PeakVue 振动分析技术「建议收藏」
首先声明,对于振动分析,本人是菜鸟。所以本文中可能有错误,或者不够专业和严谨。
最简单的振动检测指标是所谓通频值(Overall vibration value)。它是采集信号的均方根:
实例: 产生一个正弦波,并计算rms。该值越大,反映振动越大。
import numpy as np
from scipy import signal
import matplotlib.pyplot as plt
n = 512
dt = 0.01
t = np.linspace(1, n, n)*dt-dt
y = np.sin(2*np.pi*t)
plt.plot(t, y)
plt.show()
rms = np.sqrt(np.mean(y**2))
print(rms/N)
结果为 0.7 .正弦波的rms 是0.7。
RMS 的计算公式
波峰因数(Crest Factor)
Crest Factor (peak-to-RMS ratio) = (peak value)/(RMS value).
通频值和波峰因素振动仪表的方法的好处是产生一个单一的值来反映机器的健康。
CF+ 严重性
0 to 5 好 Good
6 to 10 满意 Satisfactory
11 to 15 不满意 Unsatisfactory above
15 不能接受 Unaccepatable
波峰因数+(Crest Factor +)
当轴承急剧损坏时,RMS 的值加大,与峰值接近,Crest Factor 反而会下降。
CF =oc Peak+oc RMS+oc (peak value)/(RMS value).
oc 代表正比于。我觉得就是乘一个比例系数就可以了。
PeakVue 方法
波峰因数计算量比较小,但是有许多的故障无法检测出来。实际上,轴承的许多早期故障是金属和金属摩擦产生的。表现为微弱的高频信号。如果和低频振动信号混合在一起。高频信号难以辨别。
PeakVue 方法是艾默生公司的专利技术,它的实现算法主要为:
1 使用高通滤波器(highpass Filter) 过滤掉低频信号,截止频率大约为1000Hz
2 使用希尔伯特变换 计算出包络线
3 对包络线 做FFT 变换。
我的项目
振动数据IEPE采集器
使用STM32F429 +ads127l01 实现IEPE 压电振动传感器ADC 采集,通过UDP 将数据传送到PC机。PC机使用Python 做后续数据处理。
测试床
python 程序
import socket
import numpy as np
from scipy.fftpack import fft
from scipy import signal
import struct
from matplotlib import pyplot as plt
def bytesToFloat(h1,h2,h3,h4):
ba = bytearray()
ba.append(h1)
ba.append(h2)
ba.append(h3)
ba.append(h4)
return struct.unpack("!f",ba)[0]
HOST = '192.168.31.98'
PORT = 3800
BUFSIZ = 512
ADDR = (HOST,PORT)
udpSerSock = socket.socket(socket.AF_INET,socket.SOCK_DGRAM)
udpSerSock.bind(ADDR)
t = np.linspace(0, 127, 128, True)
y =[]
for i in range(128):
y.append(0)
fig, (ax1, ax2) = plt.subplots(2, 1, sharex=False)
plt.show()
while True:
data, addr = udpSerSock.recvfrom(BUFSIZ)
for i in range(128):
y[i]=bytesToFloat(data[i*4+3],data[i*4+2],data[i*4+1],data[i*4+0])
b,a = signal.butter(16, 0.128, 'highpass')
filtered = signal.filtfilt(b, a, y)*20
yh = np.abs(signal.hilbert(filtered))
yy= np.abs(fft(yh))
yy[0] =0
ax1.clear()
ax1.set_title("Peakvue")
ax1.plot(t,yy)
ax1.axis([0, 128, 0,40])
ax2.clear()
ax2.plot(t,yh)
#ax2.axis([0, 128, -20, 20])
ax2.set_title("highpass")
plt.pause(0.1)
过几天慢慢解释
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/181438.html原文链接:https://javaforall.cn
相关文章
- 单细胞文献分享-利用单细胞测序技术分析根韧皮部细胞图谱,揭示了初生韧皮部邻近细胞中常见的转录模式
- 流量分析技术丨分享科来网络通讯协议图2022版本(附下载链接)「建议收藏」
- 软硬件融合技术内幕 进阶篇 (12) —— PDF小作文的主角
- 内置AI算法的智能分析网关,如何将智能识别技术应用到生活场景中?
- 安全智能分析系列(一) | 智能突围,绿盟科技推出SecXOps技术体系
- 李想2022年的反思,对品牌、文化、组织的思考,对微软和丰田的学习,新能源商业模式和技术路线的分析,对苹果造车的判断,对蔚来、小
- Linux与MMU:掌握虚拟内存管理技术(linuxmmu)
- MySQL数据库模拟表锁定技术(mysql模拟锁表)
- Linux驱动工程师收获双赢:薪水与技术提升.(linux驱动工程师待遇)
- Linux内核分析与编程――解锁技术之门(linux内核分析与编程)
- 技术Linux下搭建大型集群的技术探索(Linux搭集群)
- 实现Oracle快速监控:脚本技术分析(oracle监控脚本)
- Linux平台下数据包分析技术研究(linux数据包分析)
- 转发Linux 123端口转发技术指南(linux123端口)
- 分析利用Oracle数据分析技术提升时间段可视化(oracle时间段数据)
- 开启智能未来:Linux服务器技术前沿分析(linux服务器市场)
- 技术深入探索Linux PGD技术的神奇之处(linuxpgd)
- 利用 Linux 技术,实现高效摄像头监控系统(linux摄像头监控)
- 云上Oracle Autonomous Transaction Processing技术之美(oracleatp)
- Redis外键检索技术:提升效率的利器(redis检索key)
- 苏宁618:低价狂欢与技术大阅兵
- 比较分析:Oracle与MS SQL数据库技术(oracle与mssql)
- Linux学习报告:开启新的技术世界之旅(linux学习报告)
- Oracle数据库:增量导出技术实现(oracle增量导出)
- Oracle数据库中的物理表管理技术(oracle中的物理表)
- Oracle 11与12c技术比较与分析(oracle11与12c)
- 案例分析 | 如何利用AI技术加速单细胞分析,帮助医生实现精准决策?