本发明涉及信号处理，具体涉及一种基于多传感器信息融合的信号处理方法、一种基于多传感器信息融合的信号处理系统、一种计算机设备、一种计算机可读存储介质及一种计算机程序产品。
背景技术：
1、本部分的陈述仅仅是提供了与本发明相关的背景技术，并不必然构成现有技术。
2、目前，生产企业的旋转机械设备和精密仪器日益增多，一旦发生故障导致停工，将造成巨大的经济损失。因此，实时检测机械设备的运行状态，及时发现早期故障并采取维护措施具有重要的现实意义和实际价值。以齿轮箱为例，从轻微损坏到严重损坏，齿轮箱经历了一个具体的过程，当齿轮箱内部轴承、齿轮出现过润滑、微磨损、点蚀等状态时，通常会产生高频声波信号，这种高频信号避免了工业现场低频噪声的干扰，提供了更敏感有效的状态信息。
3、emd、eemd、ceemd等传统的信号分解方法可以对非线性、非平稳信号进行有效的时频域分析，但这些方法在本征模态函数分离过程中容易产生模态混叠的现象，影响故障诊断的效果；并且，通过信号分解产生的本征模态函数通常信息量多、信号数目多、周期性差，能明显从时频域中预先得出诊断结果的本征模态函数较少。若直接对所有本征模态函数进行分析，诊断成功率低；同时，只分析每个单一传感器的振动数据通常需要针对每个特定的传感器设计单独的故障诊断技术，应用范围窄，技术人员工作量较大；若进行检测的传感器种类不同，如何将不同类别传感器检测到的振动信号数据进行融合同样成为了一大难点。
4、目前市面上已有的专利在使用自适应噪声完备集合经验模态分解算法（ceemdan）等经验模态分解算法后，通常直接将生成的分解信号（本征模态函数imf）用于故障诊断阶段，故障诊断阶段的工作量较大；已有的部分本征模态函数处理方法大多为根据人为规则，直接去除相关性较小的imf，损失了部分有效的特征信息；经验模态分解方法不具备统一处理多传感器检测到的特征信息，而单传感器检测的信息所体现出的故障特征较局限，依次诊断所有单传感器的信息较为繁琐。
技术实现思路
1、为了解决现有技术的不足，本发明提供了一种基于多传感器信息融合的信号处理方法及系统，根据相关性系数和峭度的加权和的大小，对各个本征模态函数进行排序，根据排序结果，依次计算各相邻本征模态函数的功率谱密度相关性系数，将功率谱密度相关性系数大于或等于设定阈值的对应本征模态函数求和合并，生成最终的本征模态函数集合，可以从频域图中直观的获得最能体现故障特征的信号函数，解决了单一传感器信息量有限且低效的缺点，减少了冗余信息的产生，能够实现对机械设备健康状态的有效诊断。
2、为了实现上述目的，本发明采用如下技术方案：
3、第一方面，本发明提供了一种基于多传感器信息融合的信号处理方法。
4、一种基于多传感器信息融合的信号处理方法，包括以下过程：
5、对各个传感器监测得到的原始振动信号分别进行分解，得到每个传感器对应的多个本征模态函数；
6、对各个传感器对应的本征模态函数，分别计算相关性系数、峭度和功率谱密度，根据相关性系数和峭度的加权和的大小，对各个本征模态函数进行排序；
7、根据排序结果，依次计算各相邻本征模态函数的功率谱密度相关性系数，将功率谱密度相关性系数大于或等于设定阈值的对应本征模态函数求和合并，遍历所有本征模态函数直至无法进行求和合并为止，得到用于机械的健康状态诊断的最终本征模态函数集合。
8、作为本发明第一方面进一步的限定，采用自适应噪声完备集合经验模态分解的方法对振动信号进行分解。
9、作为本发明第一方面进一步的限定，任一个本征模态函数的相关性系数为此本征模态函数与原始振动信号的相关性系数。
10、作为本发明第一方面进一步的限定，相关性系数和峭度的加权和，包括：
11、以第一权重系数与相关性系数的乘积为第一计算结果，以第二权重系数与峭度的乘积为第二计算结果，以第一计算结果与第二计算结果的加和作为加权和。
12、第二方面，本发明提供了一种基于多传感器信息融合的信号处理系统。
13、一种基于多传感器信息融合的信号处理系统，包括：
14、模态分解单元，被配置为：对各个传感器监测得到的原始振动信号分别进行分解，得到每个传感器对应的多个本征模态函数；
15、加权排序单元，被配置为：对各个传感器对应的本征模态函数，分别计算相关性系数、峭度和功率谱密度，根据相关性系数和峭度的加权和的大小，对各个本征模态函数进行排序；
16、求和合并单元，被配置为：根据排序结果，依次计算各相邻本征模态函数的功率谱密度相关性系数，将功率谱密度相关性系数大于或等于设定阈值的对应本征模态函数求和合并，遍历所有本征模态函数直至无法进行求和合并为止，得到用于机械的健康状态诊断的最终本征模态函数集合。
17、作为本发明第二方面进一步的限定，模态分解单元中，采用自适应噪声完备集合经验模态分解的方法对振动信号进行分解。
18、作为本发明第二方面进一步的限定，加权排序单元中，任一个本征模态函数的相关性系数为此本征模态函数与原始振动信号的相关性系数。
19、第三方面，本发明提供了一种计算机设备，包括：处理器和计算机可读存储介质；
20、处理器，适于执行计算机程序；
21、计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被所述处理器执行时，实现如本发明第一方面所述的基于多传感器信息融合的信号处理方法。
22、第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于被处理器加载并执行如本发明第一方面所述的基于多传感器信息融合的信号处理方法。
23、第五方面，本发明提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时，实现如本发明第一方面所述的基于多传感器信息融合的信号处理方法。
24、与现有技术相比，本发明的有益效果是：
25、1、本发明根据相关性系数和峭度的加权和的大小，对各个本征模态函数进行排序，根据排序结果，依次计算各相邻本征模态函数的功率谱密度相关性系数，将功率谱密度相关性系数大于或等于设定阈值的对应本征模态函数求和合并，生成最终的本征模态函数集合，可以从频域图中直观的获得最能体现故障特征的信号函数，解决了单一传感器信息量有限且低效的缺点，减少了冗余信息的产生，能够实现对机械设备健康状态的有效诊断。
26、2、本发明将自适应噪声完备集合经验模态分解（ceemdan）分解后的每一子信号（即本征模态函数），按照基于峭度与相关系数的优先加权和指标进行排序，采用先排序后融合的策略，排序指标综合赋权处理，减轻了融合阶段的工作量，提升了imf（即本征模态函数）融合效果，融合后的imf集合通过时域图可清晰地看出具备周期性的振动信号，与其他融合算法相比，可以初步判断故障特征信息，为故障诊断阶段提供了高信噪比的信号。
27、3、本发明最大化利用多个传感器采集的振动信号，直观地筛选出最能反应原始信号故障特征的本征模态函数，可以在后续故障诊断前根据时频域特征预先判断故障类型，与其他振动信号融合算法舍弃原始信号部分信息的方法相比，对所有本征模态函数提供的状态信息实现零损失，使信号合并具备客观性，减少人为拟定合并规则对有效信息的丢失，对于诊断旋转机械设备的早期弱特征故障有着关键的支撑作用。
28、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
1.一种基于多传感器信息融合的信号处理方法，其特征在于，包括以下过程：
2.如权利要求1所述的基于多传感器信息融合的信号处理方法，其特征在于，
3.如权利要求1所述的基于多传感器信息融合的信号处理方法，其特征在于，
4.如权利要求1所述的基于多传感器信息融合的信号处理方法，其特征在于，
5.一种基于多传感器信息融合的信号处理系统，其特征在于，包括：
6.如权利要求5所述的基于多传感器信息融合的信号处理系统，其特征在于，
7.如权利要求5所述的基于多传感器信息融合的信号处理系统，其特征在于，
8.一种计算机设备，其特征在于，包括：处理器和计算机可读存储介质；
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于被处理器加载并执行如权利要求1-4任一项所述的基于多传感器信息融合的信号处理方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-4任一项所述的基于多传感器信息融合的信号处理方法。
