用于状态监测和预测维护的数据预处理
数据预处理是预测维护算法开发工作流程的第二阶段:
通常需要数据预处理来清理数据并将其转换为可从中提取条件指示器的形式。数据预处理包括:
离群值和缺失值去除、偏移消除和非趋势消除。
减少噪音，如滤波或平滑。
时域和频域之间的变换。
更先进的信号作为短时傅立叶变换和变换的顺序域等处理。
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，如数据合奏状态监测和预测性维护。一般来说，你分析进行预处理之前，你的数据，以确定有前途的状态指示灯，一个量，在可预见的方式为系统性能下降的变化。（看到用于监视、故障检测和预测的状态指示器。）可以有预处理和识别条件指示符的步骤之间有一些重叠。典型地，尽管，预处理在一个清洁或变换信号，在要执行进一步的分析，以冷凝信号信息转换成一个状态指示器的结果。
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，如果您正在过滤有噪声的振动数据，了解什么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。同样，将齿轮箱振动数据转换成阶域可能也有用，阶域用于转速随时间变化的旋转机械。然而，同样的预处理对来自汽车底盘的振动数据是无用的，因为底盘是一个刚体。
基本的预处理
MATLAB®包含许多对数组或表中数据的基本预处理有用的函数。这些功能包括:
数据清理，例如
fillmissing和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。平滑的数据，如
smoothdata和movmean。使用平滑，以消除数据不想要的噪音或高方差。非趋势数据，如
消除趋势。除去数据中的趋势，您可以集中分析在对这一趋势的数据波动。尽管趋势可能是有意义的，有些则是由于系统的影响，以及一些类型的分析产生更好的洞察力，一旦你删除它们。去除偏移是另一个类似的类型的预处理。调整或规格化数据，如
重新调整。缩放会改变数据的边界，并且可能很有用，例如，当您处理不同单元中的数据时。
另一种常见的预处理是提取信号中有用的部分，然后丢弃其他部分。例如，您可能会丢弃某些启动瞬态信号的前五秒，而只保留来自稳态操作的数据。有关执行此类预处理的示例，请参见使用Simu金宝applink生成故障数据。
有关在MATLAB基本预处理命令的详细信息，请参阅处理前数据（MATLAB）。
过滤
过滤是另一种方式来从信号中去除噪声或不希望的组分。过滤是有帮助的，当你知道什么数据的频率范围内最有可能显示为状态监测和预测有用的功能。基本功能的MATLAB过滤让你过滤一个信号与传递函数。您可以使用designfilt生成用于。的过滤器过滤，如通带、高通和低通滤波器，以及其他常见的滤波器形式。有关使用这些函数的更多信息，请参见数字和模拟滤波器（信号处理工具箱）。
如果你有一小波工具箱™许可，您可以使用小波工具用于更复杂的过滤方法。例如，您可以将您的数据转换成子带，分别处理每个子带中的数据，并重新组合它们来构建原始信号的修改版本。有关这种过滤器的详细信息，请参阅滤波器(小波工具箱)。您还可以使用信号处理工具箱™函数emd将混合信号分解成具有不同时频特性的分量。
时域预处理
预测性维护工具箱和信号处理工具箱提供了让你学习，在时域表征机械系统振动功能。将这些功能用于预处理或条件指标提取。例如：
TSA-用时间同步平均法去除噪声，并使用包络谱分析磨损。这个例子使用Simu金宝applink生成故障数据用途时间同步平均来预处理振动数据。tsadifference- 与来自时间同步的平均（TSA）信号及其谐波中取出正规信号，所述第一阶边带和其他特定的边带。tsaregular-通过去除残留信号和特定的边带，从TSA信号中分离已知信号。tsaresidual-透过移除已知的信号成分及其谐波，将剩余信号与运输安全管理局的信号隔离。ordertrack- 使用顺序分析，分析和可视化频谱内容在旋转机械发生。追踪和提取订单和它们的时域波形。rpmtrack-通过计算RPM作为时间的函数，跟踪并从振动信号中提取RPM剖面。envspectrum-计算包络谱。包络谱从信号中去除高频正弦分量，聚焦于低频调制。这个例子滚动轴承故障诊断使用包络谱进行这种预处理。
关于这些和相关功能的更多信息，请参阅振动分析（信号处理工具箱）。
频域（频谱）预处理
对于振动或旋转系统，故障发展可以通过在频域行为的变化，例如谐振频率的变化或新的振动部件的存在来指示。信号处理工具箱用于分析这种光谱行为提供了许多功能。通常，这些是作为提取条件指标进行进一步分析之前预处理是有用的。这些功能包括：
pspectrum-计算信号的功率谱、时频功率谱或功率谱图。光谱图包含了功率分布如何随时间变化的信息。这个例子利用模拟数据进行多类故障检测执行数据预处理pspectrum。envspectrum-计算包络谱。引起重复脉冲或图案的故障将对机器的振动信号进行振幅调制。包络谱从信号中去除高频正弦分量，聚焦于低频调制。这个例子滚动轴承故障诊断使用包络谱进行这种预处理。orderspectrum- 计算的平均订单幅度谱。modalfrf- 一个估计信号的频率响应函数。
关于这些和相关功能的更多信息，请参阅振动分析（信号处理工具箱）。
时频预处理
信号处理工具箱包括用于分析系统，其频域行为随时间变化的函数。这种分析被称为时间频率分析，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- 计算使用短时傅立叶变换频谱。频谱图描述了一个信号及其随时间的演变的时间局部化频率内容。这个例子状态监测和预测使用振动信号使用光谱图预处理信号并帮助识别潜在状态的指标。HHT-计算信号的希尔伯特谱。希尔伯特谱对于分析由光谱内容随时间变化的混合信号很有用。该函数计算混合信号中各分量的频谱，其中各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谱中分析的混合信号，可以帮助您分离混合信号，以提取随系统性能下降而改变其时频特性的组件。您可以使用emd生成的输入HHT。kurtogram-计算时域谱峰度，它通过在频域内区分平稳高斯信号和非平稳或非高斯信号来表征信号的特性。频谱峰度作为包络分析等其他工具的预处理，可以提供最优频带等关键输入。（看到pkurtosis。） 这个例子滚动轴承故障诊断利用光谱峰度对条件指标进行预处理和提取。
关于这些和相关功能的更多信息，请参阅时频分析（信号处理工具箱）。
