故障信号的采集和处理

故障信号的采集和处理

学校：

院系：

班级：

姓名：

学号：

摘要

随着工业生产和科学技术的发展,机械设备的可靠性、可用性、可维修性

与安全性的问题日益突出,从而促进了人们对大型机械设备故障机理及诊断技

术的研究。信号的采集与处理是实现机组振动检测与故障诊断系统的核心技术。如何建立切实可行的信号采集与处理系统是实际工程应用中的重要内容。对信号采集与处理的基本原理和主要方法作了详细介绍,并结合实例说明在工程应

用中如何从软硬件两方面来实现这一重要的环节。

课题研究背景

二十世纪以来,随若工业生产和科学技术的发展,现代工业系统的结构越

来越复杂,功能越来越完善,自动化程度也越来越高,这就对机械设备的安全方

面和故障诊断技术方面有了更高的要求。由于许多无法避免的因素的存在,工

业系统会出现各种各样的故障,这些故障引起的直接后果,有些是降低或失去

系统某些预定的功能,有些则造成严重的人员和财产的巨大损失,如:1998年8

月到1999年5月的短短的10个月间,美国的3种运载火箭:“人力祌”、“雅典娜”、“德尔他”共发生了 5次发射失败,造成3多亿美元的直接经济损失,迫使美国

航天局于1999年5月下令停止了所有的商业发射计划,美国的航天计划受到了

严重的打击。因此,国内外都不遗余力的进行振动机械大型化、能化的发展,

从而减少振动机械数量、减少设备费用和设备管理费;便于实行自动检测和自

动控制。可见切实保障现代大型机械设备的可靠性与安全性,具有十分重要的

意义。因此故障诊断技术--直是各国研究的热点。

随着科学的发展和技术的进步,系统的能力和现代化水平日益提高以及人

们对故障诊断的了解和应用,故障诊断技术越来越成熟,很多国家在不同领域

都获得了成就:

(1)英国于70年代初成立了机器保健与状态监测协会,到了80年代初在发

展和推广设备诊断技术方面作了大量的工作,起到了积极的促进作用。英国曼

彻斯特大学创立的沃森丁业维修公司和斯旺西大学的摩擦磨损研究中心在诊

断技术研究方面都有很高的声誉。英国原子能研究机构在核发电方面,利用噪

声分析对炉体进行监测,以及对锅炉、压力容器、管道的无损检测等,起到了英国故障数据中心的作用。目前英国在摩擦磨损、汽车、飞机发动机监测和诊断方面仍具有领先的地位。

(2)欧洲一些国家的诊断技术发展各具特色。如瑞典SPM公司的轴承监测技术,AGEMA公司的红外热像技术;挪威的船舶诊断技术;丹麦的B&K公司的振动、

噪声监测技术等都是各有千秋。日木在钢铁、化工等民用工业屮诊断技术占有优势。东京大学、东京工业大学、京都大学、早稻田大学等高等学校着重基础性理论研究;而机械技术研究所、船舶技术研究所等国立研究机构重点研究机

械基础件的诊断研究;三菱重工等民办企业在旋转机械故障诊断方面开展了系

统的工作,所研制的“机械保健系统”在汽轮发电机组故障监测和诊断方面已

经起到了有效的作用。

(3)我国诊断技术虽起步较晚,似经过近几年的努力,加上政府冇关部门多

次组织外外国诊断技术专家来华讲学,巳基本跟上了国外在此方而的步伐,在

一些特定设备的诊断研究方面很有特色,形成了一批自己的监测诊断产品,特

别是智能化的故障诊断专家系统,在电力系统、石化系统、冶金系统、以及高科技产业中的核动力电站、航空部门和载人航天T程等。

工作比较集巾的是大型旋转机械故障诊断系统,己经开发了20种以上的机组故障诊断系统和十余种可用来做现场故障诊断的便携式现场数据釆集器。透平发电机、压缩机的诊断技术已列入国家重点攻关项目并受到高度重视;而西安交通大学的“大型选转机械计算机状态监测与故障诊断系统”,哈尔滨工业大学的“机组振动微机监测和故障诊断系统”。东北大学设备诊断工程中心经过多年研究,研制成功了“轧钢机状态监测诊断系统”,“风机工作状态监测诊断系统”,均取得了可喜的成果。

正文

信号的采集与处理是实现机组振动检测与故障诊断系统中的一个基本环节,也是振动监测软件的核心技术。它起着对监测信号进行加工、变换、提取敏感的故障征兆的重要作用。对集到的重要参量及时进行分析,对有关性能指标及时评估,可对机组故障及时预测预报,根据故障趋势,通过改变运行参量,使机组维持正常运行,避免设备损坏造成巨大的经济损失,对大型机组具有重要的意义。振动监测与故障诊断技术是机电控制及自动化领域的主要研究方向之一。由于许多无法避免的因素的影响,设备会出现各种各样的故障,甚至造成严重的灾害性事故,造成巨大的经济损失。针对这种现象自20世纪80年代以来,集多交叉学科于一体的监控、诊断、预报理论技术,随着现代电子技术、自动控制理论、信息理论与技术、计算机技术等前沿科学的迅猛发展而发展,建立一套有效的振动监测故障诊断系统是必然的发展趋势。信号采集和处理模块是故障诊断的前提和基础。若能采集到最能反映机组状态的信息并且对信号做出最有效最直观的分析,故障诊断就能有效进行。以往,信号分析主要是通过模拟式分析仪进行的。随着数字计算机的迅速发展,现代信号分析主要包括两种形式:一种是以计算机为核心的专用数字式信号处理仪器; 另一种是采用通用计算机软件的方式来进行信号分析。尽管以上两种方式在形式上有所差别,但信号分析的手段和方法基本上是一致的。

1信号处理系统的组成

信号处理的内容随具体的任务不同而有所差异,但其处理过程一般应包括信号的收集、记录、预处理、数据检验、信号分析等环节。信号处理系统可用图1表示。

(1) 传感器单元

信号的收集是通过各种传感器进行的。传感器将某些变化过程的物理量转

换为电信号的形式输出以供分析。为了使最后的分析结果具有最小的误差,所

使用的传感器应该具有足够宽的频带以及线性范围,从而保证信号波形的畸变

较小。此外,传感器的输出应该具有较大的动态范围,以保证有较大的信噪比。信号采集后,有离线和在线分析两种形式。当处理的数据量太大,分析仪器没有足够的内存进行分析,或分析仪器的分析速度跟不上实际过程的要求时,将信

号先记录下来,以备事后分析,这时分析仪器和被测量系统相脱离,这种方式称

为离线分析。如果对信号边采集边分析,则称为在线分析。

(2) 预处理单元

信号在经计算机处理以前,一般还要进行预处理,这包括采样量化及量化

后的一系列处理过程,如放大、滤波等。被采样量化的信号是带限的。然后按

采样定理的要求对信号进行采样。

(3) 采样保持(S/H)和模数(A/D)转换

通过模数转换器A/D,将模拟信号x(t)在时间上离散化,在幅值上量化成数

字信号x(n),以便计算机处理。

模数转换过程中不可避免地会出现量化误差,量化误差反映了A/D转换的

精度。为了保证转换精度,被转换的输入信号应该不变或变化很小。对于信号

变化快而A/D器件转化速率不够的情况,需在A/D转换器之前加采样保持器

(S/H),以起到对信号的跟踪同时又在转换期间内保持A/D器件输入不变的作用。

(4) 信号分析单元

是信号处理的中心环节。主要包括信号的幅域分析、时域分析、频域分析以及瞬态分析等方面的分析计算。

(5) 数模转换单元D/A

D/A转换单元将计算机的分析处理结果以模拟量的形式输出,提供给波形

显示或其他用途。

2信号处理的主要方法

以快速傅立叶变换(FFT)为核心的经典信号处理方法在设备的状态检修中

发挥了巨大的作用。

(1)频谱分析

信号分析的基本方法之一是将时域信号通过某种变化使信号的本质表现

得更加清晰。例如,通过傅立叶变换( Fourier Transform)以频域的形式来描

述信号,比时域描述具有更简明清晰的特点,更能揭示信号的本质内容。特别是快速傅立叶变换( FFT-Fast Fourier Transform)算法发明之后,频谱分析的应用更加广阔。因此,通过傅立叶变换来分析信号的频谱,包括幅值谱和功率谱,

来认识频谱结构是信号分析的主要手段。

(2)相关分析

当信号被强烈的随机信号所混杂甚至淹没时,将信号作相关分析,利用确

定性信号的规律性将其从干扰信号中分离出来,或者利用信号间的相干性求取

信号传输系统的特征参数和动态特性。

(3)细化谱分析

这是一种可以在不增加分析点数的情况下提高频谱分辨率的方法。目前广泛使用的是幅调制细化分析方法。

(4)时间序列分析

时间序列分析方法是根据观测数据和建模方法建立动态参数模型,利用该模型进行动态系统过程的模拟、分析、预报和控制的方法。

(5)倒频谱分析

倒频谱是“对数功率谱的功率谱”,倒频谱分析法能够突出功率谱图中的一些特征和显示振动状态的一些变化。利用该方法的线性分离特性能很好地实现振源信号与系统特性的线性分离。此外,随着现代信号处理技术的发展,信号分析的手段越来越丰富, 象Wigner-Ville 分布(Wigner-Ville

distribution )、短时傅氏变换(Short-time Fourior Transform-STFT)、小波变换(Wavelet Transform)等在实际工程中都得到了广泛的运用。

3 实例分析

结合基于DSP的采煤机牵引电动机在线监测装置进行说明。

随着科学技术的不断发展以及煤矿自动化设备的大型化、复杂化和高度集成化，如何保障机电设备的安全稳定运行，使其发挥出高效的工作效率，是煤矿安全生产当中最重要的一个环节。牵引电动机作为采煤机行走操作的主要执行元件，在采煤机各组件中处于核心的位置，一旦出现问题将直接导致采煤机停机，如果此时采煤机机械制动装置动作不及时，极有可能使采煤机下滑，发生安全事故，影响采煤工作面生产和安全生产。在采煤机行业，针对采煤机牵引电动机故障在线监测，基于DSP的采煤机牵引电动机在线监测装置，该装置通过对电动机温度及电压信号的跟踪，对牵引电动机定子电流频谱和PARK矢量轨迹的分析，实现对电动机运行状态的预诊断及故障报警。现场测试表明，该模块可以很好地完成对电动机定子及转子典型故障的预诊断，同时具有对牵引电动机过热、过载、短路及缺相的保护功能。

（1）系统硬件的总体设计

系统硬件的总体设计采煤机牵引电动机在线监测装置是以TMS320F28335

为控制核心，并通过以AD7606为基础的高精度信号采集模块，对采煤机牵引电动机状态数据(包括温度、电流信号)进行实时的高精度采集，在预设的软件程序作用下，完成对电动机工作状态的判断，并通过CAN总线接口将电动机状态数据上传至采煤机电控系统中，为采煤机的整机工作状态监控提供必要数据。系统硬件总体结构如图2所示。

系统通过热电偶、电阻分压及电流传感器的方法，采集电动机的温度、电压及电流。温度及电压信号经过线性光耦隔离后由信号处理模块调理成适合A/ D转换的0~5V单极性信号，电流传感器输出的 0~20mA 电流信号经IV转换、放

大滤波及电平转换后直接进入AD7606中。并将处理后的信号通过AD7606 的 A/ D 实时地转换送入 DSP 控制芯片中。

（2）信号采集单元

信号采集单元就是将电动机电流、电压及温度信号转换成电信号的传感器，以及对传感器输出信号进行处理的电路模块。温度信号采集单元温度采集单元用于电动机绕组温度信号采集，为可靠实现系统功能，要求温度采集单元分辨率≥1℃，温度数据采集更新率≥10Hz。采集单元配套温度传感器采用Pt100(温度系数0.00385)，测温动态范围-40~+190℃，在-20~ +160℃范围内温度误差

±3℃，温度显示分辨率0.1℃。

2.1电压信号采集单元

电压监测单元及电压跟随电路，通过高速运算放大器组成的跟随电路，实现对电动机输入电压的在线跟踪监测。电压监测单元用4个高精度的耐高压采

样电阻对输入信号进行分压，将高电压分压至原始的 1%，通过高频运放组成

的跟随电路实时跟踪输出电压的变化，并将信号输出到下级监测电路中。（3）电流信号采集单元

该装置主要应用定子电流的频谱分析和 PARK矢量轨迹跟踪来完成对电动

机运行状态的预诊断。电动机工作的电流信号采集的实时性和准确性是确保整个装置正常工作的关键。电流信号采集单元使用 Lem 公司的 LF305-S电流传

感器进行电流信号采集，该传感器是一款基于霍尔效应的闭环电流传感器。传感器带宽范围：DC-100 kHz，IPN= 300 A。

（4）模数转换电路

装置需要对电流信号进行高精度的频谱分析，电动机故障特征信号与正常信号的频率相差较小，装置对电流信号采集的精度及实时性要求极高。电动机基波频率为50Hz，最高频率 100 Hz，最高开关频率10 kHz，为了更好分析电

流信号频率成分，取目标信号频率为2倍的开关频率20 kHz，根据采样定理采

样频率至少为40 kPs。

（5）数字信号处理器

DSP部分主要完成对A/ D转换后的的数据处理、存储，同时实现外围电控系统及上位机间的通信和数据传输。以DSP系统为核心的牵引电动机状态监测装置，符合当前井下设备智能化发展的主流趋势，也符合井下安全高效生产建设需求。能可靠地实现对采煤机牵引电动机温度及电流状态信号的实时监测，同时可以根据对电流信号的频谱分析，实现对牵引电动机的故障预警功能，对采煤机牵引电动机故障诊断和设计具有一定的借鉴意义。

参考文献

[1]张福建—— TMS320F2812 的采煤机电动机保护控制模块[J]．工矿自动化，2011(5)

[2]庄德玉——基于 DSP 的采煤机牵引电动机状态在线监测装置

[3]周绮凤,蔡维由——机组振动监测与故障诊断系统中信号的采集及处理

[4]张建——《机械故障诊断技术》

故障诊断技术发展现状

安全检测与故障诊断 题目：故障诊断技术发展现状 导师：秀琨 学生：典 学号：14114263

目录 1 引言 (3) 2 故障诊断的研究现状 (3) 1.1基于物理和化学分析的诊断方法 (3) 1.2基于信号处理的诊断方法对 (3) 1.3基于模型的诊断方法 (3) 1.4基于人工智能的诊断方法 (4) 2故障诊断研究存在的问题 (6) 2.1故障分辨率不高 (7) 2.2信息来源不充分 (7) 2.3自动获取知识能力差 (7) 2.4知识结合能力差 (7) 2.5对不确定知识的处理能力差 (7) 3发展方向 (8) 3.1多源信息的融合 (8) 3.2经验知识与原理知识紧密结合 (8) 3.3混合智能故障诊断技术研究 (9) 3.4基于物联网的远程协作诊断技术研究 (9) 4发展方向 (9)

1 引言 故障可以定义为系统至少有一个特性或参数偏离正常的围，难于完成系统预期功能的行为。故障诊断技术是一种通过监测设备的状态参数，发现设备的异常情况，分析设备的故障原因，并预测预报设备未来状态的技术，其宗旨是运用当代一切科技的新成就发现设备的隐患，以达到对设备事故防患于未然的目的，是控制领域的一个热点研究方向。它包括故障检测、故障分离和故障辨识。故障诊断能够定位故障并判断故障的类型及发生时刻，进一步分析后可确定故障的程度。故障检测与诊断技术涉及多个学科，包括信号处理、模式识别、人工智能、神经网络、计算机工程、现代控制理论和模糊数学等，并应用了多种新的理论和算法。 2 故障诊断的研究现状 1.1基于物理和化学分析的诊断方法 通过观察故障设备运行过程中的物理、化学状态来进行故障诊断，分析其声、光、气味及温度的变化，再与正常状态进行比较，凭借经验来判断设备是否故障。如对柴油机常见的诊断方法有油液分析法，运用铁谱、光谱等分析方法，分析油液中金属磨粒的大小、组成及含量来判断发动机磨损情况。对柴油机排出的尾气(包含有NOX，COX 等气体) 进行化学成分分析，即可判断出柴油机的工作状态。 1.2基于信号处理的诊断方法对 故障设备工作状态下的信号进行诊断，当超出一定的围即判断出现了故障。信号处理的对象主要包括时域、频域以及峰值等指标。运用相关分析、频域及小波分析等信号分析方法，提取方差、幅值和频率等特征值，从而检测出故障。如在发动机故障领域中常用的检测信号是振动信号和转速波动信号。如以现代检测技术、信号处理及模式识别为基础，在频域围，进行快速傅里叶变换分析等方法，描述故障特征的特征值，通过采集到的发动机振动信号，确定了试验测量位置，利用加速传感器、高速采集卡等采集了发动机的振动信号，并根据小波包技术，提取了发动机故障信号的特征值。该诊断方法的缺点在于只能对单个或者少数的振动部件进行分析和诊断。而发动机振动源很多，用这种方法有一定的局限性。 1.3基于模型的诊断方法 基于模型的诊断方法，是在建立诊断对象数学模型的基础上，根据模型获得的预测形态和所测量的形态之间的差异，计算出最小冲突集即为诊断系统的最小诊断。其中，最小诊断就是关于故障元件的假设，基于模型的诊断方法具有不依赖于被诊断系统的诊断实例和经验。将系统的模型和实际系统冗余运行，通过对比产生残差信号，可有效的剔除控制信号对

数据采集与处理技术

数据采集与处理技术 参考书目： 1．数据采集与处理技术马明建周长城西安交通大学出版社 2．数据采集技术沈兰荪中国科学技术大学出版社 3．高速数据采集系统的原理与应用沈兰荪人民邮电出版社 第一章绪论 数据采集技术(Data Acquisition)是信息科学的一个重要分支,它研究信息数据的采集、存贮、处理以及控制等作业。在智能仪器、信号处理以及工业自动控制等领域，都存在着数据的测量与控制问题。将外部世界存在的温度、压力、流量、位移以及角度等模拟量（Analog Signal）转换为数字信号（Digital Signal）, 在收集到计算机并进一步予以显示、处理、传输与记录这一过程，即称为“数据采集”。相应的系统即为数据采集系统（Data Acquisition System,简称DAS）数据采集技术以在雷达、通信、水声、遥感、地质勘探、震动工程、无损检测、语声处理、智能仪器、工业自动控制以及生物医学工程等领域有着广泛的应用。 1．1 数据采集的意义和任务 数据采集是指将温度、压力、流量、位移等模拟量采集、转换为数字量后，再由计算机进行存储、处理、显示或打印的过程。相应的系统称为数据采集系统。 数据采集系统的任务：采集传感器输出的模拟信号并转换成计算机能识别的数字信号，然后送入计算机，根据不同的需要由计算机进行相应的计算和处理，得出所需的数据。与此同时，将计算得到的数据进行显示或打印，以便实现对某些物理量的监视，其中一部分数据还将被生产过程中的计算机控制系统用来控制某些物理量。 数据采集系统的好坏，主要取决于精度和速度。 1．2 数据采集系统的基本功能 1.数据采集：采样周期

信号设备故障分析与处理

信号设备故障分析与处理 一、任务在安全的基础上提高运输效率。安全是铁路运输的生命线，是铁路管理水平、人员素质、设备质量、技术装备等的综合反映。作为铁路主要技术装备的铁路信号设备，在保证行车安全、提高运输效率、传递行车信息等方面起到了不可替代的作用。改革开放以来尤其是近几年，铁路部门在积极引进国外先进技术的同时，也自主研发了一大批新技术、新设备，铁路信号设备正在向数字化、网络化、综合化、智能化发展，促进了铁路的提速和扩能，推进了铁路的跨越式发展。 二、素质要求信号工作的好坏直接关系到人民生命财产的安全。信号设备一旦发生故障，将对铁路运输带来直接影响。因此，要处理好信号设备故障，必须要有高度的事业心、强烈的责任感和熟练的业务技能。当信号设备发生故障时，能应急处理，较快地判断出故障的大致范围，查找方法正确，处理方法得当，做到机智、沉着、果断、迅速、准确。要达到这些要求，必须刻苦钻研技术，熟悉设备性能、位置，熟悉电路，熟悉处理方法；必须有实事求是的科学态度。在处理信号设备故障时，既会有成功的经验，也会有失败的教训，

要学会及时总结正反两个方面的经验教训，逐步摸索和积累经验，找出规律，防止信号设备故障的重复发生。１．要熟悉管内设备的分布情况以及电源的配置，电缆走向、端子的使用规律等。２．要熟悉管内设备的原理、性能、规格及技术标准．３．要熟悉管内设备的电路图，跑通电路图、看懂配线图．４．要会正确使用各类工具仪表。５．要遵守处理故障时的有关规定，并按程序进行。６．要能熟练地运用各种查找故障的方法。 三、故障处理方法（一）信号设备故障的分类1、按故障的稳定性分（1）稳定型设备故障。设备故障发生后，设备故障状态下的电气特性保持稳定（电流、电压）。如轨道电路、道岔表示、信号机红灯点灯等。

信号采集与处理--MATLAB窗函数及其特征

信号采集与处理 MATLAB 窗函数及其特征 数字信号处理中通常是取其有限的时间片段进行分析，而不是对无限长的信号进行测量和运算。具体做法是从信号中截取一个时间片段，然后对信号进行傅里叶变换、相关分析等数学处理。信号的截断产生了能量泄漏，而用FFT算法计算频谱又产生了栅栏效应，从原理上讲这两种误差都是不能消除的。在FFT分析中为了减少或消除频谱能量泄漏及栅栏效应，可采用不同的截取函数对信号进行截短，截短函数称为窗函数，简称为窗。 泄漏与窗函数频谱的两侧旁瓣有关，对于窗函数的选用总的原则是，要从保持最大信息和消除旁瓣的综合效果出发来考虑问题，尽可能使窗函数频谱中的主瓣宽度应尽量窄，以获得较陡的过渡带；旁瓣衰减应尽量大，以提高阻带的衰减，但通常都不能同时满足这两个要求。频谱中的如果两侧瓣的高度趋于零，而使能量相对集中在主瓣，就可以较为接近于真实的频谱。不同的窗函数对信号频谱的影响是不一样的，这主要是因为不同的窗函数，产生泄漏的大小不一样，频率分辨能力也不一样。信号的加窗处理，重要的问题是在于根据信号的性质和研究目的来选用窗函数。图1是几种常用的窗函数的时域和频域波形，其中矩形窗主瓣窄，旁瓣大，频率识别精度最高，幅值识别精度最低，如果仅要求精确读出主瓣频率，而不考虑幅值精度，则可选用矩形窗，例如测量物体的自振频率等；布莱克曼窗主瓣宽，旁瓣小，频率识别精度最低，但幅值识别精度最高；如果分析窄带信号，且有较强的干扰噪声，则应选用旁瓣幅度小的窗函数，如汉宁窗、三角窗等；对于随时间按指数衰减的函数，可采用指数窗来提高信噪比。表1 是几种常用的窗函数的比较。 如果被测信号是随机或者未知的，或者是一般使用者对窗函数不大了解，要求也不是特别高时，可以选择汉宁窗，因为它的泄漏、波动都较小，并且选择性也较高。但在用于校准时选用平顶窗较好，因为它的通带波动非常小，幅度误差也较小。 5.3 广义余弦窗 汉宁窗、海明窗和布莱克曼窗，都可以用一种通用的形式表示，这就是广义余弦窗。这些窗都是广义余弦窗的特例，汉宁窗又被称为余弦平方窗或升余弦窗，海明窗又被称为改进的升余弦窗，而布莱克曼窗又被称为二阶升余弦窗。采用这些窗可以有效地降低旁瓣的高度，但是同时会增加主瓣的宽度。这些窗都是频率为0、2π/(N–1)和4π/(N–1)的余弦曲线的合成，其中N为窗的长度。通常采用下面的命令来生成这些窗： Ind=(0:N-1)*2*pi/(N-1) Window=A-B*cos(ind)+C*cos(2*ind) 其中，A、B、C适用于自己定义的常数。根据它们取值的不同，可以形成不同的窗函数，分别是：●汉宁窗A=0.5，B=0.5，C=0；●海明窗A=0.54，B=0.54，C=0；●布莱克曼窗A=0.5，B=0.5，C=0.08；

故障诊断第二章习题

第二章第一节信号特征检测 一、填空题（10） 1.常用的滤波器有、低通、带通、四种。 2.加速度传感器，特别是压电式加速度传感器，在及的振动监测与诊断中应用十分广泛。 3.传感器是感受物体运动并将物体的运动转换成的一种灵敏的换能器件。 4.振动传感器主要有、速度传感器、三种。 5.把模拟信号变为数字信号，是由转换器完成的。它主要包括和两个环节。 6.采样定理的定义是：。采样时，如果不满足采样定理的条件，会出现频率现象。 7.电气控制电路主要故障类型、、。 8.利用对故障进行诊断，是设备故障诊断方法中最有效、最常用的方法。 9.振动信号频率分析的数学基础是变换；在工程实践中，常运用快速傅里叶变换的原理制成，这是故障诊断的有力工具。 10．设备故障的评定标准常用的有3种判断标准，即、相对判断标准以及类比判断标准。可用制定相对判断标准。 二、选择题（10） 1.（）在旋转机械及往复机械的振动监测与诊断中应用最广泛。 A位移探测器B速度传感器 C加速度计D计数器 2.当仅需要拾取低频信号时，采用（）滤波器。

A高通B低通 C带通D带阻 3.（）传感器，在旋转机械及往复机械的振动监测与诊断中应用十分广泛。 A压电式加速度B位移传感器C速度传感器 D 以上都不对 4.数据采集、谱分析、数据分析、动平衡等操作可用（）实现。 A传感器B数据采集器C声级计D滤波器 5.（）是数据采集器的重要观测组成部分。 A. 滤波器 B. 压电式传感器C数据采集器D数据分析仪 6.传感器是感受物体运动并将物体的运动转换成模拟（）的一种灵敏的换能器件。 A力信号B声信号C光信号 D. 电信号 7.在对（）进行电气故障诊断时，传感器应尽可能径向安装在电机的外壳上。 A单相感应电机B三相感应电机 C二相感应电机D四相感应电机 8.从理论上讲，转速升高1倍,则不平衡产生的振动幅值增大（）倍。 A1 B2 C3 D4 9.频谱仪是运用（）的原理制成的。 A绝对判断标准B阿基米德 C毕达哥拉斯D快速傅立叶变换

matlab语音信号采集与初步处理要点

《matlab与信号系统》实验报告 学院： 学号： 姓名： 考核实验——语音信号采集与处理初步 一、课题要求 1．语音信号的采集 2．语音信号的频谱分析 3．设计数字滤波器和画出频率响应 4．用滤波器对信号进行滤波 5．比较滤波前后语音信号的波形及频谱 6．回放和存储语音信号 （第5、第6步我放到一起做了） 二、语音信号的采集 本段音频文件为胡夏演唱的“那些年”的前奏（采用Audition音频软件进行剪切，时长17秒）。运行matlab软件，在当前目录中打开原音频文件所在的位置，采用wavread函数对其进行采样，并用sound函数可进行试听，程序运行之后记下采样频率和采样点。 利用函数wavread对语音信号的采集的程序如下： clear; [y,fs,bits]=wavread('music.wav'); %x：语音数据；fs：采样频率；bits：采样点数sound(y,fs,bits); %话音回放 程序运行之后，在工作区间中可以看到采样频率fs=44100Hz，采样点bits=16

三、语音信号的频谱分析 先画出语音信号的时域波形，然后对语音号进行快速傅里叶变换，得到信号的频谱特性。语音信号的FFT频谱分析的完整程序如下： clear; [y,fs,bits]=wavread('music.wav'); %x：语音数据；fs：采样频率；bits：采样点数sound(y,fs,bits); %话音回放 n = length (y) ; %求出语音信号的长度 Y=fft(y,n); %傅里叶变换 subplot(2,1,1); plot(y); title('原始信号波形'); subplot(2,1,2); plot(abs(Y)); title('原始信号频谱'); 程序结果如下图： 四、设计数字滤波器和画出频率响应 根据语音信号的特点给出有关滤波器的性能指标： 1）低通滤波器性能指标，fp=1000Hz，fc=1200 Hz，As=100dB，Ap=1dB； 2）高通滤波器性能指标，fc=4800 Hz，fp=5000 Hz As=100dB，Ap=1dB。

大数据采集与信号处理

数据信息采集与处理

基本内容：基于FFT的功率谱分析程序设计与应用 1.基本要求 1)对一个人为产生的信号进行采用FFT变换方法进行功率谱分析。 已知信号x(n)=80.0*COS(2*3.14*SF*n/FS) 式中： n=0,1,2 ……N-1 SF---信号频率 FS---采样频率 其FFT变换结果X(k)可用下面提供的FFT子程序求出，计算功率谱的公式为： W（k）=2(XR(k)2 +XI(k)2)/N 式中：k=0,1,2 ……N/2-1 XR(k)--- X(k)的实部 XI(k)--- X(k)的虚部 请用VB，VC或C++Builder编译器编程，或采用MATLAB计算，或采用高级语言调用MATLAB计算。处理结果为采用窗口显示时域波形和频域波形。 此信号的时域谱、频域谱、功率谱如下面图1~图3所示： 图1

图2 图3 其MATLAB代码为： FS=200; SF=10;

N=1024; n=0:N-1; t=n/FS; x=80.0*cos(2*3.14*SF*t); figure; plot(t，x); xlabel('t'); ylabel('y'); title('x=80.0*cos(2*3.14*SF*t)时域波形'); grid; y=fft(x,N); mag=abs(y); f=(0:length(y)-1)*FS/length(y);%进行对应的频率转换 figure; plot(f(1:N/2),mag(1:N/2));%做频谱图 xlabel('频率(Hz)'); ylabel('幅值'); title('x=80.0*cos(2*3.14*SF*t)幅频谱图N=1024'); grid; Py =2*(y.*conj(y))/N; %计算功率谱密度Py figure; plot(f(1:N/2),Py(1:N/2)); xlabel('频率(Hz)'); ylabel('功率谱密度'); title('x=80.0*cos(2*3.14*sf*t)功率谱密度'); grid; 2)对实验所采集的转子振动信号进行频谱分析

心率信号的采集与处理

心率信号的采集与处理 技术分类：医疗电子 | 2009-04-08 1 概述 SoC 技术是一项很重要的电子应用技术，十分适合将其用于生物工程领域。为了满足低电压、低功耗的需要，本次系统设计选择SoC 技术用于生物信号处理。 心率是一项重要的生理指标。它是指单位时间内心脏搏动的次数，是临床常规诊断的生理指标。为了测量心率信号，有许多技术可以应用，例如：血液测量，心声测量，ECG测量等等。在混合信号SoC 的设计中，电路可以被分成两部分，模拟电路部分和数字电路部分。其中模拟电路很容易被数字电路干扰，这是因为数字电路部分本身就是一个高频的噪声源。作为一个混合信号的SoC，怎样处理模拟模块和数字模块的连接问题是一个挑战。所以文中对噪声处理技术也进行了讨论。 在这篇文章里，第二部分给出了系统的设计框图，第三部分对心率信号处理中的问题进行了讨论，第四部分设计了一个心率信号处理的滤波器，第五部分是对其功能和指标的准确性进行了测试，第六部分是总结。 2 心率检测的SoC 系统框图 用混合信号SoC 设计心率信号的处理系统，就需要低功耗和低电压的供给，所以电源电压为3.3V。系统框图如图一所示。

图1 系统框图 在图一中，传感器采用的是红外光电式传感器，用于把原始的心率信号转变为微电压信号。信号调理电路包括放大器、滤波器和比较器。调理电路的输入信号是传感器采集进来的原始心率信号，它的输出信号则是有一定电压幅度的脉冲信号。C51 处理部分是数字信号中央处理单元，它的输入信号是上面提到的脉冲信号，输出的是心率数据，最后通过CPU 核把信号显示出来。CPU 核是EZL-8051。 3 心率信号的采集 将一对红外线发射与接收探头置于动脉一侧，当指尖的血流量随心脏跳动而改变时，红外线接收探头便接收到随心脏周期性地收缩和舒张的动脉搏动光脉冲信号，从而采集到心脏搏动信号。 图2 是单光束直射取样式光电传感器。这类槽型光耦由高功率的红外光电二极管和红外光匹配性能强、透镜敏感度高、集电极电流范围大的光敏三极管组成。由于血液中的血红蛋白对近红外线具有吸收作用的生物效应，因而此类传感器灵敏度高、输出信号稳定。其性能指标如表1 所示。

轴承故障诊断中的信号处理技术研究与展望

!专题综述# 轴承故障诊断中的信号处理技术研究与展望 董建宁,申永军,杨绍普 (石家庄铁道学院机械工程分院,河北石家庄050043) 摘要:讨论了各种信号处理技术在滚动轴承故障诊断中的应用,如平稳信号处理技术、非平稳信号处理技术,非高斯和非白色噪声信号处理技术、非线性信号处理技术、奇异值分解技术以及各种智能诊断技术。详细比较了各种信号处理技术的特点、应用范围和研究进展,并指出了今后的若干研究方向,为轴承的故障诊断和在线监测提供了依据。 关键词:滚动轴承;故障诊断;信号处理 中图分类号:T H133.33;T N911.7文献标识码:B文章编号:1000-3762(2005)01-0043-05 Study and Prospect on S ignal Process Technique of Bearing Fault Diagnosis DONG Jian-ning,SHEN Yong-jun,YANG Shao-pu (Department of M echincal Eng ineering,Shijiazhuang Railway Inst itute,Shijiazhuang050043,China) Abstract:T he application of several signal process techniques are discussed in failur e diagnosis of the rolling bearing, such as steady signal,non-steady sig nal,non-g auss-s and non-w hite no ise signal,non-linear signal process tech-nique,oddity value decompositio n technique and so me kinds of intelligent diagnosis technique.T he characterist ics,ap-plied area and development trend of the signal process techniques ar e compared in detail.A nd t he study dir ections in t he futur e are pointed out. Key words:ro lling bearing;fault diagnosis;signal process 对重要轴承进行工况监视与故障诊断,不但可以防止机械工作精度下降,减少或杜绝事故发生,而且可以最大限度地发挥轴承的工作潜力,节约开支,在工程上具有重要意义。 本文以轴承系统为研究对象,重点介绍轴承的振动诊断技术中常见的信号处理方法。现代信号分析和处理的本质可以作一个/非0字高度概括:研究和分析非线性、非因果、非最小相位系统、非高斯、非平稳、非整数维信号和非白色的加性噪声[1]。其中非最小相位和非因果信号处理技术目前尚未在故障诊断中得到应用。现介绍其他信号处理技术在轴承故障诊断中的应用情况。 收稿日期:2004-03-12;修回日期:2004-04-22 基金项目:河北省科学技术研究与发展计划项目(01547019D) 作者简介:董建宁,(1977-),女,研究生,专业方向:滚动轴承的故障诊断技术研究。1平稳信号处理技术 111平稳信号的Fourier谱分析技术 目前振动信号分析工程上常用的信号处理方法是FFT频谱分析。在对轴承的故障诊断中,将振动信号进行频谱分析,查看谱图中有无明显的故障频率谱峰存在,从而可以判断轴承是否完好。这种方法具有很大的局限性,诊断出来的轴承一般都已有较严重的损害,并且对轴承早期故障的分析不够灵敏。 112平稳信号的时间序列分析 对于直接进行频谱分析比较困难的情况,如采集的信号序列较短,或者Fourier变换不能将相互靠近的两个频率分开,采用时间序列分析(也称参数模型的谱分析)是一种较好的方法。常用的时间序列模型有ARMA模型、AR模型以及MA 模型。关于各种模型的特点、算法以及适用领域 ISSN1000-3762 CN41-1148/T H 轴承 Bear ing 2005年第1期 2005,No.01 43-47

故障诊断及相关应用_信号处理大论文

故障诊断及相关应用 摘要 故障诊断技术是一门以数学、计算机、自动控制、信号处理、仿真技术、可靠性理论等有关学科为基础的多学科交叉的边缘学科。故障诊断技术发展至今，已提出了大量的方法，并发展成为一门独立的跨学科的综合信息处理技术，是目前热点研究领域之一。我国的一些知名学者也在这方面取得了可喜的成果。 关键字：故障诊断，信息处理 1故障诊断技术的原理及基本方法 按照国际故障诊断权威，德国的Frank P M教授的观点，所有的故障诊断方法可以划分为3种：基于解析模型的方法、基于信号处理的方法和基于知识的方法。 1.1基于解析模型的故障诊断方法 基于解析模型的方法是发展最早、研究最系统的一种故障诊断方法。所谓基于解析模型的方法，是在明确了诊断对象数学模型的基础上，按一定的数学方法对被测信息进行诊断处理。其优点是对未知故障有固有的敏感性；缺点是通常难以获得系统模型，且由于建模误差、扰动及噪声的存在，使得鲁棒性问题日益突出。 基于解析模型的方法可以进一步分为参数估计方法、状态估计方法和等价空间方法。这3种方法虽然是独立发展起来的，但它们之间存在一定的联系。现已证明：基于观测器的状态估计方法与等价空间方法是等价的。相比之下，参数估计方法比状态估计方法更适合于非线性系统，因为非线性系统状态观测器的设计有很大困难，通常，等价空间方法仅适用于线性系统。 1.1.1参数估计方法 1984年，Iserman对于参数估计的故障诊断方法作了完整的描述。这种故障诊断方法的思路是：由机理分析确定系统的模型参数和物理元器件参数之间的关系方程，由实时辨识求得系统的实际模型参数，进而由关系方程求解实际的物理元器件参数，将其与标称值比较，从而得知系统是否有故障与故障的程度。但有时关系方程并不是双射的，这时，通过模型参数并不能求得物理参数，这是该方法最大的缺点。目前，非线性系统故障诊断技术的参数估计方法主要有强跟踪滤波方法。在实际应用中，经常将参数估计方法与其他的

信号设备故障处理

信号设备故障处理 一、故障分类 1、按故障数量分类：单一故障和叠加故障。 ①、单一故障：同一性质的电路中只存在一个故障，此类故障现象较为明显，在日常工作中经常发生，故障现象比较容易分析。 ②、叠加故障：同一性质的电路中存在一个以上的故障，此类故障在设备使用中较为少见，在施工及新开通的设备中较为多见。此类故障较复杂，体现出的现象也各不相同，分析起来较复杂。 2、按故障现象分类：非潜伏性故障和潜伏性故障 ①、非潜伏性故障：通过信号设备的自检能力，在发生故障之后能以一定的形式表现出来，比如道岔不动、无表示、轨道电路红灯等。 ②、潜伏性故障：只有在使用该部分电路或器材时，才能发现的故障，不能直接通过自检体现出来，比如方向电路的辅助办理、反向发车表示器断丝，此类故障危害较大。 二、故障处理原则 1、信号设备发生故障时应积极组织修复，有以下三种情况： ①、遇一般故障尚未影响设备使用时，信号维修人员应

在联系登记后会同车站值班员进行试验，判明情况，查找修复。调度集中区段要转为非常站控。 ②、如在试验中发现严重缺陷，危及行车安全一时无法排除，应通知车站值班员（应急值守员），并登记停用。 ③、遇已影响设备使用的故障，信号维修人员应首先登记停用设备，然后积极查找原因、排除故障、尽快回复使用。如不能判明原因。应立即上报，听从上级指示处理（上报现象、处理情况）。 2、当发生与信号设备有关联的机车车辆脱轨、冲突、颠覆等重大事故时，信号维修人员应会同值班站长记录设备状态，派人监视保护事故现场，但不得擅自触动设备，并立即报告电务段，以免影响事故的调查和分析。 3.、发生影响行车的设备故障时，信号维修人员应将接发列车进路的排列情况、调车作业情况、控制台显示情况、列车运行时分、设备位臵状态及故障处理情况作详细记录作为原始记录备查。 三、故障处理程序 信号故障处理程序具体分七个步骤。 1、准备工具仪表，了解情况。当故障发生后，首先要了解故障发生的大概情况，问明是否影响行车，当已影响行车时，通知车务人员采取应急措施如改变进路、引导接车等，并及时向分公司值班室汇报简要情况。准备好必要的工具、

基于噪声分析的机械故障诊断方法研究

基于噪声分析的机械故障诊断方法研究 摘要 基于噪声分析的机械故障诊断方法可以非接触地获得机械信号，适用于众多不便于使用振动传感器的场合，如某些高温、高腐蚀环境，是一种常用而有效地故障诊断方法。但在实际应用中，由于不相干噪声和环境噪声的影响，我们需要的待测信号往往被淹没在这些混合噪声中，信号的信噪比较低。 盲源分离作为数字信号处理领域的新兴技术，能利用观测信号恢复或提取独立的各个机械信号，在通讯、雷达信号处理、图像处理等众多领域具有重要的实用价值及发展前景，已经成为神经网络学界和信号处理学界的热点研究课题之一。 本文分析总结了盲源分离技术的相关研究现状，对盲源分离的原理、算法、相关应用作了探讨和研究。并就汽轮机噪声问题运用了盲源分离技术进行机械故障诊断，试验表明，该方法能将我们需要的故障信号从混合信号中分离出来，成功实现汽轮机部件的故障诊断。 关键词：声信号，机械故障诊断，独立分量分析 Investigation of Mechanical Fault Diagnosis Based on Noise Analysis Abstract You can obtain a non-contact method of mechanical fault diagnosis based on noise analysis of mechanical signals , not suitable for many occasions to facilitate the use of vibration sensors , such as certain high temperature , highly corrosive environment , is a common and effective fault diagnosis method . However, in practice , the effects of noise and extraneous ambient noise , the signal under test often need to be submerged in the mixed noise , lower signal to noise ratio . Blind source separation as an emerging field of digital signal processing technology to take advantage of the observed signal recovery or extraction of various mechanical signals independently in many communications, radar signal processing , image processing has important practical value and development prospects , has become a neural network one of the hot research topic in academic circles and signal processing . In this paper summarizes the research status of blind source separation techniques , the principles of blind source separation algorithms, related applications and research were discussed . Turbine noise problems and to use the blind source separation techniques for mechanical fault diagnosis, tests showed that the method we need fault signal can be separated from the mixed signal , fault diagnosis of steam turbine components successfully . Key Words：Mechanical Fault Diagnosis，Independent Component Analysis

数据采集与信号处理.

哈尔滨理工大学 研究生考试试卷 考试科目：数据采集与信号处理阅卷人： 专业： 姓名： 2013年06月21日

一、基本内容：基于FFT的功率谱分析程序设计与应用 1．基本要求 1）对一个人为产生的信号进行采用FFT变换方法进行功率谱分析。 已知信号x(n)=80.0*COS(2*3.14*SF*n/FS) 式中：n=0,1,2 ……N-1 SF---信号频率 FS---采样频率 其FFT变换结果X(k)可用下面提供的FFT子程序求出，计算功率谱的公式为： W（k）=2(XR(k)2 +XI(k)2)/N 式中：k=0,1,2 ……N/2-1 XR(k)--- X(k)的实部 XI(k)--- X(k)的虚部 请用VB,VC或C++Builder编译器编程，或采用MATLAB计算，或采用高级语言调用MATLAB计算。处理结果为采用窗口显示时域波形和频域波形。 此信号的时域谱，频域谱，功率谱如下图所示：

其MA TLAB代码为： FS=200; SF=10; N=1024; n=0:N-1; t=n/FS; x=80.0*cos(2*3.14*SF*t); subplot(221); plot(t,x); xlabel('t'); ylabel('y'); title('x=80.0*cos(2*3.14*SF*t)时域波形'); grid; y=fft(x,N); mag=abs(y); f=(0:length(y)-1)*FS/length(y);%进行对应的频率转换 subplot(222); plot(f(1:N/2),mag(1:N/2));%做频谱图 xlabel('频率(Hz)'); ylabel('幅值'); title('x=80.0*cos(2*3.14*SF*t)幅频谱图N=1024'); grid; Py =2*(y.*conj(y))/N; %计算功率谱密度Py subplot(223) plot(f(1:N/2),Py(1:N/2)); xlabel('频率(Hz)'); ylabel('功率谱密度'); title('x=80.0*cos(2*3.14*sf*t)功率谱密度'); grid;

(设备管理)信号设备故障分析与处理教案

信号设备故障分析与处理教案 安全是铁路运输的生命线是铁路管理水平人员素质、设备质量、技术装备的综合反映。随着我国铁路现代化的发展、列车运行速度、行车密度、行车牵引重量等都在不断提高，行车安全的重要性也就更加突出。所以认真贯彻安全笫一、预防为主的方针，提高从业人员的素质、保证运输生产的安全显的尤其重要。 笫一章：故障分类 一、按故障性质分类：信号事故和信号障碍 信号事故：凡因亏违反规章制度、劳动纪律、技术设备不良及其他原因在行车中造成人员伤亡、设备损坏、经济损失、影响正常行车或危及行车安全的均构成信号事故。 信号障碍：信号设备发生故障但未构成行车事故的称为信号障碍。信号障碍又分为信号责任障碍和信号非责任障碍。 信号责任障碍：信号设备谁修不良造成设备故障，影响正常使用时，构成信号责任障碍。信号非责任障碍：指无法防止的雷害及自然灾害，及无法检查发发现的电务器才材质不良造成设备故障，影响使用时构成信号非责任障碍， 二、按故障原因分类：材质、维修、其它。 1、材质不良，包括元器件变质和制造工艺缺陷 元器件变质：信号电气元件使用一段时间后，可能发

生质变、特性变化，包括电机拉力下降、二极管击穿、表示杆断裂等。 工艺缺陷：制造工艺落后、材料不当、出厂把关不严造成故障，包括点灯单元不良、灯泡断丝、付丝不通、接收器不良。 2、维修不良：包括技术业务差和责任心不强 技术业务差：缺乏专业技能，对设备状态性能的检修标准不清楚，测试方法不正确，道岔标调不会，轨道电压调整不会，相位调整不会等等。 责任心不强：巡检走过场，值表漏项，简化作业程序，本身懂业务但就是不按标准执行，造成信号故障。 3、其他：自然灾害、外部门 自然灾害：雷害、雨雪、等阻线被盗 外部门：断轨、工务螺丝断，但需要注意工电结合部故障不属于其他，而是列入维修不良。 三、按故障特征分类：机械故障和电气故障 机械故障：机械设备的材质发生变化、固定螺丝松动，如道岔机械卡阻、道岔不解锁、不落锁、表示杆缺口变化、工电结合部捣固不良、杆件不方等引发的故障。 电气故障：各种配线不良及电子器材性能不良引发故障。 四、按故障数量分类：单一故障和叠加故障

基于MATLAB的语音信号采集与处理

工程设计论文 题目：基于MATLAB的语音信号采集与处理 姓名： 班级： 学号： 指导老师：

一.选题背景 1、实践意义： 语音信号是一种非平稳的时变信号，它携带着各种信息。在语音编码、语音合成、语音识别和语音增强等语音处理中无一例外需要提取语音中包含的各种信息。语音信号分析的目的就在于方便有效地提取并表示语音信号所携带的信息。所以理解并掌握语音信号的时域和频域特性是非常重要的。 通过语音相互传递信息是人类最重要的基本功能之一.语言是人类特有的功能.声音是人类常用工具,是相互传递信息的最重要的手段.虽然,人可以通过多种手段获得外界信息,但最重要,最精细的信息源只有语言,图像和文字三种.与用声音传递信息相比,显然用视觉和文字相互传递信息,其效果要差得多.这是因为语音中除包含实际发音容的话言信息外,还包括发音者是谁及喜怒哀乐等各种信息.所以,语音是人类最重要,最有效,最常用和最方便的交换信息的形式.另一方面,语言和语音与人的智力活动密切相关,与文化和社会的进步紧密相连,它具有最大的信息容量和最高的智能水平。 语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门学科,处理的目的是用于得到某些参数以便高效传输或存储;或者是用于某种应用,如人工合成出语音,辨识出讲话者,识别出讲话容,进行语音增强等. 语音信号处理是一门新兴的学科,同时又是综合性的多学科领域,

是一门涉及面很广的交叉学科.虽然从事达一领域研究的人员主要来自信息处理及计算机等学科.但是它与语音学,语言学,声学,认知科学,生理学,心理学及数理统计等许多学科也有非常密切的联系. 语音信号处理是许多信息领域应用的核心技术之一,是目前发展最为迅速的信息科学研究领域中的一个.语音处理是目前极为活跃和热门的研究领域,其研究涉及一系列前沿科研课题,巳处于迅速发展之中;其研究成果具有重要的学术及应用价值. 数字信号处理是利用计算机或专用处理设备，以数值计算的方法对信号进行采集、抽样、变换、综合、估值与识别等加工处理，借以达到提取信息和便于应用的目的。它在语音、雷达、图像、系统控制、通信、航空航天、生物医学等众多领域都获得了极其广泛的应用。具有灵活、精确、抗干扰强、度快等优点。 数字滤波器, 是数字信号处理中及其重要的一部分。随着信息时代和数字技术的发展，受到人们越来越多的重视。数字滤波器可以通过数值运算实现滤波，所以数字滤波器处理精度高、稳定、体积小、重量轻、灵活不存在阻抗匹配问题，可以实现模拟滤波器无法实现的特殊功能。数字滤波器种类很多，根据其实现的网络结构或者其冲激响应函数的时域特性，可分为两种，即有限冲激响应( FIR，Finite Impulse Response)滤波器和无限冲激响应( IIR，Infinite Impulse Response)滤波器。 FIR滤波器结构上主要是非递归结构，没有输出到输入的反馈，系统函数H (z)在处收敛，极点全部在z = 0处（因果系统），因而只能

振动信号的采集与预处理

振动信号的采集与预处理 几乎所有的物理现象都可看作是信号，但这里我们特指动态振动信号。 振动信号采集与一般性模拟信号采集虽有共同之处，但存在的差异更多，因此，在采集振动信号时应注意以下几点： 1. 振动信号采集模式取决于机组当时的工作状态，如稳态、瞬态等； 2. 变转速运行设备的振动信号采集在有条件时应采取同步整周期采集； 3. 所有工作状态下振动信号采集均应符合采样定理。 对信号预处理具有特定要求是振动信号本身的特性所致。信号预处理的功能在一定程度上说是影响后续信号分析的重要因素。预处理方法的选择也要注意以下条件： 1. 在涉及相位计算或显示时尽量不采用抗混滤波； 2. 在计算频谱时采用低通抗混滤波； 3. 在处理瞬态过程中1X矢量、2X矢量的快速处理时采用矢量滤波。 上述第3条是保障瞬态过程符合采样定理的基本条件。在瞬态振动信号采集时，机组转速变化率较高，若依靠采集动态信号（一般需要若干周期）通过后处理获得1X和2X矢量数据，除了效率低下以外，计算机（服务器）资源利用率也不高，且无法做到高分辨分析数据。机组瞬态特征（以波德图、极坐标图和三维频谱图等型式表示）是固有的，当组成这些图谱的数据间隔过大（分辨率过低）时，除许多微小的变化无法表达出来，也会得出误差很大的分析结论，影响故障诊断的准确度。一般来说，三维频谱图要求数据的组数（△rpm分辨率）较少，太多了反而影响对图形的正确识别；但对前面两种分析图谱，则要求较高的分辨率。目前公认的方式是每采集10组静态数据采集1组动态数据，可很好地解决不同图谱对数据分辨率的要求差异。 影响振动信号采集精度的因素包括采集方式、采样频率、量化精度三个因素，采样方式不同，采集信号的精度不同，其中以同步整周期采集为最佳方式；采样频率受制于信号最高频率；量化精度取决于A/D转换的位数，一般采用12位，部分系统采用16位甚至24位。 振动信号的采样过程，严格来说应包含几个方面： 1. 信号适调 由于目前采用的数据采集系统是一种数字化系统，所采用的A/D芯片对信号输入量程有严格限制，为了保证信号转换具有较高的信噪比，信号进入A/D以前，均需进行信号适调。适调包括大信号的衰减处理和弱信号的放大处理，或者对一些直流信号进行偏置处理，使其满足A/D输入量程要求。 2. A/D转换

故障诊断理论方法综述

故障诊断理论方法综述 故障诊断的主要任务有：故障检测、故障类型判断、故障定位及故障恢复等。其中：故障检测是指与系统建立连接后，周期性地向下位机发送检测信号，通过接收的响应数据帧，判断系统是否产生故障；故障类型判断就是系统在检测出故障之后，通过分析原因，判断出系统故障的类型；故障定位是在前两部的基础之上，细化故障种类，诊断出系统具体故障部位和故障原因，为故障恢复做准备；故障恢复是整个故障诊断过程中最后也是最重要的一个环节，需要根据故障原因，采取不同的措施，对系统故障进行恢复一、基于解析模型的方法 基于解析模型的故障诊断方法主要是通过构造观测器估计系统输出，然后将它与输出的测量值作比较从中取得故障信息。它还可进一步分为基于状态估计的方法和基于参数估计的方法，前者从真实系统的输出与状态观测器或者卡尔曼滤波器的输出比较形成残差，然后从残差中提取故障特征进而实行故障诊断；后者由机理分析确定系统的模型参数和物理元器件之间的关系方程，由实时辨识求得系统的实际模型参数，然后求解实际的物理元器件参数，与标称值比较而确定系统是否发生故障及故障的程度。基于解析模型的故障诊断方法都要求建立系统精确的数学模型，但随着现代设备的不断大型化、复杂化和非线性化，往往很难或者无法建立系统精确的数学模型，从而大大限制了基于解析模型的故障诊断方法的推广和应用。 二、基于信号处理的方法 当可以得到被控测对象的输入输出信号，但很难建立被控对象的解析数学模型时，可采用基于信号处理的方法。基于信号处理的方法是一种传统的故障诊断技术，通常利用信号模型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取诸如方差、幅值、频率等特征值，识别和评价机械设备所处的状态。基于信号处理的方法又分为基于可测值或其变化趋势值检查的方法和基于可测信号处理的故障诊断方法等。基于可测值或其变化趋势值检查的方法根据系统的直接可测的输入输出信号及其变化趋势来进行故障诊断，当系统的输入输出信号或者变化超出允许的范围时，即认为系统发生了故障，根据异常的信号来判定故障的性质和发生的部位。基于可测信号处理的故障诊断方法利用系统的输出信号状态与一定故障源之间的相关性来判定和定位故障，具体有频谱分析方法等。 三、基于知识的方法 在解决实际的故障诊断问题时，经验丰富的专家进行故障诊断并不都是采用严格的数学算法从一串串计算结果中来查找问题。对于一个结构复杂的系统，当其运行过程发生故障时，人们容易获得的往往是一些涉及故障征兆的描述性知识以及各故障源与故障征兆之间关联性的知识。尽管这些知识大多是定性的而非定量的，但对准确分析故障能起到重要的作用。经验丰富的专家就是使用长期积累起来的这类经验知识，快速直接实现对系统故障的诊断。利用知识，通过符号推理的方法进行故障诊断，这是故障诊断技术的又一个分支——基于知识的故障诊断。基于知识的故障诊断是目前研究和应用的热点，国内外学者提出了很多方法。由于领域专家在基于知识的故障诊断中扮演重要角色，因此基于知识的故障诊断系统又称为故障诊断专家系统。如图1.1