频域维度开展分析，忽略了静电传感监测原理的空间滤波效应，缺少从空域特征维度提取特征的机制，无法充分挖掘静电监测的多维度信息。此外，系统往往将各通道信号作为独立的时间序列进行分析，未能深入挖掘并利用传感器三维空间位置所固有的空间邻接关系，由于缺乏将离散节点特征映射至连续三维空间的机制，现有技术无法有效构建监测区域的空间电荷分布形态，导致难以提取更多特征参数来反映磨损部位及演化规律，无法直观且精确地定位实际发生磨损的具体部位，限制了静电监测技术的空间感知能力。

技术实现思路

1、为了弥补以上不足，本发明提供了一种摩擦磨损静电监测信号的时频-空域联合特征提取方法，旨在改善了现有技术中摩擦磨损静电监测技术存在难以有效分离混叠噪声、缺乏物理约束机制导致特征数据冗余度高，以及缺乏空域特征维度的深度挖掘、未能利用空间邻接关系精确定位实际磨损部位的问题。

2、为了实现上述目的，本发明采用了如下技术方案：一种摩擦磨损静电监测信号的时频-空域联合特征提取方法，包括以下步骤：

3、s1：获取通过布置于摩擦副监测区域外围的阵列式静电传感器采集到的摩擦界面原始静电信号，对所述原始静电信号进行放大处理与抗混叠滤波处理，获取模拟静电信号，并将所述模拟静电信号转换为附带时间戳的数字静电信号，同时获取外部输入的摩擦副的机械转速数据、法向载荷数据，以及所述阵列式静电传感器的三维空间位置坐标数据；

4、s2：对所述数字静电信号进行带通滤波与信号解混叠去噪处理，分离所述数字静电信号中的噪声成分，获取多通道的纯净时域静电监测信号；

5、s3：基于所述纯净时域静电监测信号、所述机械转速数据转换得到的机械转频参数以及所述三维空间位置坐标数据，提取表征摩擦状态的时域特征参数、频域特征参数、物理关联特征参数以及基础空域特征参数；

6、s4：将所述时域特征参数、所述频域特征参数、所述物理关联特征参数以及所述基础空域特征参数进行拼接组合，并对拼接组合后的数据进行降维处理，获取降维后的时－频－空域联合特征库；

7、s5：根据所述三维空间位置坐标数据生成图神经网络节点间的空间邻接边数据，将所述降维后的时-频-空域联合特征库输入图神经网络模型进行计算，获取所述监测区域的三维电荷密度分布映射；

8、s6：扫描并分析所述三维电荷密度分布映射，提取所述三维电荷密度分布映射内部的电荷峰值分布区域数据，并根据所述电荷峰值分布区域数据获取所述摩擦副的磨损部位的空间坐标参数与磨损程度量化参数。

9、作为上述技术方案的进一步描述：

10、所述对所述数字静电信号进行带通滤波与信号解混叠去噪处理，分离所述数字静电信号中的噪声成分，获取多通道的纯净时域静电监测信号的具体步骤包括：

11、将所述数字静电信号输入带通滤波模块，所述带通滤波模块预先设定有与摩擦副磨损静电有效信号固有频率区间相匹配的通带频率范围，滤除所述数字静电信号中的工频基线漂移数据与高频电磁干扰数据，获取初步滤波信号；

12、执行变分模态分解算法对所述初步滤波信号进行数据分解，计算所述初步滤波信号在不同频带下的中心频率参数，将所述初步滤波信号分解为处于不同中心频率位置的多个本征模态函数分量；

13、将所述多个本征模态函数分量组合构建为多维观测信号矩阵，调用独立成分分析算法对所述多维观测信号矩阵执行解混叠计算，从中分离出独立主元成分与残余混合噪声成分；

14、计算所述独立主元成分与所述多个本征模态函数分量之间的互相关系数矩阵，将所述互相关系数矩阵中的计算数值与预设的互相关系数阈值进行比较，其中，所述互相关系数阈值设定为0.75至0.85之间，将所述计算数值低于所述互相关系数阈值的成分判定为所述残余混合噪声成分并予以剔除，保留所述计算数值大于或等于所述互相关系数阈值的独立主元成分；

15、对保留的所述独立主元成分执行线性叠加重构操作，获取所述多通道的纯净时域静电监测信号。

16、作为上述技术方案的进一步描述：

17、所述时域特征参数包括均值参数、均方根参数、静电活动性水平参数以及事件率参数，所述提取表征摩擦状态的时域特征参数的具体步骤包括：

18、按照预设的时域计算时间窗参数对所述纯净时域静电监测信号进行分段截断操作，获取所述纯净时域静电监测信号的时间序列数据；

19、对所述时间序列数据进行积分运算获取积分数据，将所述积分数据与所述时域计算时间窗参数进行除法运算，获取所述均值参数，对所述时间序列数据进行平方运算获取平方数据，对所述平方数据进行积分运算获取平方积分数据，将所述平方积分数据与所述时域计算时间窗参数进行除法运算获取平均平方数据，并对所述平均平方数据执行开方计算，获取所述均方根参数；

20、提取所述时间序列数据的绝对值数据并进行积分运算获取绝对值积分数据，将所述绝对值积分数据与所述时域计算时间窗参数进行除法运算获取绝对值平均数据，将所述绝对值平均数据与所述均方根参数进行比值计算，获取所述静电活动性水平参数；

21、配置有预设触发阈值参数，将所述时间序列数据中的信号幅值数据与所述预设触发阈值参数进行数值比较，统计所述时域计算时间窗参数内所述信号幅值数据大于所述预设触发阈值参数的脉冲次数数据，根据所述脉冲次数数据与所述时域计算时间窗参数的除法运算结果获取所述事件率参数。

22、作为上述技术方案的进一步描述：

23、所述频域特征参数包括中心频率特征参数、均方根频率特征参数、标准差频率特征参数以及不同频段的能量占比特征参数，所述提取表征摩擦状态的频域特征参数与物理关联特征参数的具体步骤包括：

24、计算所述频谱信号的功率谱密度数据，在零频率至预设的系统最高分析频率参数的范围内对所述功率谱密度数据进行积分运算，获取所述频谱信号的总能量数据；

25、在相同频率范围内，根据所述功率谱密度数据与其对应的频率轴数据进行频率加权积分运算获取一阶频率积分矩数据，将所述一阶频率积分矩数据与所述总能量数据进行除法运算，获取所述中心频率特征参数；

26、根据所述功率谱密度数据与频率平方数据进行积分运算获取二阶频率积分矩数据，将所述二阶频率积分矩数据与所述总能量数据进行除法运算获取二阶平均频率数据，对所述二阶平均频率数据进行开方计算，获取所述均方根频率特征参数，根据所述均方根频率特征参数的平方数据与所述中心频率特征参数的平方数据的差值进行开方计算，获取所述标准差频率特征参数；

27、将所述中心频率特征参数与所述机械转频参数进行除法运算，获取所述物理关联特征参数；

28、根据所述机械转频参数的倍频设定主转频谐波频率边界参数，其中，所述主转频谐波频率边界参数根据所述机械转频参数的3至5倍频设定，将所述频谱信号划分为频率范围处于零频率与所述主转频谐波频率边界参数之间的低频段频谱数据、处于所述主转频谐波频率边界参数与预设的系统固有频率边界参数之间的中频段频谱数据、以及处于所述系统固有频率边界参数与所述系统最高分析频率参数之间的高频段频谱数据，对所述低频段频谱数据、所述中频段频谱数据以及所述高频段频谱数据分别进行所述功率谱密度数据的积分运算获取对应的子带能量数据，计算各所述子带能量数据与所述总能量数据的比值，依次获取各相应频段的所述能量占比特征参数。

29、作为上述技术方案的进一步描述：

30、所述基础空域特征参数包括静电场梯度熵参数与空间分布不对称性指数参数，所述提取基础空域特征参数的具体步骤包括：

31、根据所述三维空间位置坐标数据提取所述纯净时域静电监测信号中对应于相邻传感器之间的电势差数据，获取相邻传感器对应时域信号间的电势差向量，计算所述电势差向量的均方根有效值数据；

32、对所述均方根有效值数据进行归一化处理获取归一化梯度幅值数据，通过对所述归一化梯度幅值数据执行信息熵的对数求和映射计算操作，获取所述静电场梯度熵参数；

33、根据所述三维空间位置坐标数据确定所述阵列式静电传感器的几何中心与划分界线，将所述阵列式静电传感器沿所述划分界线划分为相对侧的第一阵列组与第二阵列组，分别对所述第一阵列组与所述第二阵列组对应的所述纯净时域静电监测信号执行积分计算，获得各自对应的整体时程能量数据，计算所述第一阵列组与所述第二阵列组的整体时程能量数据的差值，并计算两者的整体时程能量数据的和值，将所述差值与所述和值进行比值计算，获取所述空间分布不对称性指数参数。

34、作为上述技术方案的进一步描述：

35、所述对拼接组合后的数据进行降维处理，获取降维后的时-频-空域联合特征库的具体步骤包括： 将拼接组合后的数据构成的初始高维联合特征向量输入极值归一化算法单元，对各特征维度数据执行边界极值映射运算以映射至预设的归一化目标数值区间内，其中，所述归一化目标数值区间设置为[0, 1]或[-1, 1]，获取归一化特征向量；

36、获取所述数字静电信号对应的时间戳，结合系统记录的摩擦副初始启动时间戳计算所述摩擦副当前的累积运行时间，结合当前获取的由所述机械转速数据转换得到的机械转频参数与所述法向载荷数据，通过多维联合查询预先配置的时间阶段与磨损状态的映射表，为所述归一化特征向量分配匹配的磨损状态标签数据，获取带状态标签的特征向量；

37、累积多个时间维度的测试样本对应的所述带状态标签的特征向量构成特征矩阵，计算所述特征矩阵中任意两个特征维度数据之间的皮尔逊相关系数，将所述皮尔逊相关系数与预设的相关性判定阈值参数进行比较，提取所述皮尔逊相关系数大于所述相关性判定阈值参数的两个特征维度数据组成对，获取疑似冗余特征对数据；

38、利用预存的包含等价标识数据的基础数学定义关联表进行查询匹配，查询所述疑似冗余特征对数据对应的等价标识数据，将所述等价标识数据为表征存在物理等价关系的第一状态的判定为计算重叠项，在所述带状态标签的特征向量中删除其中一个特征维度数据，将所述等价标识数据为表征互相独立映射的第二状态的判定为独立物理映射项并予以保留，对完成保留操作后的数据进行组合矩阵化处理，获取所述降维后的时-频-空域联合特征库。

39、作为上述技术方案的进一步描述：

40、所述根据所述三维空间位置坐标数据生成图神经网络节点间的空间邻接边数据的具体步骤包括：

41、将所述三维空间位置坐标数据定义为节点位置数据，将所述降维后的时－频－空域联合特征库分配至对应的所述节点位置数据以生成节点特征矩阵数据；

42、计算不同所述节点位置数据之间的节点空间欧氏距离数据，根据所述节点空间欧氏距离数据确定所述节点位置数据之间的空间邻接关系，生成所述空间邻接边数据；所述节点位置数据与所述空间邻接边数据共同构成图结构数据。

43、作为上述技术方案的进一步描述：

44、所述图神经网络模型配置有图卷积层计算单元、空间注意力机制单元以及三维网格映射单元，所述将所述时－频－空域联合特征库输入图神经网络模型进行计算，获取所述监测区域的三维电荷密度分布映射的具体步骤包括：

45、将所述节点特征矩阵数据与所述图结构数据共同输入所述图卷积层计算单元，利用包含添加了自连接的邻接矩阵、度矩阵以及可学习权重矩阵的聚合公式执行非线性特征聚合计算操作，获取隐藏层状态特征数据；

46、将所述隐藏层状态特征数据输入所述空间注意力机制单元，将所述隐藏层状态特征数据分别经过线性网络层映射生成查询向量与键向量，通过所述查询向量与所述键向量的内积加归一化指数函数计算动态注意力权重数据，并进行加权求和计算，获取聚合空间表征特征数据；

47、所述三维网格映射单元配置有连续三维空间网格坐标数据，将所述聚合空间表征特征数据与所述连续三维空间网格坐标数据共同输入所述三维网格映射单元，调用非线性映射模型参数计算离散的所述聚合空间表征特征数据到所述连续三维空间网格坐标数据的非线性映射关系，获取所述监测区域的三维电荷密度分布映射。

48、作为上述技术方案的进一步描述：

49、所述非线性映射模型参数是预先通过离线训练过程获取的，所述离线训练过程具体为：

50、获取历史监测样本的聚合空间表征特征数据作为模型输入，建立摩擦副的三维几何模型，施加与实际工况对应的法向载荷与相对滑动速度边界条件；

51、采用固体力学与静电场多物理场耦合计算进行有限元仿真分析，获取摩擦界面节点上的电荷密度数值，并将所述电荷密度数值作为真实三维电荷密度分布的标签数据从而构建训练集；

52、通过反向传播算法不断更新所述三维网格映射单元的网络权重，直至损失函数收敛，获得预先训练好的所述非线性映射模型参数。

53、作为上述技术方案的进一步描述：

54、所述根据所述电荷峰值分布区域数据获取所述摩擦副的磨损部位的空间坐标参数与磨损程度量化参数的具体步骤包括：

55、提取所述电荷峰值分布区域数据对应的所述磨损部位的空间坐标参数；

56、配置有经摩擦磨损失效模拟测试构建的电荷峰值与磨损程度的量化对应关联表，所述量化对应关联表记录有在不同法向载荷下，静电荷峰值密度与磨损深度的映射数据；

57、根据所述电荷峰值分布区域数据的电荷密度峰值与所述量化对应关联表进行量化计算匹配，获取所述摩擦副的磨损程度量化参数。

58、本发明具有如下有益效果：

59、1.本发明的数据处理中枢通过带通滤波模块滤除数字静电信号中的工频基线漂移数据与高频电磁干扰数据，输出初步滤波信号，随后执行变分模态分解算法对初步滤波信号进行数据分解，并将多个本征模态函数分量组合构建为多维观测信号矩阵，调用独立成分分析算法对该矩阵执行解混叠计算，从中分离出独立主元成分与残余混合噪声成分，通过计算独立主元成分与多个本征模态函数分量之间的互相关系数矩阵，将计算数值低于互相关系数阈值的成分判定为残余混合噪声成分并予以剔除，这一过程能够有效滤除复杂工况下的干扰噪声并分离混叠信号，获取高质量的多通道的纯净时域静电监测信号，从而提升监测结果的准确性。

60、2.本发明的数据处理中枢获取均值参数、均方根参数、静电活动性水平参数、事件率参数、中心频率特征参数、均方根频率特征参数、标准差频率特征参数、物理关联特征参数、能量占比特征参数、静电场梯度熵参数以及空间分布不对称性指数参数，并将上述获取的全部特征参数进行向量拼接操作，输出初始高维联合特征向量，随后利用内部配置的物理约束规则库进行查询匹配，查询疑似冗余特征对数据对应的等价标识数据，将等价标识数据为第一状态的判定为计算重叠项，在特征向量中删除其中一个特征维度数据，将等价标识数据为第二状态的判定为独立物理映射项，予以保留，该设计能够从多维度充分挖掘摩擦界面的运行状态，同时依靠物理约束规则剔除重叠冗余项，有效降低了后续计算的模型复杂度。

61、3.本发明的数据处理中枢配置有图神经网络计算模块，将三维空间位置坐标数据定义为节点位置数据，进而将降维后的时－频－空域联合特征库分配至对应的节点位置数据以生成节点特征矩阵数据，并计算不同节点位置数据之间的节点空间欧氏距离数据，据此确定节点位置数据之间的空间邻接关系，生成内部节点之间的空间邻接边数据，之后通过三维网格映射单元调用非线性映射模型参数计算离散的聚合空间表征特征数据到连续三维空间网格坐标数据的非线性映射关系，输出监测区域的三维电荷密度分布映射，最后扫描并分析三维电荷密度分布映射，提取其内部的极值分布区域数据，进而提取极值分布区域数据对应的磨损部位空间坐标参数，这种基于空间邻接关系的处理机制建立了离散信号到连续空间分布的映射，能够直观且精确地定位实际磨损部位。