机械图像处理的一些特殊方法.PPTVIP

* * * * 机械图象处理的一些特殊方法 机械故障诊断理论 时域平均方法是从混有噪声干扰的信号中提取周期信号的过程，也称相干检波（coherent detection）。对机械图象以一定的周期为间隔去截取信号，然后将所截得的信号段跌加平均，这样可以消除信号中的非周期分量和随机干扰，保留确定的周期分量。 简单的来说就是是从混有噪声的复杂周期信号中提取感兴趣周期分量的常用方法，可以消除与给定频率(如某轴的回转频率)?无关的信号分量，包括噪声和无关的周期信号，提取与给定频率有关的周期信号，因此能在噪声环境下工作，提高分析信号信噪比。 例如以一齿轮一转为周期，进行时域信号平均，可以排除该齿轮以外的其他干扰，是齿轮缺陷产生的周期分量突出，提高信噪比。 §4.1 时域平均方法 时标可以将一齿轮轴的一转定为脉冲周期T，乘以一定的传动比后，化成指定的周期T，输入信号即可以以周期分段采样再迭加平均，并经平滑后输出。除需要摄取加速度信号外，还需要摄取时标信号。 经过滤波后的原始信号, 用适当的周期T 截取N段，进行时域信号平均后输出。周期T可根据实际结构的运行规律定出, 也可对信号求其自相关系数原理定出。 基本原理图 对于旋转机械或往复机械运行中所产生的带有周期重复性的机械信号x(t)，如果x(t)由周期信号f(t)和白噪声n(t)组成，即 以f(t)的周期T去截取信号x(t)，共截得N段，然后将各段对应点相加，由于白噪声的不相关性，可得到 再对x(ti)平均，便得到输出信号y(ti) 此时输出的白噪声是原来输入信号x(t)中的白噪声的 ，因此信噪比提高 倍。下面是对此结论的分析。 采用时域平均法提取周期分量f(t)，也可看作是梳状滤波器（comb filter，鸡冠滤波器）进行滤波的过程。以 为时间间隔对x(t)进行离散采样，得到离散值x(n )，n=0,1,2,3，…。设N为叠加、平均的周期段数目，M为一个周期中的采样数目，为采样间隔。x(n )为滤波器的输入，则滤波器的输出y(n )为 对上式进行z变换，设y(n )，x(n )的z变换为Y(z)，有 滤波器的传递函数H(z)为 令 ，且有周期 ，传递函数H(z)的幅值响应为： 传递函数H(z)的相位 为 当 时，K=0,1,2……，为正整数，也就当频率f是f0的整数倍，即周期T是各次谐波的公共周期，对于这些周期性的谐波分量，梳状滤波器传递函数的增益 在 的值可由洛必达法则求得： 可见时域平均过程等价于具有中心频率 ，也就是 的梳状滤波器。 图4-4是滤波器关于频率 的幅值响 应 曲线的形状。由(7)式可知滤波 器的极点数目等于N-1（当N为偶数） 或（当N为奇数），滤波器的零点数目 等于N（当N为偶数）或N-1（当N 为奇数）。图4-4是N=4和N=8的 曲线形状。 梳状滤波器在频域里抑制了白噪音n(t)，通过滤波器后的等价噪音带宽（ENB）随着N的增大而减小。我们知道输出功率谱密度Sy(f)与输入功率谱密度Sx(f)之比等于滤波器传递函数H模的平方 通过滤波器后的噪音能量的改变，信噪比即ENB为 由于时域平均时，截取信号段的周期为T，即频率为f0，所以 的范围为[-0.5,0.5]，并令 ，积分代入有 通过时域平均，从方差意义上讲，使平均后的噪音缩小了N倍，相当于输出的噪音是输入噪音的1/ 。因此梳状滤波器抑制了白噪音，提高了信噪比。 §4.2 倒频谱分析方法 　 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。 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