本申請涉及信號處理領域，尤其涉及一種基于混合變體的信號增強方法、裝置。

背景技術：

1、在當前的工業領域，軸承故障的自動檢測技術已經成為研究的焦點之一，隨著技術的不斷進步，基于深度學習的故障診斷方法因其卓越的非線性學習能力，受到了廣泛的關注和應用；基于深度學習的故障診斷方法主要依賴于卷積神經網絡(cnn)和循環神經網絡(rnn)等先進的深度學習架構。

2、然而，目前在公共振動數據集中用于故障分類的樣本數量往往較為有限，且旋轉部件在實際運行過程中，其工作條件如轉速和負載等參數的變化非常大，導致了數據分布的顯著偏移；因此，在實際應用中，軸承故障檢測方法通常需要依賴于振動信號的手工設計時域和頻域特征作為輸入，而不是直接使用原始振動信號，這種依賴于特征工程的方法雖然在一定程度上能夠提高分類器的性能，但在真實場景中，由于數據分布的偏移，基于振動信號的故障分類器的性能往往無法達到在受控環境下測試時的水平。

3、因而，亟需研發一種基于混合變體的信號增強方法、裝置解決上述存在的一個或多個問題。

技術實現思路

1、鑒于此，為解決上述技術問題或部分技術問題，本發明實施例提供一種基于混合變體的信號增強方法、裝置。

2、第一方面，本申請提供了一種基于混合變體的信號增強方法，所述方法包括：

3、獲取目標設備的振動信號；

4、從所述振動信號中隨機選取信號樣本組，所述信號樣本組包括多種不同故障類型的信號樣本；

5、利用所述信號樣本組，從多種預設策略中選取目標策略；

6、使用所述目標策略對所述振動信號進行增強處理，得到增強信號。

7、在一個可能的實施方式中，所述從所述振動信號中隨機選取信號樣本組，包括：

8、獲取所述振動信號對應的故障類型；

9、根據所述故障類型將所述振動信號劃分為多個振動信號組；

10、分別從多個振動信號組中隨機選取預設樣本量的振動信號，組成信號樣本組。

11、在一個可能的實施方式中，所述利用所述信號樣本組，從多種預設策略中選取目標策略，包括：

12、分別使用多種預設策略對所述信號樣本組進行增強處理，得到每種預設策略的增強信號；

13、利用信號特征提取策略獲取每種增強信號的信號特征，并根據對應的信號的特征分數確定每種預設策略的策略質量；

14、基于所述策略質量，從多種預設策略中確定所述信號樣本組對應的目標策略，其中，所述目標策略為策略質量最高的預設策略。

15、在一個可能的實施方式中，所述預設策略包括由預設混合策略與深度學習策略組成；

16、在所述預設混合策略為第一混合策略的情況下，對所述信號樣本組進行增強處理，得到增強信號，包括：

17、對所述信號樣本組中不同故障類型對應的振動信號進行混合處理，得到混合信號；

18、使用深度學習策略對所述混合信號進行增強處理，得到增強信號。

19、在一個可能的實施方式中，在所述預設混合策略為第二混合策略的情況下，對所述信號樣本組進行增強處理，得到增強信號，包括：

20、使用深度學習策略對所述信號樣本組中不同故障類型對應的振動信號進行增強處理，得到不同故障類型的增強信號；

21、對不同故障類型的增強信號進行混合處理，得到混合增強信號；

22、將所述混合增強信號輸入全連接層，進行求和處理得到增強信號。

23、在一個可能的實施方式中，所述深度學習策略，包括：

24、多層感知器策略、兩種變體的卷積網絡策略，a-net架構策略。

25、在一個可能的實施方式中，所述使用深度學習策略對所述混合信號進行增強處理，得到增強信號，包括：

26、根據所述混合信號的信號質量，將所述混合信號劃分為多個混合信號組，并在每個混合信號組中添加對應的質量標簽；

27、利用所述質量標簽對多個混合信號組執行不同程度的數據清洗處理，得到多個增強混合信號組；

28、對多個增強混合信號組中的增強混合信號進行歸一化處理，得到增強信號。

29、在一個可能的實施方式中，所述使用深度學習策略對所述信號樣本組中不同故障類型對應的振動信號進行增強處理，得到不同故障類型的增強信號，包括：

30、獲取所述信號樣本組中不同故障類型振動信號的信號特征；

31、根據所述信號特征，對不同故障類型的振動信號進行放大處理，得到不同故障類型的增強信號。

32、在一個可能的實施方式中，所述特征提取策略包括時域提取策略、實值快速傅里葉變換策略、以及短時傅里葉變換策略。

33、第二方面，本申請提供了一種基于混合變體的信號增強裝置，所述裝置包括：

34、獲取模塊，用于獲取目標設備的振動信號；

35、第一選取模塊，用于從所述振動信號中隨機選取信號樣本組；

36、第二選取模塊，用于利用所述信號樣本組，從多種預設策略中選取目標策略；

37、增強模塊，用于使用所述目標策略對所述振動信號進行增強處理，得到增強信號。

38、本申請實施例提供的上述技術方案與現有技術相比具有如下優點：本申請實施例提供的方法，對傳統故障基于混合變體的信號增強方法進行了改進，首先根據設備的配置信息選取信號樣本組，然后利用多種預設策略對信號樣本組進行增強處理，從而選取預設策略中最適應振動信號的目標策略，然后利用該目標策略對振動信號進行增強處理，不僅提高了信號增強的準確性，而且增強了信號處理的靈活性；可以有效地從含有噪聲的信號中提取出有用的故障信息，從而提高故障檢測的準確率和效率。

技術特征：

1.一種基于混合變體的信號增強方法，其特征在于，包括：

2.根據權利要求1所述的方法，其特征在于，所述從所述振動信號中隨機選取信號樣本組，包括：

3.根據權利要求2所述的方法，其特征在于，所述利用所述信號樣本組，從多種預設策略中選取目標策略，包括：

4.根據權利要求3所述的方法，其特征在于，所述預設策略包括由預設混合策略與深度學習策略組成；

5.根據權利要求4所述的方法，其特征在于，在所述預設混合策略為第二混合策略的情況下，對所述信號樣本組進行增強處理，得到增強信號，包括：

6.根據權利要求5所述的方法，其特征在于，所述深度學習策略，包括：

7.根據權利要求4所述的方法，其特征在于，所述使用深度學習策略對所述混合信號進行增強處理，得到增強信號，包括：

8.根據權利要求5所述的方法，其特征在于，所述使用深度學習策略對所述信號樣本組中不同故障類型對應的振動信號進行增強處理，得到不同故障類型的增強信號，包括：

9.根據權利要求3所述的方法，其特征在于，所述特征提取策略包括時域提取策略、實值快速傅里葉變換策略、以及短時傅里葉變換策略。

10.一種基于混合變體的信號增強裝置，其特征在于，包括：

技術總結
本申請涉及一種基于混合變體的信號增強方法、裝置，該方法包括：獲取目標設備的振動信號；從所述振動信號中隨機選取信號樣本組，所述信號樣本組包括多種不同故障類型的信號樣本；利用所述信號樣本組，從多種預設策略中選取目標策略；使用所述目標策略對所述振動信號進行增強處理，得到增強信號。該方法對傳統故障基于混合變體的信號增強方法進行了改進，首先根據設備的配置信息選取信號樣本組，然后利用多種預設策略對信號樣本組進行增強處理，從而選取預設策略中最適應振動信號的目標策略，不僅提高了信號增強的準確性，而且增強了信號處理的靈活性，可以有效地從含有噪聲的信號中提取出有用的故障信息，從而提高故障檢測的準確率和效率。

技術研發人員：趙欣,房紅征,王濤,李蕊,熊毅,陳斐,黃玉龍,余家豪,羅凱
受保護的技術使用者：北京航天測控技術有限公司
技術研發日：
技術公布日：2025/4/24