振动信号常用的时域和频域指标

通常振动信号为一时间序列，衡量振动信号的指标常见的有时域指标和频域指标，网上分享计算公式和源程序的比较少，本文给出了一些常用的时域和频域指标的公式定义以及对应的matlab和python源码。

常见时域指标：

对应的Matlab程序

%%%%matlab程序close all;clear;clcst = 0.01;
data = sin(0:st:10);
Xr = mean(sqrt(abs(data)))*mean(sqrt(abs(data)));
Xmean = mean(abs(data));
Xrms = rms(data);
Xp=max(max(data), -min(data));disp(['均方根值：',num2str(Xrms)]);
disp(['峰值指标：',num2str(max(max(data), -min(data)))]);
disp(['峰值因子：',num2str(Xp/Xrms)]);
disp(['峭度因子：',num2str(kurtosis(data))]);
disp(['峰度因子：',num2str(skewness(data))]);
disp(['方根幅度：',num2str(Xr)]);
disp(['裕度系数：',num2str(Xp/Xr)]);
disp(['绝对平均值：',num2str(Xmean)]);
disp(['脉冲因子：',num2str(Xp/mean(abs(data)))]);
disp(['波形指标：',num2str(Xrms/Xmean)]);

运行结果：

>> 均方根值：0.69054
峰值指标：1
峰值因子：1.4481
峭度因子：1.788
峰度因子：-0.40473
方根幅度：0.55837
裕度系数：1.7909
绝对平均值：0.61575
脉冲因子：1.624
波形指标：1.1215

对应的python程序

###python程序import numpy as np
from scipy import statsst = 0.01
data = np.sin(np.array([st*i for i in range(1001)]))Xr = np.mean(np.sqrt(abs(data)))*np.mean(np.sqrt(abs(data)))
Xmean = np.mean(abs(data))
Xrms = np.sqrt(np.dot(data,data)/len(data))
Xp = max(max(data), -min(data))print('均方根值：',Xrms)
print('峰值指标：',Xp);
print('峰值因子：',Xp/Xrms)
print('峭度因子：',stats.kurtosis(data))
print('峰度因子：',stats.skew(data))
print('方根幅度：',Xr)
print('裕度系数：',Xp/Xr)
print('绝对平均值：',Xmean)
print('脉冲因子：',Xp/np.mean(abs(data)))
print('波形指标：',Xrms/Xmean)
print('方差为：',np.var(data))
print('标准差为：',np.std(data))

频域

注：S是功率谱幅值，功率谱S是幅度谱的二次方

matlab

close all;clear;clcst = 0.01;
data = sin(0:st:10);fs = 1/st;                 % 采样频率
N = length(data);
y = 2*abs(fft(data))/N;
f = fs*[1:N]/N;FC = sum(f.*y)/sum(y);
MSF = sum(f.^2.*y)/sum(y);
RMSF = sqrt(MSF);
VF = sum((f-FC).^2.*y)/sum(y);
RVF = sqrt(VF);disp(['重心频率：',num2str(FC)]);
disp(['均方频率：',num2str(MSF)]);
disp(['均方根频率：',num2str(RMSF)]);
disp(['频率方差：',num2str(VF)]);
disp(['频率标准差：',num2str(RVF)]);

python

###python程序fs = 1/st
N = len(data)
y = 2*abs(fft(data))/N
f = np.array([(i+1)*fs/N for i in range(N)])
FC = np.dot(f,y)/np.sum(y)
MSF = np.dot(np.multiply(f,f),y)/np.sum(y)
RMSF = np.sqrt(MSF)
VF = np.dot(np.multiply(f-FC,f-FC),y)/np.sum(y);
RVF = np.sqrt(VF)print('重心频率：',FC)
print('均方频率：',MSF)
print('均方根频率：',RMSF)
print('频率方差：',VF)
print('频率标准差：',RVF)

振动信号常用的时域和频域指标 - 知乎 (zhihu.com)

对于时域、频域和时频图的理解可以参照：如何看时频图 - 知乎 (zhihu.com)

振动信号常用的时域和频域指标相关推荐

FFT快速傅里叶变换C语言实现信号处理对振动信号进行实现时域到频域的转换
FFT快速傅里叶变换C语言实现信号处理对振动信号进行实现时域到频域的转换,可实现FFT8192个点或改成其他FFT1024.4096等等,可以直接运行,运行结果与matlab运行的一致,写好了注释, ...
信号完整性分析——时域与频域
1.时域:时域是真实世界.唯一实际存在的域. 2.上升边:由于时钟频率的提高,信号的上升边必然会减少,因为读取数据线或时钟线的门需要足够的实际来正确读取处于高电平状态或低电平状态的信号. 在信号处理中 ...
时序信号的时域、频域、时-频域特征提取
文章目录时域特征提取频域特征提取时-频域特征提取参考资料在面对工业中的传感器采集到的高维的信号,如振动信号,通常需要对数据进行统计特征提取,以进行降维.对于这类时序信号,常用的有时域.频域和 ...
信号完整性（SI）电源完整性（PI）学习笔记（二）时域与频域
时域与频域 1.时域:是真实的世界,是唯一存在的域. 其中: Fclock是时钟频率,单位为GHz. Tclock是时钟周期,单位为ns. 根据逻辑系列可知,下降时间通常比上升时间短一些(由典型C ...
机械振动信号13个频域指标
频域统计指标计算公式振动信号频域分析首先需要把信号的时域波形借助离散傅里叶变换转化为频谱信息,公式如下: 式中:x(kΔt)x(k\Delta t)x(kΔt)为振动信号的采样值:NNN为采样点数: ...
信号完整性分析2——时域与频域
信号完整性分析2--时域与频域 Date:2020/06/07 2.1 时域定义: 时域就是真实世界,是唯一实际存在的域 Fclock=1TclockF_{clock}={\frac {1}{T_{ ...
离散信号（一） | 信号的采样和恢复+时域、频域采样定理
离线信号是指在时间上是离散的,即只在某些不连续的规定时刻给出信号的瞬时值,而在其它时刻无意义的信号.连续时间信号的采样是离散信号产生的方法之一,而计算机技术的发展以及数字技术的广泛应用是离散信号分析. ...
【语音信号处理】1语音信号可视化——时域、频域、语谱图、MFCC详细思路与计算、差分
基本语音信号处理操作入门 1. 数据获取 2. 语音信号可视化 2.1 时域特征 2.2 频域特征 2.3 语谱图 3. 倒谱分析 4. 梅尔系数 4.1 梅尔频率倒谱系数 4.2 Mel滤波器原理 ...
信号与系统小总结：时域与频域
信号与系统小总结:时域与频域连续性与周期性带限与时限周期化与离散化四种信号的Fourier分析 1. FS:连续周期信号各频率复振幅 2. DFS:离散周期信号各(数字)频率分量的复振幅 3. ...

振动信号常用的时域和频域指标

常见时域指标：

对应的Matlab程序

对应的python程序

频域

matlab

python

振动信号常用的时域和频域指标相关推荐

最新文章

热门文章