第4讲信号分析与处理–倒频等.pptVIP

* 设备故障诊断学 * 如果选择某个小波函数，同时满足四项指标，那真是人类的福气。 遗憾的是，上帝像是有意考验我们的数学家，没有将“四合一”的小波函数“直接”恩赐给人类。数学家们已经证明，具有正交、线性相位、紧支撑的小波函数只有 Harr函数，而Harr函数是间断函数，对于工程应用来说，是不理想的。 目前，一种倾向是坚持正交性。另一种倾向是放弃正交性，另辟途径，进行艰辛的长征，前仆后继，花费了将近半个世纪的探索，才使小波分析理论成熟起来，得以在工程中应用。作为后人，我们要忠心地感谢他们。 * 设备故障诊断学 * 实际应用中，几何形态上小波函数一般都具有以下两个特征： ?必须是振荡函数； ?必须是迅速收敛的函数。 下图a所示正弦函数振荡但不收敛。因此不是小波函数。下图b所示函数迅速收敛但不振荡，因此也不是小波函数。下一页图所示为几种常见的小波函数。 * 设备故障诊断学 * 几种常见的小波函数a)Lemarie小波，b)具有20个系数的Danbechies小波，c)具有4个系数的Danbechies小波，d)Morlet小波 小波变换利用小波在不同的时移和尺度下对信号进行观察 * 设备故障诊断学 * 通过与短时傅立叶变换的“时间—频率窗”的相似分析，可得到小波变换的“时频窗”的笛卡儿积是 其中 ，时间窗的宽度为 ，随着频率的增大（即 的增大）而变窄，随着频率的减小（即 的减小）而变宽，之所以有这样的结果，关键在于公式（15）中，时间变量 前面乘了个“膨胀系数” 。 小波变换的“时频窗”的宽度，检测高频信号时变窄，检测低频信号时变宽，这正是时频分析所希望的。为了能使高频与低频的时间局部化能同时满足，首先选择最窄的时间窗，检测到最高频率信息，并将其分离。然后，适当放宽时间窗，再检测剩余信息中的次 （17） * 设备故障诊断学 * 高频信息。再分离，再放宽时间窗，再检测次次高频信息，依次类推。小波变化的时频窗如下图所示： * 设备故障诊断学 * 小波分析与其他时频分析的比较： 这里以合成信号的分析为例，作为小波分析方法和时频分析方法结果的比较。如下图所示的合成信号： * 设备故障诊断学 * 由于STFT方法对同一宽度的窗来说不可能同时具有较好的时域和频域分析精度，因而就不可能同时具有较好的分时和分频特性，这也是STFT方法的主要缺陷。下图为同一合成信号的小波变换结果。由图可见、无论是小波变换系数的幅值还是相位都同时具有良好的分时和分频特性。即同时具有良好的时域和频域分析精度。 * 设备故障诊断学 * 合成信号的小波变换结果的幅值及相位 (a)两正弦信号的合成信号的幅值和相位，(b)具有间隙的信号的幅值和相位 * 设备故障诊断学 * * 设备故障诊断学 * * * 第3章信号分析与处理 3.1　数据的数字化（A/D模数转换） 3.2　随机振动信号的幅域分析 3.3 随机振动信号的时域分析 3.4 随机振动信号的频域分析 3.5 倒频谱分析 3.5 其他频域分析方法简介 机械故障诊断学 Anhui University of Technology Anhui University of Technology 3.5 倒频谱分析 　 1.信号y(t)由x(t)和s(t)叠加而成，当两信号的能量分别集中在不同的频率区域里——采用信号预处理中的线性滤波方法或频域分析中功率谱分析 ：低通、高通等滤波。如有重叠，但统计特性不同，可采用窄带滤波，如周期信号和宽带噪声的混合。 　2. 当要提取的分量以一定的规律作周期性的重复，另一些分量是随时间变化的噪声——用时域平均方法或相关分析，有效地处理叠加信号的分解识别 。如信号和白噪声的混合。 回顾：信号分析方法选用： 3.当信号不是线性叠加时，如两者为相乘或者卷积的时候，可以采用同态滤波方法，即现将信号转化为相加关系，再采用线性滤波。如倒谱很清晰地分析各频率成分 4.倒频谱分析是二次频谱分析，包括功率倒频谱和复倒频谱，对具有同族谐频、异族谐频、多成分边频等复杂信号，找出功率谱上不易发现的问题非常有效。 Anhui University of Technology 3.5 倒频谱分析 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