第39卷第4期2007年8月 南 京 航 空 航 天 大 学 学 报Jou rnal of N an jing U n iversity of A eronau tics &A stronau tics
V o l .39N o.4
A ug .2007时序多相关-经验模式分解方法及其对车辆振动信号的分析
廖庆斌 李舜酩 辛江慧
(南京航空航天大学能源与动力学院,南京,210016)
摘要:振动信号的特征提取由于受强背景噪声的干扰往往具有很大的困难。在作者提出的时序多相关2经验模式分解方法的基础上,提出了一种相应的改进方法,将其扩展到一般振动信号的特征提取。先对采集到的时间序列作多相关处理,在时序多相关处理时,为了达到克服噪声干扰的目的,取一段采样序列,对其作周期延拓,使得在多相关处理后,噪声仅仅体现在多相关序列的常数项里面。再对得到的多相关数据作经验模式分解,选择满足要求的本征模式函数并作边际谱分析,以达到提取强噪声背景下的特征信号的目的。仿真分析表明了该方法的有效性。最后将它应用到实际某特种车辆振动信号的特征提取中,得到了满意的结果。关键词:车辆;特征提取;时间序列;多相关;经验模式分解
中图分类号:TH 165;TN 911 文献标识码:A 文章编号:100522615(2007)0420465206
基金项目:航空科学基金(04I 52066)资助项目;江苏省自然科学基金(BK 2007197)资助项目。 收稿日期:2006205219;修订日期:2006208230
作者简介:廖庆斌,男,博士研究生,1979年6月生;李舜酩(联系人),男,教授,博士生导师,E 2m ail :s m li @nuaa .edu .
cn 。
M ulti -Correla tion of T i m e Ser ies and Em p ir ica l M ode D ecom position
and V ibra tion Signa l Ana lysis of Veh icle
L iao Q ing bin ,L i S hunm ing ,X in J iang hu i
(Co llege of Energy and Pow er Engineering ,N anjing U niversity of A eronautics &A stronautics ,N anjing ,210016,Ch ina )
Abstract :T he strong background no ise al w ays m akes great difficu lty to the featu re ex tracti on of the vi 2
b rati on signal
.T he m u lti 2co rrelati on of ti m e series and em p irical m ode decom po siti on (M CT S 2E M D )is ex tended and u sed to ex tract the featu re of the vib rati on signal of the comm on m ach ine .F irstly ,one sam p ling of the ti m e series is selected ,and the p eri odic ex tending is the nex t step ,then the m u lti 2co rre 2lati on p rocess is m ade fo r the ti m e series .In o rder to overcom e the in terference of the zero 2m ean no ise dispo sing M CT S ,the no ise on ly appears in the con stan t ter m s fo r M CT S .T he featu re ex tracti on of the vib rati on signal is ob tained in the strong background no ise by E M D after M CT S .T he si m u lati on analy 2sis p roves that the m ethod is effective .F inally ,the ex tended M CT S 2E M D is u sed to ex tract the featu re signal of a sp ecial veh icle and it is in agreem en t w ith the analysis resu lt .
Key words :veh icle ;featu re ex tracti on ;ti m e series ;m u lti 2co rrelati on ;em p irical m ode decom po siti on
引 言
行驶车辆的振动信号包含路面激励、车辆运行
状态等大量的信息,是一种复杂的振动信号。根据车辆的复杂振动信号可以得到车辆本身所蕴涵的一些特征,如车辆是否出现故障,何种类型的故障
等。由于车辆的工作环境,尤其在恶劣路况下应用的特种车辆而言,其复杂振动信号的分析具有相当的难度,这主要是采集得到的振动信号里面包含有大量的非确定性信号:环境噪声、路面随机性带来的激励以及汽车内部的各种激励等等。
振动信号的特征提取是健康监测、故障诊断中
的一个核心问题[1]。传统的Fou rier分析已不能满足现代工程的需要,人们提出了多种信号分析的方法,并将它们应用到机械系统振动信号的特征提取与分析当中。现在应用于机械系统振动信号分析的比较常用的方法有:解调分析[223]、小波分析[425]、高阶谱分析[627]以及近来提出的H ilbert2H uang变换(H ilbert2H uang T ran slati on,HH T)分析[829]等。在振动信号分析中,它们都有各自独特的优势,但又存在一定的不足,尤其当处理强噪声背景下的信号时,上述方法均暴露出各自的不足。
本文在文献[10]的基础上,进一步扩展了时序多相关2经验模式分解方法(M u lti2co rrelati on of ti m e series and em p irical m ode decom po siti on, M CT S2E M D),将其应用到一般振动信号处理中。首先对采样时间序列做多相关处理,在时序多相关处理时,为了达到克服噪声、凸现特征信号的目的,取出一段采样序列,对其做周期延拓,使得在多相关处理后,得到的时间序列为特征信号的多相关序列与噪声相关序列的和,然后对得到的多相关序列做E M D,就使得噪声序列的多相关成分仅体现在分解得到的余项中,最后再对分解得到的各个本征模态函数(In trin sic m ode functi on,I M F)分量作边际谱分析来得到所期望的特征信号成分。仿真和某特种车的分析表明该分析对信号特征提取的有效性。
1 时序多相关2经验模式分解方法
111 时序多相关分析
将时间序列{x(t),t∈T}的相关函数(即二次相关函数)定义为
R x(t,Σ)=E{x(t)x(t+Σ)}(1)式中E{?}表示统计均值。
仿此,定义三次相关函数定义为
R x(t,Σ1,Σ2)=E{x(t)x(t+Σ1)x(t+Σ2)}(2)这样依次可以定义各阶次的相关函数,称三次(包括三次)以上相关函数为时间序列的多相关。
设分析系统的特征振动信号为x(t),测量得到的随机噪声n(t)为独立同分布的,且它与x(t)相互独立。这样测试到的时间序列信号可以表示为
s(t)=x(t)+n(t)(3) 为了简化对三次相关函数的计算,在应用中,取三次相关函数的一个切片Σ1=Σ2=Σ。这样时间序列s(t)的三次相关函数表示为
R s(t,Σ,Σ)=E{s(t)s(t+Σ)s(t+Σ)}=
E{[x(t)+n(t)][x(t+Σ)+n(t+Σ)]× [x(t+Σ)+n(t+Σ)]}(4)根据以上对噪声n(t)假设,其二次相关函数表示为
R n(t,Σ)=E{n(t)n(t+Σ)}=
Ρ,Σ=0
0,Σ≠0
(其中Ρ为常数)(5)同样,噪声函数的三次相关函数表示为
R n(t,Σ,Σ)=E{n(t)n(t+Σ)n(t+Σ)}=
Χ,Σ=0
0,Σ≠0
(其中Χ为常数)(6)这样式(4)展开为
R s(t,Σ,Σ)=R x(t,Σ,Σ)+R x(t,0)E{n(t)}+
2R x(t,Σ)E{n(t+Σ)}+
ΡE{x(t)+2x(t+Σ)}+Χ(7) 为简化式(7),并考虑复杂振动信号的特征,取出一段典型的振动信号,对这段信号做周期延拓,一般来说,为了使得后继多相关序列具有较好的可分析性,对选出的序列做不低于8个周期的延拓。这样,经过周期延拓后的振动信号有以下等式成立
E{x(t)}=E{x(t+Σ)}(8)
E{n(t)}=E{n(t+Σ)}(9)这样,根据上述分析和推导,式(7)可以化为
R s(t,Σ,Σ)=R x(t,Σ,Σ)+R x(t,0)E{n(t)}+
2R x(t,Σ)E{n(t)}+3ΡE{x(t)}+Χ(10)式中:R x(t,0)=E{x(t+Σ)x(t+Σ)}。并且根据实际的应用情况,可以假设系统噪声是零均值的,从而式(10)可以进一步简化为
R s(t,Σ,Σ)=R x(t,Σ,Σ)+3ΡE{x(t)}+Χ
(11)式中:E{x(t)}为采样得到的振动信号的均值,根据上述对采样序列做的周期延拓,这样在整周期分析时,E{x(t)}将是一个常数。所以等式(11)中右边的后面两项3ΡE{x(t)}+Χ为一个常数,也就是说采样时间序列的三次相关函数等于系统特征振动信号的三次相关函数与一个常数的和。
从上面的分析中可以看出,对于混叠在采样序列中的噪声,除了其独立同分布的要求之外,并没有其他的假设,也就是说,M CT S2E M D方法能够有效的处理混叠在采样序列中任何分布的加性噪声。从理论上来讲,M CT S2E M D方法对噪声的强度也是没有任何限制的。
112 经验模式分解
E M D是H uang等人于1998年提出的H ilbert2 H uang变换的核心内容,是一种全新的信号处理方法,它摆脱了传统意义上信号特征提取中对Fou rier变换的依赖,避免在信号特征提取中由于
664南 京 航 空 航 天 大 学 学 报第39卷
Fou rier 变换的数学意义而引入谐波分量从而导致
误判断的可能性。E M D 及其改进方法在机械振动信号的处理中已经得到了若干应用[11212]。E M D 的核心是假设信号由若干个I M F 分量组成,其中,I M F 必须满足两个基本假设:(1)在整
个数据集上,极值点的数目跨零点的数目相等或者
最多相差一个;(2)在任一时间点上,由局部极大值定义的上包络和由局部极小值定义的下包络的均值为零。这样,可以将时间序列x (t )分解为若干个I M F 分量c i 与一个余量r n 的和,即
x (t )=
∑n
i =1
c
i
+r n (12)
式中余量r n 为一个单调函数或者是一个常数。E M D 和基于Fou rier 变换的信号分解方法(如小波变换)不同,它没有预先给定信号的分解基,其
对信号的分解是基于信号本身的,也就避免了由于
基函数而产生虚假谐波信号的可能性。并且E M D 过程是自适应的、完备的、局部正交的,因而它适用于机械振动的非线性、非平稳信号的特征提取。
113 扩展的时序多相关2经验模式分解方法
M CT S 2E M D 方法是在时间序列多相关和E M D 的基础上发展起来的一种应用于旋转机械
系统振动信号处理的方法。本文首先通过对时间序列做周期延拓,然后对其作多相关分析,得到等式(11),然后通过E M D 方法对等式(11)得到的相关函数序列做分解,得到如等式(12)的各个I M F 分量及其余量。根据E M D 的性质,等式(11)中分解得到的后两项(即常数项)将会体现在后继分解的余项里面,不影响分解得到的I M F 分量。可以看出,通过时序多相关处理,很好地消除了零均值噪声对特征信号的干扰,使得特征信号凸显,这不仅有利于强噪声背景下特征信号的提取,也有利于微弱信号的特征提取,为H ilbert 2H uang 变换提供了一种数据前处理的方法,对提高E M D 的效果起到了很好的作用。
由于E M D 所固有的特性,分解过程中将可能产生虚假分量[13]。为了避免虚假谐波对振动特性辨识的误导,根据文献[11]的观点,对分解得到的各个I M F 与分解前的序列进行相关性分析。因为真正的I M F 应该是从分解前的数据得到的,所以它与分解前数据的相关性应该有较大的值。为此设定一个恰当的阈值,当它们的值小于这个阈值时,就可以认为该I M F 是在分解中产生的一个虚假的分量。
根据以上内容,扩展的M CT S 2E M D 方法的实
现过程可以表述为
(1)取采样得到的一段时间序列,对其做周期延拓,这样得到类似于循环平稳的时间序列。
(2)对延拓得到的时间序列进行多相关计算,并取多相关函数的一个切片Σ1=Σ2=Σ,求得相应的时序多相关函数R s (t ,Σ,Σ)。
(3)对R s (t ,Σ,Σ)进行经验模式分解,得到各个I M F 分量c i (i =1,2,…)。
(4)计算各个I M F 分量c i 与分解前的原始数据
R s (t ,Σ,Σ)的相关性,设定阈值选取满足条件的I M F
分量,则认为得到的I M F 为E M D 得到的真实I M F 分量。
(5)对选取出来的I M F 进行H ilbert 变换,根据H ilbert 边际谱提取振动信号中的特征信号成
分。
2 仿真分析
211 两个谐波信号的混叠
考虑到振动信号中的谐波混叠特性,构建两个谐波信号混叠的仿真信号如下
x (t )=3sin (2Π×10t )+sin (2Π×50t )
(13)
将由式(13)得到的时间序列及其相应的多相关序列表达在图1中,由多相关时间序列分解后选择得到的各个I M F 分量表达在图2中。这样按照H uang 等人在文献[8]中的处理方法,本文将图2中分解得到的I M F 分量作边际谱,如图3所示
。
图1 无噪声信号及其三次相关序列图
764第4期廖庆斌,等:时序多相关2经验模式分解方法及其对车辆振动信号的分析
图2 由无噪声三次相关序列分解得到的I M F
图
图3 无噪声信号经M CT S 2E M D 后得到的边际谱图
212 强噪声背景下的两个谐波信号的混叠
为了观察扩展的M CT S 2E M D 方法在强噪声背景下的信号特征提取能力,将式(13)中的信号加入零均值、方差为15的白噪声,这样得到的时间序列及其多相关序列如图4所示,由多相关时间序列分解后选择得到的各个I M F 分量表达在图5中。
同上,由各个I M F 得到的边际谱图如图6所示
。
图4
有噪声信号及其三次相关序列图
图
5 由有噪声三次相关序列分解得到的I M F 图
图6 有噪声信号经M CT S 2E M D 后得到的边际谱图
通过上面的仿真得到的边际谱图3,6,可以清楚的看到扩展的M CT S 2E M D 方法能提取到谐波信号中的特征信号成分,并且在强噪声背景下,扩展的M CT S 2E M D 方法依然具有优良的性质,能够提取出目标信号的特征成分。
3 实际车辆振动信号分析
车辆工作时,总是期望能跟踪车辆的运行状态,尤其对在恶劣运行环境下工作的特种车辆,为避免发生后继重大事故的可能,振动测试是监控车辆状态的一种简易而优良方法。然而,由于特种车辆工作条件恶劣,使得通过振动测试得到的信号附带有很强的背景噪声,从而对其分析具有很大的难度。本文作者通过扩展的M CT S 2E M D 方法对采集到的某特种车辆的振动信号进行分析,来监测车辆本身的运行状况。
首先通过对该车危险部件的模态分析(有关模态分析的内容将在另文给出),发现其模态频率主
864南 京 航 空 航 天 大 学 学 报第39卷
要在50～400H z 之间,这样通过模态分析的结论,在危险的振动点上安装传感器,根据该车的设计参数及该车的振动情况,并根据采样信号分析与处理的需要,确定采样频率为1kH z 。图7是对某特种车辆测试得到的一段振动信号。采样时,汽车在次高级公路路面上,以任意车速(40～80km h 之间的车速)行驶。图8是其多相关处理得到的一段时间序列,图9是其分解后选择得到的各个I M F 分量。和仿真分析中的一样,通过对得到的各个I M F 分量求边际谱来观察特征信号,其边际谱如图10所示
。
图7
特种车工作时测量得到的振动信号
图8 时序多相关处理后得到的一段时间序列
从边际谱图可以看到,在频率为140,210以及230H z 时,出现了较大的频率值,表明在这些频率成分,出现特征信号成分。对照对该车特定部件的模态分析情况,这些频率成分均出现在模态频率当中,也就是说,由于特定部件的振动,使得该车出现了破坏性的频率成分。根据该部分的运动和连接情况,分析知这些频率成分可能是由该特种车辆上的分动箱上某部件的松动产生的,为了验证上述判断的正确性,在用户的要求下,生产厂商对该车进行了开箱检验,发现分动箱的连接部位出现了5～6c m 的松动,检验结果和上述判断是吻合的。
4 结 论
时序多相关2经验模式分解方法由于对振动信
号的循环平稳特性要求,使得其应用受到了很大的限制。本文在已提出的M CT S 2E M D 方法的基础上,提出了一种改进的方法,将其应用到一般机械系统振动信号的特征提取。总结起来,可以表述如下
:
图9 由三次相关函数分解得到的I M F
分量
图10 经M CT S 2E M D 后得到的边际谱图
(1)改进的M CT S 2E M D 方法突破了对振动信号的循环平稳特性的要求限制,能够用于对一般机械系统的振动信号进行分析。
(2)通过谐波混叠信号的仿真试验,表明扩展的M CT S 2E M D 方法能提取到信号中的特征成分,并且当谐波中有强的噪声时,仍然能提取到其中的特征信号成分,为微弱振动信号的特征提取提供了一种新的思路。
964第4期廖庆斌,等:时序多相关2经验模式分解方法及其对车辆振动信号的分析
(3)将扩展的M CT S2E M D方法应用到某特种车辆振动信号的特征提取中,成功的提取到了其中的特征信号成分,表明该方法在应用中的可行性。
(4)M CT S2E M D方法适合于分析连续的振动信号,如调制的机械信号、转子启停等非线性、非平稳振动信号,不适合冲击等短时振动信号以及信号呈线性规律特征的信号。
参考文献:
[1] 陈进,姜鸣.高阶循环统计量理论在机械故障诊断中
的应用[J].振动工程学报,2001,14(2):1212134. [2] 丁康,米林,王志杰.解调分析在故障诊断中应用的局
限性问题[J].振动工程学报,1997,10(1):13220. [3] Sheen Y T.A comp lex filter fo r vibrati on signal de2
modulati on in bearing defect diagno sis[J].Journal of
Sound and V ibrati on,2004,276(122):1052119. [4] Peng Zh ike,Chu Fulei.A pp licati on of the w avelet
transfo r m in m ach ine conditi on monito ring and fault
diagno stics:a review w ith bibli ography[J].M echan2 ical System s and Signal P rocessing,2004,18(2):
1992221.
[5] 李舜酩,许庆余,李允平.行驶车辆振动信号的小波分
析[J].汽车工程,1997,19(5):356;3702375.
[6] L ee S K,W h ite P R.H igher2o rder ti m e2frequency
analysis and its app licati on to fault detecti on in ro tat2
ing m ach inery[J].M echanical System s and Signal
P rocessing,1997,11(4):6372650.[7] Tomm y W S C,T an H Z.HO S2based nonparam etric
and param etric m ethodo logies fo r m ach ine fault de2 tecti on[J].IEEE T ransacti ons on Industrial E lec2
tronics,2000,47(5):105121059.
[8] H uang N E,Shen Z,L ong S R,et al.T he emp irical
mode decompo siti on and the H ilbert spectrum fo r
nonlinear and non2stati onary ti m e series analysis[J].
P roceedings of Royal Society of L ondon Series A,
1998,454(1971):9032995.
[9] H uang N E,Shen Z,L ong S R.A new view of non2
linear w ater w aves:the H ilbert spectrum[J].A nnu2 al R eview of F luid M echanics,1999(31):4172457. [10]廖庆斌,李舜酩.一种旋转机械振动信号特征提取的
新方法[J].中国机械工程,2006,17(16):167521679.
[11]Peng Zh ike,Peter W T,Chu Fulei.A n i m p roved
H ilbert2H uang transfo r m and its app licati on in vibra2
ti on analysis[J].Journal of Sound and V ibrati on,
2005,286(122):1872205.
[12]L iu B,R iem enschneider S,Xu Y.Gearbox fault di2
agno sis using emp irical mode decompo siti on and
H ilbert spectrum[J].M echanical System s and Signal
P rocessing,2006,20(3):7182734.
[13]H uang N E,W u L C,L ong S R,et al.A confidence
li m it fo r the emp irical mode decompo siti on and
H ilbert spectral analysis[J].P roceedings of Royal
Society of L ondon Series A,2003,459(2037):23172 2345.
074南 京 航 空 航 天 大 学 学 报第39卷
有效振动分析的信号处理 摘要 有效的振动分析首先始于从工业标准的振动传感器，如加速度传感器获得一个准确的时域变化的信号。一个手持式数字仪器一般接入原始的模拟信号，并为用户的多种要求进行处理。根据用户对分析的要求和原始信号的最初单位，信号可被直接处理或经由数学积分器变换成振动测量的其他单位。根据感兴趣的频率，信号可能要经过一系列高通滤波器和低通滤波器的调理。根据期望得到的结果，信号可能被多次采样和平均。如果在数字仪器中需进行时间波形分析，那么确定采样点数和采样速率是必要的。观察的时间长度等于采样周期乘以采样点数。大部分手持式仪器也具有FFT(快速傅里叶变换)处理方法，把全局时变输入信号采样分解为其单独的频率分量。在老式模拟仪器中，这个分析功能是由扫频滤波器来实现的。 定义FFT处理时要考虑很多设置参数：（1）分辨率线数；（2）最大频率；（3）平均类型；（4）平均次数，和（5）窗类型。这些参数互相作用影响得到的结果，并且需要在信息质量和完成数据采集所耗时间之间进行折中考虑。 预知维修的成功依赖于数据采集和变换过程中的几个要素：（1）总振动水平的趋势；（2）复合振动信号各个频率分量的幅值和频率；（3）在相同运行条件下，机器某一部分的振动信号相对于机器上另一个测量的相位关系。 本文将带领读者从振动传感器的输出，经过典型的现代数字技术振动测量仪器所完成的信号处理流程的各个阶段。并且，本文重点介绍了预知维修领域为完成准确分析而进行的快速有效的振动数据采集中所需的多个数据采集设置参数和折中考虑。 关乎振动分析成功的几项内容，将给予详细论述：模拟信号采样和调理；抗混淆测量；噪声滤波器技术；频带-低通，高通，带通；数据平均方法；和FFT频率转换。 1.讨论 振动分析始于传感器输出的时变物理信号。从此信号的输入到振动测量仪器，有很多可能的选择去分析信号。本文的目的是关注内部信号处理路径，以及它和原始振动问题的最终根源分析之间的关系。首先，我们看如图1所示的仪器中典型信号路径的框图。 2.时间波形 图2.所示是一个典型的来自加速度传感器的模拟时间波形信号。
2007年A题音频信号分析仪 本系统基于Altera Cyclone II 系列FPGA嵌入高性能的嵌入式IP核(Nios)处理器软核，代替传统DSP芯片或高性能单片机，实现了基于FFT的音频信号分析。 音频信号分析仪 山东大学王鹏陈长林秦亦安 摘要：本系统基于Altera Cyclone II 系列FPGA嵌入高性能的嵌入式IP核(Nios)处理器软核，代替传统DSP芯片或高性能单片机，实现了基于FFT的音频信号分析。并在频域对信号的总功率，各频率分量功率，信号周期性以及失真度进行了计算。并在FPGA中嵌入了8阶IIR切比雪夫（Chebyshev）II型数字低通滤波器，代替传统有源模拟滤波器实现了性能优异的音频滤波。配合12位A/D转换芯片AD1674，和前端自动增益放大电路，使在50mV到5V的测量范围下，单一频率功率及总功率测量误差均控制在1%以内。 关键词：FPGA；IP核；FFT；IIR；可控增益放大 Abstract: This system is based on IP core(Nios)soft-core processors embedded in the FPGA of Altera Cyclone II family. Instead of using DSP or microcontroller, we use Nios II to perform a low-cost FFT-based analysis of the audio signal.And we caculated the power of the whole signal,the power of each frequence point that componented the signal.By the way,we anlysised its periodicity and distortion.We also embedded an 8-order Chebyshev II IIR digital low-pass filter to replace the traditional analog Active Filter to perform an excellent audio filter. With 12bit A / D converter chip AD1674, and the front-end automatic gain amplifier, this system’s single-frequency power and total power measurement error is below 1% in 50mV to 5V measurement range. Keyword: FPGA；IP core; FFT;IIR; automatic gain amplifier 一、方案选择与论证 1、整体方案选择 音频分析仪可分为模拟式与数字式两大类。 方案一：以模拟滤波器为基础的模拟式频谱分析仪。有并行滤波法、扫描滤波法、小外差法等。因为受到模拟滤波器滤性能的限制，此种方法对我们来说实现起来非常困难。 方案二：以FFT为基础的的数字式频谱分析仪。通过信号的频谱图可以很方便的得到输入信号的各种信息，如功率谱、频率分量以及周期性等。外围电路少，实现方便，精度高。 所以我们选用方案二作为本音频分析仪的实现方式。
附件1 汽车发动机振动噪声测试系统 1用途及基本要求： 该设备主要用于教学和科研中的振动和噪声测量，要求能够测量试验对象的振动噪声特性（频率、阶次、声强等），能对试验数据进行综合分析。该产品的生产厂应具有多年振动噪声行业从业经验，有较高的知名度和影响力。系统软件和硬件应该为成熟的模块化设计，同时具有很强的扩展能力，能保证将来软件和硬件同时升级。 2设备技术要求及参数 2.1设备系统配置 2.1.1数据采集系统一套； 2.1.2数据测试分析软件一套； 2.1.3传声器 2个； 2.1.4加速度计 2个； 2.1.5声强探头 1套； 2.1.6声级校准器 1个； 2.1.7笔记本电脑一台 2.2数据采集、控制系统技术要求 2.2.1主机箱一个；供电采用9～36V直流和 200～240V交流； 2.2.2便携式采集前端，适用于实验室及现场环境； 2.2.3整机消耗功率<150W； 2.2.4工作环境温度：-10?C ～50?C； 2.2.5中文或英文WindowsXP下运行，操作主机采用笔记本电脑； 2.2.6输入通道数：4个以上，其中2个200V极化电压输入通道、不少一个转速输入通道； 2.2.7输入通道拥有Dyn-X技术，动态范围160dB； 2.2.8每通道最高采样频率：≥65.5kHz，最大分析带宽：≥25.6kHz； 2.2.9系统留有扩充板插槽，根据需要可以进一步扩充；数据采集前端可同时连接多种形式传感器,包括加速度计、转速探头、传声器、声强探头等； 2.2.10系统具有堆叠和分拆能力，多个小系统可组成多通道大系统进行测量。大系统可分拆成多个小系统独立运行； 2.2.11采集前端的数据传输具备二种方式之一：①通过10/100M自适应以太网传输至PC； ②通过无线通讯以太网技术传输至PC，通信距离在100米以上。使测量过程更为灵活方便，方便硬件通道和计算机系统扩展升级；
题目名称：音频信号分析仪（A题） 华南理工大学电子与信息学院参赛队员：陈旭张洋林士明 摘要：本音频信号分析仪由32位MCU为主控制器，通过AD转换，对音频信号进行采样，把连续信号离散化，然后通过FFT快速傅氏变换运算，在时域和频域对音频信号各个频率分量以及功率等指标进行分析和处理，然后通过高分辨率的LCD对信号的频谱进行显示。该系统能够精确测量的音频信号频率范围为20Hz-10KHz，其幅度范围为5mVpp-5Vpp，分辨力分为20Hz和100Hz两档。测量功率精确度高达1%,并且能够准确的测量周期信号的周期，是理想的音频信号分析仪的解决方案。 关键词：FFT MCU频谱功率 Abstract:The audio signal analyzer is based on a32-bit MCU controller,through the AD converter for audio signal sampling,the continuous signal discrete,and then through the FFT fast Fourier transform computing,in the time domain and frequency domain of the various audio frequency signal weight and power,and other indicators for analysis and processing,and then through the high-resolution LCD display signals in the spectrum.The system can accurately measure the audio signal frequency range of20Hz-10KHz,the range of5-5Vpp mVpp,resolution of20Hz and100Hz correspondent.Power measurement accuracy up to1%,and be able to accurately measuring the periodic signal cycle is the ideal audio signal analyzer solution. Keyword:FFT MCU Spectrum Power
MATLAB在机械振动信号中的应用 申振 （山东理工大学交通与车辆工程学院） 摘要：综述了现代信号分析处理理论、方法如时域分析（包括时域参数识别、相关分析等）、频域分析（包括傅立叶变换、功率谱分解等），并结合MATLAB中的相关函数来对所拟合的振动信号进行时域分析和频域分析，并对绘出的频谱图进行说明。 关键词：时域分析频域分析 MATLAB 信号是信息的载体，采用合适的信号分析处理方法以获取隐藏于传感观测信号中的重要信息(包括时域与频域信息等)，对于许多工程应用领域均具有重要意义。对获取振动噪声信号的分析处理，是进行状态监测、故障诊断、质量检查、源识别、机器产品的动态性能测试与优化设计等工作的重要环节，它可以预先发现机械部件的磨损和缺陷等故障，从而可以提高产品的质量，降低维护费用。随着测试技术的迅速发展，各种信号分析方法也随之涌现，并广泛应用在各个领域[1]。 时域描述简单直观，只能反映信号的幅值随时间的变化，而不能明确的揭示信号随时间的变化关系。为了研究信号的频率组成和各频率成分的幅值大小、相位关系，应对信号进行频谱分析，即把时域信号通过适当的数学方法处理变成频率f（或角频率 ）为独立变量，相应的幅值或相位为因变量的频域描述。频域分析法将时域分析法中的微分或差分方程转换为代数方程，有利于问题的分析[2]。 MATLAB是MathWorks公司于1982年推出的一种功能强大、效率高、交互性好的数值计算和可视化计算机高级语言，它将数值分析、矩阵运算、信号处理和图形显示有机地融合为一体，形成了一个极其方便、用户界面良好的操作环境。随着其自身版本的不断提高，MATLAB的功能越来越强大，应用范围也越来越广，如广泛应用于信号处理、数字图像处理、仿真、自动化控制、小波分析及神经网络等领域[3]。 本文主要运用了MATLAB R2014a对机械振动信号进行分析。分析过程包括时域分析和频域分析两大部分，时域分析的指标包括随机信号的均值、方差以及均方值。频域分析的性能指标包括对功率谱分析、倒频谱分析。在进行上述分析之前先要对振动信号进
音频信号分析仪 指导老师：邓晶 年纪专业：11信息工程 成员：丽梅（1128401039） 东飞（1128401014） 罗兰（1128401128） 日期：2014年6月
摘要：本音频信号分析仪基于快速傅里叶变换的原理，以32位CPU STM32构成的最小系统为控制核心，由电压跟随、程控放大、峰值检测、抗混叠滤波等模块组成。本音频信号分析仪由STM32控制，通过AD转换，对音频信号进行采样，把连续信号离散化，然后通过FFT运算，对音频信号各个频率分量以及功率等指标进行分析和处理，然后通过高分辨率的LCD对信号的频谱进行显示。该系统能够精确测量的音频信号频率围为50Hz-10KHz，其幅度围为5mVpp-5Vpp，分辨力为50Hz。 关键词：FFT 嵌入式系统前级信号处理功率谱 Abstract: This audio signal analyzer based on the principle of fast Fourier transform, the minimum system consisting of STM32 embedded system as control core, followed by the voltage, program-controlled amplifier, peak detection, such as anti aliasing filter modules. This audio signal analyzer controlled by an embedded system, through the AD conversion, the audio signal sampling, the continuous signal discretization, then through FFT arithmetic, each frequency component and the power index in the audio signal analysis and processing, and then through high resolution display LCD frequency spectrum of the signal and the characteristics of. The system can accurately measure the audio signal frequency range of 50 -10K HZ, its amplitude range is 5 mVpp- 5 V pp ,resolution of 50 Hz.
音频信号分析仪设计报告 1．摘要： 设计一个可对音频信号进行分析，并在LCD上显示其频率分量及功率的电路，电路还可对输入的失真信号进行失真度测量。电路主要由扫描滤波网络，检波采集网络，以及失真度测量网络构成。扫描滤波部分主要由MAX264开关电容滤波器电路和基于DDS扫描控制信号产生电路组成，完成对各个频率分量的提取；检波部分主要由有效值转换电路完成对频率分量功率的测量；失真度测量部分可自动跟踪输入信号的基频，通过谐波检测的方法，实现对失真度的测量，并可借助单片机测量其频率。整个测量电路结构简单，可较好完成对音频信号的各项分析。 关键字：MAX264 AD9851 音频功率检测失真度 2．总体方案设计 2．1方案一 动态信号分析法，即对信号进行时域采集，然后进行fourier变换，转换成频域信号。特点是较快，有较高的分辩率和采样速率。但受采样定理限制，无法推广到高频，且对采集网络要求较高，一般的单片机无法完成信号的频域变换算法。 2．2方案二 并行滤波法，通过一组滤波器网络，且每个滤波器都有自己的检波器，其通频带应尽量窄，数目应应该有足够的密度概括整个测量频带。优点是可实时显示和分析各个信号的频率分布及大小，缺点是其频率分量的个数取决于滤波器数目，当测量带宽增大，所需滤波器数目巨大。 2．3方案三 外差法，采用超外差接收机的方式，利用混频器、中频放大器、中频滤波器、检波器等构成频谱分析电路。其优点是工作频率范围宽、选择性好、灵敏度高。但是由于本振是连续可调谐的，被分析的频谱是依次顺序取样，因此扫频外差式不能实时地检测和显示信号的频谱。 2．4方案四 扫描滤波法，其采用中心频率可调的滤波器。被测信号首先加至可调谐窄带滤波器，其中心频率自动反复在信号频率范围内扫描。扫描滤波式频谱分析电路的优点是结构简单，价格低廉。由于没有混频电路，省去了抑制假信号的问题。我们选择这种方案，用DDS控制滤波器中心频率从而实现对不同频率分量的的提取并且利用滤波网络还可以实现失真度测量。（系统框图如下）
第37卷 第4期吉林大学学报(工学版) Vol.37 No.4 2007年7月Journal o f Jilin U niv ersity(Engineering and T echnolo gy Edition) July2007车辆振动信号的特征提取方法比较 廖庆斌1,李舜酩1,覃小攀2 (1.南京航空航天大学能源与动力学院,南京210016; 2.吉林大学汽车工程学院,长春130022) 摘 要:针对用于车辆振动信号分析的常用方法:小波分析方法和H ilbert H uang变换方法,以及作者新近提出的时序多相关 经验模式分解方法,通过仿真对比分析了它们各自的特点以及它们在振动信号特征提取中的适用性。非线性信号的仿真分析表明,在没有噪声或分析对象背景噪声较小的情况下,后两种方法能提取到特征信号,小波分析不适合非线性信号的分析;在强背景噪声下,前两种方法均不能得到满意的特征信息,而时序多相关 经验模式分解方法能提取到所需的目标信息。最后将时序多相关 经验模式分解方法用于某特种车辆特征信号的提取,得到了满意的结果,验证了该方法在车辆振动信号特征提取中的有效性。 关键词:信息处理技术;振动信号;特征提取;小波分析;H ilbert H uang变换;时间序列多相关;经验模式分解 中图分类号:T N911;U270 文献标识码:A 文章编号:1671 5497(2007)04 0910 06 Comparison of feature extraction methods of vehicle vibration signal Liao Qing bin1,Li Shun m ing1,Qin Xiao pan2 (1.College of E ner gy and P ower E ngineer ing,N anj ing Univer sity of A er onautics and A s tronautics,N anj ing210016, China;2.College of A uto motiv e Engineer ing,J ilin Univ er sity,Changchun130022,China) Abstract:The v ibration signals o f a vehicle alw ay s car ry the dynamic info rmation of the vehicle.These signals are very useful for the health monitoring and fault diag no sis.H ow ever,in many cases, because these sig nals have v ery low signal to no ise ratio(SNR),to ex tract feature co mpo nents beco mes difficult and the applicability of info rmation drops dow n.T he characters of feature extraction of vibration signal w er e compared,among the tw o popular m ethods named w avelet analy sis(WA)and H ilbert H uang translatio n(H H T)and the multi correlatio n o f tim e series and empirical mo de decom po sitio n(M CT S EM D),via simulation.And the applicability of them w as analyzed using the simulatio n signal.The H H T and M CTS EM D can extract the feature signal in no interference of noise or the SNR is a larg e number,w hile the WA is not suit for the featur e ex tr actio n o f nonlinear signal. In the str ong backgro und noise,the WA and H H T can not w ork w ell,contrasting them;the M CTS EM D can ex tract the w anted object inform ation.A t last,T he M CTS EM D method w as used to ex tract the featur e sig nal of som e special vehicle,a satisfactor y result can be g et,this validity of MCT S EMD w as validated in the feature ex traction of v ehicle vibration sig nal. Key words:info rmatio n processing;v ibration signal;feature extraction;w avelet analy sis;H ilbert H uang 收稿日期:2006 06 22. 基金项目:航空科学基金资助项目(04I52066);国家自然科学基金资助项目(50675099). 作者简介:廖庆斌(1979 ),男,博士研究生.研究方向:振动、噪声的分析与控制.E mail:qb_liao@https://www.doczj.com/doc/bf16552941.html, 通讯联系人:李舜酩(1962 ),男,教授,博士生导师.研究方向:振动噪声分析与控制,现代信号处理,转子振动监测与诊断.E ma il:lishunm ing69@https://www.doczj.com/doc/bf16552941.html,
实验八 音频频谱分析仪设计与实现 一、实验原理 MATLAB 是一个数据分析和处理功能十分强大的工程实用软件，其数据采集工具箱为实现数据的输入和输出提供了十分方便的函数和指令。 本实验基于声卡与MATLAB 实现音频信号频谱分析仪。 1、频率(周期)检测 对周期信号来说，可以用时域波形分析来确定信号的周期，也就是计算相邻两个信号波峰的时间差或过零点的时间差。采用过零点（ti ）的时间差T （周期）。频率即为f=1/T ，由于能够求得多个T 值，故采用他们的平均值作为周期的估计值。 2、峰值检测 在一个周期内，求出信号最大值max y 与最小值min y 的差得一半记为A ，同样得到多个A 值，但第一个A 值对应的max y 和min y 不是在一个周期内搜索得到的，故以除第一个以外的A 值的平均作为幅值的估计值。 3、相位检测 采用过零法，即通过判断与同频零相位信号过零点时刻，计算其时间差，然后换成相 应的相位差。）π（T /ti -12=?，同样以?的平均值作为相位的估计值。 4、数字信号统计量估计 （1）峰值P 的估计 在样本数据x 中找出最大值与最小值，其差为双峰值，双峰值的一半即为峰值。 （2）均值估计 ∑=Ｎ ｉ＝０ ｉｙN 1)y (E ，N 为样本容量。 （3）均方值估计 ∑=Ｎｉ＝０ｉｙ22N 1 )y (E （4）方差估计 ∑=Ｎｉ＝０ ｉｙ2))(E -(N 1)y (D y 5、频谱分析原理 时域分析只能反映信号的幅值随时间的变化情况，除但频率分量的简单波形外，很难明确提示信号的频率组成和各频率分量大小，而频谱分析能很好的解决此问题。 （1）DFT 与FFT 对于给定的时域信号y ，可以通过Fourier 变换得到频域信息Y 。Y 可按下式计算 式中，N 为样本容量，Δt = 1/Fs 为采样间隔。 采样信号的频谱是一个连续的频谱，不可能计算出所有的点的值，故采用离散Fourier 变换(DFT)，即
程序4-1 %最小二乘法消除多项式趋势项%%%%%%%%%%%%%%%%%%%%%%%% clear % 清除内存中所有变量和函数 clc % 清除工作窗口中所显示的内容close all hidden % 关闭所有隐藏的窗口%%%%%%%%%%%%%%%%%%%%%%%% %提示用键盘输入输入数据文件名 fni=input('消除多项式趋势项-输入数据文件名:','s'); %以只读方式打开数据文件 fid=fopen(fni,'r'); sf = fscanf(fid,'%f',1); %读入采样频率值 m = fscanf(fid,'%d',1); %读入拟合多项式阶数 fno = fscanf(fid,'%s',1);%读入输出数据文件名 x = fscanf(fid,'%f',inf);%读入时程数据存成列向量 %关闭数据文件 status=fclose(fid); %取信号数据长度 n=length(x); %建立离散时间列向量 t=(0:1/sf:(n-1)/sf)'; %计算趋势项的多项式待定系数向量a a=polyfit(t,x,m); %用x减去多项式系数a生成的趋势项 y=x-polyval(a,t); %将分成2行1列的图形窗口的第1列设为当前绘图区域subplot(2,1,1); %绘制x对于t的时程曲线图形 plot(t,x); %在图幅上添加坐标网格 grid on; %将分成2行1列的图形窗口的第2列设为当前绘图区域subplot(2,1,2); %绘制y对于t的时程曲线图形 plot(t,y); %在图幅上添加坐标网格 grid on; %以写的方式打开文件或建立一个新文件 fid=fopen(fno,'w'); %进行n次循环将计算结果写到输出数据文件中 for k=1:n %每行输出两个实型数据，t为时间，y为消除趋势项后的结果fprintf(fid,'%f %f\n',t(k),y(k)); %循环体结束语句
音频信号分析仪（A题） 摘要：本音频信号分析仪由32位MCU为主控制器，通过AD转换，对音频信号进行采样，把连续信号离散化，然后通过FFT快速傅氏变换运算，在时域和频域对音频信号各个频率分量以及功率等指标进行分析和处理，然后通过高分辨率的LCD对信号的频谱进行显示。该系统能够精确测量的音频信号频率范围为20Hz-10KHz，其幅度范围为5mVpp-5Vpp，分辨力分为20Hz和100Hz两档。测量功率精确度高达1%,并且能够准确的测量周期信号的周期，是理想的音频信号分析仪的解决方案。 关键词：FFT MCU 频谱功率
目录
1 系统方案论证与比较 ** 引言 ** 采样方法比较与选择 方案一、用DDS芯片配合FIFO对信号进行采集，通过DDS 集成芯片产生一个频率稳定度和精度相当高的信号作为FIFO 的时钟，然后由FIFO对A/D转换的结果进行采集和存储，最后送MCU处理。 方案二、直接由32位MCU的定时中断进行信号的采集，然后对信号分析。 由于32位MCU -LPC2148是60M的单指令周期处理器，所以其定时精确度为16.7ns,已经远远可以实现我们的40.96KHz的采样率，而且控制方便成本便宜，所以我们选择由MCU直接采样。 ** 处理器的比较与选择
由于快速傅立叶变换FFT算法设计大量的浮点运算，由于一个浮点占用四个字节，所以要占用大量的内存，同时浮点运算时间很慢，所以采用普通的8位MCU一般难以在一定的时间内完成运算，所以综合内存的大小以及运算速度，我们采用Philips 的32位的单片机LPC2148，它拥有32K的RAM，并且时钟频率高达60M，所以对于浮点运算不论是在速度上还是在内存上都能够很快的处理。 ** 周期性判别与测量方法比较与选择 对于普通的音频信号，频率分量一般较多，它不具有周期性。测量周期可以在时域测量也可以在频域测量，但是由于频域测量周期性要求某些频率点具有由规律的零点或接近零点出现，所以对于较为复杂的，频率分量较多且功率分布较均匀且低信号就无法正确的分析其周期性。 而在时域分析信号，我们可以先对信号进行处理，然后假定具有周期性，然后测出频率，把采样的信号进行周期均值法和定点分析法的分析后即可以判别出其周期性。 综上，我们选择信号在时域进行周期性分析和周期性测量。对于一般的音频信号，其时域变化是不规则的，所以没有周期性。而对于单频信号或者由多个具有最小公倍数的频率组合的多频信号具有周期性。这样我们可以在频域对信号的频谱进行定量分析，从而得出其周期性。而我们通过先假设信号是周期的，然后算出频率值，然后在用此频率对信号进行采样，采取连续两个周期的信号，对其值进行逐次比较和平均比较，若相差太远，则认为不是周期信号，若相差不远（约5%），则可以认为是周期信号。 ** 系统总体设计
平稳和非平稳振动信号的处理方法 周景成 （东华大学机械工程学院，上海 201620） 摘要：本文主要综述了当前对于平稳和非平稳振动信号的处理方法及其优缺点，同时列举了目前振动信号处理的研究热点和方向。 关键词：稳态非稳态振动信号处理；方法；优缺点。 1．稳态与非稳态振动信号的界定 稳态振动信号是指频率、幅值和相位不变的动态信号，频率、幅值和相位做周期性变化的信号称为准稳态信号，而对于频率、幅值和相位做随机变化的信号则称为非稳态信号。 2. 稳态或准稳态振动信号的主要处理方法及其优势与局限 对于稳态振动信号，主要的分析方法有离散频谱分析和校正理论、细化选带频谱分析和高阶谱分析。对于准稳态信号主要采用的是解调分析。对于非稳态振动信号主要采用加Hanning窗转速跟踪分析、短时傅里叶变换、Wigner-Ville 分布和小波变换等。对于任一种信号处理方法都有其优势和劣势，没有完美的，具体在工程实际中采用哪一种分析方法得看具体的工程情况而定，不能一概而论。 2. 1 离散频谱分析与校正 离散频谱分析是处理稳态振动信号的常用方法，离散频谱分析实现了信号从时域到频域分析的转变。FFT成为数字信号分析的基础，广泛应用于工程技术领域。通过离散傅里叶变换将振动信号从时域变换到频域上将会获得信号更多的信息。对于这一方法，提高信号处理的速度和精度是当下两个主要的研究方向。由于计算机只能对有限多个样本进行运算，FFT 和谱分析也只能在有限区间内进行，这就不可避免地存在由于时域截断产生的能量泄漏，离散频谱的幅值、相位和频率都可能产生较大的误差，所以提高精度成为近一段时间主要的研究方向。上世纪70年代中期，有关学者开始致力于离散频谱校正方法的研究。目前国内外有四种对幅值谱或功率谱进行校正的方法：(1)比值校正法(内插法)；(2)能量重心校正法；(3)FFT+FT谱连续细化分析傅立叶变换法；(4)相位差法。四种校正方法的原理和特点见表1[1]. 从理论上分析，在不含噪声的情况下，比值法和相位差法是精确的校正法，而能量重心法和FFT+FT谱连续细化分析傅立叶变换法是精度很高的近似方法。随着频谱校正技术的发展和不断完善，越来越广泛地被应用于分析各种实际问题和各类动态信号分析系统中，根据应用对象特点的不同，采用不同的校正方法。一般在只需要较高幅值精度时，多采用方法简便的三点卷积幅值法；需要精确的频率和相位采用比值法；在噪声较大时，采用相位差校正法或FFT+FT谱连续细化分析傅立叶变换法。 2. 2 细化选带频谱分析 振动信号中, 对密集型频谱的分析采用细化选带频谱分析方法, 该方法有 多种, 如复调制细化、相位补偿细化、Chirp- Z 变换、最大熵谱分析等, 其中
基于LabVIEW 的音频信号分析仪设计 马骁，张广 中国矿业大学信息与电气工程学院，江苏徐州（221008） E-mail ：max05283091@https://www.doczj.com/doc/bf16552941.html, 摘要：本文基于“硬件的软件化”思想，在对信号分析、虚拟仪器技术和声卡的实用性进行理论分析的基础上，利用虚拟仪器专用语言LabVIEW 开发环境，设计了基于虚拟仪器技术的语音信号分析仪。用普通的计算机声卡代替商用数据采集卡，利用声卡的DSP 技术和LabVIEW 的多线程技术实现音频信号的数据采集，开发基于PC 机声卡的虚拟音频信号分析仪。该系统实现了数据采集，信号分析（时域分析和频域分析）等多种功能。其中时域分析包括实时显示波形，测量信号电压、频率、周期等参数；频域分析包括幅值谱、相位谱、功率谱和FFT 变换等。这类系统性价比高、通用性强、扩展性好、界面简单，在工程测量与实验室应用中具有广阔的前景。 关键词：声卡;LabVIEW;数据采集;信号分析 中图分类号：TP391 1.引言 音频信号分析仪的发展是随着一般信号分析仪器的发展而不断改进的。信号分析设备发展至今已经历了三个阶段，50年代发展的是以波的干涉、谐振和滤波原理制成的模拟式分析仪，它们功能少，分析速度慢，目前已经很少用了。但是这类仪器分析时能量集中，分析精度高，其分析方法有特色。因此，许多数字化仪器保留了模拟式分析仪的部分功能。60年代，随着计算机技术的发展，信号处理由模拟式向数字式转化，发展的是以FFT 计算原理制成的数字式信号分析仪。这类仪器功能多，分析速度快，是使用中的主流，第二代仪器的缺点是功能恒定，不能满足用户的特殊要求，同时分析功能无法更新换代。近年来虚拟仪器的出现，为以通用计算机为主体的智能信号分析仪的产生和发展奠定了基础。智能仪器分析功能由软件设定，可以不断的升级换代，用户也能自行修改，同时还能与人工智能技术和数据库技术等计算机技术相结合，使用起来十分方便[1]。 2.系统介绍 2.1虚拟仪器概述 虚拟仪器以PC 机为仪器统一的硬件平台，将测试仪器的功能和形象逼真的仪器面板控件均形成相应的软件并以文件形式存放于机内的软件库中，同时在计算机的总线槽内插入对应的、可实现数据交换的模块化硬件接口卡，若使库内仪器测试功能、仪器控件的软件和由 https://www.doczj.com/doc/bf16552941.html, 中国科技论文在线
振动测试及其信号处理 伏晓煜倪青吴靖宇王伟 摘要：随着试验条件和技术的不断完善，越来越多的领域需要进行振动测试，尤其是土木工程领域。本文首先介绍了振动测试的基本内容和测试系统的组成，其次对振动测试中的激励方式进行了简单的概括，最后总结了信号数据的处理一般方法，包括数据的预处理方法、时域处理方法和频域处理方法。 关键词：振动测试测试系统信号处理 Vibration Test and Signal processing Fu Xiaoyu Ni Qing Wu Jingyu Wang Wei Abstract: Vibration test has been applied in more and more fields, especially in civil engineering, as experiment methods and technology elevated. This paper introduced the contents of vibration test and consists of test system firstly, and generalized the exciting mode subsequently. General methods of vibration signal processing were summarized in the end, including preprocessing, time-domain processing and frequency-domain processing methods. Key words: vibration test; test system; signal processing 0 引言 研究结构的动态变形和内力是个十分复杂的问题，它不仅与动力荷载的性质、数量、大小、作用方式、变化规律以及结构本身的动力特性有关，还与结构的组成形式、材料性质以及细部构造等密切相关。在实际结构工程中遇到的问题更加复杂。虽然通过有限元动力分析计算方法可以解决许多结构振动方面的问题，但所依据的模型和边界条件仍然不可能完全符合实际情况。尤其是对于复杂结构，或者牵涉到非线性机理时，除了理论分析之外，通过振动试验或直接进行振动测试始终是一个重要的、不可或缺的手段。振动测试广泛地应用于动力强度试验、结构动力特性测试、抗震性能测试、机械设备的状态监测和故障诊断和隔振或减振性能测试。 1 振动测试的基本内容[1] 振动测试是指测量并记录振动物体的某些指定位置上的振动响应随时间变化的过程。振动响应包括位移、速度、加速度、应变及力等。以图形表示的振动响应过程一般称为振动时程曲线。振动测试的基本内容一般分为连个部分，即振动强度测试和动力特性测试。 1.1 振动强度测试 振动强度测试通常在两种振动环境下进行，一是实际振动环境，二是模拟振动环境。实际环境下的振动强度测试大多为工程检测或环境检测。主要是测试实际振动环境对周围结构
振动信号处理仪器的主要分类 传感器检测到的振动信号是时域信号，它只能给出振动强度的概念，只有经过频谱分析后，才可以估计其振动的根源和干扰，并用于故障诊断和分析。振动信号处理仪器主要有测振仪、频谱分析仪、传递函数分析仪和综合分析仪。 1. 测振仪 测振仪是用来直接显示位移、速度、加速度等振动量的峰值、峰峰值、平均值或方均根值的仪器。它主要由积分、微分电路、放大器、电压检波器和表头组成。 一般意义上的测振仪只能使人们获得振动的总强度而无法获得振动的其他方面信息，但祺迈KM生产的测振仪VIB05却可以除了基础的振动检测，还可以进行轴承状态的检测与红外测温，兼具了测振仪、轴承检测仪与测温仪于一体，是一款多功能型的振动和轴承状态检测仪。 2. 频谱分析仪 频谱分析仪是把振动信号的时间历程转换为频域描述的一种仪器。要分析产生振动的原因，研究振动对人类和其他结构的影响及研究结构的动态特性等，都要进行频谱分析。频谱分析仪的种类很多，之前有接触过VIB07多功能型机械状态分析仪，在中石油网上也看到过推荐的文章，功能比较多，一些小功能如听诊、测温也都很实用。
3. 频率特性与传递函数分析仪 由频率特性分析仪或传递函数分析仪为核心组成的测试系统，通常都采用稳态正弦激振法来测定机械结构的频率响应或机械阻抗等数据。 4. 数字信号处理系统 近年来，由于微电子技术和信号处理技术的迅速发展、快速傅里叶变换(FFT)算法的推广，在工程测试中，数字信号处理方法得到越来越广泛的应用，出现了各种各样的信号分析和数据处理仪器。这种具有高速控制环节和运算环节的实时数字信号处理系统和信号处理器，具有多种功能，因此又称为综合振动分析仪。如KMbalacner II是一款全功能、高效能的双通道的FFT振动分析及现场动平衡仪。它可以应用在众多行业的设备状态监测领域，如造纸业，石化，发电厂，机械制造等。KMbalancerⅡ可以采集各种现场数据，如振动值，轴承状态，频谱图和时域波形等，并可以通过KMVS Pro数据采集分析软件进一步整合分析设备故障。
音频信号分析仪设计 学院：电子信息学院 专业：电子信息工程 姓名： 学号： 指导老师：
摘要 本音频信号分析仪由STM32为主控制器，通过AD转换，对音频信号进行采样，把连续信号离散化，然后通过FFT快速傅氏变换运算，在时域和频域对音频信号各个频率分量以及功率等指标进行分析和处理，然后通过高分辨率的LCD对信号的频谱进行显示。该系统能够精确测量的音频信号频率范围为20Hz-10KHz，其幅度范围为50mVpp-5Vpp，分辨力分为20Hz和100Hz两档。测量功率精确度高达5%,并且能够准确的测量周期信号的周期，是理想的音频信号分析仪的解决方案。 关键词：FFT STM32 音频信号分析 Abstract The audio signal analyzer is based on a STM32 microprocessor, through the AD converter for audio signal sampling, the continuous signal discrete, and then through the FFT fast Fourier transform computing, in the time domain and frequency domain of the various audio frequency signal weight and power, and other indicators for analysis and processing, and then through the high-resolution LCD display signals in the spectrum. The system can accurately measure the audio signal frequency range of 20 Hz-10KHz, the range of 50mVpp-5Vpp，resolution of 20 Hz and 100 Hz correspondent. Power measurement accuracy up to5%, and be able to accurately measuring the periodic signal cycle is the ideal audio signal analyzer solution. Key words:FFT STM32 audio signal analyzing
振动信号处理技术的分类与应用 发表时间：2017-03-15T15:28:41.433Z 来源：《科技中国》2016年12期作者：吴钰峰 [导读] 作为信息的载体，如果要在振动信号中提取出特征信息，就需要采取合理的振动信号处理方式。成都列五中学四川成都 610066 摘要：作为信息的载体，如果要在振动信号中提取出特征信息，就需要采取合理的振动信号处理方式，在状态监测、质量评价、参数检测、故障诊断上获取到有效的信息，本文主要针对机械故障诊断的研究现状与常见类型进行分析。 关键词：振动信号处理技术；分类；应用 随着现阶段科学技术的不断发展，机械自动化的水平也在不断加强，功能越来越完善，因此也就对设备维修技术也提出了更高的要求。在机械的使用过程中，要做好在线监测和故障分析方面，以保证企业的安全生产。良好的机械状况也会促进生产，提高企业的经济利益，因此保证优良的机械状况是稳定生产的前提。在生产过程中发现，大多数的机械故障都是在振动以后发生的，可以看出振动对于机械的损害是很严重的，因此如何在机械发生振动时及时的发现并采取行为是我们应该考虑的问题，现阶段也加强了振动信号处理技术的研究。 一、机械故障诊断的研究现状 早在上世纪60年代，关于机械故障的理论知识就已经产生，并开始对机械故障进行研究，到了70年代，国外的一些大型的机械设备厂在机械故障的诊断上取得了一定的成绩，这些方面的努力大大降低了机械的故障率，提高了生产效率。我国的机械故障诊断技术较之国外发达国家开始的较晚，发展至今大致经历了三个阶段，一是在上世纪80年代以前，机械故障的诊断依靠的是仪表器上的指针，技术人员通过指针上的数据判断机械是否正常运行，是否出现故障。二是到了90年代我们将国外先进的监控仪器引进国内，通过监控设备来分析机械是否有故障，机械故障的排除进入了半自动化。三是到了21世纪以后，故障诊断技术在我国引进并推广起来，它采用先进的故障排除手段，大大的提高了机械故障的排查能力，降低了机械出现大型故障的概率。 二、振动信号的处理方法 1、时域分析方法 时域分析方法是利用的最广泛的一种方法，其操作过程比较简单，就是在机械长期使用的过程中，根据机械本身的信号随时间的变动而产生的变动曲线来反应机械的运行情况，从而得出机械自身的一系列数据信息，是否在良好的运行范围内，如果结果出现偏差，要及时的对机械进行检查，以免出现大的故障。在进行数据分析师一般采用相关分析法和特征值分析法，相关分析就是对于随机抽取的数据进行相关的线性分析，以考察机械的性能。特征值分析就是对于信号中的特征值，例如平均值、有效值、最高值、方差等数据进行分析，以反应信号的总体特征。 2、频域分析法 频域分析法也是经常用到的一种方法，它是利用振动信号本身的频率特征反应机械设备的情况。振动频率是振动信号本身客观存在的，是振动信号的本质特征，因此更容易反应机械设备的故障情况。在对机械的频域进行分析时，一般采用频谱分析法和倒谱分析法，频谱分析方法要以时域分析为基础，将机械振动信号从时域转变为频域，从而得到振动信号的频谱，再利用相应的技术对频谱进行分析，看其是否在正常的范围内，若没有就要及时的做出调整。倒谱分析法应用在振动信号的成分比较复杂，没有一定的规律性，不容易得到相应的特征值的信号处理中，利用倒谱分析方法可以将不容易识别的信息区分出来，轻松地掌握机械的情况。 3、时频分析法 时频分析法分析的只是机械信号的某个特征，不能反映信号的全部信息，因此应用时频分析法时一般是对机械情况有了一个大致的了解，需要排查某些细节。时域分析法解决了频域分析法中不能了解信号瞬间发现变化的不足，对于非线性的非稳定信号也能很好的把握。时频分析法中采用的是小波变换的方法，这是新提出的一种解决非线性信号的一种方法，其使用效果很好，因为在前面叙述的方法中一般针对的是线性的稳定信号，对于非线性的非稳定信号处理束手无措，小波变换的时频分析法正好弥补了这一空白，所以一经提出就得到广泛的推广和应用。它还具有运算简单、准确、幅值不偏移等优点，但是它推出的时间较短，因此还需要补充和完善，以更好的为机械振动信号处理服务。 三、结语 总之，随着全社会机械化程度的发展，机械在我们的生活中发挥着越来越重要的作用，它方便了我们的生活，将人类从繁重的劳动中解放出来，但是机械容易发生故障，这一问题制约着机械的发展。我们在平时的使用中要做好机械故障的诊断工作，运用先进的信号处理技术，运用专门的方法，将可能会发生故障的机械排查出来，做好早诊断、早预防，避免我们遭受更大的损失。 参考文献： [1] 林京. 基于最大似然估计的小波阈值消噪技术及信号特征提取[J]. 仪器仪表学报. 2005(09) [2] 赵立业,王寿荣. 基于自适应小波阈值的硅微陀螺信号处理方法[J]. 微计算机信息. 2009(35) [3] 唐进元,陈维涛,陈思雨,周炜. 一种新的小波阈值函数及其在振动信号去噪分析中的应用[J]. 振动与冲击. 2009(07) [4] 吕振肃,马文. 自适应小波阈值算法在心电信号去噪中的应用[J]. 数据采集与处理. 2009(03)