机械故障诊断信号分析与处理技术 .pptx

第二章 故障诊断的信号分析与处理技术（内容提要）1.信号的分类2.常用数学变换[付里叶(Fourier)变换 、拉普拉斯 (Laplace)变换、Z 变换、希尔伯特(Hilbert)变换3.时域分析4.频域分析5.时间序列分析6.信号处理的一些特殊方法第二章 故障诊断的信号分析与处理技术信号：信息的载体，通常表示为 x(t) 、 y(t)等。信号分析与处理: 对信号的加工过程。信号分析与处理的目的： 从原始信号中获取更多的有用信息；更便于根据信号的特征进行判断。第二章 故障诊断的信号分析与处理技术信号分析与处理的常用方法：时域分析： ★统计特征参量分析（ 例如概率密度函数p(x) ， 概 率分布函数F(x)，均值μx ，偏态指标K3 ， 峭度指标K4，无量纲指标等）; ★相关分析（自相关、互相关分析）；频域分析：幅度谱分析、功率谱分析等；时间序列分析 ；特殊方法：时域平均、倒频谱分析、自适应消噪 技术、共振解调技术等。第二章 故障诊断的信号分析与处理技术 信号的分类--目的 不同的信号种类采取不同的处理方法，以便获取更多的有用信息。 信号的分类--依据1根据其能否用明确的数学表达式进行描述而将信号分为：确定性信号：是指能用数学表达式进行精确描述的一类信号，它可进一步分为周期信号和非周期信号。周期信号是指每隔一定的时间便重复发生一次的一类信号，简谐信号是最简单的周期信号。可表示为： x(t) = x(t +T)T—周期随机信号：是指其单次试验所得信号的规律不能确定，而在大量的重复试验中则表现出某种统计特性的一类信号。 说明：工程实际中、特别是在机械故障诊断领域中，我们所测得的信号大都是确定性信号和随机信号的组合，因而总体上具有一定的随机性，绝对的确定性信号是很少见的。因此，我们往往把所测机械信号笼统地说成是随机信号。第二章 故障诊断的信号分析与处理技术信号的分类--依据2 根据其统计特性的不同，可将随机信号分为：平稳随机信号：统计特性不随时间变化而改变的一类信号。如果信号的各阶矩都不随时间而改变，则称此信号是 严 平稳(强平稳)；如果信号的统计特性中只有均值和方差不随时间而改变，则称此信号是宽平稳(弱平稳)。 说明：在大多数情况下，在诊断机械状态监测中所测得的信号都属于平稳随机信号的范畴。实际工作中，我们往往事先假定所测信号为平稳随机信号。在平稳随机信号中各态历经信号最为重要。 各态历经性：是指其总体的集合统计量与其样本的时间统计量对应相等。各态历经性的重要意义在于，可用样本来研究信号的总体特性。 非平稳随机信号：统计特性随时间而改变的一类信号。第二章 故障诊断的信号分析与处理技术信号的分类各态历经：st[x(t)]= st[x1(t)]= st[x2(t)]=......= st[xn(t)] 平稳信号：st[x(t)]= st[x (t1)]= st[x (t2)]=......= st[x (tn)]第一节 信号分析与处理中的常用数学变换 数学变换是信号分析与处理的数学基础常用算法： 一、付里叶(Fourier)变换 二、拉普拉斯(Laplace)变换 三、Z变换 四、希尔伯特变换(Hilbert Transform)一、付里叶(Fourier)变换内涵：任何时域信号都可以由各种不同频率的简谐信号组成，付里叶变换就是研究它们之间关系的有力工具，即从时域变换至频域。重要意义：主要表现在以下几个方面 1. 可以把对复杂的时域信号的分析，转化为一系列不同频率的简谐信号的分析，而简谐信号是最容易产生、最便于分析、理论最成熟的信号。 2. 任何一个系统（机械的、电器的、电子的、液压的、气动的…)都具有自身的频率特性，即对不同的频率简谐信号的输入，有不同的响应特性。如：人体、弹簧-质量系统、放大电路系统、滤波电路系统等。 3. 为了分析系统的工作状态，经常要求了解不同频率条件下系统的工作状态。如合唱队各个声部的音响状态、机床嘈声的悦耳要求、设备的故障源的识别等。举例 —付里叶(Fourier)级数—矩形波分解幅值频率时间时域分析频域分析举例 —付里叶(Fourier)级数—周期函数分解举例—齿轮系统的振动信号分析 齿根裂纹输入轴回转频率：f 1=990/60=16.5HzZ1、Z2啮合频率： 330Hz Z3、Z4啮合频率： 171.2Hz一、付里叶(Fourier)变换主要内容：1.付里叶(Fourier)级数：周期函数；2.付里叶(Fourier)变换：非周期函数；3.离散付里叶(Fourier)变换（DFT：Discrete Fourier Transform）4.快速付里叶(Fourier)变换（FFT：Fast Fourier Transform）1965年 Cooley-Tukey首先提出。1.付