轴承matlab处置程序.doc

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 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，零均值后消除处出现一个由直流分量产生的大谱峰（将近达到），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： 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 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-3))-6*a(N-2)-a(N-4))/70; a=b; end G201ph=a; %G201ph为五点三次平滑法处理的数据 subplot(2,1,1),plot(G201);subplot(2,1,2),plot(G201ph);%显示G201与G201ph 得到以下图形： 与前面零均值化处理中做频域图的方法一样，做出G201与G201ph的频谱图G201p与G201php，得到图形如下： 从时域图形上看，平滑处理使图形变得平滑，去除毛刺，从频域图形上看，高频部分明显变少变小，而低频部分基本无变化。因为故障的频率主要集中在低中频部分，这样处理后不仅对故障的分析无影响，而且去除部分噪音，减少干扰。 1.4 滤波处理（