主要内容

状态监测与预测性维护的数据预处理

数据预处理是预测维护算法开发工作流的第二阶段:

通常需要对数据进行预处理，以清除数据并将其转换为可以从中提取条件指示器的表单。数据预处理包括:

  • 异常值和缺失值去除、偏移量去除和去趋势。

  • 降噪，如滤波或平滑。

  • 时域和频域之间的变换。

  • 更高级的信号处理，如短时傅里叶变换和阶域变换。

可以对使用预测性维护工具箱™集成数据存储管理的测量或模拟数据的数组或表执行数据预处理，如中所述用于状态监测和预测性维护的数据集成．通常，在分析数据之前对数据进行预处理，以确定一个有希望的条件指标，这是一个随着系统性能下降而以可预测的方式变化的量。(见用于监控、故障检测和预测的状态指标)。预处理和识别条件指示器的步骤之间可能有一些重叠。但是，预处理通常会产生一个经过清理或转换的信号，在此基础上执行进一步分析，将信号信息压缩成一个条件指示器。

了解您的机器和您拥有的数据类型有助于确定使用什么预处理方法。例如，如果您正在过滤噪声振动数据，了解哪个频率范围最有可能显示有用的特征可以帮助您选择预处理技术。类似地，将齿轮箱振动数据转换为阶域可能是有用的，当转速随时间变化时，阶域用于旋转机器。然而，同样的预处理不适用于汽车底盘的振动数据，因为汽车底盘是刚体。

基本的预处理

MATLAB®包括许多对数组或表中数据的基本预处理有用的函数。这些函数包括:

  • 数据清洗等fillmissing而且filloutliers．数据清理使用各种技术来查找、删除和替换坏的或丢失的数据。

  • 平滑数据，如smoothdata而且movmean．使用平滑来消除数据中不必要的噪声或高方差。

  • 去趋势数据，例如去趋势．从数据中删除趋势可使您将分析重点放在关于趋势的数据波动上。虽然趋势可能是有意义的，但其他趋势则是由于系统效应，而某些类型的分析一旦去掉它们，就会产生更好的见解。删除偏移量是另一种类似类型的预处理。

  • 缩放或规范化数据，例如重新调节．缩放会改变数据的边界，并且在处理不同单元的数据时非常有用。

另一种常见的预处理类型是提取信号的有用部分并丢弃其他部分。例如，您可能会丢弃某个启动瞬态信号的前5秒，而只保留稳态运行的数据。有关执行这种预处理的示例，请参见利用Simu金宝applink生成故障数据．

有关MATLAB中基本预处理命令的更多信息，请参见数据预处理．

过滤

滤波是从信号中去除噪声或不需要的成分的另一种方法。当您知道数据中的哪个频率范围最有可能显示用于状态监测或预测的有用特征时，过滤是有帮助的。MATLAB基本函数过滤器让你用传递函数过滤信号。你可以使用designfilt生成用于的过滤器过滤器，如通带、高通和低通滤波器等常用滤波器形式。有关使用这些函数的详细信息，请参见数字和模拟滤波器．

如果您有一个Wavelet Toolbox™许可，您可以使用小波工具来实现更复杂的过滤方法。例如，您可以将数据划分为子带，分别处理每个子带中的数据，并将它们重新组合以构造原始信号的修改版本。有关此类过滤器的详细信息，请参见滤波器(小波工具箱)．您还可以使用信号处理工具箱™功能emd分解将一个混合信号分解成具有不同时频特性的分量。

时域预处理

“预测维护工具箱”和“信号处理工具箱”提供的功能可让您在时域内研究和描述机械系统的振动。使用这些函数对条件指示器进行预处理或提取。例如:

  • 运输安全管理局-使用时间同步平均去除噪声，并使用包络谱分析磨损。这个例子利用Simu金宝applink生成故障数据采用时间同步平均法对振动数据进行预处理。

  • tsadifference-从时间同步平均(TSA)信号中去除常规信号、一阶边带和其他特定边带及其谐波。

  • tsaregular-通过去除残余信号和特定边带，将已知信号从TSA信号中分离出来。

  • tsaresidual-通过去除已知信号成分及其谐波，将残余信号从TSA信号中分离出来。

  • ordertrack-使用顺序分析分析和可视化旋转机械中发生的光谱含量。跟踪和提取阶数及其时域波形。

  • rpmtrack-通过计算转速作为时间的函数，跟踪并从振动信号中提取转速剖面。

  • envspectrum-计算包络谱。包络谱从信号中去除高频正弦分量，专注于低频调制。这个例子滚动元件轴承故障诊断使用包络谱进行这种预处理。

有关这些函数和相关函数的详细信息，请参见振动分析．

频域(谱)预处理

对于振动或旋转系统，故障发展可以通过频域行为的变化来表示，例如谐振频率的变化或新的振动分量的存在。信号处理工具箱提供了许多分析这种频谱行为的功能。在执行进一步分析以提取条件指示符之前，这些通常用作预处理。这些职能包括:

  • pspectrum—计算信号的功率谱、时频功率谱或功率谱。频谱图包含了能量分布如何随时间变化的信息。这个例子基于模拟数据的多类故障检测执行数据预处理pspectrum．

  • envspectrum-计算包络谱。引起重复脉冲或模式的故障将对机械振动信号施加振幅调制。包络谱从信号中去除高频正弦分量，专注于低频调制。这个例子滚动元件轴承故障诊断使用包络谱进行这种预处理。

  • orderspectrum-计算平均数量级谱。

  • modalfrf-估计信号的频响函数。

有关这些函数和相关函数的详细信息，请参见振动分析．

时频预处理

信号处理工具箱包括函数分析系统的频域行为随时间变化。这样的分析被称为时频用于分析和检测与系统性能变化相关的瞬态或变化信号。这些功能包括:

  • 光谱图-使用短时间傅里叶变换计算频谱图。频谱图描述了信号的时间局部频率含量及其随时间的演变。这个例子使用振动信号的状态监测和预测使用光谱图对信号进行预处理并帮助识别潜在的条件指标。

  • 遗传性出血性毛细血管扩张症-计算信号的希尔伯特频谱。希尔伯特谱对于分析由频谱内容随时间变化的信号组成的混合信号是有用的。该函数计算混合信号中每个分量的频谱，其中分量由经验模态分解确定。

  • emd-计算信号的经验模态分解。这种分解描述了在希尔伯特频谱中分析的信号的混合，并可以帮助您分离混合信号，以提取随着系统性能下降而变化的时频行为的组件。你可以使用emd生成的输入遗传性出血性毛细血管扩张症．

  • kurtogram-计算时域谱峰度，它通过在频域中区分平稳高斯信号行为与非平稳或非高斯行为来表征信号。作为包络分析等其他工具的预处理，谱峰度可以提供最佳波段等关键输入。(见pkurtosis)。这个例子滚动元件轴承故障诊断利用谱峰度对条件指标进行预处理和提取。

有关这些函数和相关函数的详细信息，请参见时频分析．

相关的话题