工程测试技术(第二章)1探讨.ppt

第二章 信号的分析与处理 信号分析与处理的目的是： 剔除信号中的噪声和干扰，提高信噪比。 消除系统测量误差。 强化、突出有用信息，削弱信号中的无用部分。 将信号加工、处理、变换，以便更容易识别和分析信号特征，解释被测对象所表现的各种物理现象。 信号分析：简单、直观、迅速地研究信号的构成和特征值的过程，如信号的时域分析、幅值域分析、相关分析等。 信号处理：为获得有用信息而进行变换、处理、加工的过程，如对信号的功率谱分析、系统响应分析、相干分析、倒谱分析等。 2.1 信号的时域分析 2.1.1 特征值分析 1、离散时间统计参数的计算 （1）离散信号的均值 （2）离散信号的绝对均值 （3）离散信号的均方值 均方根值 （4）离散信号的方差 标准差 2、特征值分析的应用 （1）均方根值诊断法 利用系统上某些特征点振动的均方根值作为判断故障的依据，是最简单、最常用的一种方法。 测量参数：低频（几十Hz）时宜测量位移，中频（1000Hz左右）宜测量速度，高频时宜测量加速度。 ISO2372、ISO2373对回转机械允许的振动级别规定： （2）振幅－时间图诊断法 多用于测量和记录机器在开机和停机过程中振幅随时间的变化，并根据振幅－时间曲线判断机器故障。 2.1.2 概率密度函数分析 概率密度函数是概率相对于振幅的变化率。 概率分布函数 时域信号的均值、均方根值、标准差等特征值与概率密度函数有密切的关系： （1）正弦波信号的概率密度函数 特点：在均值处最小，在信号最大、最小幅值处最大。 （2）正态分布随机信号的概率密度函数 概率密度曲线特点： 单峰 曲线有对称轴 为曲线的拐点 x值落在 、 、 区间的概率分别为0.68、0.95和0.997 （3）混有正弦波的高斯噪声的概率密度函数 正弦信号 包括此正弦信号和零均值高斯随机信号的信号表达式为： 其概率密度函数为： 2.2 信号的相关分析 2.2.1 相关系数 相关――指变量之间的线性关系。 相关系数――表示变量x、y之间相关程度的系数。 式中，E――数学期望（平均值） ――变量x、y的协方差 、 ――变量x、y的标准差 根据柯西－许瓦兹不等式： 知道： 当 时，两变量间有良好的线性相关；当 时，两变量间也有良好的线性相关，只是直线斜率为负； 当 时，两变量间完全不相关。 2.2.2 自相关分析 1、自相关函数的概念 是各态历经随机信号， 是 时移τ后的样本。 两者间相关系数为： 定义自相关函数为 则， 周期信号： 非周期信号： 2、自相关函数的性质 1）自相关函数为实偶函数，即 2）τ值不同， 不同。当τ＝0时， 最大，且 ， ，此时，两信号完全相关。 3） 4）当 时， 和 彼此无关。 5）周期函数的自相关函数仍为同频率的周期函数。 例：求正弦函数 自相关函数 解： 2.2.3 互相关函数 1、互相关函数概念 互相关系数为： 2、互相关函数的性质 1）互相关函数为实函数。 2）互相关函数非偶函数，也非奇函数 3） 的峰值不在τ＝0处。 4） 5）两个独立的随机信号，当两均值为0时， ＝0 6）两个不同频率的周期信号，其互相关函数为0。 7）两个同频率正、余弦函数的互相关函数为0（不相关）。 8）周期函数与随机信号的互相关函数0。 3、互相关技术的工程应用 （１）相关测速 （２）相关分析在故障诊断中的应用 （３）传递通道的相关测定 （４）声学应用 2.3 信号的频域分析 2.3.1 巴塞伐尔(Paseval)定理 内容：在时域中计算的信号总能量，等于在频域中计算的信号总能量，即， 又称能量等式． 称为能谱。 2.3.2 功率谱分析及其应用 １﹑功率谱密度函数的定义 随机信号的自功率谱密度函数（自谱）是该随机信号自相关函数的傅里叶变换． 两随机信号的互功率谱密度函数（互谱）是该两随机信号互相关函数的傅里叶变换． ２﹑功率谱密度函数的物理意义 自功率谱曲线下的总面积就是信号的总功率。