基于经验模态分解的设备或系统机内测试信号虚警滤波方法

摘要

基于经验模态分解的设备或系统机内测试信号虚警滤波方法，它涉及到机内测试的关键处理技术。提供了一种在不借助任何先验知识的情况下降低设备或系统机内测试信号虚警率的滤波方法。本发明的步骤为：一：对输入的机内测试信号进行经验模态分解，提取3个本征模态函数分量和1个残差；二：对提取的第2阶本征模态函数分量IMF2进行自适应衰减处理，获取衰减后分量DIMF2；步骤三：对衰减后分量DIMF2进行信号叠加处理，获得机内测试信号的滤波信号，完成对机内测试信号的虚警滤波。本发明从采样信号本身出发，克服以往滤波方法无法同时从频率和幅值两方面入手联合排除虚警信号的问题，适用于设备或系统的机内测试信号滤波。

说明书

技术领域

本发明涉及一种基于经验模态分解的设备或系统机内测试信号虚警滤波方法，属于测试领域。

背景技术

机内测试（Built-InTest，BIT）是设备或系统自身为故障检测、隔离或诊断所提供的自动测试能力。BIT是显著改善系统测试与诊断能力的重要技术手段，在现代装备的可靠性、维修性、测试性设计中日益受到重视。在设备或系统生命周期的设计、生产和运行三个阶段，测试一直是一个十分关键的技术。首先，在设计阶段，测试的目的是为了探测和指出存在的设计错误，从而确保生产出的产品会按预定的方式运作。接着，在生产阶段，测试的目的是探测出任何会导致一定的器件或产品在预定的系统中不按正确方式运行的生产缺陷。最后，在系统运行阶段，测试的目的是探测出在运行阶段任何会产生错误操作的故障，在一些系统中，为了使系统恢复到无故障的状态，测试还必须指出需要更换的具体故障元件，因此设备或系统的BIT技术有着愈发普及的应用趋势。

虚警是BIT或其他检测模块指示有故障而实际上不存在故障的现象。虚警率较高始终是制约BIT技术研究和应用的瓶颈问题之一，成为导致设备或系统完好性差、使用保障费用高的重要因素。

现有对设备或系统机内测试信号进行滤波的方法无法同时从频率和幅值两方面入手联合排除虚警信号。

发明内容

本发明目的是为了解决现有对设备或系统机内测试信号进行滤波的方法无法同时从频率和幅值两方面入手联合排除虚警信号的问题，提供了一种基于经验模态分解的设备或系统机内测试信号虚警滤波方法。

本发明方法包括以下步骤：

步骤一：对输入的机内测试信号进行经验模态分解，提取3个本征模态函数分量和1个残差；

步骤二：对提取的第2阶本征模态函数分量IMF2进行自适应衰减处理，获取衰减后分量DIMF2；

步骤三：对衰减后分量DIMF2与第1阶本征模态函数分量、第3阶本征模态函数分量和残差进行信号叠加处理，获得机内测试信号的滤波信号，完成对机内测试信号的虚警滤波。

本发明的优点：

1）本发明所提出的信号滤波方法利用EMD过程分离出含有虚警成分最多的IMF分量并对其进行后续的降虚警处理，相当于从频域入手对非平稳非线性信号的虚警成分进行定位，具有其他滤波方法难以比拟的针对性。

2）本发明所提出的信号滤波方法利用自适应因子对含有虚警成分最多的IMF分量进行衰减，从幅值入手，使信号中幅值较大的趋势成分得以保留，最后经过信号叠加，还原出适合设备或系统机内测试之用的低虚警率滤波信号。

本发明方法同时从频率和幅值两方面入手联合排除虚警信号的问题，对具有虚警特征的成分进行有针对性的衰减处理，从而有效滤除容易导致误报的虚警信号，适用于设备或系统的机内测试信号滤波。

附图说明

图1为本发明方法信号处理原理图；图2为经验模态分解信号处理原理图；图3为无故障情况下舵机反馈电压原始采样数据曲线图；图4为故障情况下舵机反馈电压原始采样数据曲线图；图5为无故障情况下舵机反馈电压EMD（经验模态分解，EmpiricalModeDecomposition）后所得IMF1曲线图；图6为无故障情况下舵机反馈电压EMD后所得IMF2曲线图；图7为无故障情况下舵机反馈电压EMD后所得IMF3曲线图；图8为无故障情况下舵机反馈电压EMD后所得残差曲线图；图9为故障情况下舵机反馈电压EMD后所得IMF1曲线图；图10为故障情况下舵机反馈电压EMD后所得IMF2曲线图；图11为故障情况下舵机反馈电压EMD后所得IMF3曲线图；图12为故障情况下舵机反馈电压EMD后所得残差曲线图；图13为无故障情况下舵机反馈电压曲线图；图14为无故障情况下舵机反馈电压一阶差分曲线图；图15为无故障情况下滤波后舵机反馈电压曲线图；图16为无故障情况下滤波后舵机反馈电压一阶差分曲线图；图17为故障情况下舵机反馈电压曲线图；图18为故障情况下舵机反馈电压一阶差分曲线图；图19为故障情况下滤波后舵机反馈电压曲线图；图20为故障情况下滤波后舵机反馈电压一阶差分曲线图。

具体实施方式

 具体实施方式一：下面结合图1至图2说明本实施方式。

由于BIT所处理的数据往往都是非平稳非线性的，因此我们考虑使用在这方面数据处理上有专长的经验模态分解（EmpiricalModeDecomposition，EMD）来辅助对BIT信号进行滤波，从而达到降低虚警率的目的。

EMD是希尔伯特黄变换（Hilbert-HuangTransform，HHT）的重要组成步骤，后者由美国国家航空航天管理局（NationalAeronauticsandSpaceAdministration，NASA）的黄锷博士于1998年公开发表。不同于使用固定形态窗口为分界基底函数的传统方法，EMD的基底函数是从信号中自适应提取得到的本征模态函数（IntrinsicModeFunction，IMF）。它利用信号内部时间尺度的变化做能量与频率的解析，将信号展开成数个满足下列两个条件的IMF：

1）在整个函数中，极值点的数目与穿越零点的数目相等或者相差1；

2）在任何时刻，由局部极值包络线所定义的包络线局部均值为零。

依托这两个条件构建起来的EMD及HHT被认为是强有力地求解非线性、非平稳信号的自适应方法，是近年来对以傅立叶变换为基础的线性及稳态谱分析的重大突破，并得到了广泛的应用。

本实施方式方法通过以下技术方案实现的：对用于机内测试的采样信号进行EMD之后得到数个IMF及残差函数。由于先分解出的高阶IMF固有频率高，包含的主要是故障信号及噪声，后分解出的低阶IMF固有频率低，基本上反映的是常态信号，而最后的残差函数为信号的总体趋势，因此对于分解出3个IMF的EMD过程而言，第2阶IMF（即IMF2）所含的虚警信号成分最多。接着，对IMF2进行衰减处理，本发明采取了自适应的衰减系数，主要是为了保留IMF2中的非虚警成分。最后合并衰减后的DIMF2以及EMD分解出的IMF1、IMF3和残差RES，得到滤波后的采样信号。包括如下步骤：

步骤一：对输入的机内测试信号进行经验模态分解，提取3个本征模态函数分量和1个残差；

步骤二：对提取的第2阶本征模态函数分量IMF2进行自适应衰减处理，获取衰减后分量DIMF2；

步骤三：对衰减后分量DIMF2与第1阶本征模态函数分量、第3阶本征模态函数分量和残差进行信号叠加处理，获得机内测试信号的滤波信号，完成对机内测试信号的虚警滤波。

 其中步骤一提取3个本征模态函数分量和1个残差的过程为：

设定输入的机内测试信号为，，

步骤a、IMF分解过程初始化：，且满足关系式成立，其中为第次分解后剩余的残差函数，

时，。

步骤b、筛选过程初始化，，且满足关系式成立，其中为第次IMF分解中经过第次筛选后的剩余函数，

时，。

步骤c、根据筛选程序获取输入的机内测试信号经过第次本征模态函数分解的剩余的残差函数中经过第次筛选后的剩余函数，

步骤d、采用标准偏差准则判断输入的机内测试信号经过第次本征模态函数分解的剩余的残差函数中经过第次筛选后的剩余函数是否满足本征模态函数的条件，即是否小于阈值T，；

判断结果为是，执行步骤e，判断结果为否，则，然后执行步骤c，

步骤e、提取一个本征模态函数IMF分量，

步骤f、获取输入的机内测试信号经过第次本征模态函数分解的剩余的残差函数，

步骤g、判断是否满足下述关系式成立：，

判断结果为否，则，然后执行步骤b，判断结果为是，完成提取过程，获得3个本征模态函数分量IMF1、IMF2和IMF3：；和个经过第次本征模态函数分解的剩余的残差RES：。

n=1时，提取第1阶本征模态函数分量IMF1；n=2时，提取第2阶本征模态函数分量IMF2；n=3时，提取第3阶本征模态函数分量IMF3；n=3时，提取本征模态函数分解的剩余的残差函数RES：。即。

其中，步骤c根据筛选程序获取输入信号经过第次本征模态函数分解的剩余趋势函数中经过第次筛选后的剩余函数的过程为：

步骤c1、利用三次样条函数获取输入信号经过第次本征模态函数分解的剩余趋势函数中经过第次筛选后的剩余函数的上、下包络，

步骤c2、计算所述剩余函数上、下包络曲线在各个的均值，

步骤c3、获取输入信号经过第次本征模态函数分解的剩余趋势函数中经过第次筛选后的剩余函数。

 步骤二中衰减后分量DIMF2按如公式获取：

其中衰减因子采用下式计算：

。

由于IMF1中主要含有的是故障信号（如果有故障存在的话）及噪声，而IMF3基本上反映的是正常状态下的平稳信号，所以设计衰减因子去乘以IMF2可以达到有效减少虚警成分的目的。虚警信号是一种来源于系统内部元件自身的固有频率信号或间歇信号，且可能只在某些触发信号后伴随发生，而EMD过程的自适应特性可以有效捕获这种幅值上往往明显高于噪声又低于故障的信号，但也不可避免的含有原信号的趋势成分，为了避免在滤波过程中丢失原信号中的非虚警成分，IMF2所用衰减因子A的计算采用下列算式计算：

。

 该衰减因子通过IMF2信号各时刻幅值自适应地判断其虚警成分的含量，幅值越低则趋势信息越少，因而虚警成分越多，此时的衰减因子相应也更小，从而达到虚警信号滤波的目的。衰减后的IMF2分量，即DIMF2，采用下列算式计算：

。

步骤三所述机内测试信号的滤波信号按如下公式获取：

。

表示衰减后分量DIMF2的函数，表示分量IMF1的函数，表示分量IMF2的函数、表示分量IMF3的函数，表示残差RES的函数。

还原出适合设备或系统机内测试之用的低虚警率滤波信号有效的滤除容易导致误报的虚警信号。

具体实施方式二、本实施方式与具体实施方式一的不同之处在于，T=0.25，其它与实施方式一相同。

具体实施方式三：下面结合图3至图20说明本实施方式，给出一个具体的实施例，无人机是一种无人驾驶飞行器，有升力面、可依靠自动驾驶仪和无线电系统控制并作机动飞行，它可以完成空中环境监测、森林防火、喷洒农药、空中侦察等任务。本实施例信号截取自无人机执行某规定自检任务时的舵机反馈电压信号，且分别在无故障和有故障情况下各选择了一段原始采样数据，如图3和图4所示。从图3所示的无故障情况可见，在舵机执行自检动作后，电压上升并趋于稳定，但由于自身扰动等原因，后半段出现多次较大幅值的跌落，这些都容易使机内测试系统发生虚警，也是滤波方法所针对的主要对象。而在图4所示的故障情况下，虽然后期发生的大幅电压跌落为故障信号，但前期仍伴随有虚警信号发生，所以滤波方法要做到降低虚警信号的同时不影响机内测试系统对故障信号的检测。

执行步骤一：对无故障和有故障状态下的两组输入数据（考虑到机内测试系统的实时性要求，需在故障发生后及时报警，因此皆截取了128个采样点）分别进行经验模态分解（EmpiricalModeDecomposition，EMD），各得到3个本征模态函数（IntrinsicModeFunction，IMF）和1个残差，分别记为IMF1，IMF2，IMF3和RES。选取两组数据是为了观察在不同情况下本发明的滤波效果，他们的EMD分解过程完全一致，具体操作如下：

 设定输入的机内测试信号为，，

步骤a、IMF分解过程初始化：，且满足关系式成立，其中为第次分解后剩余的残差函数，

时，。

步骤b、筛选过程初始化，，且满足关系式成立，其中为第次IMF分解中经过第次筛选后的剩余函数，

时，。

步骤c、根据筛选程序获取输入的机内测试信号经过第次本征模态函数分解的剩余的残差函数中经过第次筛选后的剩余函数，

步骤d、采用标准偏差准则判断输入的机内测试信号经过第次本征模态函数分解的剩余的残差函数中经过第次筛选后的剩余函数是否满足本征模态函数的条件，即是否小于阈值T，；

判断结果为是，执行步骤e，判断结果为否，则，然后执行步骤c，

步骤e、提取一个本征模态函数IMF分量，

步骤f、获取输入的机内测试信号经过第次本征模态函数分解的剩余的残差函数，

步骤g、判断是否满足下述关系式成立：，

判断结果为否，则，然后执行步骤b，判断结果为是，完成提取过程，获得3个本征模态函数分量IMF1、IMF2和IMF3：；和个经过第次本征模态函数分解的剩余的残差函数RES：。

n=1时，提取第1阶本征模态函数分量IMF1；n=2时，提取第2阶本征模态函数分量IMF2；n=3时，提取第3阶本征模态函数分量IMF3；n=3时，提取本征模态函数分解的剩余的残差函数RES：。

即。

无故障情况下的舵机反馈电压信号分解结果如图5至图8所示；故障情况下的舵机反馈电压信号分解结果如图9至图12所示。

执行步骤二：对提取的第2阶本征模态函数分量IMF2进行自适应衰减处理，获取衰减后分量DIMF2。

通过对前面分解结果的直观图示，无论是无故障还是有故障情况下的各IMF分量中，IMF2都显含了最多的虚警信号成分，所以设计衰减因子去乘以IMF2可以达到有效减少虚警成分的作用。同时为了避免在滤波过程中丢失原信号中的非虚警成分，IMF2所用衰减因子A的计算采用下列算式计算：

。

衰减后的IMF2分量，即DIMF2，采用下列算式计算：

。

执行步骤三：对衰减后分量DIMF2进行信号叠加处理，获得机内测试信号的滤波信号，完成对机内测试信号的虚警滤波。

滤波后的信号采用下列算式计算：

。

对于舵机无故障的情况，图13所示信号经滤波处理后得到如图15所示的信号。而对舵机有故障的情况，图17所示信号经滤波处理后得到如图19所示的信号。对比可知，滤波后小幅值且慢速跌落的现象被有效弱化，而大幅值且快速跌落的现象不受滤波影响。

由于该采样信号是针对机内测试系统的，我们统一对其进行一阶差分处理之后，能够更加清楚地说明滤波的效果。对于舵机无故障的情况，未滤波信号一阶差分负峰值的极值为-0.30V（见图14），滤波后的则为-0.17V（见图16），可见虚警信号被明显削弱。对于舵机有故障的情况，要分为故障前和故障后来讨论：故障发生前，未滤波信号一阶差分负峰值的极值为-0.30（见图18），滤波后的则为-0.20（见图20），可见虚警信号被明显削弱；故障发生后，未滤波信号一阶差分负峰值的极值为-0.71（见图18），滤波后的则为-0.78（见图20），可见故障信号不仅没有被削弱，反而得到增强。本方法同时从频率和幅值两方面入手联合排除虚警信号的问题，对具有虚警特征的成分进行有针对性的衰减处理，从而有效滤除容易导致误报的虚警信号，适用于设备或系统的机内测试信号滤波。