使用实时编辑器任务分析齿轮系数据并提取光谱特征
这个例子展示了如何使用Extract Spectral Features Live Editor任务来分析从驱动一个业余级伺服齿轮系获得的当前信号的数据。该实例还展示了如何从数据中提取光谱特征，以帮助故障检测和识别。
Live Editor任务允许您交互式地迭代参数和设置，同时观察它们对计算结果的影响。任务自动生成实现显示结果的MATLAB®代码。有关实时编辑器任务的详细信息，请参见在活动脚本中添加交互式任务。
特别地，这个例子使用了Extract Spectral Features Live Editor任务。这项任务有助于分析和理解光谱数据。使用一个全面的界面，您可以添加组件来表示各种轴承，齿轮啮合，或硬件设置的其他部分。当您设置这些组件的物理参数时，“提取光谱特征实时编辑器”任务将在组件的特征频率上绘制故障频带。
您可以在故障带图上叠加功率谱数据，将数据中的各种峰值与组件的特征频率关联起来。这种比较可以更容易地进行故障检测和故障隔离，因为您可以很容易地将功率谱数据的变化追溯到导致这些变化的物理组件。
除了特征频率和功率谱数据的图形外，该任务还可以生成每个特征频带内数据的频谱度量。输出指标表，包含峰值振幅，峰值频率，和带功率的每个辅助带在表征潜在的机械故障。
硬件概述
在这个例子中，电流数据是从一个标准的双叶S3003业余伺服器收集的，该伺服器经过了连续旋转的修改。伺服系统将内部直流电动机的高速转换为输出花键处的高扭矩。为了实现这一点，伺服系统由直流电机、一组尼龙或金属驱动齿轮和控制电路组成。去掉了控制电路，可以直接监测到直流电动机的电流信号。伺服输出样条处的转速表信号使用红外光中断器以及直径35毫米的16槽车轮收集。轮子上的16个槽是等距的，红外光中断器被放置在这样的位置上，它每旋转一个槽轮就发射16个脉冲。伺服和光中断器由定制的3d打印支架固定。
直流电机以恒定的5伏驱动，四对齿轮提供278:1的减速，花键处的轴转速约为19.5 rpm。另一个伺服电机被短路并用作系统的负载。通过测量0.5欧姆电阻上的压降，利用欧姆定律计算电流消耗。由于电流测量值的变化太小，无法检测，因此使用AD22050单电源传感器接口放大器对电流信号进行放大。然后使用MAX7408抗混叠五阶椭圆低通滤波器对放大后的电流信号进行滤波，以使其平滑并消除噪声，然后通过模数转换器(ADC)将其发送到Arduino Uno。
如图所示，电流信号首先分别使用放大器和抗混叠低通滤波器进行放大和滤波。Arduino Uno通过1.5 kHz的ADC采样电流信号，并以115200 bps的波特率将其与转速表脉冲作为串行数据流传输到计算机。MATLAB脚本从Arduino Uno中获取串行数据，对其进行预处理，并将其写入. mat文件。然后使用提取光谱特征实时编辑器任务来提取光谱度量。
伺服齿轮系
双叶S3003伺服由四对尼龙齿轮组成，如图所示。直流电机轴上的小齿轮P1与阶梯式齿轮G1啮合。小齿轮P2是阶梯齿轮G1的模压部分，与阶梯齿轮G2啮合。小齿轮P3，这是齿轮G2的一个模压部分，与阶梯齿轮G3啮合。小齿轮P4与G3一起模压成型，与最后一个齿轮G4啮合，G4连接到输出花键上。阶梯式齿轮组G1、P2、G2、P3、G3、P4为自由旋档 也就是说，它们没有连接到各自的轴上。该驱动齿轮组提供278:1的减速，从5414.7转/分的电机速度到约19.5转/分的输出花键时，电机驱动在5伏。下表概述了齿数和输出速度的理论值，齿轮啮合频率，和累积齿轮减速器在每个齿轮啮合。
数据进行预处理
servoData文件.mat包含两个与伺服数据相对应的时间表。一个时间表包含健康数据，而第二个时间表包含错误数据。每个数据集包含大约11秒的以1500hz采样的数据。
加载数据。
负载(“servoData.mat”，“healthyData”，“faultyData”) healthyData
healthyData =16384×2时间表时间MotorCurrent TachoPulse ______________ ____________ __________ 0秒307.62 1 0.00066667秒301.27 1 0.0013333秒309.08 1 0.002秒315.92 1 0.0026667秒304.2 1 0.0033333秒311.04 1 0.004秒311.52 1 0.0046667秒305.18 1 0.0053333秒315.43 0 0.006秒310.06 0 0.006667秒305.66 0 0.0073333秒310.55 0 0.008秒304.69 0 0.0086667秒310.55 0 0.0093333秒310.06 0 0.01秒299.8 0
faultyData
faultyData =16384×2时间表时间MotorCurrent TachoPulse ______________ ____________ __________ 0秒313.48 0 0.00066667秒304.2 0 0.0013333秒303.22 0 0.002秒319.34 0 0.0026667秒304.2 0 0.0033333秒303.22 0 0.004秒319.82 0 0.0046667秒306.64 0 0.006秒321.29 0 0.0066667秒308.11 0 0.008秒319.34 0 0.0086667秒301.76 0 0.0093333秒309.08 0 0.01秒319.34 0
每个时间表包含一列电机电流和一列伺服设置的速脉冲。为了在提取频谱特征实时编辑器任务中可视化数据，计算电机电流数据的功率谱。首先考虑健康数据。
[healthyMagnitudes, healthyFrequencies] = pspectrum(healthyData。MotorCurrent healthyData.Time);
使用“提取光谱特征实时编辑器”任务绘制功率谱数据。在任务中，指定healthyFrequencies对于频率向量和healthyMagnitudes对于功率谱大小。
分析谐波故障频带的功率谱峰值
伺服电流数据的功率谱图包含几个明显的峰值。您可以将这些峰值与伺服设置中的旋转轴联系起来。要确定各种峰值的来源，向Extract Spectral Features Live Editor任务添加组件。
若要添加一个组件以表示伺服系统中的第一个转轴，请为该组件输入名称，并选择其类型为自定义，按添加。使用上表中的输出速度来选择轴元件的频率。输出速度是根据输出轴的测量速度和设置中已知的齿轮减速器来计算的。
第一轴的频率为90.24 Hz。设置轴部件频率值后，在90hz左右，故障频带与功率谱数据中的一个峰值有重叠。因此，你可以把这个峰值在很大程度上与第一轴联系起来。在第一个轴的基频中再加入几个谐波，就会产生更多的故障频带，这些频带与数据中的其他峰值重叠。谐波频带以基频的整数倍为中心，仍然可以与相同的分量相关联。将第一轴的谐波设为矢量[1 2 3 4 5 6]，使故障频带分布在大部分频率范围内。第一轴以最高频率旋转，因此功率谱峰值在更高频率是由于这一轴的谐波。
考虑到较小的功率谱峰值，如13 Hz或29 Hz左右，为第二个旋转轴添加一个组件。该组件也是自定义组件，其基频为14.56 Hz。你不需要为第二轴添加那么多的谐波，因为大多数较高的峰值频率在很大程度上由第一轴的谐波所占。设置第二轴的谐波为矢量[1 2 3 4]。该轴频率的第一、第二和第四次谐波与功率谱图中的峰值很好地对齐。然而，由于第三次谐波在数据中不太突出，您不需要包括这个谐波。改变第二轴的谐波为矢量[1 2 4]。
与第二个轴类似，为第三个旋转轴添加一个组件。该组件的基频为2.91 Hz，如表所示。从前四个谐波开始，确定它们是否与数据中的任何突出峰值相匹配。请注意，第三轴的第三次谐波匹配功率谱尖峰约8赫兹。其他谐波不太突出，可以去除。功率谱的频率分辨率可能不允许区分较低的频率。将第三轴组件的谐波设置为第三次谐波。
由于其余轴的输出速度也是低频，可能与功率谱的频率分辨率无法区分，因此没有必要为这些轴添加分量来分析电机电流数据的主要峰值。
分析边带峰
通过放大任务中的图表，您可以看到功率谱数据在一些主峰旁边包含了侧峰。例如，在90hz的峰值周围有76hz和104hz的较小的侧峰。这些峰可能与第一轴组件的侧带有关。边带是由第二相关频率源影响主谐波频率源引起的。随着伺服装置的设置，这一观察导致假设，每个轴的侧带是由齿轮系中的下一个轴引起的。
编辑前两个轴组件，以包括它们的第一个边带。对于第一轴，边带分离值应等于第二轴的名义输出频率，14.56 Hz。
类似地，对于第二轴，边带分离值应等于第三轴的名义频率，2.91赫兹。在图中再次放大显示，许多新的边带与数据中的边峰重叠得很好。这在低频率，如0赫兹和120赫兹之间更容易看到。
提取光谱度量来检测故障
“提取光谱特征实时编辑器”任务生成故障频率范围内功率谱数据的各种光谱度量。对于每个故障频带，计算出峰值、峰值频率、频带功率以及所有故障频带的总功率。
负载(“sampleData.mat”) spectralMetrics_healthy
spectralMetrics_healthy =1×85表PeakAmplitude1 PeakFrequency1 BandPower1 PeakAmplitude2 PeakFrequency2 BandPower2 PeakAmplitude3 PeakFrequency3 BandPower3 PeakAmplitude4 PeakFrequency4 BandPower4 PeakAmplitude5 PeakFrequency5 BandPower5 PeakAmplitude6 PeakFrequency6 BandPower6 PeakAmplitude7 PeakFrequency7 BandPower8 PeakAmplitude9 PeakFrequency9 BandPower10 PeakAmplitude11 PeakFrequency11 BandPower11 PeakAmplitude12 PeakFrequency12 BandPower12PeakAmplitude13 PeakFrequency13 BandPower13 PeakAmplitude14 PeakFrequency14 BandPower14 PeakAmplitude15 PeakFrequency15 BandPower15 PeakAmplitude16 PeakFrequency16 BandPower16 PeakAmplitude17 PeakFrequency17 BandPower17 PeakAmplitude18 PeakFrequency18 BandPower18 PeakAmplitude19 PeakFrequency19 BandPower19 PeakAmplitude20 PeakFrequency20 BandPower20 PeakAmplitude21 PeakFrequency21 BandPower21 PeakAmplitude22 PeakFrequency22 BandPower22 PeakAmplitude23 PeakFrequency23 BandPower23 PeakAmplitude24 PeakFrequency24 BandPower24 PeakAmplitude25 PeakFrequency25 BandPower25 PeakAmplitude26 PeakFrequency26 BandPower26 PeakAmplitude27 PeakFrequency27 BandPower27 PeakAmplitude28 PeakFrequency28 BandPower28 TotalBandPower ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________ 0.018807 77.106 0.044029 0.66383 90.842 2.2909 0.0077442 104.58 0.026416 0.001917 168.13 0.0076742 0.038105 182.6 0.13883 0.0034982 192.86 0.013928 0.026813 258.24 0.11464 0.192 270.7 0.68323 0.033756 284.07 0.12347 0.0026502 347.62 0.0099213 0.0048213 360.81 0.020783 0.0022192 375.64 0.0086095 0.018201 435.53 0.074231 0.041176 449.08 0.12665 0.018558 467.22 0.069264 0.96719 526.01 3.7322 0.91169 539.19 3.1072 0.29472 558.24 1.0803 1.0341 11.905 0.75471 4.2117 14.286 3.0372 0.076119 17.399 0.078405 0.037845 26.557 0.038047 0.75325 29.121 0.63976 0.010537 32.234 0.010985 0.0058578 55.311 0.006089 0.014194 58.425 0.011771 0.0033205 61.355 0.0034375 0.51023 8.7912 0.27615 16.529
这些指标可能被证明在检测伺服设置故障有用。功率谱数据的显著变化往往表明某些组件正在发生变化或失效。如果有一个峰值频率的变化，或者峰值振幅随着时间的推移显著下降，那么这可能是故障的迹象。
要检查此场景，请计算故障数据集的功率谱数据。
[faultyMagnitudes, faultyFrequencies] = pspectrum(faultyData。MotorCurrent faultyData.Time);
绘制任务中故障数据的频谱，并根据伺服装置的实测输出速度调整轴元件的基频和边带分离值。
Fs = 1500;% 1500 Hz[outputSpeed, t] = tachorpm(faultyData. t)。TachoPulse Fs,“PulsesPerRev”, 16岁,“FitType”，“线性”）;meanOutputSpeed = mean(outputSpeed)/60%从rpm转换为Hz
meanOutputSpeed = 0.3150
shaft4Speed = meanOutputSpeed * 41 / 1616个齿轮齿，41个齿轮齿
shaft4Speed = 0.8072
shaft3Speed = shaft4Speed * 35 / 10% 10小齿轮齿，35齿轮齿
shaft3Speed = 2.8251
shaft2Speed = shaft3Speed * 50 / 10% 10齿轮齿，50齿轮齿
shaft2Speed = 14.1254
shaft1Speed = shaft2Speed * 62 / 10% 10小齿轮齿，62齿轮齿
shaft1Speed = 87.5772
对于第一个轴组件，使用shaft1Speed作为基频和shaft2Speed作为边带分离。对于第二个轴组件，使用shaft2Speed作为基频和shaft3Speed作为边带分离。对于第三轴部件，使用shaft3Speed作为基频。
从故障功率谱数据的可视化中可以看出，有几个峰值的幅度减小了。例如，在健康数据集中与第一个轴的二次谐波在180 Hz左右对齐的峰值在故障数据集中几乎可以忽略不计。由于之前已经确定这个峰值可能与第一个轴有关，这表明第一个轴有潜在的故障。进一步检查频谱度量表可以提供关于峰值频率、峰值振幅和频带功率的更详细信息。
spectralMetrics_faulty
spectralMetrics_faulty =1×85表PeakAmplitude1 PeakFrequency1 BandPower1 PeakAmplitude2 PeakFrequency2 BandPower2 PeakAmplitude3 PeakFrequency3 BandPower3 PeakAmplitude4 PeakFrequency4 BandPower4 PeakAmplitude5 PeakFrequency5 BandPower5 PeakAmplitude6 PeakFrequency6 BandPower6 PeakAmplitude7 PeakFrequency7 BandPower8 PeakAmplitude9 PeakFrequency9 BandPower10 PeakAmplitude11 PeakFrequency11 BandPower11 PeakAmplitude12 PeakFrequency12 BandPower12PeakAmplitude13 PeakFrequency13 BandPower13 PeakAmplitude14 PeakFrequency14 BandPower14 PeakAmplitude15 PeakFrequency15 BandPower15 PeakAmplitude16 PeakFrequency16 BandPower16 PeakAmplitude17 PeakFrequency17 BandPower17 PeakAmplitude18 PeakFrequency18 BandPower18 PeakAmplitude19 PeakFrequency19 BandPower19 PeakAmplitude20 PeakFrequency20 BandPower20 PeakAmplitude21 PeakFrequency21 BandPower21 PeakAmplitude22 PeakFrequency22 BandPower22 PeakAmplitude23 PeakFrequency23 BandPower23 PeakAmplitude24 PeakFrequency24 BandPower24 PeakAmplitude25 PeakFrequency25 BandPower25 PeakAmplitude26 PeakFrequency26 BandPower26 PeakAmplitude27 PeakFrequency27 BandPower27 PeakAmplitude28 PeakFrequency28 BandPower28 TotalBandPower ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________ 0.0011035 75.641 0.0035389 0.032588 88.095 0.095866 0.00095266 101.47 0.0039494 0.00041734 158.97 0.0016878 0.0010561 174.73 0.0038409 0.0004178 190.11 0.0018162 0.0051797 249.27 0.017516 0.028642 261.54 0.1203 0.0051032 274.91 0.015495 0.0014915 336.08 0.0062556 0.0034171 350.37 0.015104 0.0014217 363.19 0.0049667 0.0022728 423.63 0.0092141 0.0058438 437.36 0.020561 0.0031571 450.37 0.010481 1.9389 511.36 6.3414 1.3398 523.81 5.1905 0.79257 539.38 2.9432 0.9969 11.538 0.82388 2.728 13.919 1.9338 0.030943 17.033 0.032899 0.019372 25.641 0.018553 0.27041 28.205 0.26875 0.0056339 31.136 0.0060698 0.0029558 54.029 0.0028722 0.024586 56.593 0.025098 0.0027373 58.974 0.0027412 0.74618 8.4249 0.40386 18.324
作为在Live Editor任务中更新光谱数据的替代方法，您还可以使用自动生成的MATLAB代码来确定故障数据的光谱度量。下面的代码是在使用Live Editor任务生成健康光谱度量时自动生成的。执行代码。
%生成每个部件的故障带和信息[FB_Shaft1, info_Shaft1] = faultBands(90.24, 1:6, 14.56, 0:1);[FB_Shaft2, info_Shaft2] = faultBands(14.56， [1 2 4]， 2.91, 0:1);[FB_Shaft3, info_Shaft3] = faultBands(2.91, 3);%组合每个部件的故障带fb_健康= [FB_Shaft1;…FB_Shaft2;…FB_Shaft3];%将每个部件的故障带信息进行组合info_healthy。Centers = [info_Shaft1.]中心,…info_Shaft2。中心,…info_Shaft3.Centers];info_healthy。Labels = [info_Shaft1.]标签,…info_Shaft2。标签,…info_Shaft3.Labels];info_healthy。FaultGroups = [info_Shaft1.]HarmonicGroups,…info_Shaft2。HarmonicGroups,…info_Shaft3.HarmonicGroups];清除工作区中的临时输出清晰的FB_Shaft1info_Shaft1;清晰的FB_Shaft2info_Shaft2;清晰的FB_Shaft3info_Shaft3;计算功率谱健康幅度的故障带度量spectralMetrics_healthy = faultBandMetrics(healthyMagnitudes, healthyfrequency, FB_healthy)
spectralMetrics_healthy =1×85表PeakAmplitude1 PeakFrequency1 BandPower1 PeakAmplitude2 PeakFrequency2 BandPower2 PeakAmplitude3 PeakFrequency3 BandPower3 PeakAmplitude4 PeakFrequency4 BandPower4 PeakAmplitude5 PeakFrequency5 BandPower5 PeakAmplitude6 PeakFrequency6 BandPower6 PeakAmplitude7 PeakFrequency7 BandPower8 PeakAmplitude9 PeakFrequency9 BandPower10 PeakAmplitude11 PeakFrequency11 BandPower11 PeakAmplitude12 PeakFrequency12 BandPower12PeakAmplitude13 PeakFrequency13 BandPower13 PeakAmplitude14 PeakFrequency14 BandPower14 PeakAmplitude15 PeakFrequency15 BandPower15 PeakAmplitude16 PeakFrequency16 BandPower16 PeakAmplitude17 PeakFrequency17 BandPower17 PeakAmplitude18 PeakFrequency18 BandPower18 PeakAmplitude19 PeakFrequency19 BandPower19 PeakAmplitude20 PeakFrequency20 BandPower20 PeakAmplitude21 PeakFrequency21 BandPower21 PeakAmplitude22 PeakFrequency22 BandPower22 PeakAmplitude23 PeakFrequency23 BandPower23 PeakAmplitude24 PeakFrequency24 BandPower24 PeakAmplitude25 PeakFrequency25 BandPower25 PeakAmplitude26 PeakFrequency26 BandPower26 PeakAmplitude27 PeakFrequency27 BandPower27 PeakAmplitude28 PeakFrequency28 BandPower28 TotalBandPower ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________ 0.018807 77.106 0.044029 0.66383 90.842 2.2909 0.0077442 104.58 0.026416 0.001917 168.13 0.0076742 0.038105 182.6 0.13883 0.0034982 192.86 0.013928 0.026813 258.24 0.11464 0.192 270.7 0.68323 0.033756 284.07 0.12347 0.0026502 347.62 0.0099213 0.0048213 360.81 0.020783 0.0022192 375.64 0.0086095 0.018201 435.53 0.074231 0.041176 449.08 0.12665 0.018558 467.22 0.069264 0.96719 526.01 3.7322 0.91169 539.19 3.1072 0.29472 558.24 1.0803 1.0341 11.905 0.75471 4.2117 14.286 3.0372 0.076119 17.399 0.078405 0.037845 26.557 0.038047 0.75325 29.121 0.63976 0.010537 32.234 0.010985 0.0058578 55.311 0.006089 0.014194 58.425 0.011771 0.0033205 61.355 0.0034375 0.51023 8.7912 0.27615 16.529
这段代码可以很容易地针对新的故障数据集进行调整。
%生成每个部件的故障带和信息[FB_Shaft1, info_Shaft1] = faultBands(shaft1Speed, 1:6, shaft2Speed, 0:1);[FB_Shaft2, info_Shaft2] = faultBands(shaft2Speed， [1 2 4]， shaft3Speed, 0:1);[FB_Shaft3, info_Shaft3] = faultBands(shaft3Speed, 3);%组合每个部件的故障带fb_fault = [FB_Shaft1;…FB_Shaft2;…FB_Shaft3];%将每个部件的故障带信息进行组合info_faulty。Centers = [info_Shaft1.]中心,…info_Shaft2。中心,…info_Shaft3.Centers];info_faulty。Labels = [info_Shaft1.]标签,…info_Shaft2。标签,…info_Shaft3.Labels];info_faulty。FaultGroups = [info_Shaft1.]HarmonicGroups,…info_Shaft2。HarmonicGroups,…info_Shaft3.HarmonicGroups];清除工作区中的临时输出清晰的FB_Shaft1info_Shaft1;清晰的FB_Shaft2info_Shaft2;清晰的FB_Shaft3info_Shaft3;计算功率谱健康幅度的故障带度量spectralMetrics_faulty = faultBandMetrics(faultyMagnitudes, faultyfrequency, FB_faulty)
spectralMetrics_faulty =1×85表PeakAmplitude1 PeakFrequency1 BandPower1 PeakAmplitude2 PeakFrequency2 BandPower2 PeakAmplitude3 PeakFrequency3 BandPower3 PeakAmplitude4 PeakFrequency4 BandPower4 PeakAmplitude5 PeakFrequency5 BandPower5 PeakAmplitude6 PeakFrequency6 BandPower6 PeakAmplitude7 PeakFrequency7 BandPower8 PeakAmplitude9 PeakFrequency9 BandPower10 PeakAmplitude11 PeakFrequency11 BandPower11 PeakAmplitude12 PeakFrequency12 BandPower12PeakAmplitude13 PeakFrequency13 BandPower13 PeakAmplitude14 PeakFrequency14 BandPower14 PeakAmplitude15 PeakFrequency15 BandPower15 PeakAmplitude16 PeakFrequency16 BandPower16 PeakAmplitude17 PeakFrequency17 BandPower17 PeakAmplitude18 PeakFrequency18 BandPower18 PeakAmplitude19 PeakFrequency19 BandPower19 PeakAmplitude20 PeakFrequency20 BandPower20 PeakAmplitude21 PeakFrequency21 BandPower21 PeakAmplitude22 PeakFrequency22 BandPower22 PeakAmplitude23 PeakFrequency23 BandPower23 PeakAmplitude24 PeakFrequency24 BandPower24 PeakAmplitude25 PeakFrequency25 BandPower25 PeakAmplitude26 PeakFrequency26 BandPower26 PeakAmplitude27 PeakFrequency27 BandPower27 PeakAmplitude28 PeakFrequency28 BandPower28 TotalBandPower ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________ 0.0011035 75.641 0.0035389 0.032588 88.095 0.095866 0.00095266 101.47 0.0039494 0.00041734 158.97 0.0016878 0.0010561 174.73 0.0038409 0.0004178 190.11 0.0018162 0.0051797 249.27 0.017516 0.028642 261.54 0.1203 0.0051032 274.91 0.015495 0.0014915 336.08 0.0062556 0.0034171 350.37 0.015104 0.0014217 363.19 0.0049667 0.0022728 423.63 0.0092141 0.0058438 437.36 0.020561 0.0031571 450.37 0.010481 1.9389 511.36 6.3414 1.3398 523.81 5.1905 0.79257 539.38 2.9432 0.9969 11.538 0.82388 2.728 13.919 1.9338 0.030943 17.033 0.032899 0.019372 25.641 0.018553 0.27041 28.205 0.26875 0.0056339 31.136 0.0060698 0.0029558 54.029 0.0028722 0.024586 56.593 0.025098 0.0027373 58.974 0.0027412 0.74618 8.4249 0.40386 18.324
结合正常和错误的光谱度量表可以提高对光谱数据峰值振幅和波段功率变化的可见性。
spectralMetrics_total = [spectralmetrics_health;spectralMetrics_faulty]
spectralMetrics_total =2×85表PeakAmplitude1 PeakFrequency1 BandPower1 PeakAmplitude2 PeakFrequency2 BandPower2 PeakAmplitude3 PeakFrequency3 BandPower3 PeakAmplitude4 PeakFrequency4 BandPower4 PeakAmplitude5 PeakFrequency5 BandPower5 PeakAmplitude6 PeakFrequency6 BandPower6 PeakAmplitude7 PeakFrequency7 BandPower8 PeakAmplitude9 PeakFrequency9 BandPower10 PeakAmplitude11 PeakFrequency11 BandPower11 PeakAmplitude12 PeakFrequency12 BandPower12PeakAmplitude13 PeakFrequency13 BandPower13 PeakAmplitude14 PeakFrequency14 BandPower14 PeakAmplitude15 PeakFrequency15 BandPower15 PeakAmplitude16 PeakFrequency16 BandPower16 PeakAmplitude17 PeakFrequency17 BandPower17 PeakAmplitude18 PeakFrequency18 BandPower18 PeakAmplitude19 PeakFrequency19 BandPower19 PeakAmplitude20 PeakFrequency20 BandPower20 PeakAmplitude21 PeakFrequency21 BandPower21 PeakAmplitude22 PeakFrequency22 BandPower22 PeakAmplitude23 PeakFrequency23 BandPower23 PeakAmplitude24 PeakFrequency24 BandPower24 PeakAmplitude25 PeakFrequency25 BandPower25 PeakAmplitude26 PeakFrequency26 BandPower26 PeakAmplitude27 PeakFrequency27 BandPower27 PeakAmplitude28 PeakFrequency28 BandPower28 TotalBandPower ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________ 0.018807 77.106 0.044029 0.66383 90.842 2.2909 0.0077442 104.58 0.026416 0.001917 168.13 0.0076742 0.038105 182.6 0.13883 0.0034982 192.86 0.013928 0.026813 258.24 0.11464 0.192 270.7 0.68323 0.033756 284.07 0.12347 0.0026502 347.62 0.0099213 0.0048213 360.81 0.020783 0.0022192 375.64 0.0086095 0.018201 435.53 0.074231 0.041176 449.08 0.12665 0.018558 467.22 0.069264 0.96719 526.01 3.7322 0.91169 539.19 3.1072 0.29472 558.24 1.0803 1.0341 11.905 0.75471 4.2117 14.286 3.0372 0.076119 17.399 0.078405 0.037845 26.557 0.038047 0.75325 29.121 0.63976 0.010537 32.234 0.010985 0.0058578 55.311 0.006089 0.014194 58.425 0.011771 0.0033205 61.355 0.0034375 0.51023 8.7912 0.27615 16.529 0.0011035 75.641 0.0035389 0.032588 88.095 0.095866 0.00095266 101.47 0.0039494 0.00041734 158.97 0.0016878 0.0010561 174.73 0.0038409 0.0004178 190.11 0.0018162 0.0051797 249.27 0.017516 0.028642 261.54 0.1203 0.0051032 274.91 0.015495 0.0014915 336.08 0.0062556 0.0034171 350.37 0.015104 0.0014217 363.19 0.0049667 0.0022728 423.63 0.0092141 0.0058438 437.36 0.020561 0.0031571 450.37 0.010481 1.9389 511.36 6.3414 1.3398 523.81 5.1905 0.79257 539.38 2.9432 0.9969 11.538 0.82388 2.728 13.919 1.9338 0.030943 17.033 0.032899 0.019372 25.641 0.018553 0.27041 28.205 0.26875 0.0056339 31.136 0.0060698 0.0029558 54.029 0.0028722 0.024586 56.593 0.025098 0.0027373 58.974 0.0027412 0.74618 8.4249 0.40386 18.324
例如，查看表中的PeakAmplitude2，功率谱峰值的振幅从0.6638下降到0.0326。使用PeakFrequency2值，您知道这个下降发生在90 Hz左右。在同一轴上绘制两个功率谱，以可视化Live Editor任务外部的下降。
情节(healthyFrequencies 10 * log10 (healthyMagnitudes),“b -”）;%图，单位为分贝持有在;情节(faultyFrequencies 10 * log10 (faultyMagnitudes),的r -）;%图，单位为分贝传奇(“健康”，“错误”)包含(的频率(赫兹)) ylabel (功率谱(dB))标题(“功率谱比较”)举行从;
如指标表所示，90hz左右的峰值振幅显著下降。要确定是哪个组件频率导致了这种情况，请返回到前面的提取频谱特征实时编辑器任务中。
90hz左右的故障频带是第一转轴的一次谐波。因此，你知道这个轴上的某些东西正在发生变化，它可能会走向失败。
将正常和故障功率谱绘制在一起是突出峰值振幅变化的有用方法。除了第一个轴的第一次谐波约90 Hz的峰值外，还可以看到其他显著的峰值振幅下降，例如该轴的第二次谐波约180 Hz。这个峰值在故障数据集中基本上不存在。
还可以使用条形图比较来自健康数据和故障数据的峰值振幅。
PeakFrequencies = spectralMetrics_total(:，2:3:end-1).变量';peakampludes = spectralMetrics_total(:，1:3:end-1).变量';栏(PeakFrequencies PeakAmplitudes);传奇(“健康”，“错误”)包含(的频率(赫兹)) ylabel (“峰值振幅”)标题(“正常和故障功率谱数据的峰值振幅”）
放大以看到在第一个转轴的第一个谐波处的峰值振幅的变化。
Xlim ([87 93]) ylim([0 0.7])
使用提取光谱特征实时编辑器任务
如本例所示，提取光谱特征实时编辑器任务对几个不同的应用程序都很有用。使用Live Editor任务，您可以轻松地将频谱峰值与已知的机器组件频率匹配。这有助于您更好地理解数据和导致数据中各种特征的机械组件。
提取光谱特征实时编辑器任务的另一个应用是生成在感兴趣的频率范围内表征光谱数据的指标。该任务生成一个输出表，其中包含每个故障频带的峰值振幅、峰值频率、频带功率以及所有故障频带的总频带功率。然而，这些指标是特定于任务中输入的功率谱数据的。
为了扩展这种使用，以便在收集新数据集时跟踪指标，您可以在任务中更新功率谱数据，或者使用自动生成的MATLAB代码来生成指标表。复制生成的MATLAB代码是继续计算许多新数据集的故障带度量的简单方法。
该任务的第三种用途结合了前面讨论的两种用途的优点。由于该任务将各种机械组件与光谱数据中的峰值相关联，因此可以快速确定哪些组件会导致光谱数据中的重大变化，从而导致潜在的故障。例如，从光谱数据得出的机器故障的一个常见指标是光谱峰值振幅的变化。在频谱度量表中，如果您注意到峰值振幅或波段功率随时间的显著下降，则可以将相应的峰值频率追溯到图中，以查看哪个组件的故障频段与该峰值一致。
另请参阅
bearingFaultBands|提取光谱特征|faultBandMetrics|faultBands|gearMeshFaultBands
相关的话题
您也可以从以下列表中选择一个网站:
