2012版设备故障诊断信号-2要点.ppt

1.3.4 信号的时域分析 所谓时域是指一个或多个信号其取值大小、相互关系等，可定义为很多不同的时间函数或参数，这些时间函数或参数的集合称为时域。时域分析指计算这些函数并进行分析。显然对于确定性信号或随机信号存在不同的定义及处理方法。随机信号的定义及处理方法比较复杂，确定性信号的处理则与随机信号中的各态历经过程的处理类似，所以以下叙述中以随机信号的定义及处理方法为主，确定性信号的处理可参见各态历经过程的处理。 根据时间函数或参数的不同，时域进一步细分还可以分为幅值域、时差域、倒频域、复时域等。 1、幅值域 对样本记录的取值进行统计，称为在幅值域内对信号进行研究．在此幅值是广义的幅值，即样本记录的一切可能取值。在幅值域内几个最重要的基本概念是概率密度函数、概率分布函数、随机过程的数字特征（均值、均方值、方差、歪度、峭度等）。 （1）概率密度函数与概率分布函数 ① 随机信号的概率表示 在研究下图所示的 N 个随机信号样本时，在确定时刻t，随机变量X（t）的大小是不同n个，可定义其概率为： ② 概率密度函数 随机信号研究中，经常用到概率密度函数，其定义如下式：即概率密度函数与研究的时刻有关。 概率密度函数计算可见下图。概率密度函数提供了随机信号沿幅值域分布的信息，是随机信号的重要特征参数之一。不同的随机信号有不同的概率密度函数图形，因此可以利用它作信号分析的依据。 下图是四种常见随机信号（这里均假设信号的均值为零）的概率密度函数图形。 （2）随机过程的数字特征 ① 均值 均值用以描述信号的稳定分量，随机过程X(t)的均值?X（t）定义为： ② 均方值、均方根值 均方值和均方根值用于描述信号的能量，随机过程X（t）的均方值?x2（t）定义为： 均方根值定义为均方值?x2（t）的正平方根。均方值又称为二阶矩。 ③方差、标准差 方差和标准差用于描述信号的波动分量，随机过程X（t）的方差?x2（t）定义为： ④ 歪度 歪度反映信号中大幅值成分的影响，随机过程X（t）的歪度?x（t）定义为,歪度又称为三阶矩。 ⑤ 峭度 峭度反映信号中影响，随机过程X（t）的峭度?x（t）定义为,峭度又称为四阶矩 （4）各态历经随机过程 为了计算随机过程X（t）的统计量，需要知道X（t）的全部样本函数（理论上应为无限多个）或概率密度函数，实际上是很难做到的。而在随机平稳过程中，若任一单个样本的时间平均统计统计特征等于该过程的集合平均统计特征，这样的平稳随机过程叫各态历经（遍历性）随机过程。工程中存在这一类平稳随机过程或可近似当作各态历经随机过程来处理，因此，只对其某个样本函数进行研究，就能计算该随机过程X（t）的各统计量。 各统计量的新定义为：计算简图见 式中T---表示样本信号的长度。 确定性信号中非周期信号的各统计量计算公式与各态历经过程完全相同，对于周期信号，上式中的 T 表示周期信号的周期，不需要取极限过程。 2、时差域 对样本记录在不同时刻取值的相关性进行统计，称为在时差域内对信号进行研究。在时差域内几个最重要的基本概念是自相关函数、互相关函数、协方差函数等。 ① 自相关函数 自相关函数是指用以描述信号自身的相似程度。对于某一个随机过程（各态历经随机过程）X（t），若X（t）和X（t+ ? ）见图所示,其自相关函数定义为： 由于周期信号的自相关函数是周期函数，而白噪声信号的自相关函数是? 函数，所以进行自相关函数分析，可以发现淹没在噪声中的周期信号。 上图四种典型信号的自相关函数，稍加对比可以看到自相关函数是区别信号类型的一个非常有效的手段。只要信号中含有周期成分，其自相关函数在 ? 很大时都不衰减，并具有明显的周期性。不包含周期信号成分，当?稍大时自相关函数就将趋近于零。宽带随机噪声的自相关函数很快衰减到零，窄带随机噪声的自相关函数则有较慢的衰减特性。 平稳随机过程的自相关函数有以下重要性质： ② 互相关函数 互相关函数是指用以描述两个信号之间的相似程度或相关性。对于某二个随机过程X（t）和Y（t）（各态历经随机过程）。 其互相关函数定义为： 如果X（t）和Y（t）两信号是同频率的周期信号或者包含有同频率的周期成分，那么，即使T??，互相关函数也不收敛并出现该频率的周期成分。如果两信号含有