振动信号的预处理方法

1、振动信号的预处理方法 去趋势项 五点三次平滑法1，去趋势项 (detrending) 在振动测试中采集到的振动信号数据，由于放大器随温度变化产生的零点漂移、 传感器频率范围外低频性能的不稳定以及传感器周围的环境干扰等， 往往会偏离 基线，甚至偏离基线的大小还会随时间变化。 偏离基线随时间变化的整个过程被 称为信号的趋势项。 趋势项直接影响信号的正确性， 应该将其去除。 常用的消除 趋势项的方法是多项式最小二乘法。在MATLAB提供detrend()函数进行去趋势项操作，但只能去除均值和线性趋 势项，所以如果使用该函数进行操作， 即承认传感器所含趋势项是线性的。 如果 认为趋势项是非线性的，则需

2、要用 polyfit() 和 ployval() 组成的函数进行操作(如:Liu_detrend(t,y,m)。在实际振动信号数据处理中，通常取 13次多项 式来对采样数据进行多项式趋势项消除的处理。function y2 = Liu_detrend(t,y,m)temp = polyfit(t,y,m); %t为时间序列，y为信号,m为拟合多项式的次y2 = y - polyval(temp,t);2，五点三次平滑法 (cubical smoothing algorithm with five-point approximation)设已知“个等距点工产工产 上的观測数据为加,则可在每F裁擴

3、点的前面各取J个相邻的点.用三次多顶式Y =逐十 X；十口卫广十口鼻电进行逼近。根据最小二裾法原理确定系数即.%碍，龄后可得到五点三次平滑公式如下：Kj -70(65 + 4j?.j - 6ye + 4儿-3)Y-1 - t W口“ + M儿| * 】2庆-3vx - 2y.)pj；V. - 1/35(-33 * 12, * Hy, + I2y, - 3y;)(4X“巧(2头】-巧山“2儿+ 27加+ 2川r： -1 加卜儿厂竹g厂斗“.叫)其中，无表示H的平滑值了一般的数摇系列都远远多干，个，对干开始三点和最后2点分别由式(1)、式(空柯式(4)、式(习进行平滑，其余采样点数据由式G)行进抒

4、平滑处理，五点三次平滑法可以用作时域和频域信号平滑处理。该处理方法对于时域数据的 作用主要是能减少混入振动信号中的高频随机噪声。而对于频域数据的作用则是 能使谱曲线变得光滑，以便在模态参数识别中得到较好的拟合效果。需要注意的 一点是频域数据经过五点三次平滑法会使得谱曲线中的峰值降低，体形变宽，可能造成识别参数的误差增大。因此，平滑次数不宜过多。下面给出的是其MATLAB 实现程序：fun cti on b = Liu_smoothi ng(a,m)n = len gth(a);for k=1:mb(1)=(69*a(1)+4*(a (2)+a(4)-6*a (3)-a(5)/70;b( 2)=

5、(2*(a(1)+a(5)+27*a(2)+12*a (3)-8*a(4)/35;for j=3: n-2 b(j)=(-3*(a(j-2)+a(j+2)+12*(a(j-1)+a(j+1)+17*a(j)/35;endb(n-1)=(2*(a( n)+a( n-4)+27*a( n-1)+12*a( n-2)-8*a( n-3)/35;b(n )=(69*a( n)+4*(a( n-1)+a( n-3)-6*a( n-2)-a( n-4)/70; a=b;endFigure 1 original 国gn日I3, 实例1q wvWwwM/wWvwVwwVvwWwwWwWwvW51IIIIIII

6、L0100200300400500600700800900Figure 2: detrend5ifiiiiilrir1aP1 qf1- r ”iir f-p_ 一一 _ 一 _ 1 p“II*51 U 亠 f1 - - - - - T 1- V r 1-1K4I3IIF4FIV4IIIV4t51II|II|L0100200300400500600700800900Figure 3 anginal signal + detrertd100200300400500600700800900Figure 4 Figure3 after detrencR)00.102030 4050607OB09Fig

7、ure 5 Figure 3 after Liu detrend(t,yp2)11 1naiL |： r厂IIS1.-4.14111 1- 电 1LJJ1l F4l 150010.203040.506070809图11) 对比Figure3和Figure4，可以看出：在趋势项为非线性时，detrend()的作 用有限。2) 对比Figure3和Figure5，可以看出：在趋势项为非线性时，Liu_detrend(t,y,2) 可以很好的进行去趋势项。实例2F：gur?. 3 ngle-Sidd pcwei 3卩erfum qftEr 卩alyitQ ard played Q|1bPbPJ.i,

8、Ti；1厶；Lull!I “.盘JIll ll40Cd亘10mn06mmFreqiency (Hi)F：gur?. 3 ngle-Sidd pcwei 3卩erfum qftEr 卩alyitQ ard played QF：gur?. 3 ngle-Sidd pcwei 3卩erfum qftEr 卩alyitQ ard played Q图21) 对比Figurel和Figure2，可以看出：在趋势项为线性时，使用detrend()和Liu_detrend(t,y,1)是没有区别的。2) 对比Figure2和Figure3，可以看出：经五点三次平滑法后，明显减少了混 入振动信号中的高频随机噪声。4, 结论一般来讲，使用detrend ()进行去趋势项即可，即认为传感