用于状态监测和预测性维护的数据预处理
数据预处理是预测维护算法开发工作流的第二阶段:
数据预处理通常是必要的，以清理数据并将其转换为可以从中提取条件指示器的形式。数据预处理包括:
异常值和缺失值移除、偏移移除和去趋势化。
降噪，如滤波或平滑。
在时域和频域之间的变换。
更高级的信号处理，如短时傅里叶变换和阶域变换。
您可以对使用预测性维护工具箱™集成数据存储管理的测量数据或模拟数据的数组或表执行数据预处理，如用于状态监测和预测性维护的数据集成．通常，在对数据进行分析之前，需要对数据进行预处理，以确定有希望的条件指示器，这个数量会随着系统性能的下降而以可预测的方式变化。(见用于监测、故障检测和预测的条件指示器.）预处理步骤和识别条件指标之间可能有一些重叠。但是，预处理通常会产生一个清洗或转换的信号，在此基础上执行进一步的分析，将信号信息压缩到条件指示器中。
了解您的机器和数据类型有助于确定使用何种预处理方法。例如，如果要过滤噪声振动数据，了解最有可能显示有用特征的频率范围可以帮助您选择预处理技术。类似地，将齿轮箱振动数据转换为阶域可能很有用，当转速随时间变化时，阶域用于旋转机器。然而，同样的预处理对于来自汽车底盘（一个刚体）的振动数据没有用处。
基本的预处理
MATLAB®包含许多对数组或表中的数据进行基本预处理有用的函数。这些功能包括:
数据清理，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。平滑数据，例如
smoothdata和movmean．使用平滑消除不必要的噪声或数据中的高方差。去趋势数据，例如
去趋势．从数据中删除趋势可以让您将分析重点放在有关趋势的数据的波动上。虽然趋势可能是有意义的，但其他的则是由于系统的影响，而有些类型的分析在去掉它们后会产生更好的见解。去除偏移量是另一种类似的预处理。对数据进行缩放或规范化，例如
重新调节．缩放可以改变数据的边界，例如，当您使用不同单元的数据时，缩放可能会很有用。
另一种常见的预处理类型是提取信号的有用部分并丢弃其他部分。例如，您可能会丢弃作为某个启动瞬态部分的信号的前5秒，而只保留稳态操作的数据。有关执行这种预处理的示例，请参见使用Simu金宝applink生成故障数据．
有关MATLAB中基本预处理命令的更多信息，请参见数据预处理．
过滤
滤波是从信号中去除噪声或不需要的成分的另一种方法。当您知道数据中的哪个频率范围最有可能显示对状态监视或预测有用的特性时，过滤是有帮助的。MATLAB的基本函数过滤器让你用传递函数过滤信号。您可以使用designfilt生成过滤器以供使用过滤器，如通带、高通和低通滤波器等常见滤波器形式。有关使用这些函数的更多信息，请参见数字和模拟滤波器．
如果您有小波工具箱™许可证，可以将小波工具用于更复杂的滤波器方法。例如，您可以将数据划分为子频带，分别处理每个子频带中的数据，并重新组合它们以构建原始信号的修改版本。有关此类过滤器的更多信息，请参见滤波器(小波工具箱)．您还可以使用信号处理工具箱™函数emd将混合信号分解为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功能，让您在时域研究和表征机械系统的振动。使用这些函数进行预处理或提取条件指标。例如:
运输安全管理局-通过时间同步平均相干去除噪声，并使用包络谱分析磨损。这个例子使用Simu金宝applink生成故障数据采用时间同步平均法对振动数据进行预处理。tsadifference-从时间同步平均(TSA)信号中去除规则信号、一阶边带和其他特定边带及其谐波。tsaregular-通过去除残留信号和特定边带，将已知信号从TSA信号中分离出来。tsaresidual-通过去除已知的信号分量及其谐波，从TSA信号中分离出残余信号。ordertrack-使用阶数分析来分析和可视化发生在旋转机械中的光谱含量。跟踪和提取阶数及其时域波形。rpmtrack-通过计算转速作为时间的函数，跟踪并从振动信号中提取转速曲线。envspectrum—计算包络谱。包络谱从信号中去除高频正弦分量，并集中于低频调制。这个例子滚动轴承故障诊断使用包络谱进行这种预处理。
有关这些函数和相关函数的更多信息，请参见振动分析．
频域(光谱)预处理
对于振动或旋转系统，故障发展可以通过频域行为的变化来表示，如谐振频率的变化或新的振动成分的存在。信号处理工具箱提供了许多分析这种频谱行为的功能。在进一步分析提取条件指示符之前，这些通常是有用的预处理。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随时间变化的信息。这个例子基于模拟数据的多类故障检测使用以下命令执行数据预处理：pspectrum．envspectrum—计算包络谱。引起重复脉冲或模式的故障会对机械的振动信号施加振幅调制。包络谱从信号中去除高频正弦分量，并集中于低频调制。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—计算平均量级谱。modalfrf-估计信号的频响函数。
有关这些函数和相关函数的更多信息，请参见振动分析．
时频预处理
信号处理工具箱包括分析系统的频域行为随时间变化的功能。这种分析被称为时频分析，并有助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-使用短时间傅里叶变换计算谱图。谱图描述了信号的时间定位频率内容及其随时间的演变。这个例子利用振动信号进行状态监测和预测使用光谱图对信号进行预处理，帮助识别潜在的状态指示器。遗传性出血性毛细血管扩张症—计算信号的希尔伯特谱。希尔伯特谱用于分析由频谱内容随时间变化的混合信号组成的信号。该函数计算混合信号中每个分量的频谱，其中的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频谱中分析的混合信号，并可以帮助您分离混合信号，以提取其时频行为随系统性能下降而变化的组件。您可以使用emd为。生成输入遗传性出血性毛细血管扩张症．kurtogram-计算时间局部化频谱峰度，该峰度通过在频域中将平稳高斯信号行为与非平稳或非高斯行为区分开来来表征信号。作为包络分析等其他工具的预处理，光谱峰度可以提供最佳频带等关键输入。（见pkurtosis.）这个例子滚动轴承故障诊断使用光谱峰度对条件指标进行预处理和提取。
有关这些函数和相关函数的更多信息，请参见时频分析．
相关话题
你也可以从以下列表中选择一个网站:
