基于信号的条件指示器- MATLAB和Simulink - MathWorks Españ金宝appa - 金宝app,下载188bet金宝搏,金宝搏官方网站

基于信号的条件指示灯

基于信号的条件指示符是从处理信号数据导出的量。条件指示器捕获信号的一些特征，以可靠的方式变化，随着系统性能降级。在用于预测性维护的设计算法中，您可以使用这种情况指示来区分健康的机器操作。或者，您可以使用条件指示符中的趋势来识别指示磨损或其他开发故障条件的降级系统性能。

可以使用任何类型的信号处理来提取基于信号的条件指示器，包括时域，频域和时频分析。基于信号的条件指示符的示例包括：

随着系统性能变化而变化的信号的平均值
测量信号中的混沌行为的数量，其中存在可能指示故障情况
信号频谱中的峰值幅度，或峰值幅度发生的频率，如果这种频域行为的变化表明机器状况的变化

在实践中，您可能需要探索您的数据和实验，以找到不同的条件指示器，以找到最适合您的机器，数据和故障条件的指标。有许多功能可以用于信号分析以生成基于信号的条件指示器。以下部分总结了其中一些部分。您可以在数组或时间表中使用这些功能，例如从集合数据存储中提取的信号。（看用于状态监测和预测维护的数据集成．)

时域条件指示符

简单的时域功能

对于某些系统，时间信号的简单统计特征可以用作条件指示器，从健康状况区分故障条件。例如，特定信号的平均值（吝啬的）或其标准偏差（STD.）可能会随着系统健康劣化而变化。或者，您可以尝试高阶的信号矩等信号偏态和久星病．有了这些特性，您可以尝试识别区分正常操作和错误操作的阈值，或者查找标记系统状态变化的值的突然变化。

您可以用来提取简单的时间域功能的其他功能包括：

Peak2peak.- 信号中的最大值和最小值之间的差异。
信封- 信号包络。
DTW.- 两个信号之间的距离，通过动态时间翘曲计算。
雨流程-循环计数疲劳分析。

时间序列数据中的非线性特征

在显示混沌信号的系统中，某些非线性特性可以表明系统行为的突然变化。这种非线性特征可以用于分析来自轴承、齿轮和发动机等系统的振动和声学信号。它们可以反映甚至在故障状态发生之前发生的潜在系统动力学相空间轨迹的变化。因此，利用非线性特征监测系统的动态特性可以帮助更早地识别潜在故障，比如当轴承轻微磨损时。

预测性维护工具箱™包括几个计算非线性信号特征的函数。这些量代表了描述系统中混乱程度的不同方法。混沌行为的增加可以表明故障状态的发展。

lyapunovExponent-计算最大的李雅普诺夫指数，它表征了附近相空间轨迹的分离率。
approximateEntropy-估计时域信号的近似熵。近似熵量化了信号中规律性或不规则性的数量。
correlationDimension- 估计信号的相关尺寸，这是信号占据信号空间的维度的量度。相关维度的变化表示底层系统的相位空间行为的变化。

这些非线性特征的计算依赖于phaseSpaceReconstruction函数，其重建包含所有动态系统变量的相位空间。

这个例子使用Simu金宝applink生成故障数据使用简单的时域特征和这些非线性功能作为候选者，用于诊断不同的故障情况。该示例计算模拟数据集合的每个成员的所有功能，并使用生成的要素表培训分类器。

频域条件指标

对于一些系统，光谱分析可以产生用于区分健康和故障状态的有用的信号特征。您可以用于计算频域条件指示符的某些功能包括：

意思是- 信号的功率谱的平均频率。
powerbw- 信号的3 dB功率带宽。
findpeaks.—信号中局部极大值的值和位置。如果你对信号进行预处理，把它变换到频域，findpeaks.可以为您提供光谱峰的频率。

这个例子使用振动信号进行状态监测和预测使用此类频域分析提取条件指示符。

有关可用于频域特征提取的函数列表，请参见识别条件指标．

时频条件指示符

时频谱特性

时频光谱特性是表征信号的光谱含量随时间变化的另一种方法。基于时频分析的工况指标计算功能包括:

pkurtosis.——计算光谱峰度，这通过区分频域中的非标失或非高斯行为来表征信号来表征信号。光谱kurtosis占据静止高斯噪声的频率的小值，以及瞬态发生的频率的大正值。光谱峰度可以是其自身的条件指标。您可以使用kurtogram.对光谱峰度进行可视化，在提取特征前用pkurtosis.．作为预处理的其他工具，如包络分析，光谱峰值可以提供诸如最佳带宽的关键输入。
pentropy——计算谱熵，通过提供其信息内容来表征信号。在您预期平滑的机器操作导致诸如白噪声的均匀信号，较高的信息内容可以指示机械磨损或故障。

这个例子滚动元件轴承故障诊断使用故障数据的频谱特征来计算区分轴承系统中的两个不同故障状态的条件指示符。