汽车试验技术 课件 项目2 试验数据采集与处理

项目二试验数据采集与处理

要获得准确的试验数据，离不开精确的传感器和测试系统。那么什么是传感器呢？传感器是一种检测装置，能感受规定的被测量，并能将检测感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求，它是实现自动检测和自动控制的首要环节，有时也可以称为换能器、检测器、探头等。例如，汽车上就布置了形形色色的传感器（见图2.1）。图2.1汽车传感器分布2.3.1模拟信号与数字信号一个完整的测量系统从物理设备角度上讲应包括：被测结构、传感器、导线、信号调理（这个设备也有可能集成在数据采集仪中）、数据采集仪和控制分析软件（见图2.2）。图2.2完整的测试系统

被测结构上因受到激励产生的物理量被传感器感知到，从而以模拟量的形式输出给信号调理仪，然后进行抗混叠滤波，滤掉不感兴趣的高频成分，再进行模数转化，最后输出时域数据文件。在模数转化前，数据为模拟信号，经过模数转化后，模拟信号转换成了计算机能处理的数字信号。2.3.1模拟信号与数字信号

模拟信号是指在时间和幅值上都是连续变化的信号。表征的物理量是连续变化的，如某个位置的振动加速度、背景噪声、温度等。许多传感器输出的信号都是连续的模拟信号，但是模拟信号不能用于计算机处理。

数字信号指时间和幅值的取值都是离散的，用有限个离散的数字来表征连续变化的信号，则称为数字化。通常这些离散的数字用有限位（bit）的二进制数（0和1）来表示，方便计算机处理。2.3.1模拟信号与数字信号

如图2.3所示，随时间变化的连续信号为模拟信号，为了方便在计算上处理这个信号，需要将它转化为数字信号，也就是从时间轴上对它进行采样。用图中虚线对模拟信号进行离散，虚线与模拟信号的交点视为离散的采样数据点，这些采样点之间的信息是没有的，因此，采样时会丢失很多信息。图2.3模拟信号与数字信号2.3.1模拟信号与数字信号感谢聆听项目二试验数据采集与处理

采集到的信号都是随时间变化的数字信号，如图2.4所示为加速度随时间变化曲线。这个信号横轴为时间（time），也就是说信号的幅值随时间变化，因而，可以说信号是时间的函数，因此，把这个信号称为时域信号。故，时域是指以时间为变量的函数所在的域。图2.4时域信号2.3.2频域信号与时域信号

对时域信号进行快速傅里叶变换（FFT），得到的结果是幅值随频（frequency）的变化曲线（见图2.5），也就是以频率为变量的函数，因此，频域是指以频率为变量的函数所在的域。图2.5频域信号2.3.2频域信号与时域信号

举个简单的例子，对于对常见的正弦波时域信号（见图2.6中上方曲线），假设它的周期是固定值T，由于周期的倒数是频率，因此它的频率也为固定值f。故，经过FFT变换后，将这个时域信号转变为频域信号，就是近似于在横坐标等于f时的一根垂直的直线，这称为线谱。图2.6正弦波时域信号和频域信号对照2.3.2频域信号与时域信号感谢聆听项目二试验数据采集与处理时间分辨率△t与采样频率

对时域信号（见图2.7中曲线）进行采样时，两个采样点（见图2.7中黑点）之间的时间差称为时间间隔或者时间分辨率（△t），用来表征采样快慢的参数称为采样频率，单位为Hz，它表示每秒钟采集多少个样本点（或数据点）。时间分辨率大小等于采样频率的倒数。例如，采样频率为1000Hz，则表示每秒钟采集1000个样本点，采两个样本点的时间间隔为1ms。因此，采样频率越高，时间分辨率越小，采集到的信号越接近真实信号。图2.7时域信号采样的时间分辨率2.3.3试验数据处理常用术语

由上面分析可知，采样频率是避免信号失真的重要参数。那么怎么设置采样频率才算合理呢？

根据采样定理要求，采样频率至少是关心的最高频率的2倍，假设说关心的最高频率为500Hz，则采样频率至少为1000Hz。这样只是保证信号的频率不失真，但并没有保证信号的幅值不失真，如果按采样定理来设置采样频率，那么，高频信号的幅值肯定会失真，低频信号的幅值可能会也失真。如果关心幅值，采样频率应大于10倍的信号频率才不会引起明显的幅值失真。2.3.3试验数据处理常用术语谱线与频率分辨率△f

我们已经明白采集到的时域信号是离散的，两个时域数据点的时间差称为时间分辨率。同理，时域信号经过FFT变换后得到的频域信号（频谱）也是离散的，相邻两条谱线的频率差或频率间隔称为频率分辨率（△f）。FFT计算得到的结果只位于频率分辨率的整数倍处，也就是谱线处，其他地方无结果，如图2.8所示。假设图中的虚线为谱线，各条谱线对应的频率为频率分辨率的整数倍。计算得到的频谱结果只位于这样的谱线处。图2.8频谱图2.3.3试验数据处理常用术语

频率结果只能位于各条谱线上，谱线与谱线之间是没有结果的，频谱的这种离散效应，称为栅栏效应。就好像人们通过篱笆看外面的世界一样，只能通过相邻两块篱笆之间的缝隙看到外面的世界，而篱笆却挡住了人们的视线。那么，相邻两块篱笆之间的缝隙比拟为频谱图中的谱线，也只有谱线上才有数据，谱线之间的区域是没有结果的，如图2.9所示，只有谱线上才有频率结果，最后的频谱曲线是根据这些谱线上的点连成的实线。

频率分辨率越大，相邻谱线间隔越远，因此，求得的频率误差越大。FFT分析时，频率误差最大不会大于半个频率分辨率。因为频率也是按四舍五入的原则归到最近的谱线上。频率分辨率的倒数为做一次FFT所截断的时域信号的长度T，也就是一帧数据长度。当频率分辨率越小时，必然一帧数据的长度很大。因此，在做FFT计算时，不能设置过小的频率分辨率，也不能设置过大的频率分辨率，频率分辨率过大可能导致频率误差加大。2.3.3试验数据处理常用术语信号截断

一次FFT分析截取1帧长度的时域信号，这1帧的长度总是有限的，因为FFT分析一次只能分析有限长度的时域信号。而实际采集的时域信号总时间很长，因此，需要将采样时间很长的时域信号截断成一帧一帧长度的数据块。这个截取过程叫做信号截断。

假设有一段10s的时域信号，取1帧的长度T=1s，无重叠，则该信号将被截断为10帧，如图2.10所示。图2.10信号截取2.3.3试验数据处理常用术语

信号截断分为周期截断和非周期截断。周期截断是指截断后的信号为周期信号，而非周期截断是指截断后的信号不再是周期信号，哪怕原始信号本身是周期信号。（1）周期截断

周期信号最明显的特征是信号的起始和结束时刻的幅值相等，哪怕是一个周期。在这假设采样时间很长的信号为单频正弦波（周期信号），若1帧的时间长度等于这个正弦波周期的整数倍，那么，截断后的信号仍为周期信号。取1帧的时间长度T等于原始信号的1个周期长度，那么截断后的信号仍为周期信号，如图2.11所示。将这个截断后的信号再重构，可以得到原始的正弦波，如图2.12所示。图2.11周期信号的截断图2.12周期信号的重构2.3.3试验数据处理常用术语（2）非周期截断

倘若信号截断的长度不为原始正弦信号周期的整数倍，那么，截断后的信号则不为周期信号，哪怕原始信号是周期信号。并且现实世界中，我们进行FFT分析时，绝大多数情况都是非周期截断。

对之前的正弦信号进行非周期截断，如图2.13所示。截断后的信号起始时刻和结束时刻的幅值明显不等，将这个信号再进行重构，在连接处信号的幅值不连续，出现跳跃，如图中黑色圆圈区域所示。图2.13非周期信号的截断与重构2.3.3试验数据处理常用术语（3）泄漏

分别将图2.12和图2.13中周期截断信号和非周期截断信号进行FFT变换，获得的频谱图见图2.14。对比一下周期截断信号的频谱与非周期截断信号的频谱可以看出，后者频谱的幅值更小，导致频谱在整个频带内发生了拖尾现象，这就称为泄漏。当截断后的信号不为周期信号时，就会发生泄漏。而现实世界中，在做FFT分析时，很难保证截断的信号为周期信号，因此，泄漏不可避免。图2.14重构时域信号的频谱图2.3.3试验数据处理常用术语（4）加窗

为了将这个泄漏误差减小到最小程度（注意是减少，而不是消除），我们需要使用加权函数，也叫窗。

信号截断时，只能截取一定长度，哪怕原始信号是无限长的，因此，好像是用一个“窗”（确切地说更像个“框”）去作这样的截取了。如图2.15所示，原始信号是周期信号，时间很长，截取时用一个长度不为原始正弦信号周期的整数倍“窗”去截取这个周期信号，截取得到的信号如图中下部所示。图2.15原始信号和时间窗截断后的信号2.3.3试验数据处理常用术语

当然这个“窗”是一个单位权重的加权函数，称为“矩形窗”。这个“窗”外的信号是看不到的，只能看到窗内的信号，这就好比通过窗户看外面的世界，世界很大也很精彩，您能看到的只是位于窗内的世界，而窗外的世界，您是看不到的。因此，这就是为什么这样的加权函数被称为窗函数的真正原因。这样称呼，更为直观形象。

上图中用于截取信号的时域截取函数（就是上图中的那个“窗”）就称为窗函数，它是一种