004-振动信号的采集与预处理
《2024年基于振动信号的机械故障特征提取与诊断研究》范文
《基于振动信号的机械故障特征提取与诊断研究》篇一一、引言随着工业自动化和智能化水平的不断提高，机械设备的故障诊断与维护成为工业生产中不可或缺的环节。
机械故障的早期发现与诊断对于保障生产安全、提高设备运行效率具有重要意义。
传统的机械故障诊断方法大多依赖于专业人员的经验和对设备的了解，但随着设备复杂性和系统化程度的增加，单纯依赖经验的方法已经难以满足实际需求。
因此，研究基于振动信号的机械故障特征提取与诊断技术成为了一个重要课题。
二、振动信号与机械故障关系概述振动信号是反映机械设备运行状态的重要参数之一。
机械设备在运行过程中，由于各种原因如部件磨损、松动、断裂等会产生异常振动，这些异常振动信号中包含了丰富的故障信息。
通过对振动信号的采集、分析和处理，可以提取出反映机械故障的特征信息，为故障诊断提供依据。
三、振动信号的采集与预处理1. 振动信号采集：通过安装在机械设备上的传感器，实时采集设备的振动信号。
传感器的选择应根据设备的类型、工作环境和诊断需求来确定。
2. 预处理：采集到的振动信号往往包含噪声和其他干扰信息，需要进行预处理以提高信号的信噪比。
常用的预处理方法包括滤波、去噪和归一化等。
四、基于振动信号的机械故障特征提取1. 时域分析：通过时域分析方法，如均方根值、峰值、峭度等指标，提取出反映机械故障的特征参数。
2. 频域分析：通过频域分析方法，如频谱分析、功率谱分析等，提取出与机械故障相关的频率成分和能量分布特征。
3. 智能算法：利用智能算法如神经网络、支持向量机等对振动信号进行学习和训练，自动提取出反映机械故障的特征。
五、机械故障诊断方法研究1. 模式识别：将提取出的特征参数输入到模式识别系统，通过训练和分类实现故障诊断。
2. 专家系统：结合专业知识库和推理机制，构建专家系统进行故障诊断。
3. 多源信息融合：将振动信号与其他传感器获取的信息进行融合，提高诊断的准确性和可靠性。
六、实例应用与分析以某机械设备为例，采用基于振动信号的故障特征提取与诊断方法进行实际应用。
振动信号处理方法
幅值域分析法
信号的幅值域参数： 主要包括均值、均方值、方差等。 优缺点： 在时域上通过幅值参数随时间的变化来反映信号每一瞬时的时域特 征，简单直观，计算方便，但无法得到任何频域特征。要想获取信 号的频域特征，只能通过傅里叶变换得到。
相关分析（1936 年 Hotelling）
• 相关分析是随机信号在时域上的统计分析，是用相关系数和相关函数等统计量来研究和描 述工程中振动信号的相关关系。相关函数分为自相关函数和互相关函数。
谢谢观赏
多重分形/index.php/%E5%A4%9A%E9%87%8D%E5%88%86%E5%BD%A2
• 现实中的复杂系统一般都 具有自相似特征，这种自 相似性不仅仅体现为几何 形体上的自相似，也体现 为某种质量、测度在空间 上的分配。
盲源分离
• 盲源分离是指在输入信号未知时，只由观测到的输出信号来辨识系统，以达 到对多个信号分离的目的，从而来恢复原始信号或信号源。独立分量分析算 法（ICA）是盲源分离的一种有效方法，它是在无正交限制下抽取信号的统 计独立分量，适用于平稳和非平稳信号，尤其对微弱信号的特征提取有较好 的效果，该方法已经得到了较多的应用。到目前为止，国际上已经发展了多 种有效的盲源分离算法，从算法的角度而言，可分为批处理算法和自适应算 法;从代数函数和准则而言，又分为基于神经网络的方法、基于高阶统计量 的方法、基于互信息量的方法、基于非线性函数的方法等。
短时傅里叶变换
• 它的思想是：选择一个时频局部化的窗函数，假定分析窗函数g(t)在一个短时间间 隔内是平稳（伪平稳）的，移动窗函数，使f(t)g(t)在不同的有限时间宽度内是平稳 信号，从而计算出各个不同时刻的功率谱。短时傅里叶变换使用一个固定的窗函数， 窗函数一旦确定了以后，其形状就不再发生改变，短时傅里叶变换的分辨率也就确 定了。如果要改变分辨率，则需要重新选择窗函数。短时傅里叶变换用来分析分段 平稳信号或者近似平稳信号犹可，但是对于非平稳信号，当信号变化剧烈时，要求 窗函数有较高的时间分辨率；而波形变化比较平缓的时刻，主要是低频 信号，则 要求窗函数有较高的频率分辨率。短时傅里叶变换不能兼顾频率与时间分辨率的需 求。短时傅里叶变换窗函数受到W.Heisenberg不确定准则的限制，时频窗的面积 不小于2。这也就从另一个侧面说明了短时傅里叶变换窗函数的时间与频率分辨率 不能同时达到 最优。
《振动信号测试》课件
振动信号测试的实 践案例
机械设备的振动信号测试
测试目的：了解机械设备的振动情况，及时发现和排除故障 测试方法：采用振动传感器进行数据采集，分析振动信号的频率、幅值和 相位 测试设备：振动传感器、数据采集器、分析软件等
测试结果：根据振动信号分析结果，判断机械设备的运行状态和故障原因
建筑结构的振动信号测试
滤波器设计：设计 滤波器以提取特定 频率成分
频谱估计：估计信 号的频率成分和强 度
时频域分析
傅里叶变换：将信号从时域转换到 频域
连续小波变换：对信号进行多尺度 分析，提取信号的局部特征
添加标题
添加标题
添加标题
添加标题
短时傅里叶变换：对信号进行局部 分析，提取信号的瞬时频率
经验模态分解：将信号分解为多个 固有模态函数，提取信号的局部特 征和整体趋势
振动信号：物体在受到外力作用下 产生的位移、速度、加速度等物理 量的变化
振动信号的幅值：振动信号的最大 值和最小值之间的差值
添加标题
添加标题
添加标题
添加标题
振动信号的频率：振动信号在一定 时间内的周期性变化
振动信号的相位：振动信号在时间 轴上的位置关系
振动信号测试的目的和意义
目的：通过测 试振动信号， 了解设备的运 行状态和性能
其他领域的振动信号测试
航空航天领域：用于检测飞机、火箭等飞行器的振动情况 汽车领域：用于检测汽车发动机、轮胎等部件的振动情况 建筑领域：用于检测建筑物、桥梁等结构的振动情况 医疗领域：用于检测人体器官、骨骼等部位的振动情况
振动信号测试的挑 战与展望
测试中的干扰与误差来源
环境因素：温度、湿度、电磁 场等
交通运输：监测车辆、船舶、飞机等交通工具的振动情况， 提高安全性和舒适性
振动信号采集方法及处理201410
7
涡流传感器的工作原理
输出电压 u 正比于间隙 d 且于测量对象的材质有关
8
测值2：间隙电压
volt
dis
-2
-10 -20
9
1.可以直接测量转轴振动 2. 采用非接触测量方式，避免了接触磨损 3. 能做静态和动态测量。可以测量2Hz以下的低频振动，适用 于绝大多数机器环境。 4. 输出信号与振动位移成正比。 5. 结构简单可靠，尺寸小，没有活动部件。 6. 可作为转速测量与振动相位测量的键相信号 7. 材料不同影响传感器线形范围和灵敏度，须重新标定。 8. 需外加电源和前置器，安装复杂。
使用极为广泛，特别是制造厂出厂时经常在机器上配套安 装测试轴振、偏心、相位等。缺点是对于测试滚动轴承和 高速齿轮箱等强调高频冲击信号的场合效果差。
10
在机械故障的振动诊断方法中，振动速度也是一 个经常需要观测的物理参量，因为振动速度与振动 能量直接对应，而振动能量常常是造成振动体破坏 的根本原因。 磁电式速度传感器是典型的振动速度传感器， 但由于该类型的传感器在结构上一般都大而笨重， 给使用带来了许多不便；其频响范围又很有限，加 之振动速度可由振动位移微分或由振动加速度积分 而得到，因此，用磁电式速度传感器进行振动速度 的直接测量在实际工作中并不多见。
的相移。
12
典型的速度传感器应用
13
1. 安装简单，适用于大多数机器环境，对于汽轮发电机 组振动，有合适的频响范围。 2. 无须外加电源，振动信号可不经处理传送到需要的地 方 3. 体积、重量较大，活动部件易损坏，低频响应不好 15Hz 以下误差较大。高频响应也不好， 500Hz 以上误 差大。对冲击信号（滚动轴承、齿轮等故障最常见） 响应很差。 4. 标定较麻烦，只可作动态测量，价格较贵。
004-振动信号的采集与预处理
004-振动信号的采集与预处理D字的数，这个过程称为量化。
由于抽样间隔长度是固定的（对当前数据来说），当采样信号落入某一小间隔内，经舍入方法而变为有限值时，则产生量化误差。
如8位二进制为28＝256，即量化增量为所测信号最大电压幅值的1/256。
1.1.1 编码振动信号经过采样和量化后，量化后的数据按照一定的协议进行编码，成为处理器可以处理的数据。
采样定理解决的问题是确定合理的采样间隔△t 以及合理的采样长度T ，保障采样所得的数字信号能真实地代表原来的连续信号x(t)。
衡量采样速度高低的指标称为采样频率f s 。
一般来说，采样频率f s 越高，采样点越密，所获得的数字信号越逼近原信号。
为了兼顾计算机存储量和计算工作量，一般保证信号不丢失或歪曲原信号信息就可以满足实际需要了。
这个基本要求就是所谓的采样定理，是由Shannon 提出的，也称为Shannon 采样定理。
Shannon 采样定理规定了带限信号不丢失信息的最低采样频率为：2smf f ≥或2smωω≥式中f m 为原信号中最高频率成分的频率。
采集的数据量大小N 为：T N t=∆ 因此，当采样长度一定时，采样频率越高，采集的数据量就越大。
使用采样频率时有几个问题需要注意。
一， 正确估计原信号中最高频率成分的频率，对于采用电涡流传感器测振的系统来说，一般确定为最高分析频率为12.5X，采样模式为同步整周期采集，若选择频谱分辨率为400线，需采集1024点数据，若每周期采集32点，采样长度为32周期。
二，同样的数据量可以通过改变每周期采样点数提高基频分辨率，这对于识别次同步振动信号是必要的，但降低了最高分析频率，如何确定视具体情况而定。
条件1采样频率控制最高分析频率采样频率（采样速率）越高，获得的信号频率响应越高，换言之，当需要高频信号时，就需要提高采样频率，采样频率应符合采样定理基本要求。
这个条件看起来似乎很简单，但对于一个未知信号，其中所含最高频率信号的频率究竟有多高，实际上我们是无法知道的。
振动测试及其信号处理
振动测试及其信号处理伏晓煜倪青吴靖宇王伟摘要：随着试验条件和技术的不断完善，越来越多的领域需要进行振动测试，尤其是土木工程领域。
本文首先介绍了振动测试的基本内容和测试系统的组成，其次对振动测试中的激励方式进行了简单的概括，最后总结了信号数据的处理一般方法，包括数据的预处理方法、时域处理方法和频域处理方法。
关键词：振动测试测试系统信号处理Vibration Test and Signal processingFu Xiaoyu Ni Qing Wu Jingyu Wang WeiAbstract: Vibration test has been applied in more and more fields, especially in civil engineering, as experiment methods and technology elevated. This paper introduced the contents of vibration test and consists of test system firstly, and generalized the exciting mode subsequently. General methods of vibration signal processing were summarized in the end, including preprocessing, time-domain processing and frequency-domain processing methods.Key words: vibration test; test system; signal processing0 引言研究结构的动态变形和内力是个十分复杂的问题，它不仅与动力荷载的性质、数量、大小、作用方式、变化规律以及结构本身的动力特性有关，还与结构的组成形式、材料性质以及细部构造等密切相关。
振动检测算法
振动检测算法摘要：振动检测算法是一种用于监测和识别物体振动状态的方法。
本文将介绍振动检测算法的原理、应用领域以及相关技术。
第一部分：振动检测算法的原理振动检测算法是基于物体振动特征的分析和识别。
振动信号可以通过加速度传感器等设备采集到，并转化为数字信号进行处理。
振动信号的特征包括振动频率、振幅、相位等。
振动检测算法主要依靠这些特征来判断物体的振动状态。
振动检测算法的原理可以简述为以下几个步骤：1. 数据采集：通过加速度传感器等设备采集振动信号，并将其转化为数字信号。
2. 信号预处理：对采集到的振动信号进行滤波、去噪等预处理操作，以提取出有效的振动特征。
3. 特征提取：通过频谱分析、小波变换等方法提取振动信号的频率、振幅等特征。
4. 特征选择：根据所监测的物体的特点，选择合适的振动特征进行识别。
5. 特征分类：利用机器学习算法或模式识别算法对提取到的振动特征进行分类和识别。
6. 振动状态判断：根据分类结果，判断物体的振动状态，如正常、异常等。
第二部分：振动检测算法的应用领域振动检测算法在许多领域都有广泛的应用。
以下是一些常见的应用领域：1. 机械设备监测：通过监测机械设备的振动状态，可以及时发现设备故障，避免设备损坏或事故发生。
2. 建筑结构监测：振动检测算法可以用于监测建筑物的结构健康状况，及时发现结构缺陷或损坏。
3. 能源设备监测：振动检测算法可以用于监测发电机组、风力发电机等能源设备的振动状态，提前预警设备故障。
4. 运输工具监测：振动检测算法可以用于监测汽车、火车、飞机等运输工具的振动状态，确保其安全运行。
5. 医疗设备监测：振动检测算法可以用于监测医疗设备的振动状态，提高设备的可靠性和安全性。
第三部分：振动检测算法的相关技术振动检测算法涉及到许多相关技术，以下是一些常见的技术：1. 频谱分析：通过将振动信号转换到频域，可以提取出振动信号的频率特征。
2. 小波变换：小波变换可以将振动信号分解成不同尺度的频率成分，提高特征提取的效果。
振动信号处理ppt课件
1）周期信号：按一定时间间隔重复出现的信 号x(t)=x(t+nT)
2）非周期信号：不会重复出现的信号
准周期信号:由多个周期信号合成，但各信号周期没有最小公倍数。 如：x(t) = sin(t)+sin(√2.t)
3)随机信号：不能用数学式描述，其幅值、相 位变化不可预知，所描述物理现象是一种随机 过程。
振动信号分类
随机振动是一种非确定性振动，它只服从一定的 统计规律性。可分为平稳随机振动和非平稳随 机振动。平稳随机振动又包括各态历经的平稳 随机振动和非各态历经的平稳随机振动。
一般来说，仪器设备的振动信号中既包含有确定 性的振动，又包含有随机振动，但对于一个线 性振动系统来说，振动信号可用谱分析技术化 作许多谐振动的叠加。因此简谐振动是最基本 也是最简单的振动
不过，这两个要求往往相互矛屑，要适 当兼顾。
各种窗函数的特点
矩形窗的特点是容易获得主瓣窄，但旁瓣大，尤其第一旁瓣太高，为主瓣的 21%，所以泄露很大。
汉宁窗（Hanning），旁瓣很小，且衰减很快，主瓣比矩形窗的主瓣宽，泄 露比矩形窗小很多。
汉明窗（Hamming），它由矩形窗和汉宁窗拼接而成，第一旁瓣很小，其它 旁瓣衰减比汗宁窗慢，主瓣宽介于矩形窗和汉宁窗之间。 高斯钟形窗只有主瓣没有旁瓣，主瓣宽太大，其形状可调，为减少泄露，应 使高斯窗变瘦。 余弦窗主瓣成三角形，旁瓣很小。
振动信号处理
徐敏强 2012.3
课程主要内容
0. 信号的分类与描述 一、离散傅立叶变换与频谱分析 二、细化选带频谱分析、功率谱及其应用 三、包络分析及其应用 四、短时傅利叶变换 五、Wigner-Ville 分布及其应用 六、小波变换及其应用 七、Hilbert-Huang 变换及其应用 八、时间序列分析
机械系统振动信号的特征参数提取与分析
机械系统振动信号的特征参数提取与分析随着机械工程技术的发展，机械系统振动信号的特征参数提取与分析也日益成为了工程领域的研究热点。
机械系统振动信号的特征参数提取与分析可以帮助工程师诊断和预测机械设备的状态，从而提前进行维护和修复，避免设备故障和生产事故的发生。
一、振动信号特征参数的提取振动信号特征参数的提取是对原始振动信号进行处理和分析，以获得更有价值的信息。
常见的振动信号特征参数有以下几种：1. 频率特征参数：包括振动信号的谱线频率、主频率以及共振频率等。
通过分析频率特征参数，可以确定机械系统的运动状态和周期性变化情况。
2. 振幅特征参数：反映了振动信号的振幅大小和幅值变化的规律。
振幅特征参数的提取可以帮助工程师了解机械系统的振动幅度是否超过了正常范围。
3. 相位特征参数：相位特征参数描述了振动信号中的相对相位差异。
通过分析相位特征参数，可以判断机械系统中是否存在相位不一致或相位错位的情况。
4. 能量特征参数：能量特征参数是振动信号能量与时间的关系。
通过分析能量特征参数，可以评估机械系统的能源消耗情况和能源利用效率。
二、振动信号特征参数的分析振动信号特征参数的分析可以帮助工程师判断机械系统的工作状态和存在的问题，并在必要时采取相应的维修和改进措施。
振动信号特征参数的分析方法多种多样，其中常用的分析方法有以下几种：1. 频谱分析：通过将振动信号从时域转换为频域，得到信号的频率成分和频率分布情况。
常用的频谱分析方法包括傅里叶变换、小波变换和短时傅里叶变换等。
2. 自相关分析：自相关分析可以揭示振动信号中的周期性变化和共振现象。
通过计算振动信号的自相关函数，可以得到信号的周期性特征和自相关时间。
3. 概率分析：概率分析可以用于评估振动信号特征参数的分布情况和变化规律。
常用的概率分析方法包括统计特征、功率谱估计和相关性等。
4. 熵分析：熵分析可以评估振动信号的随机性和复杂性。
通过计算振动信号的熵值，可以得到信号的信息量和不确定性。
振动信号的预处理方法
振动信号的预处理方法@ 去趋势项@ 五点三次平滑法1，去趋势项(detrending)在振动测试中采集到的振动信号数据，由于放大器随温度变化产生的零点漂移、传感器频率范围外低频性能的不稳定以及传感器周围的环境干扰等，往往会偏离基线，甚至偏离基线的大小还会随时间变化。
偏离基线随时间变化的整个过程被称为信号的趋势项。
趋势项直接影响信号的正确性，应该将其去除。
常用的消除趋势项的方法是多项式最小二乘法。
在MATLAB中提供detrend()函数进行去趋势项操作，但只能去除均值和线性趋势项，所以如果使用该函数进行操作，即承认传感器所含趋势项是线性的。
如果认为趋势项是非线性的，则需要用polyfit()和ployval()组成的函数进行操作（如:Liu_detrend(t,y,m)）。
在实际振动信号数据处理中，通常取1~3次多项式来对采样数据进行多项式趋势项消除的处理。
-------------------------------------------------------------- function y2 = Liu_detrend(t,y,m)temp = polyfit(t,y,m); %t为时间序列，y为信号,m为拟合多项式的次y2 = y - polyval(temp,t);--------------------------------------------------------------2，五点三次平滑法(cubical smoothing algorithm with five-point approximation)五点三次平滑法可以用作时域和频域信号平滑处理。
该处理方法对于时域数据的作用主要是能减少混入振动信号中的高频随机噪声。
而对于频域数据的作用则是能使谱曲线变得光滑，以便在模态参数识别中得到较好的拟合效果。
需要注意的一点是频域数据经过五点三次平滑法会使得谱曲线中的峰值降低，体形变宽，可能造成识别参数的误差增大。
风力发电增速齿轮箱的振动信号处理和故障诊断算法
风力发电增速齿轮箱的振动信号处理和故障诊断算法引言随着风力发电行业的迅速发展，风力发电机组在电力产业中扮演着重要角色。
然而，由于工作环境恶劣且处于长期运行状态，风力发电机组的齿轮箱常常会出现故障。
通过对齿轮箱振动信号进行处理和故障诊断算法的开发，可以实现对风力发电机组的实时监测和准确的故障诊断，进一步提高风力发电机组的可靠性和可用性。
一、风力发电机组的齿轮箱振动信号处理风力发电机组的齿轮箱振动信号包含丰富的故障信息，如齿轮损伤、轴承故障等。
处理振动信号的主要目标是提取有用的故障特征信号，并降低其他噪声干扰。
1. 振动信号采集与预处理振动信号的采集是故障诊断的基础。
通过安装合适的振动传感器，可以实时监测风力发电机组的齿轮箱振动信号。
在采集信号之前，需要对信号进行预处理，如滤波去除高频噪声、降采样等，以提高信号的质量和信噪比。
2. 振动信号的时频分析时频分析可以将振动信号从时域转化为频域，提供更多关于故障特征的信息。
常用的时频分析方法包括短时傅里叶变换（STFT）、小波变换等。
通过对振动信号进行时频分析，可以得到故障频率、能量分布等特征。
3. 特征提取与选择从时频分析的结果中提取和选择适合故障诊断的特征。
常见的特征包括频谱特征、统计特征、时域特征等。
特征提取的目的是将原始信号映射到一个低维空间，保留关键信息，并减少噪声和冗余信息的影响。
二、风力发电机组齿轮箱的故障诊断算法基于振动信号处理的齿轮箱故障诊断算法可以实现对风力发电机组的实时监测和故障诊断，及时发现和预测潜在故障。
1. 基于模式识别的故障诊断算法模式识别技术在故障诊断领域有着广泛应用。
通过构建合适的特征向量和分类模型，可以对齿轮箱振动信号进行分类识别，判断是否存在故障。
常用的模式识别算法包括支持向量机（SVM）、人工神经网络（ANN）等。
2. 基于机器学习的故障诊断算法机器学习算法可以通过学习振动信号的模式和规律，实现自动化的故障诊断。
常用的机器学习算法包括决策树、随机森林、深度学习等。
振动信号预处理方法研究及其MATLAB实现
本文讨论了振动信号预处理的两种方法 ,消除多项式趋 势项和数据平滑处理 。这两种振动信号预处理方法为振动 信号的预处理提供了新的途径 ,它们可以在最大限度的保留 实测信号的前提下 ,对振动信号进行光滑处理 ,从而去除高 频噪声干扰 。
2 算法原理
2. 1 消除趋势项 对加速度信号进行积分变换求测点的位移和速度是振
学运算从所采集的离散信号中选取感兴趣的一部分信号进 行相应的滤波处理 。它的主要作用是滤除测试信号中的噪 声或虚假成分 、提高信噪比 、平滑分析数据 、抑制干扰信号 、 分离频率分量 。
这些预处理方法对于旋转机械的诊断 ,有着十分显著的 作用 。而其中数字滤波器对处理随机信号也显得很困难 。 对于以地震为代表的随机信号 ,这些信号预处理方法却存在 着一定的不足 ,原因是这些随机信号中存在着许多具有重要 的瞬态突变信号 。对这些信号进行分析时 ,往往要去除一些 高频信号的干扰 ,上述预处理方法在去除高频信号的同时 , 或者减弱了突变信号 ,或者改变了突变信号的幅值分布 。这 样 ,这些方法必然影响了后续分析方法的精度 。
计 算 机 仿 真
2010年 8月
机械系统振动信号处理与特征提取
机械系统振动信号处理与特征提取引言机械系统振动信号的处理与特征提取是一门重要的学科，它在机械故障诊断、结构健康监测和质量控制等领域起着关键作用。
本文将探讨机械系统振动信号的处理方法及特征提取技术，旨在帮助读者进一步了解这一领域的基本知识，并为实际应用提供一些思路和参考。
一、机械系统振动信号的采集机械系统振动信号的采集是开始振动信号处理的第一步。
常用的振动信号采集方法有加速度传感器和速度传感器。
加速度传感器可以测量运动物体在空间方向上的加速度，并通过积分得到速度信号；速度传感器则可直接测量物体的速度。
一般情况下，采用加速度传感器以获得机械振动信号的更详细信息。
二、机械系统振动信号的预处理振动信号在采集过程中常伴随着噪声的干扰，因此需要对信号进行预处理，以提高信号的质量和可靠性。
常用的振动信号预处理方法包括滤波、去除基线漂移、数据对齐和数据归一化等。
滤波可以去除高频噪声，低通滤波器常用于去除高频噪声，而带通滤波器常用于滤除特定频率的噪声。
去除基线漂移可以使信号的均值为零，提高后续特征提取的准确性。
数据对齐和归一化是为了保证不同采集点的数据具有可比性，方便后续数据分析和特征提取。
三、机械系统振动信号的时域特征时域特征是对振动信号振动行为的直接刻画，是机械系统振动信号处理中最常用的特征。
常见的时域特征包括平均值、方差、峰值、峭度和偏度等。
平均值可以反映振动信号的整体能量；方差可以表征振动信号的波动性；峰值则表示信号的局部极大值；峭度和偏度分别刻画了信号的尖锐程度和偏斜程度。
通过提取时域特征，可以初步了解振动信号的基本状态和特性。
四、机械系统振动信号的频域特征频域特征是通过对振动信号进行傅里叶变换得到的。
振动信号的频域特征可以反映振动信号的频率成分和能量分布，对故障检测和结构健康监测具有重要意义。
常见的频域特征包括功率谱密度、频率响应函数和谱峰等。
功率谱密度可以显示振动信号在不同频率下的能量密度分布；频率响应函数可以反映系统在不同频率下的振动特性；谱峰则表示频谱中的主要频率，是故障诊断中常用的特征之一。
机床振动信号的处理流程和方法
机床振动信号的处理流程和方法下载温馨提示:该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by theeditor. I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!机床振动信号的处理流程和方法如下：1. 信号采集：使用加速度传感器等设备采集机床在运行过程中的振动信号。
振动信号实验报告
一、实验目的1. 理解振动信号的基本概念和特性。
2. 掌握振动信号的采集、处理和分析方法。
3. 学习使用振动信号分析仪进行实验数据的获取和分析。
4. 通过实验验证振动信号理论，提高对振动信号处理技术的应用能力。
二、实验原理振动信号是指描述物体振动状态的物理量随时间变化的函数。
振动信号分析主要包括信号的时域分析、频域分析和时频分析。
本实验主要研究振动信号的时域和频域分析。
1. 时域分析：时域分析是指分析振动信号随时间的变化规律。
主要方法有：时域波形分析、时域统计特征分析等。
2. 频域分析：频域分析是指将振动信号分解为不同频率的成分，研究各频率成分的振幅和相位。
主要方法有：傅里叶变换、短时傅里叶变换等。
三、实验仪器1. 振动信号分析仪2. 振动传感器3. 数据采集卡4. 振动台5. 激励信号发生器四、实验步骤1. 振动信号的采集（1）将振动传感器固定在振动台上，确保传感器与振动台接触良好。
（2）将振动信号分析仪与数据采集卡连接，并将数据采集卡与振动传感器连接。
（3）打开振动信号分析仪，设置采样频率、采样点数等参数。
（4）打开激励信号发生器，产生振动信号，并通过振动台传递给振动传感器。
（5）启动振动信号分析仪，采集振动信号。
2. 振动信号的时域分析（1）在振动信号分析仪上观察振动信号的时域波形，分析振动信号的幅值、频率和相位等信息。
（2）计算振动信号的时域统计特征，如均值、方差、均方根等。
3. 振动信号的频域分析（1）将振动信号进行傅里叶变换，得到频域信号。
（2）在频域信号上观察振动信号的频率成分、振幅和相位等信息。
（3）分析振动信号的频谱特性，如共振频率、频率分布等。
4. 振动信号的时频分析（1）使用短时傅里叶变换对振动信号进行时频分析。
（2）在时频图上观察振动信号的时频特性，如瞬时频率、瞬时幅值等。
五、实验结果与分析1. 时域分析结果通过时域分析，可以观察到振动信号的幅值、频率和相位等信息。
例如，在实验中，振动信号的幅值约为0.5m/s²，频率约为50Hz。
振动信号数据采集及分析
例：单自由度无阻尼自由振动系统-简谐运动
简谐振动是最基本的周期运动，各种不同的周期运动都可以用无穷个不同频率的简谐运动的组合来表示。其运动规律可用简谐函数表示为：
振动信号三要素：
（1）幅值amplitude振动体离开其平衡位置的最大位移。幅值是振动强度的标志，它可以用峰值、有效值、平均值等方法来表示。
强迫振动：系统在持续的外作用力激励下的振动称为强迫振动。
自由振动问题虽然比强迫振动问题单纯但自由振动反映了系统内部结构的所分：
分为简谐振动、复合周期振动、瞬态振动和随机振动
（3）从自由度个数来分：
分为单自由度振动和多自由度振动
2、振动测试包括两种方式：
（2）频率frequency周期的倒数。频谱分析→频率成分及其幅值大小→线性系统频率保持特性寻找振源。不同的频率成分反映系统内不同的振源。通过频谱分析可以确定主要频率成分及其幅值大小，从而寻找振源，采取相应的措施。
（3）相位phase确定共振频率、振型、动平衡、有源振动控制等。振动信号的相位信息十分重要，如利用相位关系确定共振点、测量振型、旋转件动平衡、有源振动控制、降噪等。对于复杂振动的波形分析，各谐波的相位关系是不可缺少的。
在振动测量时，应合理选择测量参数，如振动位移是研究强度和变形的重要依据；振动加速度与作用力或载荷成正比，是研究动力强度和疲劳的重要依据；振动速度决定了噪声的高低，人对机械振动的敏感程度在很大频率范围内是由速度决定的。速度又与能量和功率有关，并决定动量的大小。
三、实验仪器和设备
1、计算机n台
2、虚拟仪器软件1套
6、振动数据一组
四、实验步骤及内容
信号的时域分析
振动信号的处理和分析
机械故障类型： 轴承故障、齿轮 故障、转子不平 衡等
振动信号处理技 术：信号采集、 信号预处理、特 征提取、模式识 别等
地震信号分析
01
02
03
04
地震信号的特点： 频率范围广、信 号强度低、噪声 干扰大
地震信号处理的 方法：滤波、降 噪、特征提取、 模式识别等
地震信号分析的 应用：地震预警、 地震监测、地震 灾害评估等
连续小波变换（CWT）：将信 号分解成一系列小波基的线性 组合，得到信号的时频分布。
离散小波变换（DWT）：将信 号分解成一系列离散小波基的 线性组合，得到信号的时频分 布。
希尔伯特-黄变换（HHT）：将 信号分解成一系列瞬时频率和 瞬时相位的组合，得到信号的 时频分布。
经验模态分解（EMD）：将信 号分解成一系列固有模态函数 （IMF）的线性组合，得到信 号的时频分布。
故障类型识别算法
基于时域特征的识别算法
基于深度学习的识别算法
基于频域特征的识别算法
基于模式识别的识别算法
基于时频域特征的识别算法
基于数据融合的识别算法
0 1
振动信号的采集：使用加速度 计、陀螺仪等传感器进行数据 采集
0 4
模式识别：使用机器学习算法 对振动信号进行分类和识别
实例分析
0 2
信号预处理：对采集到的数据 进行滤波、降噪等处理
数据存储：将采集 到的信号存储到计 算机或存储设备中
采集过程中的影响因素
01
传感器的选择：根据信号类型和频率选择合适的传 感器
02
采样频率：采样频率应满足信号频率的两倍以上
03
采样精度：根据信号精度要求选择合适的采样精度
04
抗干扰能力：采集过程中需要考虑电磁干扰、机械 振动等干扰因素
齿轮故障检测总结
齿轮故障检测总结引言齿轮是机械传动系统中常见且重要的元件之一。
在工业生产中，齿轮故障可能会导致机械传动系统的失效，从而影响设备的正常运行。
因此，对齿轮故障进行有效的检测和诊断，对于预防故障和提高设备的可靠性非常重要。
本文将对常见的齿轮故障检测方法进行总结，包括振动分析、声学分析、热红外检测以及油液分析等。
这些方法可以帮助工程师及时发现齿轮故障，并采取相应的措施修复或更换齿轮，以确保机械传动系统的可靠性和安全性。
1. 振动分析振动分析是一种常见且有效的齿轮故障检测方法。
通过监测齿轮系统的振动信号，可以识别出齿轮的故障类型，如齿面磨损、齿面疲劳断裂等。
振动分析通常包括以下步骤：1.采集振动信号：使用振动传感器采集齿轮系统的振动信号。
通常，可以选择在齿轮箱的外部或内部安装振动传感器，以获取不同位置的振动信号。
2.信号预处理：对采集到的振动信号进行预处理，包括去噪处理、滤波处理等。
这些预处理操作可以提高信号的质量和准确性。
3.特征提取：从预处理后的振动信号中提取特征，如频域特征、时域特征等。
这些特征可以用于描述齿轮故障的振动特性。
4.故障诊断：根据提取到的特征，利用故障诊断算法对齿轮的故障类型进行识别和判断。
常见的故障诊断算法包括支持向量机（SVM）、人工神经网络（ANN）等。
振动分析方法具有非破坏性、实时性和高灵敏度等优点，可以对齿轮的早期故障进行有效检测，帮助预防严重事故的发生。
2. 声学分析声学分析是一种基于声波信号的齿轮故障检测方法。
通过监测齿轮系统产生的声音信号，可以判断齿轮的状态和故障情况。
常见的声学分析方法包括以下步骤：1.采集声音信号：使用麦克风或声音传感器采集齿轮系统产生的声音信号。
与振动分析类似，声音传感器可以安装在齿轮箱的内部或外部，以获取不同位置的声音信号。
2.信号预处理：对采集到的声音信号进行预处理，包括去噪处理、滤波处理等。
这些预处理操作可以提高信号的质量和准确性。
3.频谱分析：将预处理后的声音信号进行频谱分析，可以得到声音信号的频谱特征。
振动信号预处理方法-平滑处理及其MATLAB实现
本科生毕业论文振动信号预处理方法-平滑处理及其MATLAB实现作者姓名学院：机电工程学院专业：班级：学号：指导教师：职称〔或学位〕：2016年5月1原创性声明本人郑重声明：所呈交的论文〔设计〕,是本人在导师的指导下,独立进行研究工作所取得的成果.除文中已经注明引用的内容外,本论文〔设计〕不含任何其他个人或集体已经发表或撰写过的作品成果.对本论文〔设计〕的研究做出重要贡献的个人和集体,均已在文中以明确方式标明.本人完全意识到本声明的法律结果由本人承担.学生签名：年月日指导声明本人指导的同学的毕业论文〔设计〕题目大小、难度适当,且符合该同学所学专业的培养目标的要求.本人在指导过程中,通过网上文献搜索及文献比对等方式,对其毕业论文〔设计〕内容进行了检查,未发现抄袭现象,特此声明.指导教师签名：年月日目录1 绪论12 振动信号预处理算法分析12.1 算术平均值法12.2 加权平均值法22.3 中值法22.4 滑动平均值法32.5 五点三次平滑法32.6 模糊控制算法43 基于MATLAB的振动信号平滑处理43.1 MATLAB简介43.2 算例53.3 计算代码错误!未定义书签。
3.4 算法机理84 结果分析85 总结9致谢：10参考文献：10振动信号预处理方法-平滑处理及其MATLAB实现作者姓名〔宋体四号,居中〕〔机电工程学院指导教师：##X〕<楷体五号,居中>摘要：进行振动信号测试时往往由于外界干扰的存在,使得测量信号不光滑,质量差,严重时后续分析难以展开,可见振动信号预处理是必要的步骤.本文对振动信号预处理算法进行详细分析,讨论若干种平滑处理算法,并以五点三次平滑法与滑动平均值法为例,具体讨论了平滑处理的流程.结果表明结果表明五点滑动平均法与五点三次平滑法两种算法都简单明了,可以以很小的计算量实现良好预处理效果,提高振动信号质量.两种算法都是有效的预处理方法,借助于MATLAB软件平台实现简便,因此有很强的实用价值.关键词：振动信号；平滑处理；平均值；MATLABVibration signal preprocessing methods - smoothing processing byMATLABName of authorCollege of Mechanical and Electrical Engineering, Advisor: ##XAbstract:When the vibration signal is tested, the measurement signal is not smooth and low quality because of outside interference. If the situation is serious, it is difficult to carry out subsequent analysis, so vibration signal preprocessing step is necessary.This paper will dicuss the vibration signal preprocessing algorithm by the smoothing algorithms and five cubic smoothing the sliding average method. The result show that the two algorithms of five-point moving average and three fiver-point smoothing are both simple ,achieve good pretreatment effect with small amout of putation, imrove the quality of vibration signal. Both algorithms are effective pretreatment methods by using MATLAB software platform, which has a strong practical value.Keywords: Vibration signal; smoothing; mean; MATLAB1 绪论振动是自然界普遍存在的现象,大到地震、海啸等宏观振动,小到粒子热运动、布朗运动等微观运动.对于两个固有频率相同的物体,当一个物体发生振动时将导致另外一个物体产生相同频率振动,该现象即为共振,共振对于人类生产生活同时带来好处与危害.如何合理利用有利振动的同时克服有害振动,是人们普遍关注的问题.为更好地掌握振动规律,振动测试是必不可少的环节.但是在振动测试过程中,往往存在多种干扰,导致测试系统得到的数据并不准确,将偏离真实数值.因此在完成振动信号测试之后,应当对采集得到的数据进行预处理,进而提高数据的真实性与可用性,并分析振动信号的随机性,从而确定具体的处理手段.仪器分析过程中为了掌握信号参数,提高信噪比,常常要求进行曲线平滑、信号求导等一系列操作.实际振动信号测试过程中,小波动往往因为随机误差而产生,同时大的波动一般拥有有用信息.为此平滑技术有重要意义.早分析仪器的平滑技术中,大多是基于最小二乘多项式平滑的.通常经过数据采集器采样获得的振动信号大多有多种噪声,除了50Hz的工频及倍频程以外,还包含不规则的随机干扰信号,此类干扰信号频带宽,且高频成分多,使得最终得到的振动曲线出现很多毛刺,为提高振动曲线光滑度,平滑处理是极为有效的方法之一.本文将对振动信号的预处理方法进行分析,并详细讨论平均法与五点三次平滑法的运用.2 振动信号预处理算法分析数字滤波器在离散系统中有很强的适用性,可以对输入信号的波形以及频率进行加工,在目前振动信号预处理中得到广泛应用.信号的预处理方法主要包括两部分,即消除多项式趋势项与平滑处理两种.前者将多项式趋势项消除以后,可以将偏离基线的信号过滤掉,进而得到正确性更高的信号；后者则是将信号里的噪声除去,进而提升振动曲线光滑度.图2-1与2-2分别为振动信号原始曲线与完成消除趋势项与平滑处理以后得到的曲线.图2-1 原始信号图2-1 经过消除趋势项与平衡处理得到的信号常用的振动信号预处理算法包括算术平均值法、加权平均值法、五点三次平滑法、滑动平均值法、中值法、模糊控制法等.本章将对常用算法进行分析.2.1 算术平均值法算术平均值法首先确定一个值Y,使得Y和所有采样值误差的平方和最小,表达式如下：利用一元函数极限的求解方法可以得到Y值：通过上式实现的振动信号预处理就是算术平均值算法.假如每次测量得到信号Si 与噪声Ci,那么完成N 次同样测量之后,就可以得到所有测量值之和：通常使用均方根表征噪声强度大小,如果测量过程中的噪声是随机信号,完成N 次测量以后得到的噪声强度和如下式：用S 和C 分表代表信号与噪声的平均幅值,那么完成N 次测量以后,得到的算术平均信噪比如下：算术平均值算法应用范围广泛,主要针对在某一数值上下波动频繁的信号.在振动信号测量过程中,采用算术平均值算法时如果只选取一个采样值为依据得到的结果往往不理想.这种算法在处理脉冲性干扰时效果不佳,所以在脉冲性干扰相对严重的情况下慎用.采用算术平均值算法实现振动信号预处理的平滑程度直接取决于N 的大小,当N 很大时,平滑度高,然而此时灵敏度低.2.2 加权平均值法加权平均值法即对多次测量所得的采样值赋予加权系数,从而有效提高测量系统对干扰的灵敏度.采用加权平均值法时,对不同采样值取得不同比重,其计算公式如下：式中C k 即为C1、C2……、Cn,并且符合以下关系式：N C C C <⋯⋯<<<210 ,且C1、C2……、Cn 之和为1.C k 选取可以具体情况进行调整,最为常见的即为加权系数法,C1、C2……、Cn 分别如下取值：上式τ代表了控制对象时产生的滞后时长.加权平均值算法通常适用范围受限,多应用在系统的纯滞后时间常数偏大的情况下,这种情况下采样周期短,针对不同相对采样时间所测量的采样值赋予不同权重,进而对于干扰及其影响程度十分敏感.使用加权平均值算法需要不停地计算加权技术,导致控制速度缓慢,所以应用较少.2.3 中值法中值算法是针对某被测量进行多次连续采样,采样的次数一般为奇数次,将若干次采样值按照从小至大的顺序进行排列,然后取得其中的中间值当成本次采样值.使用中值算法能够有效避免偶然因素对结果的影响,主要是将采样器的不稳定性降至最低.但是中值算法多用于变化相对缓慢的被测参数,例如温度、液面高度等,然而针对速度、振动等信号往往效果不佳.2.4 滑动平均值法滑动平均值法的原理是依据某一测量点附近其他采样点的波动幅值对此点的波幅进行修正,进而使得振动曲线足够平滑,实现降噪目的.滑动平均值法通过对周围点进行简单平均,或者对附近点实现加权平均.通常取附近五个点进行平均,其依据以下公式：其中x 代表采样所得数据值；y 代表完成平滑处理之后的数据；m 为测量数据数量；N 是平均点数；h 是加权平均因子.加权平均因子的取值符合下式：如果采用简单平均法,则),...,2,1,0(121N n N h n =+=,因此有： 如果采用加权平均法,并且选择5点进行加权平均,此时N=2,则可按照如下方法取值： 其中h -2到h 2依次为1/9、2/9、3/9、2/9、1/9.滑动平均值法是常用的基于最小二乘法的平滑处理方法,主要针对离散数据有良好处理效果.五点滑动平均所采用的计算公式如下所示：其中,i 取3、4、,、……、m-2.滑动平均值算法与算术平均值算法以及加权平均值算法有共同点,即每当完成一次有效采样值的计算以后,都要求实现多次连续采样.如果由于测量设备问题导致采样速度不够快,以及振动数据四算速率很高的情况下〔比如实时系统〕,无论是算术平均法、加权平均法还是滑动平均值算法都难以适用.对于A/D 数据而言,进行数据采样时通常10次/秒,并且如果每秒需要输入四次数据,那么N 值应小于等于2.采用滑动平均值算法只需要一次采样,然后把这次采样得到的值与前N-1次共同求平均,进而得到有效采样值.滑动平均值算法的思想是将N 个采样数据作为同一序列,且其长度是N,每当获得新采样值以后,需要将采样结果放置在该序列的末尾,同时将序列第一个数据删除,即实现数据的更新.滑动平均算法的优势在于抗周期性噪声效果良好,且获得的振动曲线平滑程度很高,灵敏性优良,缺点在于无法高效地抑制了偶然性脉冲干扰的影响,因此如果脉冲干扰较多,不宜使用滑动平均算法,往往在高频振荡系统中应用较多.2.5 五点三次平滑法五点三次平滑法同样是处理离散数据常用的预处理手段,其主要针对等间距数值而言,并在此基础上实现数据处理.假设y 是x 的函数,任何y 均可以通过泰勒公式詹凯臣幂级数的形式,在数据测量过程中只需要前四项,因此有：y 〔x 〕=a 0+a 1x 1+a 2x 22+a 3x 33因此可以计算其方差和：依据最小二乘法原理,就可以得到下述等式关系：由于所取数值均为等距离的数值,方便起见,可以取xi=0所对应的5个点的值.=,进而可以得到a0到a3的值分别如下：联立方程组并将x 值带入,运用五点三次平滑法即可得到数据处理计算公式：根据上式就可以实现振动信号的预处理,从关系式不难发现,经过处理所得到的数据仅与处理前的数据,和另外五个数值相关,且与间隔及x 的选取是无关的.所以任何等间距数据均可以用五点三次平滑法进行处理.五点三次平滑法中节点个数要求至少为5,当节点个数大于5的情况下如下：五点三次平滑公司如下为了实现对称的目的,两端采用上述2-Y 、1-Y 、1Y 、2Y ,其余的都使用0Y 相应公式.从而实现所有子区间均采用不同的三次最小二乘多项式实现平滑处理.根据推导公式不难发现,针对等距节点而言,平滑公式仅仅是用到实验数据Y i ,而和节点X i 与节点间等距离h 无关.2.6 模糊控制算法在上述若干种平滑处理方法中,普遍运用了平均法的原理,只不过实现方法有差别,这些算法的计算公式均可用下式表示：根据该式子,其中x 代表了采样数据,而y 则表示经过平滑处理之后所得的数据.M 代表总的数据点数,其窗口宽度可以用2N+1表示,h 是加权平均因子.模糊平滑方法在近年来得到越来越多关注,并被认为是极其有发展潜力的数据处理手段,如今国内外学者相继提出模糊平滑算法、模糊加权中值算法、基于模糊逻辑的信号处理等.模糊平滑方法无论在时域还是频率上均有更多优势,尤其在振动测量中包括大量混合数据,模糊平滑方法有广阔应用前景.本文主要对滑动平均值法与五点三次平滑法进行分析,基于MATLAB 软件实现两种方法的平滑处理.3 基于MATLAB 的振动信号平滑处理3.1 MATLAB 简介MATLAB是一款基于M文件进行运行以及调试的软件,M文件属于解释性语言,其语法没有计算机高级语言复杂,结构及形式更加简便,因此便于使用者更快掌握,程序调试更容易,有很强的人机交互能力.MATLAB拥有强大的工具箱,其中绝大多数函数均通过M文件进行编制,其中有专门针对信号处理的工具箱,在振动测试中应用广泛,信号分析能力强,且可以直接调用相关函数,满足灵活的编程需求.本文研究主要对振动信号预处理方法进行讨论,MATLAB提供的图形程序可以极大方便计算过程可视化,进而对振动信号预处理效果进行观察对比.数据对比需要首先经过FFT分析,基于MATLAB的振动信号预处理流程如下：输入原始数据文件与采样频率,分别采用五点直线滑动平均法与五点三次平滑法进行平滑处理；输入平滑次数并得到输出平滑数据文件,与原始波形进行对比；选择窗函数之后进行短时傅里叶变换,输出分析数据文件,对输出的图形进行对比,分析两种平滑处理所得数据与原始数据的差别.3.2 算例为验证五点直线滑动平均法和五点三次平滑法进行振动信号预处理的效果,本文分别以某实测的振动信号为例进行分析,分别用五点直线滑动平均法与五点三次平滑法对其进行平滑处理,对比处理前后效果,验证算法可行性.3.3 计算代码五点滑动平均法fid = fopen<'C:\ph.txt','r'>;x= fscanf<fid,'%f',inf>;fclose<fid>;sf=1000;n=length<x>;t=<0:1/sf:<n-1>/sf>';a=x;m=3;for k=1:mb<1>=1/5*<3*a<1>+2*a<2>+a<3>-a<4>>;b<2>=1/10*<4*a<1>+3*a<2>+2*a<3>+a<4>>;for i=3:n-2b<i>=1/5*<a<i-2>+a<i-1>+a<i>+a<i+1>+a<i+2>>; endb<n-1>=1/10*<a<n-3>+2*a<n-2>+3*a<n-1>+4*a<n>>; b<n>=1/5*<-a<n-3>+a<n-2>+2*a<n-1>+3*a<n>>;a=b;endy=a;subplot<2,1,1>;plot<t,x>;grid on;subplot<2,1,2>;plot<t,y>;grid on;五点三次平滑法fid = fopen<'C:\ph.txt','r'>;x= fscanf<fid,'%f',inf>;fclose<fid>;sf=1000;n=length<x>;a=x;for k=1: mb<1> = <69*a<1> +4*<a<2> +a<4>> -6*a<3> -a<5>> /70;b<2> = <2* <a<1> +a<5>> +27*a<2> +12*a<3> -8*a<4>> /35;for j=3:n-2b <j> = <-3*<a<j-2> +a<j+2>> +12*<a<j-1> +a<j+1>> +17*a<j>> /35; endb <n-1> = <2*<a<n> +a<n-4>> +27*a<n-1> +12*a<n-2> -8*a<n-3>> /35;b <n> = <69*a<n> +4* <a<n-1> +a<n-3>> -6*a<n-2> -a<n-4>> /70;a=b;endy=a;subplot<2,1,1>;plot<t,x>;grid on;subplot<2,1,2>;plot<t,y>;grid on;消除多项式趋势项fid = fopen<'C:\gfj.txt','r'>;x= fscanf<fid,'%f'>;fclose<fid>;sf=1000;n=length<x>;t=<0:1/sf:<n-1>/sf>';m=3;a=polyfit<t,x,m>;y=x-polyval<a,t>;plot<t,y>;grid on;3.4 算法机理以五点直线滑动平均法为例,对算法机理进行讨论.基于MATLAB的振动信号预处理可以实现下述人机对话：将原始数据文件、采样频率〔1000HZ〕输入,并确定采用五点直线滑动平均法,平滑次数选择为四次,输出文件为txt格式,窗函数选择汉宁窗,输出分析文件为txt 格式.4 结果分析由于本次实测得到的信号中存在趋势项,且趋势项的存在会对二次积分位移信号产生一定影响,因此在计算代码中进行了多项式趋势项的消除.为了更好体现出消除趋势项的作用,针对采集得到的数据增加三阶趋势项,然后采用最小二乘法消除趋势项,得到消除趋势项前后的曲线如图4-1所示.原始波形消除多项式趋势项图4-1 消除多项式趋势项从图4-1可以看出,使用最小二乘法消除趋势项之后,原始信号趋势项被消除,得到的信号更加接近实测数据,使信号得到改善.消除趋势项与五点滑动平均处理以及五点三次平滑法相结合的预处理方法才能最大程度改善信号质量.利用最小二乘法消除高阶趋势项以后信号均值与方差对比如下：表4-1 最小二乘法消除高阶趋势项后信号均值与方差对比进行最小二乘法消除趋势项以后,然后分别采用五点滑动平均法与五点三次平滑法对信号进行平滑处理,处理结果分别如图4-1与图4-2所示.从原始波形图中发现,存在较多高频成分,波形图中毛刺较多,可见受外界干扰十分严重,该数据只有进行处理后方可使用.五点三次平滑法与五点滑动平均法都是有效的振动信号预处理方法,实现了平滑处理,进而使得测得振动信号质量更高.由于在进行本次实验之前完成了多项式趋势的消除,使得波形数据和实测数据更加符合.五点三次法有效提高波形图平滑程度,质量更高、而且五点三次法能够降低高频随机噪声,并且使得模态参数识别过程中提高拟合效果.五点平滑平均法导致谱曲线峰值有所下降,而且体型更宽,这就容易导致识别参数时误差变大.总而言之,本次实验有效地利用两种平滑算法对含噪声的信号进行平滑处理,降低了噪声信号不可预测性与高破坏性对信号结果的影响,进而提高信号处理结果可靠性,但两种平滑处理方法均使得部分信息丢失,五点三次平滑处理得到的波形相比五点滑动平均法保留了更多重要信息,在实际工程中应根据实际需求选择合理的平滑次数,从而使处理得到的波形数据与实际情况吻合度更高.图4-1 五点滑动平均法的平滑处理分析结果图4-2 基于五点三次平滑动法的平滑处理分析结果5 总结振动信号测试时往往由于干扰的存在,使得测量数据与真实数值之间存在误差,为此需要对所测数据实现预处理,进而提升数据的真实性与可用性.常见的预处理方法包括标定变换、消除多项式趋势项以及平滑处理,本文分析了常用的平滑处理手段,并以五点滑动平均法与五点三次平滑法为例分析振动信号预处理的过程及具体算法实现.为对比两种平滑处理方法,本文进行两个算例的对比.结果表明五点滑动平均法与五点三次平滑法两种算法都简单明了,可以以很小的计算量实现良好预处理效果,提高振动信号质量.但是,通过对两种算法的实现过程进行对比,直线滑动平均法平滑次数更少一些,采用五点三次平滑法需要同时针对时域与频域信号进行处理,才可以实现模态参数识别时更佳拟合效果.两种算法都是有效的预处理方法,借助于MATLAB软件平台实现简便,因此有很强的实用价值.致谢：本论文从选题到终稿均在导师##X的悉心指导下一步步完成,##X教授严谨的学术风格与扎实的理论均对我的成长起到积极作用,也使我对专业知识有了更深入的认识,再次诚挚感谢##X老师这段时间以来对我的指导与关心.本文的完成也离不开学校图书馆的帮助,查阅书籍以及文献资料是本文写作过程中必不可少的一部分.在此对学校、学院在四年来为我学习提供的优渥条件表示感谢.最后,我还要感谢##X、##X,你们在我论文写作过程中给予不少支持与帮助,没有你们的帮助本文将无法如期完成.参考文献：[1] 陈苏,陈国兴,戚承志等.振动信号批处理软件平台的搭建与应用[J].南京工业大学学报〔自然科学版〕,2014,36<4>:89-94.[2] 袁芳.多通道振动信号分析系统研究与设计[D].南京理工大学,2014.[3] 姬玉芳,孙运强,姚爱琴等.基于MATLAB的某产品振动信号处理[J].电子测试,2010,<5>:89-92.[4] 唐世振.基于MATLAB的振动信号采集与分析系统的研究[D].中国海洋大学,2007.[5] 于志伟,程圣国.一种用于三维滑坡模型试验数据处理的新方法[J].长江科学院院报,2014,31<5>:39-42,51.[6] 许福友,陈艾荣.信号预处理对桥梁颤振导数识别结果影响分析[J].武汉理工大学学报,2008,32<5>:783-785.[7] 高亚东,张曾锠.某旋翼试验台振动信号的采集与预处理系统[J].数据采集与处理,2008,9<23>:163-167。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
004-振动信号的采集与预处理振动信号的采集与预处理1振动信号的采集振动信号采集与一般性模拟信号采集虽有共同之处，但存在的差异更多。
在采集振动信号时应注意以下几点：1.振动信号采集模式取决于机组当时的工作状态，如稳态、瞬态等；2.变转速运行设备的振动信号采集在有条件时应采取同步整周期采集；3.所有工作状态下振动信号采集均应符合采样定理。
1.1 信号适调由于目前采用的数据采集系统是一种数字化系统，所采用的A/D芯片对信号输入量程有严格限制，为了保证信号转换具有较高的信噪比，信号进入A/D以前，均需进行信号适调。
适调包括大信号的衰减处理和弱信号的放大处理，或者对一些直流信号进行偏置处理，使其满足A/D输入量程要求。
1.2 A/D转换A/D转换包括采样、量化和编码三个组成部分。
1.2.1采样采样（抽样），是利用采样脉冲序列p(t)从模拟信号x(t)中抽取一系列离散样值，使之成为采样信号x(n△t)（n=0,1,2,…）的过程。
△t称为采样间隔，其倒数称1/△t＝f s之为采样频率。
采样频率的选择必须符合采样定理要求。
1.2.2量化由于计算机对数据位数进行了规定，采样信号x(n△t)经舍入的方法变为只有有限个有效数字的数，这个过程称为量化。
由于抽样间隔长度是固定的（对当前数据来说），当采样信号落入某一小间隔内，经舍入方法而变为有限值时，则产生量化误差。
如8位二进制为28＝256，即量化增量为所测信号最大电压幅值的1/256。
1.2.3 编码振动信号经过采样和量化后，量化后的数据按照一定的协议进行编码，成为处理器可以处理的数据。
采样定理解决的问题是确定合理的采样间隔△t 以及合理的采样长度T ，保障采样所得的数字信号能真实地代表原来的连续信号x(t)。
衡量采样速度高低的指标称为采样频率f s 。
一般来说，采样频率f s 越高，采样点越密，所获得的数字信号越逼近原信号。
为了兼顾计算机存储量和计算工作量，一般保证信号不丢失或歪曲原信号信息就可以满足实际需要了。
这个基本要求就是所谓的采样定理，是由Shannon 提出的，也称为Shannon 采样定理。
Shannon 采样定理规定了带限信号不丢失信息的最低采样频率为：2smf f ≥或2smωω≥式中f m 为原信号中最高频率成分的频率。
采集的数据量大小N 为：T N t=∆ 因此，当采样长度一定时，采样频率越高，采集的数据量就越大。
使用采样频率时有几个问题需要注意。
一， 正确估计原信号中最高频率成分的频率，对于采用电涡流传感器测振的系统来说，一般确定为最高分析频率为12.5X，采样模式为同步整周期采集，若选择频谱分辨率为400线，需采集1024点数据，若每周期采集32点，采样长度为32周期。
二，同样的数据量可以通过改变每周期采样点数提高基频分辨率，这对于识别次同步振动信号是必要的，但降低了最高分析频率，如何确定视具体情况而定。
条件1采样频率控制最高分析频率采样频率（采样速率）越高，获得的信号频率响应越高，换言之，当需要高频信号时，就需要提高采样频率，采样频率应符合采样定理基本要求。
这个条件看起来似乎很简单，但对于一个未知信号，其中所含最高频率信号的频率究竟有多高，实际上我们是无法知道的。
解决这个问题需要2个步骤，一是指定最高测量频率，二是采用低通滤波器把高于设定最高测量频率的成分全部去掉（这个低通滤波器就是抗混滤波器）。
现实的抗混滤波器与理论上的滤波器存在差异，因此信号中仍会存在一定混叠成分，一般在计算频谱后将高频成分去掉，一般频谱线数取时域数据点的1/2.56，或取频域幅值数据点的1/1.28，即128线频谱取100线，256线频谱取200线，512线频谱取400线等等。
图、采样过程示意图抗混滤波器的使用主要是针对频谱分析的，对于涉及相位计算的用途反而会引入相位误差。
几乎所有的滤波器的相位特性远比幅值特性差。
为说明该条件，我们举例进行说明。
①要想在频谱中看到500Hz的成分，其采样频率最少为1000Hz。
②若采样频率为32点／转，频谱中最高线理论上可达到16X。
条件2总采样时间控制分辨率频谱的分辨率（谱线间隔）受控于总采样时间，即1∆=f T其中△f为频谱分辨率，T为总采样时间。
①如果采样总时间为0.5秒，则频谱分辨率为2Hz；②若区分6cpm（0.1Hz）的频谱成分，则总采样时间至少为10秒；③对于总采样时间为8转的时间信号，频谱分辨率为1/8X。
条件3采样点数控制频谱线数解释这个条件，需要对FFT 计算频谱的过程有一个了解。
如果对于一个2048点的时间波形数据，我们可以获得2048点频域数据——1024线频谱（每条谱线有两个值，直接值和正交值，或者说幅值和相位两个值）。
对旋转机械来说，频谱仅仅画出了FFT 复数输出的幅值部分，对于相位部分一般不画，因此频谱中的线数最多为时域点数的一半，考虑到混叠的影响，频谱线数一般会低于时域数据点数。
小结采样定理是实现正确采样的基准，上述3个条件中，可以根据需要设置其中2个条件，第3个条件就会自动固定。
①如果采样总时间为0.5秒，想获得3200线频谱，则有条件21120.5sec f Hz T ∆===条件33200线频谱实际需要4096点频谱数据（考虑到混叠问题），8192点时域数据∴8192/0.516384sf==（Hz ）16384/28192Max f Hz==Qua DP320032002/6400f lines Hz line Hz=⨯=②若在频谱上能区分0.2Hz 间隔的频率成分，频谱确定为800线，则有条件21150.2T f ===∆（秒）条件3800线频谱实际需要1024点频域数据，2048点时域数据∴20485409.6sf=÷=（Hz ）409.6/2204.8Max f ==（Hz ）8008000.2/160f lines Hz line Hz =⨯=③若在频谱上能区分0.1Hz 间隔的频率成分，且能在频谱上最大看到180Hz ，则有 条件122180360sMaxf f ≥≥⨯≥g （Hz ） 条件211100.1T f ===∆（秒） 因此，按不低于360点／秒的采样速率采集10秒钟，可采集时域数据最少3600点。
为方便FFT 计算，数据点数应为2的整数次幂，与3600最接近的数值是4096，由此可获得2048点频域数据，即可获得1600线频谱。
1600线、频率间隔为0.1Hz 的频谱最高分析频率为160Hz ，显然不能满足需要。
4096下一个2的整数次幂的数值是8192，由此可获得3200线的频谱，其最高分析频率达到了320Hz ，可以满足要求，可以通过提高采样分析频率采样频率采样点数 51210242048Hz Hz T/s△f/Hz T/s△f/HzT/s△f/Hz10 25.6 20 0.05 40 0.025 80 0.012520 51.2 10 0.1 20 0.05 40 0.025 50 128 4 0.25 8 0.125 16 0.0625 100 256 2 0.5 4 0.25 8 0.125 200 512 1 1 2 0.5 4 0.25 500 1280 0.4 2.5 0.8 1.25 1.6 0.625 1000 2560 0.2 5 0.4 2.5 0.8 1.25 2000 5120 0.1 10 0.2 5 0.4 2.5 5000 12800 0.04 25 0.08 12.5 0.16 6.25 10000 25600 0.02 50 0.04 25 0.08 12.5 20000 51200 0.01 100 0.02 50 0.04 25 50000 128000.004 250 0.008 125 0.016 62.510000 0 256000.002 500 0.004 250 0.008 125④在同步整周期采样时，若采集32点／转，共采集8转，则可获得256点时域数据和100线频谱，有T=8转△f＝1/T＝1/8转＝1/8Xf Max＝32点／转÷2＝16Xf100＝100线×0.125转／线＝12.5X用通用的方式表达为设｛x n｝（n＝0，1,2,…N-1）为一采样序列若每周期等角度采集m点，共采集L周，则有mL ＝N设该旋转机械的转动频率为f ，则采样间隔为1t fm∆=变换后的频率分辨率1fm f f N t N L ∆===∆ 或f fL=∆显然，工频分量正好处于第L 条线上。
相应地，kf ＝k △fL ，即第k 阶分量也处于整数△f 上，这样就保证了特征频率成分在频谱上的准确定位。
采用同步整周期采样可获得的最高分析频率为2.56 2.56 2.56m N Nf mff f L =∆==【问题01】在不重采样的前提下，能否提高频谱的分辨率？【问题02】对于旨在分析齿轮故障和滚动轴承故障的振动数据采集应注意什么事项？理解了采样定理的实质，我们就会对某些仪器／系统中列出的技术指标有了正确的认识，频谱分辨率并不是衡量采样质量的唯一指标，即400线频谱与400线的频谱之间有可能存在差异；在分析齿轮故障时就不会出现没有啮合频率成分这样的尴尬；在分析开／停车过程时出现分辨率过低问题……频谱的功率泄漏问题数字信号分析需要选择取合理的采样长度，虽然在采样过程中充分考虑了采样定理和分析要求，但毕竟是一个用区间为（－T～T）的有限长度信号来近似t→∞信号的过程，|t|＞T的x(t)值为零，因此所得到的频谱和实际频谱存在一定差异，这种现象称之为泄漏现象。
➢影响数据采集过程的几个关键环节➢A/D转换位数（转换精度）➢采样方式（自由采集与整周期采集、同步自由采集与同步整周期采集）➢数据采集的效率➢数据采集中相位信号的作用2振动信号的预处理对信号预处理具有特定要求是振动信号本身的特性所致。
信号预处理的功能在一定程度上说是影响后续信号分析的重要因素。
预处理方法的选择也要注意以下条件：1.在涉及相位计算或显示时尽量不采用抗混滤波；2.在计算频谱时采用低通抗混滤波；3.在处理瞬态过程中1X矢量、2X矢量的快速处理时采用矢量滤波。
上述第3条是保障瞬态过程符合采样定理的基本条件。
在瞬态振动信号采集时，机组转速变化率较高，若依靠采集动态信号（一般需要若干周期）通过后处理获得1X和2X矢量数据，除了效率低下以外，计算机（服务器）资源利用率也不高，且无法做到高分辨分析数据。
机组瞬态特征（以波德图、极坐标图和三维频谱图等型式表示）是固有的，当组成这些图谱的数据间隔过大（分辨率过低）时，除许多微小的变化无法表达出来，也会得出误差很大的分析结论，影响故障诊断的准确度。
一般来说，三维频谱图要求数据的组数（△rpm分辨率）较少，太多了反而影响对图形的正确识别；但对前面两种分析图谱，则要求较高的分辨率。