ieee条件指标
量来自ieee条件指标处理信号数据。条件捕获信号的一些特征指标,可靠地改变系统性能降低。在设计算法预测维护,你用这样的条件指标区分健康的和有缺陷的机器操作。或者,您可以使用条件指标识别系统性能退化趋势的磨损或其他发展中故障情况的说明。
ieee条件指标可以使用任何类型的信号处理,提取包括时域、频域和时频分析。ieee条件指标的例子包括:
信号变化的平均值作为系统性能的变化
措施混沌行为的数量在一个信号,这可能表明一个错误的存在条件
信号频谱的峰值大小,或发生频率峰值的大小,如果这样的频域行为的变化表明改变机器的条件
在实践中,您可能需要探索你的数据和尝试不同的条件指标找到那些最适合你的机器,你的数据,你的错误条件。有许多功能,您可以使用信号分析生成ieee条件指标。以下部分总结其中的一些。您可以使用这些函数在阵列信号或时间表,如从一个数据存储中提取的信号。(见数据集合体状态监测和预测维护。)
时域状态指标
简单的时域特性
对于某些系统,简单的时间信号的统计特征指标可以作为条件,区分故障条件和健康状况。例如,一个特定信号的平均值(的意思是
)或其标准偏差(性病
)可能会改变系统健康降解。或者,你可以尝试高阶等信号的时刻偏态
和峰度
。使用这些特性,您可以试着识别阈值区分健康的操作和错误操作,或寻找突然的变化值,系统状态的变化。
其他功能可以使用提取简单的时域特性包括:
时间序列数据的非线性特性
在表现出混沌信号系统中,某些非线性属性可以表示突然改变系统行为。这种非线性特性可用于分析振动和声学信号系统,如轴承、齿轮和引擎。他们可以反映底层系统动力学相空间轨迹的变化发生之前错误的发生条件。因此,监控系统的动态特性使用非线性特性可以帮助识别潜在的缺点,比如当一个轴承磨损。
预见性维护工具箱™包括几个函数计算非线性信号的特性。这些数量代表不同的方式描述混沌系统的水平。混乱的行为可以增加显示故障状态发展。
lyapunovExponent
计算最大李雅普诺夫指数,描述的分离速度附近的相空间轨迹。approximateEntropy
——估计时域信号的近似熵。近似熵量化的数量规律性或不规则信号。correlationDimension
——估计信号的关联维数,这是一个测量维度的相空间的信号。关联维数的变化表明底层系统的相空间行为的变化。
依赖于这些非线性的计算功能phaseSpaceReconstruction
函数,它可以包含所有动力系统相空间变量。
这个例子利用仿真软件金宝app生成故障数据使用两个简单的时域特性和这些非线性特性作为诊断不同故障条件下的候选人。示例计算所有特征模拟数据集合的每一个成员,并使用生成的功能表来训练分类器。
频域条件指标
对于一些系统,光谱分析可以生成信号的特性,可用于区分健康的和有缺陷的状态。一些函数可以用来计算频域条件指标包括:
这个例子利用振动信号状态监测和预测使用这样的频域分析来提取条件指标。
对于函数的列表您可以使用频域特征提取,明白了识别条件指标。
时频条件指标
时频光谱性质
时频光谱属性是另一种描述光谱内容的变化随着时间的一个信号。可用的函数计算条件指标基于时频光谱分析包括:
这个例子滚动轴承故障诊断使用故障特征的光谱数据计算条件指标,区分两种不同的轴承系统故障状态。
时频时刻
时频时刻提供了一个有效的方法来描述非平稳的信号,信号的频率变化。经典的傅里叶分析不能捕获时变频率的行为。时频分布由短时傅里叶变换或其他时频分析技术可以捕获时变行为。时频时刻提供一种方法来描述这样的时频分布更加简洁。有三种类型的时频时刻:
你也可以计算瞬时频率作为时间的函数instfreq
。