《机械工程测试技术》课程设计对无缝钢管超声测厚仪的探讨姓名:学院:专业:班级:学号:完成日期:目录1 绪论2 信号仿真、采集与分析处理2.1 题目2.2 Matlab处理分析2.3讨论2.4结论3 基于计算机的声信号采集与分析3.1题目3.2 Matlab处理分析3.3讨论3.4结论4 机械运行数据分析与处理4.1题目4.2第一份数据分析4.2.1 Matlab处理4.2.2结论4.3第二份数据分析4.3.1 Matlab处理4.3.2结论5 总结参考文献动态测试信号采集仿真与实例分析摘要:测试技术的项目设计——动态测试信号采集仿真与实例分析,围绕课程讲授的动态信号的采集、分析与处理的基本原理与方法进行,同时运用Matlab 等工具,进行数学处理,做出信号的频谱,并能够分析信号的频谱。
项目设计包括三个部分:信号仿真、采集与分析处理,基于计算机的声信号采集与分析,机械运行数据分析与处理。
通过项目设计,能熟练运用傅里叶变换处理和分析信号,对信号的频谱能够有一个更深的了解。
关键词:matlab;信号采样;频谱分析;fft1.1 信号仿真、采集与分析处理信号采集过程中一般需要考虑以下几个参数:信号频率、采样频率、采样长度等,不同参数的数值设定对于信号采集的效果会产生直接影响,为了掌握信号采集过程中这些参数对采集过程及其效果产生的影响,可以通过Matlab 或C 语言对信号采集与分析处理的过程进行仿真分析,具体要求如下:利用Matlab 或C 语言产生信号x (t ),)()2sin()2sin()2sin()(333222111t n t f a t f a t f a t x ++++++=ϕπϕπϕπ其中:f 1=50Hz 、 f 2=200Hz 、f 3=1000Hz ; n (t ) 为白噪声,均值为零,方差为0,7; 幅值、相位任意设定; 对信号x (t )进行DFFT 处理下: 取1a =4,2a =,5, 3a =6, 1ϕ=2ϕ=3ϕ=0;噪声方差0.7Fs=3000HZ:N=1024 程序:Fs=3000; %采样频率 L=1024; %信号长度 NFFT= 1024; %采样点数 T=1/Fs; t=(1:L)*T;n=(rand(1,L)-0.5)*sqrt(12*0.7); %均值为零,方差为0.7的白噪声 x=4*sin(2*pi*50*t)+5*sin(2*pi*200*t)+6*sin(2*pi*1000*t)+n; %信号 subplot(2,1,1);plot(Fs*t(1:1000),x(1:1000)); %信号的时域图X=fft(x,NFFT)/L; %对信号快速傅里叶变换f=Fs/2*linspace(0,1,NFFT/2+1);subplot(2,1,2);plot(f,2*abs(X(1:NFFT/2+1))); %信号的单边谱Fs=4000HZ:N=1024Fs=5000HZ;N=1024FS=5000HZ:N=20481a =4,2a =,5, 3a =6, 1ϕ=2ϕ=3ϕ=0;噪声方差1Fs=5000;N=1024讨论:1)通过设置不同的采样频率,画出时域波形和傅里叶变换后的频谱图,讨论在采样点数一定的情况下,如1024 点,采样频率对信号时域复现、频域分析的影响;见图1和图2,采样点数均为1024,采样频率分别为5000Hz和2500Hz,2500Hz时,各个谱线的值已经达不到信号各个谐波分量的幅值,即已经小于3,4,5了,只有3,4,4;而5000 Hz时,各个谱线的值非常接近3,4,5,频率较高时,频谱显示的比较准确,谱线能量泄露小,频率分辨率越高。
2)采样频率、采样长度(采样点数)与频率分辨率的关系;见图2和图3,采样频率均为2500Hz,采样点数分别为1024和2048,前者各个谱线的值已经达不到信号各个谐波分量的幅值,只有3,4,4;而后者各个谱线的值非常接近3,4,5,可见频率一定时,采样点数越多,谱线能量泄露小,频率分辨率越高。
3)通过设置不同幅值的信号与噪声,讨论噪声对信号时域分析和频域分析的影响。
噪声的幅值越大,频域分析时,信号的谱线越不明显,当噪声信号的幅值比信号的幅值还要大的多时,噪声会淹没信号,频域分析时,根本无法得到信号的谱线,(可以参照图1,图4,图5)。
而且,噪声的幅值越大,时域越是混乱,越难分析,看不出周期性。
结论1. 采样频率越高,采样点数越多,频率的分辨率越高,采样频率至少应当大于等于信号最高频率的2倍。
2. 噪声的幅值越大,频域分析时,信号的谱线越不明显,时域越是混乱。
采集信号时,必须控制噪声的大小。
1.2 基于计算机的声信号采集与分析现代计算机具有对声音、视频进行采样的功能,把模拟信号转换为数字信号。
通过计算机上的麦克风及声卡与AD,录制各人在不同环境噪声、不同发声状态下讲话“机械工程测试与控制技术”语句(不少于3次,最好是他人的声音),利用软件转换语音数据文件为ASCII 码,然后利用1.1的软件进行频谱分析,画出时域、频域图形。
程序:fs=44100; %语音信号采样频率为22050x1=wavread('y.wav');%读取语音信号的数据,赋给变量x1,sound(x1,44100); %播放语音信号figure(1)plot(x1);y1=fft(x1,1024); %对信号做1024点FFT变换f=fs*(0:511)/1024; %将0到511,步长为1的序列的值与fs相乘并除以1024的值,赋值给ffigure(2)plot(f,abs(y1(1:512))); %abs是绝对值,plot是直角坐标下线性刻度曲线title('原始语音信号频谱')xlabel('Hz');ylabel('幅值')利用matlab对声音分析得到: 第一个人:讨论:1)该设置至少为多少的采样频率?采样长度多长为合适?采样频率可以设置为8000Hz,22050Hz,44100Hz,人耳能听到的声音频率为20Hz到20000Hz,所以设置采样频率为44.1KHz足够,这也是正常音频的采样频率。
人讲话的频率大约在500~3000Hz,所以设置采样频率为8000Hz足够。
由图6,图7,图8可知,采样长度应为音频信号长度的二分之一,太长,会是谱线的峰值降低(图8),太短,显示的谱线过少(图6),二分之一左右正好(图7),谱线比较明显,特征谱线显示的比较完整。
2)不同人员讲话声音的时域、频域有什么区别?根据你的分析,该怎样区分不同人员的讲话声音?根据图10,图12,图13,不同的人讲话,时域波形的强度不同,但具体的不同之处无法分析。
在频域图表现出来的是特征谱线的不同,说话声音低沉的,整体的特征谱线偏低,如图12,说话音调较高的,整体的特征谱线偏高,如图13,。
辨别不同人的讲话,关键是对其声音进行频谱分析,找到对应的特征谱线,就能辨认了。
3)要使他人不易识别你的讲话声音,该怎么处理?改变自己的特征谱线就可以了,即所谓的用假声。
结论1. 每个人的声带都有自己的固定特征谱线,见图10和图11,读两个不同的音频,也存在有公共的特征谱线,如读“东南大学”和“机械工程”时,声带同时具有90.17Hz,226.1Hz,461.6Hz,925.9Hz这些频率。
2. 音频的采样频率可以设置为8000Hz,22050Hz,44100Hz,最高的采样频率为44.1KHz 足够,采样长度最好为音频信号长度的二分之一。
3. 不同的人讲话,在频域图表现出来的是特征谱线的不同,说话声音低沉的,整体的特征谱线偏低;说话音调较高的,整体的特征谱线偏高。
辨别不同人的讲话,关键是对其声音进行频谱分析,找到对应的特征谱线,就能辨认了。
1.3 机械运行数据分析与处理某转子试验台运行时的振动位移数据,利用软件对其进行频谱计算,得到其时域和频域特征,分析机器振动原因:不平衡、不对中故障特征及其诊断方法。
数据一:数据说明转速:2234rpm;采样长度:1024;传感器:电涡流位移传感器采样点数:1024;转动频率37.23Hz;则采样频率为其频率的64倍,取2383Hz原程序为:x=textread('D:\Matlab\1.txt'); %读取txt数据Fs=2383; %采样频率L=1024; %数据长度NFFT=1024; %采样点数T=1/Fs;t=(1:L)*T;subplot(2,1,1);plot(Fs*t,x); %绘制时域图X=fft(x,NFFT)/L; %进行快速傅里叶变换f=Fs/2*linspace(0,1,NFFT/2+1);subplot(2,1,2);plot(f,2*abs(X(1:NFFT/2+1))); %绘制单边谱对应谱图:数据二:数据说明:转速:2169rpm;采样长度:1024;传感器:电涡流位移传感器采样点数:1024;转动频率36.16Hz;则采样频率为其频率的64倍,取2314Hz源程序改为:x=textread('D:\Matlab\2.txt'),Fs=2314;,L=1024,NFFT=1024对应谱图:利用软件对其进行频谱计算,得到其时域和频域特征,分析机器振动原因:不平衡、不对中故障特征及其诊断方法。
结论分析:根据所给数据说明转子转动频率f=2234/60=37.23Hz ,根据两图中相同频率分布的低频大概40HZ处幅值较高,与理论相符,但第二幅图中在高频处也有几处高辐出现,根据机理说明此处有不平衡等引起的震动故障。
总结这次的项目设计包括三个部分:信号仿真、采集与分析处理,基于计算机的声信号采集与分析,机械运行数据分析与处理。
通过这次项目设计,使我对信号的频谱能够有一个更深的了解,对频域分析也有了一个系统的认识。
了解了如何运用Matlab等工具进行信号采集,并对信号进行快速傅里叶变换,得到信号的频谱,分析信号的频谱,最后能够得到相应的结论。
也了解了信号的频谱分析在日常生活的简单应用,比如检测机器故障,分析音频信号等。
这次的项目设计将课程讲授的知识与实践结合起来。
参考文献:1.贾民平,张洪亭.测试技术.北京:高等教育出版社,2009.5.2.董长虹主编.MATLAB信号处理与应用.北京:国防工业出版社,2005。