检测监控的信号分析与处理技术2.pptVIP

频域分析与应用 倒谱分析 工程上常用的是上式的开方形式，即： C0(q)称为幅值倒频谱，有时简称倒频谱。 自变量q称为倒频率，它具有与自相关函数Rx(t)中的自变量τ相同的时间量纲，一般取ms或s。因为倒频谱是傅里叶正变换，积分变量是频率f而不是时间τ，故倒频谱 C0(q) 的自变量q具有时间的量纲,q值大的称为高倒频率，表示谱图上的快速波动和密集谐频，q值小的称为低倒频率，表示谱图上的缓慢波动和散离谐频. 频域分析与应用 倒谱分析 为了使其定义更加明确，还可以定义： 即倒频谱定义为信号的双边功率谱对数加权，再取其傅里叶逆变换，联系一下信号的自相关函数： 这种定义方法与自相关函数很相近，变量q与τ在量纲上完全相同。 频域分析与应用 倒谱分析 的应用 用倒频谱诊断齿轮故障 如果齿轮缺陷严重或多种故障存在，以致许多机械中经常出现的不对准、松动、及非线性刚度等原因，或者出现拍波截断等原因时，则边带频率将大量增加。 频域分析与应用 倒谱分析 的应用 在机械状态监测和故障诊断中，所测得的信号，往往是由故障源经系统路径的传输而得到的响应，也就是说它不是原故障点的信号，如欲得到该源信号，必须删除传递通道的影响。 下图即为相应的倒频谱图。从图上清楚地表明有两个组成部分：一部分是高倒频率q2，反映源信号特征；另一部分是低倒频率q1，反映系统的特性。 相干分析及其应用 相干分析 相干函数是评价测试系统的输入信号和输出信号之间的因果性的指标函数，即输出信号的功率谱中有多少是所测试的输入量引起的响应的指标。 通常相干函数用 表示，其定义为: 相干分析及其应用 相干分析 如果相干函数为零,表示输出信号与输入信号不相干。 相干函数为1时，表示输出信号与输入信号完全相干。 若相干函数在 0~1之间，则表明有如下三种可能： (1）测试中有外界噪声干扰；(2）输出y(t)是输入x(t)和其它输入的综合输出；(3）联系x(t)和y(t)的线性系统是非线性的。 相干分析及其应用 相干分析 若系统为线性系统 上式表明：对于线性系统，输出完全是由输入引起的响应。 相干分析及其应用 相干分析的应用 柴油机润滑油泵压油管振动和压力脉动间的相干分析 润滑油泵转速为n=781rpm,油泵齿轮的齿数为z=14，测得油压脉动信号x(t)和压油管振动信号y(t)压油管压力脉动的基频为f0=nz/60=182.24(Hz) 时间序列分析 时间序列 时间序列分析：是一种根据动态数据揭示系统动态结构和规律的统计方法。其基本思想：根据系统的有限长度的运行记录（观察数据），建立能够比较精确地反映序列中所包含的动态依存关系的数学模型，并借以对系统的未来进行预报（王振龙） 一、随机过程 1、定义： 在数学上，随机过程被定义为一组随机变量，即， 其中，T表示时间t的变动范围，对每个固定的时刻 t而言，Zt是一随机变量，这些随机变量的全体就构成一个随机过程。 时间序列分析 2、特征 （1）随机过程是随机变量的集合 （2）构成随机过程的随机变量是随时间产生的，在任意时刻，总有随机变量与之相对应。 时间序列分析 二、随机序列（时间序列） 1、当 时，即时刻t只取整数时，随机过程 可写成 此类随机过程 称为随机序列，也称时间序列。 时间序列分析 可见 （1）随机序列是随机过程的一种，是将连续时间的随机过程等间隔采样后得到的序列； （2）随机序列也是随机变量的集合，只是与这些随机变量联系的时间不是连续的、而是离散的。 时间序列分析 常用的时间序列模型 AR （AutoRegressive） MA（MovingAverage ） ARMA 时间序列分析 常用的时间序列模型 AR （AutoRegressive） MA（MovingAverage ） ARMA 时间序列分析 AR模型简介 自回归过程(Auto-regressive model,AR) 如果一个随机过程可表达为 其中?i, i = 1, … p 是自回归参数， 是白噪声过程，则称xt为p阶自回归过程，用AR(p)表示。xt是由它的p个滞后变量的加权和以及ut相加而成。 时间序列主要用于对机械设备的剩余寿命或未来发展趋势的预测。 时间序列分析的应用 时间序列分析的应用 根据分析以及模型从简的原则，初步判定可以由数据序列拟合AR(2)模型。 初步得到该数据模型为 从而可进行函数趋势的预测与估计。 时频联合分析 短时傅立叶变换 Wigner-Ville 分布 小波变换 高阶统计量分析 随机共振方