データのクリーニング(fillmissingやfilloutliersなど)。データのクリーニングはさまざまな手法を使用して不良なデータや欠損データの検出,削除,置換を行います。

データの平滑化(smoothdataやmovmeanなど)。平滑化を使用してデータ内の望ましくないノイズや大きい分散を排除します。

データのトレンド除去(去趋势など)。データからトレンドを取り除くことにより,トレンド周りのデータ内の変動に解析の焦点を当てることができます。トレンドが意味をもつこともありますが,体系的な効果に起因することもあり,解析の種類によってはトレンドを取り除くことでより良い洞察が得られます。オフセットの削除は,もう1つの類似タイプの前処理です。

データのスケーリングまたは正規化(重新调节など)。スケーリングはデータの範囲を変更し,たとえば,さまざまな単位のデータを扱う場合などに便利なことがあります。

运输安全管理局——時間同期平均化でノイズをコヒーレントに取り除き,包絡線スペクトルを使用して摩損を解析します。金宝app仿真软件を使用した故障データの生成の例では,時間同期平均化を使用して振動データを前処理します。

tsadifference——時間同期平均化(TSA)信号から,通常の信号,1次側波帯,および他の特定の側波帯をその高調波とともに取り除きます。

tsaregular-残差信号と特定の側波帯を取り除くことにより,TSA信号から既知の信号を分離します。

tsaresidual——既知の信号成分とその高調波を取り除くことにより,TSA信号から残差信号を分離します。

ordertrack——次数解析を使用して,回転機で発生するスペクトル成分の解析と可視化を行います。次数とその時間領域波形を追跡して抽出します。

rpmtrack- - - - - - rpmを時間の関数として計算することにより,振動信号からrpmプロファイルを追跡して抽出します。

envspectrum——包絡線スペクトルを計算します。包絡線スペクトルは,信号から高周波数の正弦波成分を取り除き,低周波数の変調に焦点を当てます。転動体ベアリングの故障診断の例では,このような前処理に包絡線スペクトルを使用します。

pspectrum——信号のパワースペクトル,時間——周波数パワースペクトル,またはパワースペクトログラムを計算します。スペクトログラムには,強度の分布が時間とともにどう変化するかについての情報が含まれます。シミュレーションデータを使用した複数クラス故障検出の例では,pspectrumを使用してデータの前処理を実行します。

envspectrum——包絡線スペクトルを計算します。繰り返されるインパルスやパターンを引き起こす故障は,機械の振動信号に振幅の変調を与えます。包絡線スペクトルは,信号から高周波数の正弦波成分を取り除き,低周波数の変調に焦点を当てます。転動体ベアリングの故障診断の例では,このような前処理に包絡線スペクトルを使用します。

orderspectrum——平均次数振幅スペクトルを計算します。

modalfrf——信号の周波数応答関数を推定します。

光谱图——短時間フーリエ変換を使用してスペクトログラムを計算します。スペクトログラムは,信号の時間局所的な周波数成分と,その経時的変化を記述します。振動信号を使用した状態の監視と予知の例では光谱图を使用して信号を前処理し,状態インジケーター候補の特定に役立てます。

hht——信号のヒルベルトスペクトルを計算します。ヒルベルトスペクトルは,スペクトル成分が時間とともに変化する信号の混合で構成される信号の解析に役立ちます。この関数は混合信号内の各成分のスペクトルを計算します。成分は経験的モード分解により判定されます。

emd——信号の経験的モード分解を計算します。この分解は,ヒルベルトスペクトル内で解析された信号の混合を記述するもので,混合信号を分離して,システム性能の劣化につれて時間——周波数動作が変化する成分を抽出するのに役立ちます。emdを使用してhhtの入力を生成できます。

kurtogram——時間局所的なスペクトル尖度を計算します。これは,周波数領域で定常ガウス信号の動作を非定常または非ガウスの動作から区別することにより,信号を特徴付けます。包絡線解析のような他のツール用の前処理として,スペクトル尖度は最適な帯域などの重要な入力を提供できます(pkurtosisを参照)。転動体ベアリングの故障診断の例では,状態インジケーターの前処理と抽出のためにスペクトル尖度を使用します。