主要内容

ordertrack

从振动信号中跟踪并提取阶数

描述

例子

玛格= ordertrack (x,fs,rpm,orderlist返回一个矩阵,玛格,它包含了一组特定阶数的随时间变化的均方根(RMS)振幅估计,orderlist,存在于输入信号中xx是按一套测量的吗rpm以每分钟转数表示的转速。fs为测量采样率,单位为Hz。

玛格,rpm,时间) = ordertrack (x,fs,rpm,orderlist的列所对应的RPM和时间值的向量玛格

___) = ordertrack (x,fs,rpm,orderlist,rpmrefidx使用一阶沃尔德-卡尔曼滤波器提取阶数,并从以前的语法中返回任何输出参数。

例子

___) = ordertrack (地图,订单,rpm,时间,orderlist从顺序- rpm映射开始计算一个量级估计矩阵,地图,一个阶向量,订单和时间瞬间向量,时间.使用rpmordermap来计算地图,订单,时间.返回的振幅和比例与中相同地图

例子

___) = ordertrack (___,名称,值使用名称,值对。有些选项只适用于沃尔德-卡尔曼跟踪程序。

ordertrack (___如果没有输出参数,则在当前图中绘制与时间相关的顺序和RPM值。

例子

全部折叠

创建一个在600赫兹采样5秒的模拟信号。在观察期间,被测试的系统将转速从每秒10转增加到40转(或等效地从每分钟600转增加到2400转)。

生成转速表读数。

fs = 600;t1 = 5;t = 0:1 / fs: t1;f0 = 10;f1 = 40;rpm = 60 * linspace (f0 f1长度(t));

该信号由四个谐波相关的啁啾组成,阶分别为1、0.5、4和6。啁啾的振幅分别为1、1/2、√2和2。为了产生啁啾,使用梯形规则表示相位为转速的积分。

o1 = 1;o2 = 0.5;o3 = 4;o4 = 6;a1 = 1;a2 = 0.5;a3 = sqrt (2);a4 = 2;ph = 2 *π* cumtrapz (rpm / 60) / fs;X = [a1 a2 a3 a4]*cos([o1 o2 o3 o4]'*ph);

提取和可视化的量级。

Ordertrack (x,fs,rpm,[o1 o2 o3 o4])

图中包含2个轴对象。坐标轴对象1包含2个line类型的对象。标题为Order Tracking的Axes对象2包含4个类型为line的对象。这些对象表示Order: 1, Order: 0.5, Order: 4, Order: 6。

创建一个模拟振动信号,由对应于两个不同电机的两个交叉指令组成。信号以300hz采样3秒。在测量期间,第一个电机的转速从10转/秒增加到100转/秒(或等效地从600转/分钟增加到6000转/分钟)。第二个电机增加其转速从50到70转/秒(或3000到4200转/分钟)在同一时期。

fs = 300;nsamp = 3 * fs;rpm1 = linspace(10100年,nsamp) * 60;nsamp rpm2 = linspace(70)“* 60;

被测信号相对于第一个电机的阶为1.2,幅值为2√2。对于第二个电机,信号的阶是0.8,振幅是4√2。

4 x = [2] * sqrt(2)。* cos(2 *π* cumtrapz ([1.2 * 0.8 rpm1 * rpm2] / 60) / fs);

使第一个电机在频率范围的中间激发共振。

rs = (1 + 1. / (1 + linspace(-10、10、nsamp)。^ 4)“/ 2的(nsamp, 1)];x = (rs . * x, 2)总和;

使用以下命令可视化rpmfreqmap

rpmfreqmap (x, fs, rpm1)

{

计算两个电机的阶数作为RPM的函数。使用沃尔德-卡尔曼算法对交叉阶数进行解耦。

Ordertrack (x,fs,[rpm1 rpm2],[1.2 0.8],[1 2],“脱钩”,真正的)

图中包含2个轴对象。坐标轴对象1包含2个line类型的对象。标题为Order Tracking的Axes对象2包含两个类型为line的对象。这些对象表示Order: 1.2, Order: 0.8。

分析直升机座舱里的加速度计的模拟数据。

载入直升机数据。振动测量,vib,以500赫兹的频率采样10秒。对数据的检查表明它具有线性趋势。删除趋势,以防止它降低顺序估计的质量。

负载(“helidata.mat”) vib =趋势(vib);

计算订单- rpm映射。指定订单分辨率为0.005。

(地图、秩序、转速、时间,res] = rpmordermap (vib, fs, rpm, 0.005);

计算并绘制信号的平均阶谱。找出光谱中最高的三个峰。

(光谱,specorder) = orderspectrum(地图、订单);[~, pkords] = findpeaks (specorder频谱,“SortStr”,“下”,“Npeaks”3);specorder findpeaks(光谱,“SortStr”,“下”,“Npeaks”3)

图中包含一个axes对象。坐标轴对象包含两个line类型的对象。

追踪三个最高峰的振幅。

ordertrack(地图、秩序、转速、时间、pkords)

图中包含2个轴对象。axis对象1包含一个类型为line的对象。标题为Order Tracking的Axes对象2包含3个类型为line的对象。这些对象表示Order: 0.0517, Order: 0.066282, Order: 0.026513。

输入参数

全部折叠

输入信号,指定为行或列向量。

例子:因为(π/ 4 * (0:159))+ randn (1160)指定嵌入高斯白噪声中的正弦信号。

数据类型:|

采样速率,指定为以Hz表示的正标量。

数据类型:|

转速,用每分钟转数表示的正数矢量或矩阵表示。如果rpm是一个向量,它的长度一定和x.如果rpm是矩阵,和rpmrefidx是指定的,那么rpm必须至少有两个列,并且每个列必须有与x

  • 如果你有转速计脉冲信号,使用tachorpm提取rpm直接。

  • 如果没有转速计脉冲信号,请使用rpmtrack提取rpm从振动信号。

例子:100:10:3000指定系统初始转速为每分钟100转,最高转速为每分钟3000转,每分钟增加10转。

数据类型:|

顺序列表,指定为一个向量。orderlist一定不能有大于fs/(2×max (rpm/ 60))。

数据类型:|

RPM列索引,指定为大小相同的向量orderlist.这个参数的存在指定要使用沃尔德-卡尔曼算法。

数据类型:|

Order-RPM映射,指定为矩阵。使用rpmordermap计算顺序- rpm映射。

数据类型:|

order-RPM映射语法中的order,指定为一个向量。的长度订单必须等于中的行数地图

数据类型:|

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名-值参数必须出现在其他参数之后,但对的顺序并不重要。

在R2021a之前,名称和值之间用逗号隔开,并括起来的名字在报价。

例子:“脱钩”,的确,“振幅”,“峰”同时提取指定的订单,并返回每个订单的峰值振幅。

振幅类型,指定为逗号分隔的一对,由“振幅”其中一个“rms”,“高峰”,或“权力”

  • “rms”-返回每个估计订单的均方根振幅。

  • “高峰”-返回每个估计订单的峰值振幅。

  • “权力”-返回每个估计订单的功率级别。

量值缩放,用逗号分隔的一对表示“规模”,要么“线性”“数据库”

  • “线性”-返回按线性单位缩放的幅值。

  • “数据库”-返回按对数缩放的量级值,以分贝表示。

近似半功率带宽,指定为逗号分隔的对,由“带宽”一个实数标量或者一个实数向量的元素个数等于orderlist.较小的值“带宽”产生平滑,窄带输出。然而,这个输出可能不能准确地反映顺序振幅的快速变化。这个论证只适用于沃尔德-卡尔曼算法。

数据类型:|

模式解耦选项,指定为逗号分隔的对,由“脱钩”和一个逻辑值。如果此选项设置为真正的,然后ordertrack同时提取阶数,使其能够分离紧密间隔或交叉的阶。这个论证只适用于沃尔德-卡尔曼算法。

数据类型:逻辑

重叠段的长度,用逗号分隔的对表示“SegmentLength”和一个整数。如果指定段长度,则ordertrack将输入信号分成若干段。然后计算每个段的阶数,并将结果组合生成输出。如果段太短,函数可能不能正确捕获局部事件,如交叉订单。这个论证只适用于沃尔德-卡尔曼算法。

数据类型:|

输出参数

全部折叠

数量级矩阵,作为矩阵返回。

转速,以每分钟转数表示的正数值矢量返回。

时间瞬间,作为矢量返回。

参考文献

[1]布兰德,安德斯。噪声与振动分析:信号分析与实验程序.奇切斯特,英国:John Wiley & Sons出版社,2011年。

[2]菲尔德鲍尔,克里斯蒂安和罗伯特Höldrich。沃尔德-卡尔曼跟踪滤波器的实现-一个最小二乘问题。数字音频效果COST G-6会议记录(DAFX-00).2000年12月7-9日,意大利,维罗纳。

[3]沃尔德,Håvard,简·勒里丹。使用卡尔曼跟踪滤波器在极端回转速率下的高分辨率订单跟踪。冲击和振动.1995年第2卷,第507-515页。

[4] Tůma,霁ř我。"沃尔德-卡尔曼多阶跟踪滤波器的算法"第十四届国际喀尔巴阡山脉控制会议论文集, 2013年,第388-94页。https://doi.org/10.1109/CarpathianCC.2013.6560575

扩展功能

版本历史

介绍了R2016b

Baidu
map