신호기반상태지표- MATLAB和Simuli金宝appnk MathWorks한국 - 金宝app,下载188bet金宝搏,金宝搏官方网站

신호기반상태지표

신호기반상태지표는신호데이터의처리로부터도출된수량입니다。상태지표는시스템의성능저하가진행됨에따라신뢰할수있는방식으로변화하는신호의일부특징을캡처합니다。예측유지관리알고리즘을설계할때는이러한상태지표를사용하여정상적인기계작동과결함있는기계작동을구분합니다。또는상태지표의추세를사용하여마모나그밖의진행중인결함상태를암시하는시스템성능저하를식별할수도있습니다。

신호기반상태지표는시간영역,주파수영역,시간-주파수분석을비롯한모든유형의신호처리를사용하여추출할수있습니다。신호기반상태지표의예는다음과같습니다。

시스템의성능변화가진행됨에따라변하는신호의평균값
신호의무질서한동작을측정하는수량(이수량의존재자체가결함상태를암시하는것일수있음)
신호스펙트럼에서의피크크기,또는주파수영역에서의동작변화가기계상태의변화를암시하는경우피크크기가발생하는주파수

실제현장에서는데이터를탐색하고여러상태지표로실험을거듭해기계,데이터,결함상태에가장적합한상태지표를찾아야할수있습니다。신호분석에사용하여신호기반상태지표를생성하는데쓸수있는여러함수가있습니다。이어지는섹션에서는그중몇가지함수에대해설명합니다。이러한함수는배열또는타임테이블에포함된신호(예:앙상블데이터저장소에서추출된신호)에사용할수있습니다。（상태모니터링및예측유지관리를위한데이터앙상블항목을참조하십시오。)

시간영역상태지표

간단한시간영역특징

시간신호의간단한통계적특징이결함상태와정상상태를구분하는상태지표역할을할수있는시스템도있습니다。예를들어,신호의평균값(的意思是)이나표준편차(性病)는시스템상태가저하됨에따라변할수있습니다。또는偏态，峰度와같은신호의더높은차수의모멘트를시도해볼수도있습니다。이러한특징을사용하여정상작동과결함작동을구분하는임계값을식별해볼수도있고시스템상태의변화를표시하는급격한값의변화를찾아볼수도있습니다。

그밖에도다음과같은함수를사용하여간단한시간영역특징을추출할수있습니다。

peak2peak——신호의최댓값과최솟값의차이。
信封——신호포락선。
dtw——동적시간워핑을사용한신호간거리。
rainflow——피로해석을위한주기개수세기。

시계열데이터의비선형특징

무질서한신호가나타나는시스템에서는특정비선형속성이시스템동작의급격한변화를나타낼수있습니다。이러한비선형특징은베어링,기어,엔진과같은시스템의진동및음향신호를분석하는데유용할수있습니다。비선형특징은결함상태가발생하기도전에일어나는기반시스템동특성의위상공간궤적의변화를반영할수있습니다。따라서비선형특징을사용하여시스템의동특성을모니터링하는것은베어링이살짝마모된경우와같은잠재적인결함을조기에식별하는데도움이될수있습니다。

预见性维护工具箱™에는비선형신호특징을계산하는몇가지함수가있습니다。이러한수량은시스템에존재하는무질서의수준을특성화하는다양한방법을대표합니다。무질서한동작이증가하는것은결함상태가진행중임을뜻할수있습니다。

lyapunovExponent——가장큰랴푸노프지수를계산합니다。가장큰랴푸노프지수는인근위상공간궤적의분리율을특성화합니다。
approximateEntropy- - - - - -시간영역신호의근사엔트로피를추정합니다。근사엔트로피는신호의규칙성또는불규칙성의양을수량화합니다。
correlationDimension——신호의상관차원을추정합니다。상관차원은신호가차지하는위상공간의차원수를측정한값입니다。상관차원의변화는기반시스템의위상공간동작의변화를나타냅니다。

이러한비선형특징의계산에는phaseSpaceReconstruction함수가사용됩니다。이함수는모든동적시스템변수를포함하는위상공간을재구성합니다。

金宝app仿真软件를사용하여결함데이터생성하기예제에서는시간영역특징과이러한비선형특징모두를여러결함상태를진단하기위한후보로사용합니다。이예제에서는시뮬레이션된데이터앙상블의모든멤버에대해모든특징을계산한다음결과로생성되는특징테이블을사용하여분류기를훈련시킵니다。

주파수영역상태지표

스펙트럼분석을통해정상상태와결함상태를구분하는데유용한신호특징을생성할수있는시스템도있습니다。주파수영역상태지표를계산하기위해다음과같은일부함수를사용할수있습니다。

meanfreq——신호의파워스펙트럼의평균주파수。
powerbw——신호의3 db전력대역폭。
findpeaks——신호의국소최댓값의값과위치。신호를주파수영역으로변환하여전처리하는경우,findpeaks를사용하여스펙트럼피크의주파수를구할수있습니다。

진동신호를사용한상태모니터링및예지진단예제에서는이러한주파수영역분석을사용하여상태지표를추출합니다。

주파수영역특징추출에사용할수있는함수목록은상태지표식별하기항목을참조하십시오。

시간-주파수상태지표

시간-주파수스펙트럼속성

시간-주파수스펙트럼속성은시간에따른신호의스펙트럼성분변화를특성화하는또다른방법입니다。시간-주파수스펙트럼분석을기반으로상태지표를계산하는데사용할수있는함수는다음과같습니다。

pkurtosis- - - - - -스펙트럼첨도를계산합니다。이값은주파수영역에서비정상(不稳定)또는비가우스동작으로부터정상가우스신호동작을구분하여신호를특성화합니다。스펙트럼첨도는정상가우스잡음만있는주파수에서는작은값을갖고,과도상태가발생하는주파수에서는큰양수값을갖습니다。스펙트럼첨도는그자체로상태지표가될수있습니다。pkurtosis를사용하여특징을추출하기전에kurtogram을사용하여스펙트럼첨도를시각화할수있습니다。포락선분석과같은여타툴의전처리와마찬가지로,스펙트럼첨도로부터최적대역폭과같은핵심적인입력값을얻을수있습니다。
pentropy- - - - - -스펙트럼엔트로피를계산합니다。스펙트럼엔트로피는정보성분에대한측정값을제공하여신호를특성화합니다。매끄러운기계작동이백색잡음과같은균일신호를발생시킬것으로예상되는상황에서,이보다큰값의신호성분은기계의마모나결함을의미할수있습니다。

구름요소베어링결함진단예제에서는결함데이터의스펙트럼특징을사용하여베어링시스템의두가지결함상태를구분하는상태지표를계산합니다。

시간-주파수모멘트

시간-주파수모멘트는주파수가시간에따라변하는신호인비정상(不稳定)신호를특성화할효율적인방법을제공합니다。고전적인푸리에해석으로는시간에따라변하는주파수동작을캡처할수없습니다。단시간푸리에변환또는여타시간-주파수분석기법으로생성된시간-주파수분포는시간에따라변하는동작을캡처할수있습니다。시간-주파수모멘트는이러한시간-주파수분포를더간결하게특성화할방법을제공합니다。시간-주파수모멘트에는다음과같은세가지유형이있습니다。

tfsmoment——조건부스펙트럼모멘트로,시간에따른스펙트럼모멘트의변형입니다。따라서예를들어2차조건부스펙트럼모멘트에대해tfsmoment는각시점에서의주파수의순시분산을반환합니다。
tftmoment——조건부시간모멘트로,주파수를갖는시간모멘트의변형입니다。따라서예를들어2차조건부시간모멘트에대해tftmoment는각주파수에서의신호의분산을반환합니다。
tfmoment——결합시간-주파수모멘트。이스칼라수량은시간과주파수둘다에대한모멘트를캡처합니다。

instfreq를사용하여순시주파수를시간의함수로계산할수도있습니다。