轴承matlab处理程序.pdfVIP

1． 数据导入 matlab 1.1 启动 Matlab 软件 1.2 点击 载入故障数据中的 G2015 ，Workspace 窗口出现： 1.3 取第一组数据 G201 ，命令窗口输入： G201=G2015(1:1:20000); 2. 数据预处理 在测试中由数据采集所得的原始信号，在分析前需要进行预处理，以提高数据的可靠性 和真实性，并检查信号的随机性，以便正确地选择分析处理方法。预处理工作主要包括三个 方面：一是除去信号中的外界干扰信号和剔除异常数据，如趋势项和异点；二是对原始数据 进行适当的平滑或拟合；三是对原始信号的特性进行检验。当然这些处理工作不是全部必需 的，可以选—项或两项内容，当认为原始信号获取工作十分可靠或原始数据简单可以直接判 断的情况下，也可以不进行这些预处理工作。以下所做数据预处理，故障轴承以G201 为例， 正常轴承以Z201 为例，观察原始数据经过不同方法做处理前后的变化。 1.1 零均值化处理 （原理公式见报告 P8） 命令窗口输入： G201l=G201-sum(G201)/20000;%G201l 为零均值处理后的数据。 “20000 ”为采样点数。 sum 为求和语句 subplot(2,1,1),plot(G201);subplot(2,1,2),plot(G201l);% 显示 G201 与 G201l 得到下面图形： 从时域图形上看，是波形整体在 Y 轴的平移。再看看频域变化，命令窗口输入： N=20000; %采样点数 fs=10000; %采样频率 精选 f=(0:N-1)*fs/N; %进行对应的频率转换 G201p=abs(fft(G201)); %进行 fft 变换，G201p 为 G201 进行 fft 变换后结果 G201lp=abs(fft(G201l)); %进行 fft 变换，G201lp 为 G201l 进行 fft 变换后结果 subplot(2,1,1),plot(f(1:N/2),G201p(1:N/2));subplot(2,1,2),plot(f(1:N/2),G201lp(1:N/2)); %显示 G201 与 G201p 的频谱图 得到下面图形： 从频域图可以明显看出，零均值后消除0 处出现一个由直流分量产生的大谱峰 （将 近达到4.5 104 ），处理后避免了其对周围小峰值产生的负面影响，便于频域分析。 1.2 消除趋势项（原理公式见报告 P10） 使用最小二乘法，命令窗口输入： t=(0:1/fs:(N-1)/fs); % 离散时间列向量 G201x=polyfit(t,G201,6); %计算多项式待定系数向量 G201x=G201-polyval(G201x,t); %用G201 减去多项式系数生成的趋势项,G201x 即为消除趋势 项后的数据 subplot(2,1,1),plot(G201);subplot(2,1,2),plot(G201x);% 显示 G201 与 G201x 得到以下图形： 精选 与前面零均值化处理中做频域图的方法一样，做出 G201 与 G201x 的频谱图G201p 与 G201xp ，得到图形如下： 从时域图形和频域图形上看，消除趋势项与零均值化处理的功能相似。不过，需要注意 的是，它更重要的消除趋势项，因为本数据中的多项式趋势项很小，所以没有明显的变化。 1.3 平滑处理（原理公式见报告 P11） 使用五点三次平滑，命令窗口输入： a=G201; for k=1:2 b(1)=(69*a(1)+4*(a(2)+a(4))-6*a(3)-a(5))/70; b(2)=(2*(a(1)+a(5))+27*a(2)+12*a(3)-8*a(4))/35; for j=3:N-2 b(j)=(-3*(a(j-2)+a(j+2))+12*(a(j-1)+a(j+1))+17*a(j))/35; end 精选 b(N-1)=(2*(a(N)+a(N-4))+27*a(N-1)+12*a(N-2)-8*a(N-3))/35; b(N)=(69*a(N)+4*(a(N-1)+a(N