包络线和包络谱计算程序

包络线和包络谱计算程序
包络线和包络谱计算程序

%一个求包络线和包络谱的程序

%现代希尔伯特变换解调分析:

%带通滤波;希尔伯特变换获得信号时域的包络线;用fft变换获得包络谱

%如何获得包络线?

%信号经希尔伯特变换不能直接得到包络,设信号x的希尔伯特变换为y,则平方和

%x.^2+y.^2(或者再开根号,直接取平方和的效果为好)才是信号x的包络。

%构造实验数据

clear all;close all;

t=0:0.005:1*pi;

fs=10000;

s=4*sin(2*200*pi*t).*(sin(2*4500*pi*t))+25*(sin(2*4500*pi*t));

figure(1);

subplot(211);plot(t,s);title('原始信号');

%运用小波方法滤波

[c,l]=wavedec(s,1,'db10');

d1=wrcoef('d',c,l,'db10');

a1=0;

subplot(212);plot(d1);title('滤波后重构的高频信号');

%希尔伯特变换求包络线

y=hilbert(d1);

y1=abs(d1+y*j); %这是取得包络线的三种方程。看一看哪种效果好。

%y1=abs(y); %或者z=x.^2+y.^2; 有的取得是abs(y),但是不推荐用。%y1=d1.^2+y.^2; %通过分析,该方程在包络谱中的效果最好,即取二者平方和。

figure(2);

subplot(211);

hold on

plot(t,s);

plot(t,y1,'r');title('包络线');

hold off

%FFT求包络谱

N=1024;

p=abs(fft(y1,N));

subplot(212);

plot((0:N/2-1)/N*fs,p(1:N/2));%只需取到半频,即fs/2

%f=(0:N-1)*fs/N; plot(f,p); %横坐标是在fs上,其中以fs/2为轴中心对称。

title('包络谱');xlabel('频率');ylabel('功率谱');

%对比信号直接的傅里叶变换功率谱与包络谱

p1=abs(fft(s,N));

figure(3)

hold on

plot((0:N/2-1)/N*fs,p(1:N/2),'g'); grid;%包络谱

plot((0:N/2-1)/N*fs,p1(1:N/2),'r'); %傅里叶变换功率谱hold off

包络解调法及其诊断

包络解调法及其诊断 包络解调法是故障诊断中较常用的一种方法,它可非常有效地识别某些冲击振动。从而找到该冲击振动的振源。例如,当轴承或齿轮表面因疲劳或应力集中而产生剥落和损伤时,会产生周期性的冲击振动信号,如图4—25所示。 从图4—25个可以看出,信号包括两部分:—部分是载频信号,即系统的自由振荡信号及各种随机干扰信号的频率,是图形中频率成分较高的信号;第二部分是调制信号,即包络线所包围的信号。它的频率较低,多为故障信号。 因此.若要对故障源进行分析,就必须把低频信号(或调制信号)从高频信号(或载频信号)中分离出来。这一信号分离、提取过程,被称为信号的包络解调。对分离提取出来的包络信号进行特征频率和幅度分析,就能准确可靠地诊断出如轴承和齿轮的疲劳、切齿、剥落等故障。

目前分析高频冲击的有效方法之一是共振解调(包络处理),即取振动时域波形的包络线,然后对包络线进行频谱分析。由于包络线处理可找出反复发生振动的规律,根据轴承的特征频率,就可诊断出轴承或齿轮故障的部位。研究表明,当轴承或齿轮无故障时,在共振解调频谱中没有高阶谱线;有故障时,共振解调频谱中出现高阶谱线。 当齿轮发生疲劳裂纹时,齿轮刚度的变化会引起齿轮振动噪声信号瞬时频率(相位)和幅值的变化。但裂纹由于只影响齿轮刚度,齿形无大变化,故振动噪声信号在频域中无明显征兆,因此频谱分析对裂纹诊断基本无效。可采用时域平均法分析。如果齿轮同时存在其它类型的故障,则时域平均法的可靠性不高。此时可试用希尔伯特变换或自适应滤波技术提取相位信息,也可试用共振解调分析技术即包络谱分析法。 一、包络分析法进行故障诊断的原理 当轴承或齿轮某一元件表面出现局部损伤时,在受载运行过程中

有关功率谱分析的相关总结

有关功率谱分析的相关总结 谱是个很不严格的东西,常常指信号的Fourier变换,是一个时间平均(time average)概念功率谱的概念是针对功率有限信号的(能量有限信号可用能量谱分析,能量有限的信号通常为能量信号,他们的傅里叶变换是收敛的),所表现的是单位频带内信号功率随频率的变换情况。保留频谱的幅度信息,但是丢掉了相位信息,所以频谱不同的信号其功率谱是可能相同的。有两个重要区别:1。功率谱是随机过程的统计平均概念,平稳随机过程的功率谱是一个确定函数;而频谱是随机过程样本的Fourier变换,对于一个随机过程而言,频谱也是一个“随机过程”。(随机过程有频谱吗?)(随机的频域序列)2。功率概念和幅度概念的差别。此外,只能对宽平稳的各态历经的二阶矩过程谈功率谱,其存在性取决于二阶矩是否存在并且二阶矩的Fourier变换收敛;而频谱的存在性仅仅取决于该随机过程的该样本的Fourier变换是否收敛。 频谱和功率谱的区别在于: (1)信号通常分为两类:能量信号和功率信号; (2)一般来讲,能量信号其傅氏变换收敛(即存在),而功率信号傅氏变换通常不收敛,当然,若信号存在周期性,可引入特殊数学函数(Delta)表征傅氏变换的这种非收敛性;(3)信号是信息的搭载工具,而信息与随机性紧密相关,所以实际信号多为随机信号,这类信号的特点是状态随机性随时间无限延伸,能量无限。换句话说,随机信号大多属于功率信号而非能量信号,它并不存在傅氏变换,亦即不存在频谱; (4)若撇开搭载信息的有用与否,随机信号又称随机过程,很多噪声属于特殊的随机过程,它们的某些统计特性具有平稳性,其均值和自相关函数具有平稳性。对于这样的随机过程,自相关函数蜕化为一维确定函数,前人证明该确定相关函数存在傅氏变换; (5)能量信号频谱通常既含有幅度也含有相位信息;幅度谱的平方(二次量纲)又叫能量谱,它描述了信号能量的频域分布;功率信号的功率谱描述了信号功率随频率的分布特点,也已证明,信号功率谱恰好是其自相关函数的傅氏变换; (6)实际中我们获得的往往仅仅是信号的一段支撑,此时即使信号为功率信号,截断之后其傅氏变换收敛,但此变换结果严格来讲不属于任何“谱”; (7)对于(6)中所述变换若取其幅度平方,可作为信号功率谱的近似,是为经典的“周期图法”; (8)FFT是DFT的快速实现,DFT是DTFT的频域采样,DTFT是FT的频域延拓。人们不得已才利用DFT近似完成本属于FT的任务。若仅提FFT,是非常不专业的。 功率谱是个什么概念?它有单位吗? 随机信号是时域无限信号,不具备可积分条件,因此不能直接进行傅氏变换。一般用具有统计特性的功率谱来作为谱分析的依据。功率谱与自相关函数是一个傅氏变换对。功率谱具有单位频率的平均功率量纲。所以标准叫法是功率谱密度。通过功率谱密度函数,可以看出随机信号的能量随着频率的分布情况。像白噪声就是平行于w轴,在w轴上方的一条直线。功率谱密度,从名字分解来看就是说,观察对象是功率,观察域是谱域,通常指频域,密度,就是指观察对象在观察域上的分布情况。一般我们讲的功率谱密度都是针对平稳随机过程的,由于平稳随机过程的样本函数一般不是绝对可积的,因此不能直接对它进行傅立叶分析。可以有三种办法来重新定义谱密度,来克服上述困难。 一是用相关函数的傅立叶变换来定义谱密度;二是用随机过程的有限时间傅立叶变换来定义

什么是包络频谱

什么是包络频谱? 假设旁边的时间信号是由啮合齿轮的振动引起的。 这个信号是传送力引起的。它从一个齿轮牙传到另一个齿轮牙。 如果牙与牙的传送力是一样,那么整个周期的振动值就是想同的。 正常振动的频谱只会有一种频率,那就是啮合频率 啮合频率(F)=转频(T)X 牙数(N) 如果齿轮节径和轴的中心不在同一位置。那么牙与牙之间的距离就会改变,相应的传送力也会改变。 齿轮啮合频率 F 该谱显示两种频率,一是啮合频率,二是轴的转频 它会产生啮合频率的幅值波动

什么是包络分析 该信号包含一个稳定的啮合频率, 还有一个由轴转速引起的波动信号 如果我们使用只测量波动信号的仪器,那么就会产生旁 边的信号 这个频谱强调了波动信号,使稳定信号 影响最小。在新的频谱中轴的波动是支配信号,而不是在正常振动的啮合频率 信号。 这就是包络频谱 。 我们要看到高频振动的波动最好使用加 速度,单位是 “g”,当频率增加,加速度的信号值就会增加。 包络信号由自己的单位 “gE” (包络加速度). 包络信号值是由多少个产生原始信号的波动故障决定的,而不是由故障的严重程度决定。所以不同测点进行比较就会很困难,而同一测点的包络频谱可以进行比较。 齿轮啮合 轴转速波动 轴转速波动 轴转速波动 F

“包络” 谱图的术语不是对信号处理过程的确切描述,但仍是我们为了简化时所用的术语。 包络谱和传统的频谱在外观上(振幅和频率)并没有区别只是表示不同的信息 包络谱图对正弦运动不敏感–而不象FFT图能用位移,速度和加速度参数确定简单正弦运动产生的复杂信号。 包络谱对与冲击力相关的事件敏感。 量化冲击频率和强度对振动分析是非常有帮助的。尽管有些机器会产生冲击能量(如往复设备), 但大多数机器不会。冲击力是破坏性的,通常表明会发生故障。最典型的包络谱图应用是检测轴承缺陷。 什么是包络信号,如何得到? (1)测量的振幅单位是加速度但信号的处理区别于传统的加速度信号。 (2)振幅单位由厂商自己定–每一个都有自己的名字,或是单位的首写字母。 例如: CSI (Emerson) 使用峰值;Entek (Rockwell Automation)使用gSE (脉冲能–缩略为IRD) ;SKF 使用HFD (高频域) 和ESP (包络信号处理–缩略为DI) (3)使用滤波器处理信号,强调可能发生的每一种冲击力。 滤波器有两个等级: 包络滤波器–这种类型的滤波器设置包络的频率,包括了高频(Fmax)和低频(Fmin)。发生的任一振动超出此范围都会被过滤掉。 高通滤波器–这种类型的滤波器取消了高频Fmax限制,但仍有Fmin限制,过滤低于它的振动频率。 每一个厂商设置自己的信号处理和滤波器。因此, 尽管它们都提供类似的信息, 但在振幅范围内是不能直接相比的。 (4)信号处理集中在短时冲击信号上(时域信号的脉冲),在这种情况下FFT处理往往“失效” (更准确的说是“更难发现”) 因为它适合处理平稳信号。

频谱与功率谱的概念-FFT与相关系数的C++代码

频谱和功率谱有什么区别与联系 谱是个很不严格的东西,常常指信号的Fourier变换,是一个时间平均(time average)概念功率谱的概念是针对功率有限信号的(能量有限信号可用能量谱分析),所表现的是单位频带内信号功率随频率的变换情况。保留频谱的幅度信息,但是丢掉了相位信息,所以频谱不同的信号其功率谱是可能相同的。有两个重要区别: 1.功率谱是随机过程的统计平均概念,平稳随机过程的功率谱是一个确定函数;而频谱是随机过程样本的Fourier 变换,对于一个随机过程而言,频谱也是一个“随机过程”。(随机的频域序列) 2.功率概念和幅度概念的差别。此外,只能对宽平稳的各态历经的二阶矩过程谈功率谱,其存在性取决于二阶局是否存在并且二阶矩的Fourier变换收敛;而频谱的存在性仅仅取决于该随机过程的该样本的Fourier变换是否收敛。 频谱分析(也称频率分析),是对动态信号在频率域内进行分析,分析的结果是以频率为坐标的各种物理量的谱线和曲线,可得到各种幅值以频率为变量的频谱函数F(ω)。频谱分析中可求得幅值谱、相位谱、功率谱和各种谱密度等等。频谱分析过程较为复杂,它是以傅里叶级数和傅里叶积分为基础的。 功率谱 功率谱是个什么概念?它有单位吗? 随机信号是时域无限信号,不具备可积分条件,因此不能直接进行傅氏变换。一般用具有统计特性的功率谱来作为谱分析的依据。功率谱与自相关函数是一个傅氏变换对。功率谱具有单位频率的平均功率量纲。所以标准叫法是功率谱密度。通过功率谱密度函数,可以看出随机信号的能量随着频率的分布情况。像白噪声就是平行于w轴,在w 轴上方的一条直线。 功率谱密度,从名字分解来看就是说,观察对象是功率,观察域是谱域,通常指频域,密度,就是指观察对象在观察域上的分布情况。一般我们讲的功率谱密度都是针对平稳随机过程的,由于平稳随机过程的样本函数一般不是绝对可积的,因此不能直接对它进行傅立叶分析。 可以有三种办法来重新定义谱密度,来克服上述困难。一是用相关函数的傅立叶变换来定义谱密度;二是用随机过程的有限时间傅立叶变换来定义谱密度;三是用平稳随机过程的谱分解来定义谱密度。三种定义方式对应于不同的用处,首先第一种方式前提是平稳随机过程不包含周期分量并且均值为零,这样才能保证相关函数在时差趋向于无穷时衰减,所以lonelystar说的不全对,光靠相关函数解决不了许多问题,要求太严格了;对于第二种方式,虽然一个平稳随机过程在无限时间上不能进行傅立叶变换,但是对于有限区间,傅立叶变换总是存在的,可以先架构有限时间区间上的变换,在对时间区间取极限,这个定义方式就是当前快速傅立叶变换(FFT)估计谱密度的依据;第三种方式是根据维纳的广义谐和分析理论:Generalized harmonic analysis, Acta Math, 55(1930), 117-258,利用傅立叶-斯蒂吉斯积分,对均方连续的零均值平稳随机过程进行重构,在依靠正交性来建立的。 另外,对于非平稳随机过程,也有三种谱密度建立方法,由于字数限制,功率谱密度的单位是G的平方/频率。就是就是函数幅值的均方根值与频率之比。是对随机振动进行分析的重要参数。 功率谱密度的国际单位是什么? 如果是加速度功率谱密度,加速度的单位是m/s^2, 那么,加速度功率谱密度的单位就是(m/s^2)^2/Hz, 而Hz的单位是1/s,经过换算得到加速度功率谱密度的单位是m^2/s^3. 同理,如果是位移功率谱密度,它的单位就是m^2*s, 如果是弯矩功率谱密度,单位就是(N*m)^2*s 位移功率谱——m^2*s 速度功率谱——m^2/s 加速度功率谱——m^2/s^3

大数据包络分析报告(DEA)方法

二、 数据包络分析(DEA)方法 数据包络分析(data envelopment analysis, DEA)是由著名运筹学家Charnes, Cooper 和Rhodes 于1978年提出的,它以相对效率概念为基础,以凸分析和线性规划为工具,计算比较具有相同类型的决策单元(Decision making unit ,DMU)之间的相对效率,依此对评价对象做出评价[1]。DEA 方法一出现,就以其独特的优势而受到众多学者的青睐,现已被应用于各个领域的绩效评价中[2],[3]。在介绍DEA 方法的原理之前,先介绍几个基本概念: 1. 决策单元 一个经济系统或一个生产过程都可以看成是一个单位(或一个部门)在一定可能围,通过投入一定数量的生产要素并产出一定数量的“产品”的活动。虽然这种活动的具体容各不相同,但其目的都是尽可能地使这一活动取得最大的“效益”。由于从“投入”到“产出”需要经过一系列决策才能实现,或者说,由于“产出”是决策的结果,所以这样的单位(或部门)被称为决策单元(DMU)。因此,可以认为,每个DMU(第i 个DMU 常记作DMU i )都表现出一定的经济意义,它的基本特点是具有一定的投入和产出,并且将投入转化成产出的过程中,努力实现自身的决策目标。 在许多情况下,我们对多个同类型的DMU 更感兴趣。所谓同类型的DMU ,是指具有以下三个特征的DMU 集合:具有相同的目标和任务;具有相同的外部环境;具有相同的投入和产出指标。 2. 生产可能集 设某个DMU 在一项经济(生产)活动中有m 项投入,写成向量形式为1(,,)T m x x x =L ;产出有s 项,写成向量形式为1(,,)T s y y y =L 。于是我们可以用(,)x y 来表示这个DMU 的整个生产活动。 定义1. 称集合{(,)|T x y y x =产出能用投入生产出来}为所有可能的生产活动构成的生产可能集。 在使用DEA 方法时,一般假设生产可能集T 满足下面四条公理: 公理1(平凡公理): (,),1,2,,j j x y T j n ∈=L 。 公理2(凸性公理): 集合T 为凸集。 如果 (,),1,2,,j j x y T j n ∈=L , 且存在 0j λ≥ 满足 1 1n j j λ==∑ 则 11(,)n n j j j j j j x y T λλ==∈∑∑。 公理3(无效性公理):若()??,,,x y T x x y y ∈≥≤,则??(,)x y T ∈。 , 公理4 (锥性公理): 集合T 为锥。如果(),x y T ∈那么 (,)kx ky T ∈对任意的0k >。 若生产可能集T是所有满足公理1 , 2 , 3和4的最小者,则T 有如下的唯一表示形式 ()11 ,|, ,0,1,2,,n n j j j j j j j T x y x x y y j n λλ λ==? ? =≤≥≥=??? ? ∑∑L 。 3. 技术有效与规模收益

震动测试第9章 包络分析

包络谱分析?什么是“包络”谱图??如何区别对待? ?轴承缺陷模拟放大器?“冲击能”是这样产生的??冲击能如何影响FFT ??包络谱能提供什么信息??轴承缺陷之外“冲击源" ??警语

什么是“包络谱”图? Y-轴单位: 振幅 X-轴单位: 频率(cpm or Hz)

“包络”谱图的术语不是对信号处理过程的确切描述,但仍是我们为了简化时所用的术语。 包络谱和传统的频谱在外观上(振幅和频率)并没有区别-只是表示不同的信息 包络谱图对正弦运动不敏感–而不象FFT图能用位移,速度和加速度参数确定简单正弦运动产生的复杂信号。 包络谱对与冲击力相关的事件敏感。 量化冲击频率和强度对振动分析是非常有帮助的。尽管有些机器会产生冲击能量(如往复设备), 但大多数机器不会。冲击力是破坏性的,通常表明会发生故障。最典型的包络谱图应用是检测轴承缺陷。

包络谱图的处理过程? 什么是包络信号,如何得到? (1)测量的振幅单位是加速度但信号的处理区别于传统的加速度信号。 (2)振幅单位由厂商自己定–每一个都有自己的名字,或是单位的首写字母。 例如: CSI (Emerson) 使用峰值;Entek(Rockwell Automation)使用gSE(脉冲能– 缩略为IRD);SKF 使用HFD (高频域) 和ESP (包络信号处理–缩略为DI)(3)使用滤波器处理信号,强调可能发生的每一种冲击力。 滤波器有两个等级: 包络滤波器–这种类型的滤波器设置包络的频率,包括了高频(Fmax)和低频(Fmin)。发生的任一振动超出此范围都会被过滤掉。 高通滤波器–这种类型的滤波器取消了高频Fmax限制,但仍有Fmin限制, 过滤低于它的振动频率。 每一个厂商设置自己的信号处理和滤波器。因此, 尽管它们都提供类似的信息, 但在振幅范围内是不能直接相比的。 (4)信号处理集中在短时冲击信号上(时域信号的脉冲),在这种情况下FFT处理往往“失效”(更准确的说是“更难发现”) 因为它适合处理平稳信号。 (5)如果冲击间隔一致(如冲击力有规律地发生), 那么这段时间间隔就会转化 成理想的频率单位(Hz or cpm)。 (6)可以估算冲击强度,这与冲击脉冲信号和背景噪声之比有关。 (7)相应频率的振幅峰值显示在频谱上。 包络谱提供给我们一种位移、速度和加速度谱不可能比是的有价值的信息,它为分析专家提供了另一种有力工具。

EMD包络谱故障分析

EMD 分解后的原始信号及频谱 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 010002000 3000 4000 5000 6000 0.050.1 0.15 0.2 原始信号频谱 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 -0.4 -0.200.20.4原始信号时域波形 0.02 0.04 0.06原始信号频谱 从时域图中可以看到较为明显的周期性冲击,但是故障特征不明显。在频谱当中,亦存在较为明显的边频带以及很多共振频率,这些冲击大都是电机转数的倍频。

原始信号的包络 1000 2000 3000 4000 5000 6000 00.010.020.03 0.04原始信号包络谱 100 200 300 400 500 600 求信号的包络谱,明显看出转速及其二倍频。 EMD 分解 0.1 0.2 0.3 0.4 0.50.6 0.7 0.8 0.9 -0.200.2IMF1时域波形图 00.10.20.30.4 0.50.60.70.80.9 -0.200.2IMF2时域波形图00.10.20.30.4 0.50.60.70.80.9 -0.200.2IMF3时域波形图00.10.20.3 0.40.50.60.70.80.9 -0.200.2IMF4时域波形图00.10.20.3 0.40.50.60.70.80.9 -0.100.1IMF5时域波形图00.10.2 0.30.4 0.5 0.60.70.80.9 -0.05 00.05IMF6时域波形图

IMF 分量的频谱 00.05 IMF1频谱 00.01 0.02IMF2频谱 0100020003000400050006000 00.005 0.01IMF3频谱 00.01 0.02IMF4频谱 00.005 0.01IMF5频谱 0100020003000 400050006000 0.005 0.01IMF6频谱 IMF 分量的包络 100 200 300 400500600700 800 900 1000 00.05IMF1包络谱 01002003004005006007008009001000 00.010.02IMF2包络谱 01002003004005006007008009001000 00.005 0.01IMF3包络谱 01002003004005006007008009001000 00.010.02IMF4包络谱 0100 2003004005006007008009001000 0.005 0.01IMF5包络谱 100 200300400 500 600 7008009001000 05-3IMF6包络谱 从上图可以看出,也有电机转速的及其倍频处的冲击。

功率谱,幅度谱,频谱关系

频谱、幅度谱、功率谱和能量谱 在信号处理的学习中,有一些与谱有关的概念,如频谱、幅度谱、功率谱和能量谱等,常常让人很糊涂,搞不清其中的关系。这里主要从概念上厘清其间的区别。 对一个时域信号进行傅里叶变换,就可以得到的信号的频谱,信号的频谱由两部分构成:幅度谱和相位谱。这个关系倒还是简单。那么,什么是功率谱呢?什么又是能量谱呢?功率谱或能量谱与信号的频谱有什么关系呢? 要区分功率谱和能量谱,首先要清楚两种不同类型的信号:功率信号和能量信号。我们从一个具体的物理系统来引出能量信号和功率信号的概念。已知阻值为R的电阻上的电压和电流分别为v(t) 和 i(t),则此电信号的瞬时功率为: p(t) = v2(t)/R = i2(t)R。在作定性分析时,为了方便起见,通常假设电阻R为1欧姆而得到归一化(Normolized) 的功率值。作定量计算时可以通过去归一化,即将实际的电阻值代入即可得到实际的功率值。将上面的概念做一个抽象,对信号 x(t) 定义其瞬时功率为 |f (t)|2,在时间间隔 (-T/2 T/2) 内的能量为: E=int(|f (t)|2 ,-T/2,T/2) (1) 上式表示对|f (t)|2积分,积分限为(-T/2 T/2)。 该间隔内的平均功率为: p = E/T (2) 当且仅当f(t)在所有时间上的能量不为0且有限时,该信号为能量信号,即(1)式中的 T 趋于无穷大的时候E为有限。典型的能量信号如方波信号、三角波信号等。但是有些信号不满足能量信号的条件,如周期信号和能量无限的随机信号,此时就需要用功率来描述这类信号。当且仅当x(t)在所有时间上的功率不为0且有限时,该信号为功率信号,即 (2) 式中 的 T 趋于无穷大的时候 p 为有限。系统中的波形要么具有能量值,要么具有功率值,因为能量有限的信号功率为0,而功率有限的信号能量为无穷大。一般来说,周期信号和随机信号是功率信号,而非周期的确定信号是能量信号。将信号区分为能量信号和功率信号可以简化对各种信号和噪声的数学分析。还有一类信号其功率和能量都是无限的,如 f(t) = t,这类信号很少会用到。 了解信号可能是能量信号,也可能是功率信号后,就可以很好地理解功率谱和能量谱的概念。对于能量信号,常用能量谱来描述。所谓的能量谱,也称为能量谱密度,是指用密度的概念表示信号能量在各频率点的分布情况。也即是说,对能量谱在频域上积分就可以得到信号的能量。能量谱是信号幅度谱的模的平方,其量纲是焦/赫。对于功率信号,常用功率谱来描述。所谓的功率谱,也称为功率谱密度,是指用密度的概念表示信号功率在各频率点的分布情况。也就是说,对功率谱在频域上积分就可以得到信号的功率。从理论上来说,功率谱是信号自相关函数的傅里叶变换。因为功率信号不满足傅里叶变换的条件,其频谱通常不存在,维纳-辛钦定理证明了自相关函数和傅里叶变换之间对应关系。在工程实际中,即便是功率信号,由于持续的时间有限,可以直接对信号进行傅里叶变换,然后对得到的幅度谱的模求平方,再除以持续时间来估计信号的功率谱。 对确定性的信号,特别是非周期的确定性信号,常用能量谱来描述。而对于随机信号,由于持续期时间无限长,不满足绝对可积与能量可积的条件,因此不存在傅立叶变换,所以通常用功率谱来描述。周期性的信号,也同样是不满足傅里叶变换的条件,常用功率谱来描

数据包络分析法总结

DEA(Data Envelopment Analysis)数据包络分析 目录 一、DEA的起源与发展(参考网络等相关文献) 二、基本概念 1.决策单元(Decision Making Unit,DMU).......................................................... 2.生产可能集(Production Possibility Set,PPS) ................................................ 3.生产前沿面(Production Frontier)........................................................................ 4.效率(Efficiency) ........................................................................................................ 三、模型 模型....................................................................................................................................... 模型....................................................................................................................................... 模型....................................................................................................................................... 模型....................................................................................................................................... 5.加性模型(additive model,简称ADD).................................................................... 6.基于松弛变量的模型(Slacks-based.................................. M easure,简称SBM) 7.其他模型........................................................................................................................... 四、指标选取 五、DEA的步骤(参考于网络) 六、优缺点(参考一篇博客) 七、非期望产出 1.非期望产出的处理方法:.............................................................................................. 2.非期望产出的性质: ......................................................................................................

数据包络分析法DEA概述.doc

(1)数据包络分析法(DEA)概述 数据包络分析(Data Envelopment Ana lysis,简称D EA)方法是运用数学工具评价经济系统生产前沿面有效性的非参数方法,它适应用于多投入多产出的多目标决策单元的绩效评价。这种方法以相对效率为基础,根据多指标投入与多指标产出对相同类型的决策单元进行相对有效性评价。应用该方法进行绩效评价的另一个特点是,它不需要以参数形式规定生产前沿函数,并且允许生产前沿函数可以因为单位的不同而不同,不需要弄清楚各个评价决策单元的输入与输出之间的关联方式,只需要最终用极值的方法,以相对效益这个变量作为总体上的衡量标准,以决策单元(DM U)各输入输出的权重向量为变量,从最有利于决策的角度进行评价,从而避免了人为因素确定各指标的权重而使得研究结果的客观性收到影响。这种方法采用数学规划模型,对所有决策单元的输出都“一视同仁”。这些输入输出的价值设定与虚拟系数有关,有利于找出那些决策单元相对效益偏低的原因。该方法以经验数据为基础,逻辑上合理,故能够衡量个决策单元由一定量大投入产生预期的输出的能力,并且能够计算在非DEA有效的决策单元中,投入没有发挥作用的程度。最为重要的是应用该方法还有可能进一步估计某个决策单元达到相对有效时,其产出应该增加多少,输入可以减少多少等。 1978年由著名的运筹学家查恩斯(A.Charnes),库伯(W.W.Cooper)和罗兹(E.Rhodes)首先提出数据包络分析(Data Envelopment Analysis,简称DEA)的方法,DEA有效性的评价是对已

有决策单元绩效的比较评价,属于相对评价,它常常被用来评价部门间的相对有效性(又称之为DEA有效)。他们的第一个数学模型被 命名为CCR模型,又称为模型。从生产函数角度看,这一模型是用来研究具有多项输入、特别是具有多项输出的“生产部门”时衡量其“规模有效”和“技术有效”较为方便而且是卓有成效的一种方法和手段。自从该方法提出以来,就广泛应用于各个行业的有效性评价上。此后,得到不断的完善,并且在实践中的应用也越来越广泛。例如1984年R.D.Banker, A.Charnes和W.W.Cooper给出了一个被称为BCC的模型,又称之为BC2模型。另外,于1985年Charnes,Cooper和B.Golany, L.Seiford, J.Stutz给出了另一个模型,称为CCGSS模型, 又称之为C2GS2模型,这两个模型是用来研究生产部门之间的“技术有效”相对效率。下面将介绍这两个优化模型。 ( 2 ) 数据包络模型(又称为DEA模型)描述 数据包络分析(DEA)由美国著名运筹学家A. Charnes等人在1978年以相对效率概念为基础发展起来的一种新的绩效评价方法。这种方

关于频谱分析和功率谱

频谱分析(也称频率分析),是对动态信号在频率域内进行分析,分析的结果是以频率为坐标的各种物理量的谱线和曲线,可得到各种幅值以频率为变量的频谱函数F(ω)。频谱分析中可求得幅值谱、相位谱、功率谱和各种谱密度等等。频谱分析过程较为复杂,它是以傅里叶级数和傅里叶积分为基础的。 功率谱 频谱和功率谱有什么区别与联系? 谱是个很不严格的东西,常常指信号的Fourier变换, 是一个时间平均(time average)概念 功率谱的概念是针对功率有限信号的(能量有限信号可用能量谱分析),所表现的是单位频带内信号功率随频率的变换情况。保留频谱的幅度信息,但是丢掉了相位信息,所以频谱不同的信号其功率谱是可能相同的。有两个重要区别: 1。功率谱是随机过程的统计平均概念,平稳随机过程的功率谱是一个确定函数;而频谱是随机过程样本的Fourier变换,对于一个随机过程而言,频谱也是一个“随机过程”。(随机的频域序列) 2。功率概念和幅度概念的差别。此外,只能对宽平稳的各态历经的二阶矩过程谈功率谱,其存在性取决于二阶局是否存在并且二阶矩的Fourier变换收敛;而频谱的存在性仅仅取决于该随机过程的该样本的Fourier变换是否收敛。 功率谱是个什么概念?它有单位吗? 随机信号是时域无限信号,不具备可积分条件,因此不能直接进行傅氏变换。一般用具有统计特性的功率谱来作为谱分析的依据。功率谱与自相关函数是一个傅氏变换对。功率谱具有单位频率的平均功率量纲。所以标准叫法是功率谱密度。通过功率谱密度函数,可以看出随机信号的能量随着频率的分布情况。像白噪声就是平行于w轴,在w轴上方的一条直线。 功率谱密度,从名字分解来看就是说,观察对象是功率,观察域是谱域,通常指频域,密度,就是指观察对象在观察域上的分布情况。一般我们讲的功率谱密度都是针对平稳随机过程的,由于平稳随机过程的样本函数一般不是绝对可积的,因此不能直接对它进行傅立叶分析。可以有三种办法来重新定义谱密度,来克服上述困难。 一是用相关函数的傅立叶变换来定义谱密度;二是用随机过程的有限时间傅立叶变换来定义谱密度;三是用平稳随机过程的谱分解来定义谱密度。三种定义方式对应于不同的用处,首先第一种方式前提是平稳随机过程不包含周期分量并且均值为零,这样才能保证相关函数在时差趋向于无穷时衰减,所以lonelystar说的不全对,光靠相关函数解决不了许多问题,要求太严格了;对于第二种方式,虽然一个平稳随机过程在无限时间上不能进行傅立叶变换,但是对于有限区间,傅立叶变换总是存在的,可以先架构有限时间区间上的变换,在对时间区间取极限,这个定义方式就是当前快速傅立叶变换(FFT)估计谱密度的依据;第三种方式是根据维纳的广义谐和分析理论:Generalized harmonic analysis, Acta Math, 55(1930),117-258,利用傅立叶-斯蒂吉斯积分,对均方连续的零均值平稳随机过程进行重构,在依靠正交性来建立的。 另外,对于非平稳随机过程,也有三种谱密度建立方法,由于字数限制,功率谱

数据包络分析方法综述

第38卷第2期1998年3月 大连理工大学学报 Journal of Dalian University of Technology Vol.38,No.2 Mar.1998数据包络分析方法综述X 郭京福, 杨德礼 (大连理工大学管理学院,大连 116024) 摘要 阐述了数据包络分析的基本原理和方法,给出这一非参数方法的几 个数学模型以及在多个领域的研究应用状况,并就该方法的发展作一展望. 关键词 线性规划/数据包络分析;决策单元;有效性 分类号 O221.1 0 概 论 数据包络分析(DEA)是美国著名运筹学家A.Charnes等人以相对效率概念为基础发展起来的一种效率评价方法〔1〕.具有单输入单输出的过程或决策单元其效率可简单的定义为:输出/输入,A.Charnes等人将这种思想推广到具有多输入多输出生产有效性分析上.对具有多输入多输出的生产过程或决策单元,其效率可类似定义为:输出项加权和/输入项加权和,形成了仅仅依靠分析生产决策单元(DM U)的投入与产出数据,来评价多输入与多输出决策单元之间相对有效性的评价体系.这种评价体系以数学规划为工具,利用观测样本点构成的“悬浮”在整个样本上的分段超平面,来评价决策单元的相对有效性. DEA是运筹学的一个新研究领域,是研究同类型生产决策单元相对有效性的有力工具. DM U确定的主导原则是,在某一视角下,各DM U具有相同的输入和输出.综合分析输入输出数据,得出每个DM U效率的相对指标,据此将所有DM U定级排队,确定相对有效的DM U,并指出其他DMU非有效的原因和程度,给主管部门提供管理决策信息. DEA在处理多输入多输出问题上具有特别的优势,主要是由于以下两个方面: 1)DEA以决策单元的输入输出权数为变量,从最有利于决策单元的角度进行评价,从而避免了确定各指标在优先意义下的权数. 2)DEA不必确定输入和输出之间可能存在的某种显式关系,这就排除了许多主观因素,因此具有很强的客观性. DEA可看作一种新的统计方法.传统的统计方法是从大量样本数据中分析出样本集合整体的一般情况,其本质是平均性;DEA则是从样本数据中分析出样本集合中处于相对有效的样本个体,其本质是最优性.DEA是致力于将有效样本与非有效样本分离的“边界”方法, X国家自然科学基金资助项目(7957009)  收稿日期:1997-01-30;修订日期:1997-10-20  郭京福:男,1965年生,博士生

基于LabVIEW的包络谱分析在齿轮箱故障诊断中的研究

龙源期刊网 https://www.360docs.net/doc/a91399500.html, 基于LabVIEW的包络谱分析在齿轮箱故障诊断中的研究 作者:李旗朱成俊 来源:《中国科技博览》2017年第25期 [摘要]齿轮箱在运行时的故障振动信号往往表现出非线性与非平稳性并且以调制的形式存在,基于此本文结合LabVIEW强大的信号处理功能和包络谱分析在处理调制信号的优点,将其应用到齿轮箱的故障诊断中,通过实验结果表明:基于LabVIEW的包络谱分析能够有效的辨别出齿轮箱的故障信息。 [关键词]故障诊断;包络谱;LabVIEW;齿轮箱 中图分类号:TH165.3 文献标识码:A 文章编号:1009-914X(2017)25-0127-01 齿轮箱是机械设备的重要组成部件,如果发生故障,往往会产生不可逆转的破坏,因此对其进行故障监测具有重要的价值。但是由于齿轮箱在运行时环境的复杂性,其振动信号往往表现出非线性和非平稳性,很难对其进行直接分析判断,而传统的傅里叶变换只适合应用于处理平稳信号,已经不适合用于对齿轮箱进行监测。因此需要找到其它的适合处理非平稳信号的算法,基于此刘自然提出了先用EMD将信号进行分解后,提取出表示齿轮箱故障特征的IMF,然后进行倒频谱分析,该方法准确的判断出了齿轮箱的故障信息。本文以LabVIEW为开发环境,设计了包络谱分析的齿轮箱故障诊断系统,将其应用到齿轮箱的故障诊断中。 1 包络谱分析基本原理 包络谱分析是针对非平稳调制信号的处理算法。对比传统的傅里叶变换,包络谱分析算法不仅改进在处理信号方式的算法,而且在处理的过程中有所加强。在包络谱分析之前对所需处理的信号进行带通滤波可以消除低频成分对信号分析时候的影响,有利于提取出所需的低频调制信号。对经过包络谱分析变换处理后得到的包络谱分析图进行分析可以诊断机械的故障类别。对信号进行包络谱分析时需先对进行Hilbert变换,其公式为 包络谱分析是诊断机械设备零件损伤的一种有效方法,经常把它应用到对轴承故障检测,现将其应用到齿轮箱诊断中。先通过数据采集卡采集齿轮箱振动信号,对其进行高通或带通滤波处理,对处理后信号进行包络谱分析,判断齿轮箱故障(图1)。 2 包络谱分解的LabVIEW实现 LabVIEW是NI公司开发的图形化编程语言,包含很多信号处理工具包,为信号处理提供了很大帮助。LabVIEW在工程上的应用越来越突出,本文结合LabVIEW编写关于包络谱分析

数据包络分析法(DEA模型)

1、数据包络分析法 数据包络分析是一种基于线性规划的用于评价同类型组织(或项目)工作绩效相对有效性的特殊工具手段。这类组织例如学校、医院、银行的分支机构、超市的各个营业部等,各自具有相同(或相近)的投入和相同的产出。衡量这类组织之间的绩效高低,通常采用投入产出比这个指标,当各自的投入产出均可折算成同一单位计量时,容易计算出各自的投入产出比并按其大小进行绩效排序。但当被衡量的同类型组织有多项投入和多项产出,且不能折算成统一单位时,就无法算出投入产出比的数值。例如,大部分机构的运营单位有多种投入要素,如员工规模、工资数目、运作时间和广告投入,同时也有多种产出要素,如利润、市场份额和成长率。在这些情况下,很难让经理或董事会知道,当输入量转换为输出量时,哪个运营单位效率高,哪个单位效率低。 1.1数据包络分析法的主要思想 一个经济系统或者一个生产过程可以看成一个单元在一定可能范围内,通过投入一定数量的生产要素并产出一定数量的“产品”的活动。虽然这些活动的具体内容各不相同,但其目的都是尽可能地使这一活动取得最大的“效益”。由于从“投入”到“产出”需要经过一系列决策才能实现,或者说,由于“产出”是决策的结果,所以这样的单元被称为“决策单元”(Decision Making Units,DMU)。可以认为每个DMU都代表一定的经济含义,它的基本特点是具有一定的输入和输出,并且在将输入转换成输出的过程中,努力实现自身的决策目标。 1.2数据包络分析法的基本模型 我们主要介绍DEA中最基本的一个模型——模型。 设有n个决策单元( j = 1,2,…,n ),每个决策单元有相同的 m 项投入(输入),输入向量为 每个决策单元有相同的 s 项产出(输出),输出向量为 即每个决策单元有m种类型的“输入”及s种类型的“输出”。 表示第j个决策单元对第i种类型输入的投入量; 表示第j个决策单元对第i种类型输出的产出量; 为了将所有的投入和所有的产出进行综合统一,即将这个生产过程看作是一个只有一个投入量和一个产出量的简单生产过程,我们需要对每一个输入和输出进行赋权,设输入和输出的权向量分别为:。为第i 类型输入的权重,为第r类型输出的权重。 这时,则第j个决策单元投入的综合值为,产出的综合值为,我们定义每个决策单元的效率评价指数:

包络线和包络谱计算程序

%一个求包络线和包络谱的程序 %现代希尔伯特变换解调分析: %带通滤波;希尔伯特变换获得信号时域的包络线;用fft变换获得包络谱 %如何获得包络线? %信号经希尔伯特变换不能直接得到包络,设信号x的希尔伯特变换为y,则平方和 %x.^2+y.^2(或者再开根号,直接取平方和的效果为好)才是信号x的包络。 %构造实验数据 clear all;close all; t=0:0.005:1*pi; fs=10000; s=4*sin(2*200*pi*t).*(sin(2*4500*pi*t))+25*(sin(2*4500*pi*t)); figure(1); subplot(211);plot(t,s);title('原始信号'); %运用小波方法滤波 [c,l]=wavedec(s,1,'db10'); d1=wrcoef('d',c,l,'db10'); a1=0; subplot(212);plot(d1);title('滤波后重构的高频信号'); %希尔伯特变换求包络线 y=hilbert(d1); y1=abs(d1+y*j); %这是取得包络线的三种方程。看一看哪种效果好。 %y1=abs(y); %或者z=x.^2+y.^2; 有的取得是abs(y),但是不推荐用。%y1=d1.^2+y.^2; %通过分析,该方程在包络谱中的效果最好,即取二者平方和。 figure(2); subplot(211); hold on plot(t,s); plot(t,y1,'r');title('包络线'); hold off %FFT求包络谱 N=1024; p=abs(fft(y1,N)); subplot(212); plot((0:N/2-1)/N*fs,p(1:N/2));%只需取到半频,即fs/2 %f=(0:N-1)*fs/N; plot(f,p); %横坐标是在fs上,其中以fs/2为轴中心对称。 title('包络谱');xlabel('频率');ylabel('功率谱'); %对比信号直接的傅里叶变换功率谱与包络谱

频谱分析

标题:基于MATLAB的声音信号频谱分析仪设计 2009-05-17 13:49:14 基于MATLAB的声音信号频谱分析仪设计 1.概述 随着软硬件技术的发展,仪器的智能化与虚拟化已成为未来实验室及研究机构的发展方向[1]。虚拟仪器技术的优势在于可由用户定义自己的专用仪器系统,且功能灵活,很容易构建,所以应用面极为广泛。基于计算机软硬件平台的虚拟仪器可代替传统的测量仪器,如示波器、逻辑分析仪、信号发生器、频谱分析仪等[2]。从发展史看,电子测量仪器经历了由模拟仪器、智能仪器到虚拟仪器,由于计算机性能的飞速发展,已把传统仪器远远抛到后面,并给虚拟仪器生产厂家不断带来连锅端的技术更新速率。目前已经有许多较成熟的频谱分析软件,如S pectraLAB、RSAVu、dBFA等。 声卡是多媒体计算机最基本的配置硬件之一,价格便宜,使用方便。MATLAB是一个数据分析和处理功能十分强大的工程实用软件,他的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命令[3]。本文将给出基于声卡与MATLAB的声音信号频谱分析仪的设计原理与实现方法,功能包括: (1) 音频信号信号输入,从声卡输入、从WAV文件输入、从标准信号发生器输入; (2) 信号波形分析,包括幅值、频率、周期、相位的估计,以及统计量峰值、均值、均方值和方差的计算; (3) 信号频谱分析,频率、周期的估计,图形显示幅值谱、相位谱、实频谱、虚频谱和功率谱的曲线。 2.设计原理2.1波形分析原理2.1.1 信号频率、幅值和相位估计 (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,也就是计算相邻的两个信号波峰的时间差、或过零点的时间差。这里采用过零点(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(ti有多个),故采用它们的平均值作为周期的估计值。 (2)幅值检测 在一个周期内,求出信号最大值y max与最小值y min的差的一半,即A = (y max- y min)/2,同样,也会求出多个A值,但第1个A值对应的y max和y min不是在一个周期内搜索得到的,故以除第1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。φ=2π(1-t i/T),{x}表示x的小数部分,同样,以φ的平均值作为相位的估计值。 频率、幅值和相位估计的流程如图1所示。

相关文档
最新文档