nullnull6.3 倒频谱分析方法6.3.1 倒频谱的概念null6.3.2 倒频谱与解卷积nullnull6.3.3 倒频谱的应用对于高速大型旋转机械,其旋转状况较复杂,尤其当设备出现不对中,轴承或齿轮的缺陷、油膜涡动、磨擦、陷流及质量不对称等异常现象时,振动更为复杂。此时用一般频谱分析方法已经难于辩识缺陷的频率分量,而用倒频谱,则会增强识别能力。例如一对工作中的齿轮,在实测得到的振动或噪声信号中,包含着一定数量的周期分量。如果齿轮产生缺陷,则其振动或噪声信号还将产生大量的谐波分量及边带频率成分。nullnullnull6.4 细化谱分析方法细化谱分析是增加频谱中某些部分分辨能力的方法,即“局部放大”的方法。
实际应用中常有这种情况,即对整个频率范围内的某一部分希望有较高的分辨率。
要提高分辨率,或使所得谱的任一部分的分辨率增加K倍,可以通过增加整个采样点到KN点,这样结果使整个谱范围内所有点的频率分辨率都增加了K倍,而代价是运算次数亦增加K倍。null所谓细化(ZOOM)分析是只对固定某窄带宽部分进行放大,像照相机将照片的个别部分放大一样,其动态范围和分辨率都提高了。nullnull编程练习编程练习例6.5 产生一个由3个频率相近的正弦波叠加组成的周期信号,分别采用细化FFT和普通FFT处理,比较两种结果。null%产生信号
clear;
fs=200;%采样频率
N=1024;%采样点数
n=0:N-1;t=n/fs;f=(0:N-1)*fs/N;
f1=7;f2=7.2;f3=8;
s1=sin(2*pi*f1*t);s2=sin(2*pi*f2*t);s3=sin(2*pi*f3*t);
x=s1+s2+s3;
save zoomfftdata fs,xnull%用ZOOM-FFT处理
load zoomfftdata;
fi=6;%最小细化截止频率
np=10;%放大倍数
nfft=512;%FFT长度
nt=length(x);
fa=fi+0.5*fs/np; %最大细化截止频率
nf=2^nextpow2(nt);
na=round(0.5*nf/np+1);
%频移
n=0:nt-1;
b=n*pi*(fi+fa)/fs;%确定旋转因子
y=x.*exp(-i*b);null%FFT变换
b=fft(y,nf);
%正频率带通内的元素赋值
a(1:na)=b(1:na);
%负频率带通内的元素赋值
a(nf-na+1:nf)=b(nf-na+1:nf);
b=ifft(a,nf);
%重采样
c=b(1:np:nt);
%进行ZOOM-FFT
a=fft(c,nfft)*2/nfft;
%变换结果重新排序
y2=zeros(1,nfft/2);
y2(1:nfft/4)=a(nfft-nfft/4+1:nfft);
y2(nfft/4+1:nfft/2)=a(1:nfft/4);
n=0:(nfft/2-1);
f2=fi+n*2*(fa-fi)/nfft;null%FFT变换
y1=fft(x,nfft)*2/nfft;
f1=n*fs/nfft;
ni=round(fi*nfft/fs+1);
na=round(fa*nfft/fs+1);
%输出波形
subplot(211)
t=0:1/fs:(nt-1)/fs;
plot(t,x);
subplot(212)
nn=ni:na;
plot(f1(nn),abs(y1(nn)),':',f2,abs(y2));
%存储ZOOM-FFT结果
save afterzoomdata f2 y2null课堂作业:课堂作业:简述倒频谱分析方法的原理,并说明如何利用这种方法。
本文档为【测试教学资料】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑,
图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
该文档来自用户分享,如有侵权行为请发邮件ishare@vip.sina.com联系网站客服,我们会及时删除。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。