《谐波小波与近似熵相结合幻灯片.ppt》由会员分享，可在线阅读，更多相关《谐波小波与近似熵相结合幻灯片.ppt（33页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、谐波小波与近似熵相结合谐波小波与近似熵相结合第1页，共33页，编辑于2022年，星期二目录目录1、近似熵的概述2、近似熵的特点 3、近似熵的算法4、近似熵的参数条件选择5、近似熵的实用快速算法6、谐波小波的概述7、复小波变换及其基本应用 第2页，共33页，编辑于2022年，星期二 近似熵的概述近似熵的概述n n 近似熵近似熵(Approximate entropy,(Approximate entropy,简称简称ApEn)ApEn)是最近发展是最近发展起来的一种度量序列的复杂性和统计量化的规则。起来的一种度量序列的复杂性和统计量化的规则。它是在它是在2020世纪世纪90 90 年代初由年代初
2、由PincusPincus为了克服混沌现象中为了克服混沌现象中求解熵的困难提出的。近似熵是对非线性时间序列复杂度求解熵的困难提出的。近似熵是对非线性时间序列复杂度的一种非负的定量描述，它对于相对较短的的一种非负的定量描述，它对于相对较短的(大于大于100100个数个数据点据点)、含噪声的时间序列显示出潜在的应用价值。、含噪声的时间序列显示出潜在的应用价值。第3页，共33页，编辑于2022年，星期二近似熵主要的特点近似熵主要的特点 1.近似熵只需要比较短的数据就能估计出比较稳定的统计值。所需的数据点大致在1005000点，一般在1000点左右。2.近似熵有较好的抗干扰和抗噪的能力。在实际应用中，
3、常把它作为一个诊断的判据，已经在生物系统，生理电信号、机械设备故障诊断等领域进行了尝试并获得了良好的效果。第4页，共33页，编辑于2022年，星期二近似熵主要的特点近似熵主要的特点3.近似熵对于随机信号或确定性信号都可以使用,也可以应用于由随机成分和确定性成分混合的信号。若一个非线性的物理过程复杂程度越高，那么近似熵将越大。4.近似熵从衡量时间序列复杂性的角度来度量信号中产生新模式的概率大小,产生新模式的概率越大,序列的复杂性越大,相应的近似熵也越大,可用近似熵来描述振动信号的不规则性和复杂性。第5页，共33页，编辑于2022年，星期二近似熵的算法近似熵的算法 设采集到的原始数据为u(i),i
4、=0,1N预先给定模式维数m和相似容限r 的值,则近似熵可以通过以下步骤计算得到：1.将序列u(i)按顺序组成m维矢量X(i),即：X(i)=u(i),u(i+1)u(i+m-1),i=1 N-m+12.对每一个i 值计算矢量X(i)与其余矢量X(j)之间的距离:d X(i),x(j)=maxu(i+k)-u(j+k)第6页，共33页，编辑于2022年，星期二近似熵的算法近似熵的算法3.按照给定的阈值r(r 0),对每一个i 值统计d X(i),X(j)r 的数目及此数目与总的矢量个数N-m+1 的比值,记做Cmi(r),即 Cmi(r)=d X(i),X(j)r 的数目 (N-m+1)4.先
5、将Cmi(r)取对数,再求其对所有i 的平均值,记做5m(r),即 5m(r)=1/（N-m+1）In Cmi(r)第7页，共33页，编辑于2022年，星期二近似熵的算法近似熵的算法5.再对m+1,重复1 4 的过程,得到5m+1(r)6.理论上此序列的近似熵为:A p E n(m,r)=lim5m(r)-5m+1(r)一般而言,此极限值以概率1 存在.但在实际工作中N 不可能为,当N 为有限值时,按上述步骤得出的是序列长度为N 时A p E n 的估计值.记做A p E n(m,r,N)=5m(r)-5m+1(r)第8页，共33页，编辑于2022年，星期二 近似熵参数条件的选择：近似熵参数条
6、件的选择：由于运用近似熵计算前需对近似熵的参数进行确定,即模式维数 m,相似容限 r。当选取之后，这两个参数将在整个计算中固定不变。对于m的选取，m是计算近似熵时进行比较序列的长度，即窗口的长度或称为模式维数。选择m=2要好于m=1，这样在序列的联合第9页，共33页，编辑于2022年，星期二近似熵参数条件的选择：近似熵参数条件的选择：概率进行动态性重构时，会有更多的详细的信息。当m2时，要想估计出好的结果，r就需要比较大。这样通过ApEn(m,r)来分析序列的分布就会丢失许多信息。所以，选择m=2。对于r的选取，为了得到的ApEn(m,r,N)具有比较有效的统计特性，r值太小，估计出的第10页
7、，共33页，编辑于2022年，星期二近似熵参数条件的选择：近似熵参数条件的选择：统计概率不理想；r值太大，会丢失系统的许多详细信息。经过Pincus等人对确定性过程和随机过程的理论分析及其计算和在实践应用的基础上，总结出r在0.10.25STD(STD为u(i)数据的标准差之间能够估计出比较有效的统计特性。第11页，共33页，编辑于2022年，星期二近似熵的实用快速算法近似熵的实用快速算法 由于按照近似熵的定义步骤去进行计算时由于按照近似熵的定义步骤去进行计算时,其中其中包含很多的冗余计算包含很多的冗余计算,降低了计算效率降低了计算效率,不利于实时不利于实时运用。下面给出了一种实用快速算法运用
8、。下面给出了一种实用快速算法,可将计算速度可将计算速度提高到定义算法的提高到定义算法的5 5倍左右倍左右,现介绍如下：现介绍如下：1.1.对对N N 点序列点序列,先计算先计算N N N N 的距离矩阵的距离矩阵D,D D的的第第i i行第行第j 列元素记为d ijd ij。2.2.利用矩阵利用矩阵D D 中的元素中的元素,可以方便地计算得到可以方便地计算得到C C2 2i i(r r)和和C C3 3i i(r r)()(假设假设m m=2)=2)。3.3.由由C C2i i(r)和和C3 3i(r r)分别计算分别计算5 52(r r)和和5 53(r)。4.4.ApEnApEn(m m,
9、r r)=5)=5m(r r)-5)-5m+1(+1(r r)。第12页，共33页，编辑于2022年，星期二近似熵的实用快速算法近似熵的实用快速算法 该算法主要是将定义算法中的步骤(1)构造矢量的过程省略,同时不再分别计算m=2 和m=3 时各矢量之间的距离而代之以求解时间序列中各数据点的差值,即避免了同维矢量之间距离的重复计算,也减少了维数变化时的计算距离过程中的不必要计算,从而提高了运算效果,具有工程实用价值。第13页，共33页，编辑于2022年，星期二近似熵在度量信号复杂性方面的能力近似熵在度量信号复杂性方面的能力 设周期信号为设周期信号为x=sin(2*pi*50*t)+sin(2*p
10、i*300*t);x=sin(2*pi*50*t)+sin(2*pi*300*t);其中，取时间间隔其中，取时间间隔t t为为0.0010.001即说明采样频率为即说明采样频率为1000Hz1000Hz；该信号产生的是主要频率为；该信号产生的是主要频率为50Hz50Hz和和300Hz300Hz的信号。下图中（b）为信号中加入白噪声r后的波形，直观上可以看出信号形，直观上可以看出信号x xr r比信号比信号x x要复杂的多，要复杂的多，按上述算法求其相应的近似熵分别为 0.8511和0.20790.2079，前者几乎是后者的，前者几乎是后者的3 3倍多，即越复杂的信号倍多，即越复杂的信号近似熵越
11、大近似熵越大,从而表明近似熵可以很好地用来显示信从而表明近似熵可以很好地用来显示信号的复杂性。号的复杂性。第14页，共33页，编辑于2022年，星期二近似熵在度量信号复杂性方面的能力近似熵在度量信号复杂性方面的能力第15页，共33页，编辑于2022年，星期二谐波小波的概述谐波小波的概述 小波是满足允许条件的函数，如果一个小波具有完全“盒形”的频谱将是非常理想的。从这一考虑出发，设有实偶数Wo(t),它们的傅利叶变换分别为：We（）=1/4*当 2*|4*或者 We（）=0 当|为其它时 第16页，共33页，编辑于2022年，星期二谐波小波的概述谐波小波的概述 Wo（）=i/4*当 4*2*或者
12、 Wo（）=i/4*当 2*4*或者 Wo（）=0 当 为其它时 其中i（-1）1/2如下图所示：第17页，共33页，编辑于2022年，星期二谐波小波的概述谐波小波的概述 WeWe（）,Wo,Wo（）及）及WW（）图示）图示 则对则对WW（）WeWe（）iWoiWo（）有）有 W W（）1/2*1/2*；当当2*2*4*4*或者或者 W W（）0 0 ；当当 为其它时为其它时第18页，共33页，编辑于2022年，星期二谐波小波的概述谐波小波的概述所对应的函数 W（）We（）iWo（）由W（）的傅立叶逆变换得 W（）exp(i4t)-exp(i2t)/i2t称上式定义得函数为谐波小波（harmo
13、nic wavelet），它是复小波，在频域紧支，且具有完全“盒形”的频谱。其实部与虚部如下图中（a）与（b）所示 第19页，共33页，编辑于2022年，星期二谐波小波的概述谐波小波的概述 谐波小波的实部波形图谐波小波的实部波形图 谐波小波的虚部波形图谐波小波的虚部波形图仍以实例来说明谐波小波在分析振动信号时仍以实例来说明谐波小波在分析振动信号时频方面的能力：下图中（a）所示为周期信号：x=sin(2*pi*50*t);其中，取时间间隔其中，取时间间隔t t为为0.0010.001即说明采样频率为即说明采样频率为1000Hz；该信号产生的是主要频率为50Hz和300Hz的信号。（的信号。（b
14、b）为信号中加入白噪声）为信号中加入白噪声r r后的波形，直后的波形，直 第20页，共33页，编辑于2022年，星期二谐波小波的概述谐波小波的概述观上我们并不能马上看出信号xr与信号x明显区别，如果我们按上述谐波小波定义求其相应的时频图，如（c）与（d）所示，则我们立刻能够明显看出这两个信号的时频图之间的差异，换句话而言，我们能将复杂的信号经过谐波小波分析，以得出我们所要需的明显效果。由此可见谐波小波可以很好地用来分析复杂的信号。第21页，共33页，编辑于2022年，星期二谐波小波的概述谐波小波的概述（a a）周期信号）周期信号 （b b）加入噪声后周期信号）加入噪声后周期信号（c c）未加入
15、噪声后周期信号）未加入噪声后周期信号 （d d）加入噪声后周期信号）加入噪声后周期信号第22页，共33页，编辑于2022年，星期二复小波变换及其基本应用复小波变换及其基本应用 复小波变换的基本原理是构造新的复小波的基础，而复小波变换的基本算法和方法与实小波完全一样，所用小波的变换程序都一样，只需将实小波的实值滤波参数改为复小波的复值滤波参数。复小波变换主要包括两方面内容：连续小波变换，离散小波变换。第23页，共33页，编辑于2022年，星期二复小波变换及其基本应用复小波变换及其基本应用在后面实际应用中，我们将用使用复morlet小波（Complex morlet）。它也是一类和谐波小波相近的复
16、小波，它的定义为：（x）1/（pi*fb）1/2*e2ipifexe-x2/fb式中，参数fb是带宽参数；fe是小波中心频率。下图中（a）与（b）为复morlet小波的实部与虚部的波形图（这里定义带宽和中心频率为fb1.5，fc1）：第24页，共33页，编辑于2022年，星期二复小波变换及其基本应用复小波变换及其基本应用复morlet小波的实部 复morlet小波的虚部 第25页，共33页，编辑于2022年，星期二复小波变换及其基本应用复小波变换及其基本应用 使用复小波需要设定复杂的参数，不同条件下的复小波对噪声信号分析的结果各有差异。本实例将通过选取不同条件下复morlet小波对某一含有噪声
17、的振动信号进行分析，以确定最优的复小波分解。以下为不同带宽和中心频率时的波形图：第26页，共33页，编辑于2022年，星期二复小波变换及其基本应用复小波变换及其基本应用当当fbfb1 1，fc fc1.51.5时，各个变换系数从高频波形到低频波形时，各个变换系数从高频波形到低频波形的模的波形的模的波形 第27页，共33页，编辑于2022年，星期二复小波变换及其基本应用复小波变换及其基本应用当当fbfb1 1，fc fc1 1时，各个变换系数从高频波形到低时，各个变换系数从高频波形到低频波形的模的波形 第28页，共33页，编辑于2022年，星期二复小波变换及其基本应用复小波变换及其基本应用当fb
18、1，fc0.5时，各个变换系数从高频波形到低频波形的模的波形形到低频波形的模的波形 第29页，共33页，编辑于2022年，星期二复小波变换及其基本应用复小波变换及其基本应用 当fb1，fc0.1时，各个变换系数从高频波形到低频波形的模的波形 第30页，共33页，编辑于2022年，星期二复小波变换及其基本应用复小波变换及其基本应用 通过对各个变换系数的模的波形对比我们可以看出，当fb1；fc1.5时，所显示的波形最能反应出一个故障信号畸变的位置。第31页，共33页，编辑于2022年，星期二感谢此次毕业设计指导老师感谢此次毕业设计指导老师宋老师的悉心指导！宋老师的悉心指导！感谢在大学四年中帮助指导我的感谢在大学四年中帮助指导我的各位老师！各位老师！第32页，共33页，编辑于2022年，星期二谢谢！第33页，共33页，编辑于2022年，星期二