使用实时编辑器任务分析齿轮传动系数据并提取光谱特征

打开实时脚本

此示例演示如何使用“提取光谱特征实时编辑器”任务分析从驱动hobby grade伺服齿轮系获得的当前信号中获得的数据。该示例还演示如何从数据中提取光谱特征，以帮助进行故障检测和识别。

Live Editor任务允许您以交互方式迭代参数和设置，同时观察它们对计算结果的影响。这些任务会自动生成实现显示结果的MATLAB®代码。有关Live Editor任务的更多信息，请参阅将交互式任务添加到实时脚本.

特别是，此示例使用“提取光谱特征实时编辑器”任务。此任务有助于分析和理解光谱数据。使用综合界面，可以添加组件来表示各种轴承、齿轮网格或硬件设置的其他部分。设置这些组件的物理参数时，“提取光谱特征实时编辑器”任务将在组件的特征频率处绘制故障频带。

您可以将功率谱数据叠加在故障频带图上，以将数据中的各种峰值与部件的特征频率相关联。这种比较可以使故障检测和故障隔离更容易，因为您可以轻松地将功率谱数据中的变化追溯回导致这些变化的物理部件。

除了特征频率和功率谱数据的绘图外，该任务还可以生成每个特征频带内数据的频谱度量。包含每个频带的峰值振幅、峰值频率和频带功率的输出度量表有助于表征潜在的机械故障。

硬件概述

在本例中，电流数据是从标准Futaba S3003 hobby伺服系统采集的，该伺服系统经过改进，可连续旋转。伺服系统将内部直流电机的高速转换为输出花键处的高扭矩。为此，伺服系统由一个直流电机、一组尼龙或金属驱动齿轮以及控制电路组成拆除控制电路，以便直接监控直流电机的电流信号。使用红外光电中断器和直径为35 mm的十六槽车轮收集伺服输出花键处的转速表信号。车轮上的十六槽等距布置，且红外光电中断器的位置应确保开槽轮每转一圈，它正好发出16个脉冲。伺服和光电断续器由定制的3D打印支架固定。

直流电机以恒定的5伏电压驱动，四对齿轮提供278:1的减速，花键处的轴速度约为19.5 rpm。第二个伺服电机短路并用作系统负载。通过测量0.5欧姆电阻器上的压降，使用欧姆定律计算电流消耗。自电流测量值的变化太小，无法检测，使用AD22050单电源传感器接口放大器放大电流信号。然后，使用MAX7408抗混叠五阶椭圆低通滤波器对放大的电流信号进行滤波，以使其平滑并消除噪声，然后将其发送至Arduino Uno thr通过模数转换器（ADC）。

如流程图所示，首先分别使用放大器和抗混叠低通滤波器对电流信号进行放大和滤波。Arduino Uno通过ADC以1.5 kHz的频率对电流信号进行采样，并以115200 bps的波特率将其与转速表脉冲一起作为串行数据传输到计算机。MATLAB脚本fetc从Arduino Uno获取串行数据，对其进行预处理，并将其写入.MAT文件。然后使用提取光谱特征实时编辑器任务提取光谱度量。

伺服齿轮火车

Futaba S3003伺服由四对尼龙齿轮组成，如图所示。直流电机轴上的小齿轮P1与阶梯齿轮G1啮合。小齿轮P2是阶梯齿轮G1的模制零件，与阶梯齿轮G2啮合。小齿轮P3是齿轮G2的模制零件，与阶梯齿轮G3啮合。小齿轮P4由G3模制，与连接到输出花键的终齿轮G4啮合。阶梯齿轮组G1和P2、G2和P3以及G3和P4为自由旋转齿轮 $-$ 也就是说，它们没有连接到各自的轴上。当电机在5伏电压下驱动时，驱动齿轮组提供278:1的减速，从5414.7 rpm的电机转速到输出花键处约19.5 rpm。下表概述了输出转速、齿轮啮合频率和累积g的齿数和理论值在每个齿轮啮合处减少耳朵。

预处理数据

文件伺服数据小地毯包含两个对应于伺服数据的时间表。一个时间表包含正常数据，而第二个时间表包含故障数据。每个数据集包含约11秒的1500 Hz采样数据。

加载数据。

装载('servodata.mat',“健康数据”,“faultyData”)健康数据

健康数据=16384×2时刻表（UUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUU0.66 0.0073333第310.55 0.008节第304.69 0.0086节667节310.55 0 0.0093333节310.06 0.01节299.8 0⋮

断层数据

断层数据=16384×2时刻表美国UUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUU第303.71 0 0.0073333节第308.11 0.008节第319.34 0节0.0086667秒301.76 0 0.0093333秒309.08 0.01秒319.34 0⋮

每个时间表包含一列电机电流和一列伺服设置的转速脉冲。为了可视化“提取光谱特征实时编辑器”任务中的数据，请计算电机电流数据的功率谱。首先考虑健康数据。

[健康犯罪，健康频统] = PSPectrum（HealthtData.motorcurrent，HealtalData.time）;

使用“提取光谱特征实时编辑器”任务绘制功率谱数据。在该任务中，指定健康频率对于频率矢量和健康重要性对于功率谱幅值。

用谐波故障频带分析功率谱峰值

伺服当前数据的功率谱图包含几个明显的峰值。您可以在伺服设置中将这些峰值与旋转轴关联。要确定各种峰值的来源，请将组件添加到“提取光谱特征实时编辑器”任务中。

要添加表示伺服中第一个旋转轴的零部件，请输入零部件的名称，选择其类型为风俗，并按添加.使用上表中的输出速度来选择轴部件的频率。输出速度是根据测量的输出轴速度和设置中的已知齿轮减速来计算的。

第一个轴的频率为90.24 Hz。设置轴部件的频率值后，请注意，故障频带与功率谱数据中约90 Hz的一个峰值重叠。因此，您可以将此峰值在很大程度上与第一个轴相关联。再加上第一个轴基频的几次谐波，会产生更多的故障频带，与数据中的其他峰值重叠。谐波频带以基频的整数倍为中心，并且仍然可以和同一分量相关联。将第一个轴的谐波设置为向量[1 2 3 4 5 6]，以便故障频带分布在大部分频率范围内。第一个轴以最高频率旋转，因此较高频率的功率谱峰值是由于该轴的谐波造成的。

要考虑较小的功率谱峰值，例如13 Hz或29 Hz左右的功率谱峰值，请为第二个旋转轴添加一个组件。该组件也是一个自定义组件，其基频为14.56 Hz。您不需要为第二个轴添加同样多的谐波，因为大多数较高的峰值频率主要由第一个轴的谐波引起。将第二个轴的谐波设置为矢量[1 2 3 4]。该轴频率的第一次、第二次和第四次谐波与功率谱图中的峰值很好地对齐。但是，由于三次谐波在数据中不太突出，因此不需要包含此谐波。将第二个轴的谐波更改为矢量[1 2 4]。

与第二个轴类似，为第三个旋转轴添加一个组件。该组件的基频为2.91 Hz，如表所示。从前四个谐波开始，确定它们是否与数据中的任何显著峰值对齐。请注意，第三个轴的三次谐波与8 Hz.T左右的功率谱峰值相匹配其他谐波不太明显，可以消除。可能是功率谱的频率分辨率不允许区分较低的频率。将第三个轴部件的谐波设置为仅三次谐波。

由于其余轴的输出速度也是低频，可能无法与功率谱的频率分辨率区分开来，因此无需为这些轴添加组件来分析电机电流数据的主峰。

分析边带峰值

通过放大任务中的绘图，您可以看到功率谱数据包含一些主峰旁边的侧峰。例如，在90 Hz的峰值周围有76 Hz和104 Hz左右的较小侧峰。这些峰值可能与第一个轴部件的边带有关。边带是由第二个相关频率引起的，因此urce影响一次谐波频率源。通过伺服设置，该观察结果导致假设每个轴的边带都是由齿轮系中的下一个轴引起的。

编辑前两个轴部件以包括其第一边带。对于第一轴，边带分离值应等于第二轴的标称输出频率，14.56Hz。

同样，对于第二个轴，边带分离值应等于第三个轴的标称频率2.91 Hz。再次放大曲线图显示，许多新边带与数据中的边峰重叠良好。这在低频（如0 Hz至120 Hz）时更容易看到。

提取光谱度量以检测故障

提取频谱特征实时编辑器任务生成故障频率范围内功率谱数据的各种频谱度量。对于每个故障频带，计算峰值振幅、峰值频率和频带功率以及所有故障频带的总频带功率。

装载('sampledata.mat')光谱计量学

光谱计量学=1×85表峰值功率1峰值频率1频带功率1峰值功率2频带功率2峰值功率3频带功率3峰值功率4频带功率4峰值功率5频带功率5峰值功率6频带功率6峰值功率7频带功率7峰值功率8频带功率8峰值功率9峰值频率9频带功率9频带功率10频带功率10频带功率11频带功率11频带功率12频带功率12频带功率13频带功率13频带功率13频带功率14频带功率14频带功率15频带功率15频带功率16频带功率16频带功率17峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率21峰值功率21峰值功率21峰值功率22峰值功率22峰值功率22峰值功率23峰值功率24峰值功率一个峰值频率一个峰值频率一个峰值频率一个峰值频率一个25频带功率25个频带功率25个峰值频率26个频带功率26个峰值频率一个7个峰值频率27个频带功率27个峰值频率一个峰值频率一个28个频带功率一个8个峰值频率一个28个频带功率28个频带功率28个峰值频率一个25个峰值频率25个频带功率25个频带功率25个频带功率25个频带功率25个频带功率25个频率25个频带功率25个频带功率25个频带功率25个频带功率25个频带功率25个频带功率25个频率25个频带功率25个频带功率25个频率25个频带功率25个频率25个频率25个频率25个频带功率25个频带功率25个频带功率25个频率25个频带功率25个频率25个频带功率25个频率25个频带功率25个频率25个频率25个频带功率25个频带功率25个频带功率25个频率25个频率25个频率25个频带功率25个频率25个频带功率25个频带功率25个频带功率25(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)__________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________ 0.018807 77.106 0.044029 0.66383 90.842 2.2909 0.0077442 104.58 0.026416 0.001917 168.13 0.0076742 0.038105 182.6 0.13883 0.0034982 192.86 0.013928 0.026813 258.24 0.11464 0.192 270.7 0.68323 0.033756 284.07 0.12347 0.0026502 347.62 0.0099213 0.0048213 360.81 0.020783 0.0022192 375.64 0.0086095 0.018201 435.53 0.074231 0.041176 449.08 0.12665 0.018558 467.22 0.069264 0.96719 526.01 3.7322 0.91169 539.19 3.1072 0.29472 558.24 1.0803 1.0341 11.905 0.75471 4.2117 14.286 3.0372 0.076119 17.399 0.078405 0.037845 26.557 0.038047 0.75325 29.121 0.63976 0.010537 32.234 0.010985 0.0058578 55.311 0.006089 0.014194 58.425 0.011771 0.0033205 61.355 0.0034375 0.51023 8.7912 0.27615 16.529

这些指标在检测伺服设置中的故障时可能非常有用。功率谱数据的显著变化通常表明某些部件正在发生变化或出现故障。如果某个峰值频率发生偏移，或者峰值振幅随时间显著下降，则这可能是故障的迹象。

要检查此场景，请计算故障数据集的功率谱数据。

[故障幅值、故障频率]=p频谱（faultyData.MotorCurrent、faultyData.Time）；

绘制任务中有故障数据的频谱，并根据伺服设置的测量输出速度调整轴组件的基本频率和边带分离值。

FS = 1500;%1500赫兹[outputSpeed，t]=转速计（faultyData.TachoPulse，Fs，'pulsesperrev', 16,“FitType”,“线性”); 平均输出速度=平均（输出速度）/60%从rpm转换为Hz

平均输出速度=0.3150

轴4速度=平均输出速度*41/16%16个小齿轮齿，41个齿轮齿

轴4速度=0.8072

轴3速度=轴4速度*35/10%10个小齿轮齿，35个齿轮齿

Shaft3speed = 2.8251

轴2速度=轴3速度*50/10%10个小齿轮齿，50个齿轮齿

轴2速度=14.1254

轴1速度=轴2速度*62/10%10个小齿轮齿，62个齿轮齿

轴1速度=87.5772

对于第一个轴组件，使用shaft1speed作为基频和轴速度作为边带分离。对于第二个轴组件，使用轴速度作为基频和轴系转速作为边带分离。对于第三个轴组件，使用轴系转速作为基本频率。

从故障功率谱数据的可视化中可以看出，几个峰值的幅度已减小。例如，健康数据集中与第一个轴的二次谐波在180 Hz左右对齐的峰值在故障数据集中几乎可以忽略不计。由于之前已确定该峰值可能与第一根轴有关，这表明第一根轴中存在潜在故障。进一步检查频谱度量表可以提供关于峰值频率、峰值振幅和频带功率的更详细信息。

频谱测量学

频谱测量学=1×85表PeakAmplitude1 PeakFrequency1 BandPower1 PeakAmplitude2 PeakFrequency2 BandPower2 PeakAmplitude3 PeakFrequency3 BandPower3 PeakAmplitude4 PeakFrequency4 BandPower4 PeakAmplitude5 PeakFrequency5 BandPower5 PeakAmplitude6 PeakFrequency6 BandPower6 PeakAmplitude7 PeakFrequency7 BandPower7 PeakAmplitude8 PeakFrequency8 BandPower8 PeakAmplitude9 PeakFrequency9 BandPower9 PeakAmplitude10 PeakFrequency10 BandPower10 PeakAmplitude11 PeakFrequency11 BandPower11 PeakAmplitude12 PeakFrequency12 BandPower12 PeakAmplitude13 PeakFrequency13 BandPower13 PeakAmplitude14 PeakFrequency14 BandPower14 PeakAmplitude15 PeakFrequency15 BandPower15 PeakAmplitude16 PeakFrequency16 BandPower16 PeakAmplitude17 PeakFrequency17BandPower17峰值峰值18峰值频率18 BandPower18 PeakFoy19 PainFrequency19 BandPower19 BandFruquency20 BandPower20 BandPower21 BandPower21 BandPower22 BirtPower22 BandPower22 BandPower23峰值峰值23峰值峰PeakFrequency24 BandPower24 PeakAmplitude25 PeakFrequency25 BandPower25 PeakAmplitude26 PeakFrequency26 BandPower26 PeakAmplitude27 PeakFrequency27 BandPower27 PeakAmplitude28 PeakFrequency28 BandPower28 TotalBandPower ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ __________________________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________________________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________ 0.0011035 75.641 0.0035389 0.032588 88.095 0.095866 0.00095266 101.47 0.0039494 0.00041734 158.97 0.0016878 0.0010561 174.73 0.0038409 0.0004178 190.11 0.0018162 0.0051797 249.270.017516 0.028642 261.54 0.1203 0.0051032 274.91 0.015495 0.0014915 0.0062556 336.08 350.37 0.0034171 0.015104 0.0014217 0.0049667 363.19 423.63 0.0022728 0.0092141 0.0058438 0.020561 437.36 450.37 0.0031571 0.010481 1.9389 511.36 6.3414 1.3398 523.81 5.1905 0.79257 539.38 2.9432 0.9969 11.538 0.82388 2.728 13.919 1.9338 0.030943 17.033 0.032899 0.019372 25.641 0.018553 0.2704128.205 0.26875 0.0056339 31.136 0.0060698 0.0029558 54.029 0.0028722 0.024586 56.593 0.025098 0.0027373 58.974 0.0027412 0.74618 8.4249 0.40386 18.324

除了在Live Editor任务中更新光谱数据外，还可以使用自动生成的MATLAB代码确定故障数据的光谱度量。下面的代码是在使用Live Editor任务生成Healthy光谱指标时自动生成的。执行代码。

%为每个部件生成故障带和信息[FB_Shaft1，INFO_SHAFT1] =断层带（90.24,1：6,14.56,0：1）;[fb_shaft2，info_shaft2] =断层带（14.56，[1 2 4]，2.91,0：1）;[fb_shaft3，info_shaft3] =断层带（2.91,3）;%组合每个部件的故障带FB_健康=[FB_轴1；...FB_轴2；...FB_Shaft3]；%组合有关每个部件故障带的信息info_health.Centers=[info_Shaft1.Centers，...信息中心，...info_Shaft3.Centers]；info_health.Labels=[info_Shaft1.Labels，...info_Shaft2.Labels，...info_Shaft3.Labels]；info_health.FaultGroups=[info_Shaft1.HarmonicGroups，...信息2.HarmonicGroup，...信息（3.HarmonicGroup]；%清除工作区中的临时输出清除FB_轴1信息轴1;清除FB_轴2信息轴2;清除FB_Shaft3信息轴3;%计算功率谱健康度的故障带度量spectralMetrics_Health=故障频带度量（HealthyMagnitions、healthyFrequencies、FB_Health）

光谱计量学=1×85表峰值功率1峰值频率1频带功率1峰值功率2频带功率2峰值功率3频带功率3峰值功率4频带功率4峰值功率5频带功率5峰值功率6频带功率6峰值功率7频带功率7峰值功率8频带功率8峰值功率9峰值频率9频带功率9频带功率10频带功率10频带功率11频带功率11频带功率12频带功率12频带功率13频带功率13频带功率13频带功率14频带功率14频带功率15频带功率15频带功率16频带功率16频带功率17峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率21峰值功率21峰值功率21峰值功率22峰值功率22峰值功率22峰值功率23峰值功率24峰值功率一个峰值频率一个峰值频率一个峰值频率一个峰值频率一个25频带功率25个频带功率25个峰值频率26个频带功率26个峰值频率一个7个峰值频率27个频带功率27个峰值频率一个峰值频率一个28个频带功率一个8个峰值频率一个28个频带功率28个频带功率28个峰值频率一个25个峰值频率25个频带功率25个频带功率25个频带功率25个频带功率25个频带功率25个频率25个频带功率25个频带功率25个频带功率25个频带功率25个频带功率25个频带功率25个频率25个频带功率25个频带功率25个频率25个频带功率25个频率25个频率25个频率25个频带功率25个频带功率25个频带功率25个频率25个频带功率25个频率25个频带功率25个频率25个频带功率25个频率25个频率25个频带功率25个频带功率25个频带功率25个频率25个频率25个频率25个频带功率25个频率25个频带功率25个频带功率25个频带功率25(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)__________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________ 0.018807 77.106 0.044029 0.66383 90.842 2.2909 0.0077442 104.58 0.026416 0.001917 168.13 0.0076742 0.038105 182.6 0.13883 0.0034982 192.86 0.013928 0.026813 258.24 0.11464 0.192 270.7 0.68323 0.033756 284.07 0.12347 0.0026502 347.62 0.0099213 0.0048213 360.81 0.020783 0.0022192 375.64 0.0086095 0.018201 435.53 0.074231 0.041176 449.08 0.12665 0.018558 467.22 0.069264 0.96719 526.01 3.7322 0.91169 539.19 3.1072 0.29472 558.24 1.0803 1.0341 11.905 0.75471 4.2117 14.286 3.0372 0.076119 17.399 0.078405 0.037845 26.557 0.038047 0.75325 29.121 0.63976 0.010537 32.234 0.010985 0.0058578 55.311 0.006089 0.014194 58.425 0.011771 0.0033205 61.355 0.0034375 0.51023 8.7912 0.27615 16.529

此代码可以很容易地针对新的错误数据集进行调整。

%为每个部件生成故障带和信息[FB_轴1，信息轴1]=故障带（轴1速度，1:6，轴2速度，0:1）；[FB_轴2，信息轴2]=故障带（轴2速度，[1 2 4]，轴3速度，0:1）；[FB_轴3，信息轴3]=故障带（轴3速度，3）；%组合每个部件的故障带FB_故障=[FB_轴1；...FB_轴2；...FB_Shaft3]；%组合有关每个部件故障带的信息info\u fault.Centers=[info\u Shaft1.Centers，...信息中心，...info_Shaft3.Centers]；info_faulted.Labels=[info_Shaft1.Labels，...info_Shaft2.Labels，...info_Shaft3.Labels]；info_fault.FaultGroups=[info_Shaft1.HarmonicGroups，...信息2.HarmonicGroup，...信息（3.HarmonicGroup]；%清除工作区中的临时输出清除FB_轴1信息轴1;清除FB_轴2信息轴2;清除FB_Shaft3信息轴3;%计算功率谱健康度的故障带度量spectralMetrics_fault=故障频带度量（故障幅度、故障频率、FB_故障）

频谱测量学=1×85表PeakAmplitude1 PeakFrequency1 BandPower1 PeakAmplitude2 PeakFrequency2 BandPower2 PeakAmplitude3 PeakFrequency3 BandPower3 PeakAmplitude4 PeakFrequency4 BandPower4 PeakAmplitude5 PeakFrequency5 BandPower5 PeakAmplitude6 PeakFrequency6 BandPower6 PeakAmplitude7 PeakFrequency7 BandPower7 PeakAmplitude8 PeakFrequency8 BandPower8 PeakAmplitude9 PeakFrequency9 BandPower9 PeakAmplitude10 PeakFrequency10 BandPower10 PeakAmplitude11 PeakFrequency11 BandPower11 PeakAmplitude12 PeakFrequency12 BandPower12 PeakAmplitude13 PeakFrequency13 BandPower13 PeakAmplitude14 PeakFrequency14 BandPower14 PeakAmplitude15 PeakFrequency15 BandPower15 PeakAmplitude16 PeakFrequency16 BandPower16 PeakAmplitude17 PeakFrequency17BandPower17峰值峰值18峰值频率18 BandPower18 PeakFoy19 PainFrequency19 BandPower19 BandFruquency20 BandPower20 BandPower21 BandPower21 BandPower22 BirtPower22 BandPower22 BandPower23峰值峰值23峰值峰PeakFrequency24 BandPower24 PeakAmplitude25 PeakFrequency25 BandPower25 PeakAmplitude26 PeakFrequency26 BandPower26 PeakAmplitude27 PeakFrequency27 BandPower27 PeakAmplitude28 PeakFrequency28 BandPower28 TotalBandPower ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ __________________________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________________________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________ 0.0011035 75.641 0.0035389 0.032588 88.095 0.095866 0.00095266 101.47 0.0039494 0.00041734 158.97 0.0016878 0.0010561 174.73 0.0038409 0.0004178 190.11 0.0018162 0.0051797 249.270.017516 0.028642 261.54 0.1203 0.0051032 274.91 0.015495 0.0014915 0.0062556 336.08 350.37 0.0034171 0.015104 0.0014217 0.0049667 363.19 423.63 0.0022728 0.0092141 0.0058438 0.020561 437.36 450.37 0.0031571 0.010481 1.9389 511.36 6.3414 1.3398 523.81 5.1905 0.79257 539.38 2.9432 0.9969 11.538 0.82388 2.728 13.919 1.9338 0.030943 17.033 0.032899 0.019372 25.641 0.018553 0.2704128.205 0.26875 0.0056339 31.136 0.0060698 0.0029558 54.029 0.0028722 0.024586 56.593 0.025098 0.0027373 58.974 0.0027412 0.74618 8.4249 0.40386 18.324

结合健康和故障光谱度量表，可提高光谱数据峰值振幅和频带功率变化的可视性。

spectralmetrics_total = [spectralmetrics_healthy;spectralmetrics_faulty]

spectralmetrics_total =.2×85表峰值功率1峰值频率1频带功率1峰值功率2频带功率2峰值功率3频带功率3峰值功率4频带功率4峰值功率5频带功率5峰值功率6频带功率6峰值功率7频带功率7峰值功率8频带功率8峰值功率9峰值频率9频带功率9频带功率10频带功率10频带功率11频带功率11频带功率12频带功率12频带功率13频带功率13频带功率13频带功率14频带功率14频带功率15频带功率15频带功率16频带功率16频带功率17峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率峰值功率21峰值功率21峰值功率21峰值功率22峰值功率22峰值功率22峰值功率23峰值功率24峰值功率一个峰值频率一个峰值频率一个峰值频率一个峰值频率一个25频带功率25个频带功率25个峰值频率26个频带功率26个峰值频率一个7个峰值频率27个频带功率27个峰值频率一个峰值频率一个28个频带功率一个8个峰值频率一个28个频带功率28个频带功率28个峰值频率一个25个峰值频率25个频带功率25个频带功率25个频带功率25个频带功率25个频带功率25个频率25个频带功率25个频带功率25个频带功率25个频带功率25个频带功率25个频带功率25个频率25个频带功率25个频带功率25个频率25个频带功率25个频率25个频率25个频率25个频带功率25个频带功率25个频带功率25个频率25个频带功率25个频率25个频带功率25个频率25个频带功率25个频率25个频率25个频带功率25个频带功率25个频带功率25个频率25个频率25个频率25个频带功率25个频率25个频带功率25个频带功率25个频带功率25(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)(小标题)__________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________ 0.018807 77.106 0.044029 0.66383 90.842 2.2909 0.0077442 104.58 0.026416 0.001917 168.13 0.0076742 0.038105 182.6 0.13883 0.0034982 192.86 0.013928 0.026813 258.24 0.11464 0.192 270.7 0.68323 0.033756 284.07 0.12347 0.0026502 347.62 0.0099213 0.0048213 360.81 0.020783 0.0022192 375.64 0.0086095 0.018201 435.53 0.074231 0.041176 449.08 0.12665 0.018558 467.22 0.069264 0.96719 526.01 3.7322 0.91169 539.19 3.1072 0.29472 558.24 1.0803 1.0341 11.905 0.75471 4.2117 14.286 3.0372 0.076119 17.399 0.078405 0.037845 26.557 0.038047 0.75325 29.121 0.63976 0.010537 32.234 0.010985 0.0058578 55.311 0.006089 0.014194 58.425 0.011771 0.0033205 61.355 0.0034375 0.51023 8.7912 0.27615 16.5290.0011035 75.641 0.0035389 0.032588 88.095 0.095866 0.00095266 101.47 0.0039494 0.00041734 158.97 0.0016878 0.0010561 174.73 0.0038409 0.0004178 190.11 0.0018162 0.0051797 249.27 0.017516 0.028642 261.54 0.1203 0.0051032 274.91 0.015495 0.0014915 336.08 0.0062556 0.0034171 350.37 0.015104 0.0014217 363.19 0.0049667 0.0022728 423.63 0.0092141 0.0058438 437.36 0.020561 0.0031571 450.37 0.010481 1.9389 511.36 6.3414 1.3398 523.81 5.1905 0.79257 539.38 2.9432 0.9969 11.538 0.82388 2.728 13.919 1.9338 0.030943 17.033 0.032899 0.019372 25.641 0.018553 0.27041 28.205 0.26875 0.0056339 31.136 0.0060698 0.0029558 54.029 0.0028722 0.024586 56.593 0.025098 0.0027373 58.974 0.0027412 0.74618 8.4249 0.40386 18.324

例如，如果您查看表中的PeakAmplitude2，功率谱峰值的振幅从0.6638下降到0.0326。使用PeakFrequency2值，您知道该下降发生在90 Hz左右。在同一轴上绘制两个功率谱，以在Live Editor任务之外可视化下降。

图（健康频率，10*log10（健康幅度），“b-”);%以分贝为单位绘图持有在…上；绘图（故障频率，10*log10（故障幅度），“r-”);%以分贝为单位绘图传奇（“健康”,“错误的”)xlabel(‘频率（Hz）’)伊拉贝尔(‘功率谱（dB）’)头衔(“功率谱比较”)持有离开;

图中包含一个轴。标题为功率谱比较的轴包含2个line类型的对象。这些对象表示健康、故障。

如度量表所示，90 Hz左右的峰值振幅显著下降。要确定是哪个分量频率导致了这一现象，请查看前面的“提取光谱特征实时编辑器”任务。

围绕90 Hz的故障带是第一旋转轴的第一个谐波。因此，您知道在该轴中发生了一些东西，它可能是趋向于失败的趋势。

绘制健康和故障的功率谱一起可以是突出峰值幅度变化的有用方法。除了用于第一轴的第一次谐波的峰值约为90 Hz之外，可以看到峰值幅度的其他显着降低，例如在180Hz约180Hz的该轴的第二次谐波。此峰值在错误数据集中基本不存在。

还可以使用条形图比较健康数据和故障数据的峰值振幅。

峰值频率=频谱测量_总计（：，2:3:end-1）。变量'；Peakampliutes=光谱计量学_总计（：，1:3:end-1）。变量'；巴（峰值频率、峰值功率）；传奇(“健康”,“错误的”)xlabel(‘频率（Hz）’)伊拉贝尔(“峰值振幅”)头衔(“健康和故障功率谱数据的峰值振幅”)

放大以查看第一个旋转轴的一次谐波处峰值振幅的变化。

xlim（[87 93]）ylim（[0.7]）

图中包含一个轴。标题为“健康和故障功率谱数据的峰值振幅”的轴包含2个条形对象。这些物体代表健康的、有缺陷的。

提取光谱特征实时编辑器任务的使用

如本例所示，“提取光谱特征实时编辑器”任务可用于多种不同的应用。通过“实时编辑器”任务，您可以轻松地将光谱峰值与已知的机器部件频率进行匹配。这有助于您更好地了解数据以及导致数据中各种特征的机械部件。

提取光谱特征Live Editor任务的另一个应用是生成在感兴趣的频率范围内表征光谱数据的度量。该任务生成一个输出表，其中包含每个故障频带的峰值振幅、峰值频率和频带功率，以及所有故障频带的总频带功率。然而，这些度量是特定于任务中输入的功率谱数据的。

要扩展此用途，以便在收集新数据集时随时间跟踪指标，您可以更新任务中的功率谱数据，或使用自动生成的MATLAB代码生成指标表。复制生成的MATLAB代码是继续为许多新数据集计算故障带指标的简单方法。

任务的第三种使用结合了前面讨论过的两个用途的优势。由于任务将各种机械组件与频谱数据中的峰值相关联，因此您可以快速确定哪些组件在频谱数据中发生显着变化，因此可能发生故障。例如，从光谱数据导出的机器故障的一个公共指示器是频谱峰的幅度的变化。在光谱指标表中，如果您发现峰值幅度或频带电源的显着下降，可以将相应的峰值频率追溯到曲线，以查看哪个组件的故障频段与该峰值对齐。