第2讲信号与处理解说.pptVIP

2.4　振动信号予处理 滤波器种类 传递特性 作 用 低通滤波 H(f) f (1)去除信号中不必要的高频成分，降低采样频率，避免频率混叠 (2)提取趋势项 (3)降低对记录设备的要求 (4)去掉高频干扰 高通滤波 H(f) f (1)去除趋势项，以得到较平稳的数据 (2)去除低频干扰（通常外界的机械振动干扰频率较低) (3)去掉信号中不必要的低频成分可减小记录长度或降低对记录仪器的要求 带通滤波 H(f) f (1)滤掉感兴趣频带以外的频率成分，提高信噪比 (2)用窄带滤波器从噪声中提取周期信号 (3)调制信号的检测 带阻滤波 H(f) f (1)抑制某一特定频率的干扰，如电源干扰 2.4　振动信号予处理 （2）噪声信号和有用信号相互重叠 这种情况可以采用下面三种方法进行滤波，提取周期性分量： 窄带滤波 如周期分量的频率是f0，用中心频率为f0，带宽为Δf的窄带滤波器对原信号进行滤波。周期分量在滤波后不会随带宽而变化，但宽带随机噪声的能量随带宽减小而减小，从而有效地抑制了噪声。采用窄带滤波需要首先知道周期分量的频率，否则需要不断的改变中心频率来尝试。 相关滤波 因为周期分量的自相关函数也是周期性的，而宽带随机噪声的自相关函数在延时足够大时将衰减掉，所以可以求原信号的自相关函数，如延时足够大而不衰减则可将明显的周期分量提取出来。因此，可以求原始信号的自相关函数，在大的时延上提取周期分量。 2.4　振动信号予处理 x(t)=f(t)+n(t) 再对　　　平均，得出输出信号　　 3.相干检波（同期时间平均, 从包含噪声的信号中提取周期信号） 以f(t)的周期去截取信号x(t)，共截取N段，然后将个段对应相加，得 从有白噪声n(t)干扰的信号x(t)中提取周期信号f(t) 因为方差　　 此时输出的白噪声是原来输入信号中白噪声的1/　　倍，信噪比提高了　　倍。 2.4　振动信号予处理 Anhui University of Technology 4.倒频谱分析（可以处理噪声信号和有用信号是非线性关系的情况） 故障诊断中监测的信号一般不是源信号而是经过传递系统后的信号。 那么测量信号和源信号的傅立叶变换的关系为，其中 称为传递函数。 在上面的关系中，即使得出频谱图，源信号和测量的输出信号之间的关系仍难以判断，因此做变换： 此时输出信号和源信号就是一种相加的关系，很容易从频谱图中识别出来。 2.4　振动信号予处理 Anhui University of Technology 时域信号y(t)=x(t)*h(t) 频域功率谱 付氏正变换 已知信号y(t)的频谱为Y(f) 功率谱为 功率倒频谱为 对数功率谱 对数运算 傅立叶逆变换 功率倒频谱 倒频谱分量 倒频谱分解 傅立叶正变换 指数运算 频域分量 传递函数幅值 式中τ为倒频率 （频率的倒数） 单位ms 应用：提取和识别感兴趣的信号分量；解卷积。 2.4　振动信号予处理 Anhui University of Technology lgGx(f)是源信号的谱， lgGt(f) 是传递函数的谱。上述信号不是很明显，做幅值倒频谱，得图b，分别在q1和q2处得到两个明显的信号，q2为源信号，q1为系统响应获得的信号。 2.4　振动信号予处理 第2章 信号分析与处理 2.1　数据的数字化（A/D模数转换） 2.2　随机振动信号的幅域分析 2.3 随机振动信号的时域分析 2.4 振动信号的预处理 机械故障诊断学 Anhui University of Technology 研究目标 Anhui University of Technology 振动——信号分析的主要对象是振动信号，其可分为简谐、周期、瞬态、随机等。 信号处理 振动等现场采集的信号包含噪声，且较复杂，不容易识别特征。 　　简单波形分析——可以直接进行精确的数学理论分析，如谐波等，包络线分析、波形叠加分析等从略 　　随机信号分析——主要是数字化处理方法（模拟分析精度低、速度慢、适应性差）幅值域、时域、频域、倒频域等 以FFT仪为标志，仪器选择主要考虑处理速度、分辨能力、功能范围、机型性能价