6.3 倒频谱分析方法
合集下载
相关主题
- 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)。
要提高分辨率，或使所得谱的任一部分的分辨率增加K 倍，可以通过增加整个采样点到KN点，这样结果使整个 谱范围内所有点的频率分辨率都增加了K倍，而代价是 运算次数亦增加K倍。
所谓细化（ZOOM）分析是只对固定某窄带宽部分进行放 大，像照相机将照片的个别部分放大一样，其动态范围和 分辨率都提高了。
编程练习
％FFT变换 b=fft(y,nf); ％正频率带通内的元素赋值 a(1:na)=b(1:na); ％负频率带通内的元素赋值 a(nf-na+1:nf)=b(nf-na+1:nf); b=ifft(a,nf); ％重采样 c=b(1:np:nt); ％进行ZOOM-FFT a=fft(c,nfft)*2/nfft; ％变换结果重新排序 y2=zeros(1,nfft/2); y2(1:nfft/4)=a(nfft-nfft/4+1:nfft); y2(nfft/4+1:nfft/2)=a(1:nfft/4); n=0:(nfft/2-1); f2=fi+n*2*(fa-fi)/nfft;
6.3 倒频谱分析方法
6.3.1 倒频谱的概念
6.3.2 倒频谱与解卷积
6.3.3 倒频谱的应用
对于高速大型旋转机械，其旋转状况较复杂，尤其当设备 出现不对中，轴承或齿轮的缺陷、油膜涡动、磨擦、 陷流及质量不对称等异常现象时，振动更为复杂。此 时用一般频谱分析方法已经难于辩识缺陷的频率分量， 而用倒频谱，则会增强识别能力。
作业：
12、简述ZOOM-FFT方法的原理。
例如一对工作中的齿轮，在实测得到的振动或噪声信号中， 包含着一定数量的周期分量。如果齿轮产生缺陷，则其振动பைடு நூலகம்或噪声信号还将产生大量的谐波分量及边带频率成分。
6.4 细化谱分析方法
细化谱分析是增加频谱中某些部分分辨能力的方法，即 “局部放大”的方法。
实际应用中常有这种情况，即对整个频率范围内的某一 部分希望有较高的分辨率。
％用ZOOM-FFT处理 load zoomfftdata; fi=6;％最小细化截止频率 np=10;％放大倍数 nfft=512;％FFT长度 nt=length(x); fa=fi+0.5*fs/np; ％最大细化截止频率 nf=2^nextpow2(nt); na=round(0.5*nf/np+1); ％频移 n=0:nt-1; b=n*pi*(fi+fa)/fs;％确定旋转因子 y=x.*exp(-i*b);
例6.5 产生一个由3个频率相近的正弦波 叠加组成的周期信号，分别采用细化 FFT和普通FFT处理，比较两种结果。
％产生信号 clear;
fs=200;％采样频率
N=1024;％采样点数 n=0:N-1;t=n/fs;f=(0:N-1)*fs/N; f1=7;f2=7.2;f3=8; s1=sin(2*pi*f1*t);s2=sin(2*pi*f2*t);s3=sin(2*pi*f3*t); x=s1+s2+s3; save zoomfftdata fs,x
％FFT变换 y1=fft(x,nfft)*2/nfft; f1=n*fs/nfft; ni=round(fi*nfft/fs+1); na=round(fa*nfft/fs+1); ％输出波形 subplot(211) t=0:1/fs:(nt-1)/fs; plot(t,x); subplot(212) nn=ni:na; plot(f1(nn),abs(y1(nn)),':',f2,abs(y2)); ％存储ZOOM-FFT结果 save afterzoomdata f2 y2
所谓细化（ZOOM）分析是只对固定某窄带宽部分进行放 大，像照相机将照片的个别部分放大一样，其动态范围和 分辨率都提高了。
编程练习
％FFT变换 b=fft(y,nf); ％正频率带通内的元素赋值 a(1:na)=b(1:na); ％负频率带通内的元素赋值 a(nf-na+1:nf)=b(nf-na+1:nf); b=ifft(a,nf); ％重采样 c=b(1:np:nt); ％进行ZOOM-FFT a=fft(c,nfft)*2/nfft; ％变换结果重新排序 y2=zeros(1,nfft/2); y2(1:nfft/4)=a(nfft-nfft/4+1:nfft); y2(nfft/4+1:nfft/2)=a(1:nfft/4); n=0:(nfft/2-1); f2=fi+n*2*(fa-fi)/nfft;
6.3 倒频谱分析方法
6.3.1 倒频谱的概念
6.3.2 倒频谱与解卷积
6.3.3 倒频谱的应用
对于高速大型旋转机械，其旋转状况较复杂，尤其当设备 出现不对中，轴承或齿轮的缺陷、油膜涡动、磨擦、 陷流及质量不对称等异常现象时，振动更为复杂。此 时用一般频谱分析方法已经难于辩识缺陷的频率分量， 而用倒频谱，则会增强识别能力。
作业：
12、简述ZOOM-FFT方法的原理。
例如一对工作中的齿轮，在实测得到的振动或噪声信号中， 包含着一定数量的周期分量。如果齿轮产生缺陷，则其振动பைடு நூலகம்或噪声信号还将产生大量的谐波分量及边带频率成分。
6.4 细化谱分析方法
细化谱分析是增加频谱中某些部分分辨能力的方法，即 “局部放大”的方法。
实际应用中常有这种情况，即对整个频率范围内的某一 部分希望有较高的分辨率。
％用ZOOM-FFT处理 load zoomfftdata; fi=6;％最小细化截止频率 np=10;％放大倍数 nfft=512;％FFT长度 nt=length(x); fa=fi+0.5*fs/np; ％最大细化截止频率 nf=2^nextpow2(nt); na=round(0.5*nf/np+1); ％频移 n=0:nt-1; b=n*pi*(fi+fa)/fs;％确定旋转因子 y=x.*exp(-i*b);
例6.5 产生一个由3个频率相近的正弦波 叠加组成的周期信号，分别采用细化 FFT和普通FFT处理，比较两种结果。
％产生信号 clear;
fs=200;％采样频率
N=1024;％采样点数 n=0:N-1;t=n/fs;f=(0:N-1)*fs/N; f1=7;f2=7.2;f3=8; s1=sin(2*pi*f1*t);s2=sin(2*pi*f2*t);s3=sin(2*pi*f3*t); x=s1+s2+s3; save zoomfftdata fs,x
％FFT变换 y1=fft(x,nfft)*2/nfft; f1=n*fs/nfft; ni=round(fi*nfft/fs+1); na=round(fa*nfft/fs+1); ％输出波形 subplot(211) t=0:1/fs:(nt-1)/fs; plot(t,x); subplot(212) nn=ni:na; plot(f1(nn),abs(y1(nn)),':',f2,abs(y2)); ％存储ZOOM-FFT结果 save afterzoomdata f2 y2