4信号的分析与处理的.pptVIP

传感器与测试技术;学习导航;4.1 信号的时域分析 ;2、离散时间序列主要统计参数的计算 ;3、时域统计参数的应用 ;均方根值诊断法多适用于机器作稳态振动的情况。如果机器振动不平稳可用振幅-时间图诊断法。 振幅-时间图诊断法多是测量和记录机器在开机和停机过程中振幅随时间变化过程，根据振幅-时间曲线判断机器故障。 例：离心式空压机或其它旋转机械 的开机过程。若记录到的振幅A随时 间t变化的几种情况如图所示。 ;4.1.2 信号的概率密度函数 ;2、典型信号的概率密度函数 ;（2）正态分布随机信号 ;（3）混有正弦波的高斯噪声的概率密度函数 ;4.2.1 相关系数 ;4.2.2 自相关函数分析 ;4.2 信号的相关分析 ;2、自相关函数的性质 ;3）Rx(τ)值的限制范围 ;5）周期函数的自相关函数仍为同频率的周期函数。 ;正弦函数的自相关函数是一个余弦函数，在τ=0时有最大值。它保留了幅值信息和频率信息，但丢失了原正弦函数中的初始相位信息。 只要信号中含有周期成分，其自相关函数在τ很大时都不衰减，并具有明显的周期性。 不包含周期成分的随机信号，自相关函数随τ的增大趋于零。 宽带随机噪声的自相关函数很快衰减到零，窄带随机噪声的衰减较慢。白噪声自相关函数收敛最快，为δ-函数，所含频率为无限多，频带无限宽。 ;1、互相关函数的概念 互相关函数Rxy(τ)定义： ;2、互相关函数的性质 ;（5）两个统计独立的随机信号，当均值为零时，则Rxy(τ)=0。 ;例 求两个同频率正弦函数的互相关函数：;4.2.4 相关函数的应用 ;从强噪声中检测到微弱的正弦信号 一个微弱的正弦信号被淹没在 强干扰噪声之中，但在自相关 函数中，当τ足够大时该正弦 信号能清楚地显露出来。 在机械等工程应用中自相关分 析有一定的使用价值。但一般 说来，用它的傅里叶变换(自谱) 来解释混在噪声中的周期信号可能更好些。另外，由于自相关函 数中丢失了相位信息，这使其应用受到限制。;2、互相关函数的应用 ;（2）相关分析在故障诊断中的应用 ;（3）传递通道的相关测定 ;复杂管路系统振动传递途径的识别：;（4）相关分析的声学应用 ;4.3 信号的频域分析4.3.1 功率谱密度???数 ;2、功率谱密度函数（简称功率谱）的定义 ;3、功率谱密度函数的物理意义 ;自谱Sx(f)和幅值谱X(f)或能谱│X(f)│2之间的关系 ;4、自功率谱密度Sx(f)与幅值谱的关系 ;4.3.2 功率谱的应用 ;4.3 信号的频域分析;2、利用互谱排除噪声影响 ;3、功率谱在设备诊断中的应用 ;4、瀑布图 ;5、坎贝尔图 ;4.3.3 相干函数 ;3、相干函数的应用 ;4.3.4 倒频谱分析及其应用 ;2、倒频谱的应用 ;;（2）用倒频谱诊断齿轮故障 ;如果频谱图上出现过多的频差，则难以识别，这时，可以使用倒频谱。 例如，图中左图为一个减速箱的频谱图，右图为其倒频谱图。从倒谱图可以清楚地看出两个主要频率分量：117.6 Hz(8.5 ms)和48.8 Hz(20.5 ms)。 ;4.4 信号的时频分析;（2）双线性时频表示;2、信号分辨率 ;（2）频率分辨率 ;（3）不确定性原理 ;3、瞬时频率（1）瞬时频率的定义;4、非平稳随机信号 ;（2）时变谱 ;（3）可化为平稳随机信号处理的非平稳随机信号 ;4.4.2 短时傅里叶分析