振动分析-2-信号频域分析以及频率分辨率的理解

news2024/10/5 22:25:08

参考2023-11-26 什么是频率?
参考2016-10-31什么是固有频率?
参考2024-01-28什么是频率分辨率?
参考2024-01-07香农采样定理有两种描述,哪个正确?

1 什么是频率

1.1 频率的定义

我们把振动发生完成一个完整往复循环所需要的时间称为周期,用符号 T 表示,单位为 s ;把一秒钟内完成往复循环振动的次数称为频率,用符号 f 表示,以Hz为单位,可记作1/秒(s-1)。

1.2 频率的分类

1.2.1 固有频率

结构系统在受到外界激励产生响应时,将按特定频率发生自然振动,这个特定频率被称为结构的固有频率通常一个结构有很多阶固有频率。固有频率由系统本身的质量分布与刚度分布决定,与外界激励没有关系。

对于一般性结构系统而言,都是有阻尼的,因此它的固有频率为有阻尼固有频率

为什么存在多阶固有频率?

在这里插入图片描述

1.2.2 基频和主频

通常,将结构系统的第1阶固有频率称为基频。结构发生振动时,通常不会是按某一个频率振动,而是有多个振动频率,在这些振动频率中,能量最大的振动频率称为主频。因此,这个主频可能是结构的固有频率,也可能是强迫响应频率(外界的激励频率)。

如图3所示的功率谱密度(PSD)曲线中,存在3个峰值,假设都是固有频率,最低阶的固有频率为基频,峰值最高的频率为主频。由于主频主要看的是能量大小,所以,主频不一定是结构的固有频率,有可能是强迫响应频率
在这里插入图片描述

1.2.3 共振频率

当外界激励频率与系统的某一阶固有频率相同或者非常接近时,系统将产生大幅度的振动响应,这种现象称之为共振,共振发生时的频率称为共振频率

由于结构存在多阶固有频率,因而,结构的共振频率也有多个。不管共振是否发生,结构的固有频率是不变的,而只有当外界的激励频率接近或等于系统的固有频率时,系统才出现共振现象。因而,共振频率不一定完全与固有频率相等,共振频率是按外界的激励频率来讲的,而固有频率是从结构属性来讲的。虽然很多情况下,都认为共振频率就是固有频率。但是,二者还是有明显的差异。

1.2.4 谐波

有些振动,如弦振动、密闭房间的声腔模态或发动机的燃烧,会产生多个相关的频率。这些相关的频率成分称为激励的主要频率成分的“谐波”,而激励的主要频率成分称为“基频”。

谐波是指对周期性非正弦信号进行傅里叶变换所得到的大于基频的各次分量,通常称为高次谐波。谐波的频率等于基频的整数倍,如基频3倍的波称之为三次谐波,基频5倍的波称之为五次谐波,以此类推。不管几次谐波,他们都是正弦波。

基频整数倍的谐波也称为谐波分量。谐波分量在频域的频率成分称为谐频或倍频,如图4所示为琴弦基频833Hz的各个谐频成分。
在这里插入图片描述

1.2.5 工频

我国使用的生活用电是一种频率为50Hz的正弦交流电,交流电的频率,工业上称之为工频。在全世界的电力系统中,工频有两种,一种为50Hz,另一种是60Hz。在信号采集过程中经常会出现工频干扰,从频域看信号的频率成分为50Hz及它的倍频,如图5所示。工频来源可能是供电的市电、发电机、电动机、泵、供电设备、日光灯、电磁场等。
在这里插入图片描述

1.2.6 转频

对于旋转机械而言,转速(角速度)是一个非常重要的参数。
转速表示每分钟旋转的圈数,单位为rpm(Revolution Per Minute)。
如果用每秒钟旋转的圈数来表示,则称为转动频率,简称为转频,是频率的一种表现形式。也就是说转频与转速的关系如下:

转频=转速/60

1.3 与阶次的区别与联系

对于常规的振动(线振动)而言,振动频率是2Hz,或者说每一秒钟时间振动这个事件发生的次数是2次。

对于扭转振动(角振动)而言,通常用阶次这个名词来描述,阶次表示的是旋转部件每旋转一圈(360度)振动这个事件发生的次数。

线性振动		频率与时间
扭转振动		阶次与圈数

阶次的物理意义是表示每圈事件发生的次数。
阶次是表示每圈事件发生的次数,而转频是表示每秒钟旋转的圈数。
那么,阶次对应的事件的频率则是阶次乘以转频。
1阶次对应的事件的频率是1倍的转频,
k阶次对应的事件的频率是k倍的转频,或者说1阶次对应的频率是1倍转频,k阶次对应的频率是k倍转频。不管转速如何变化,这种关系都是固定不变的,因此,我们说阶次独立于转速。

1.4 信号的频率成分

1.4.1 宽(频)带信号

信号的频率成分分布或宽或窄,若信号频率分布很广(信号频率成分是连续的),可以认为是一个宽(频)带信号,如白噪声。对于锤击法而言,则是一种宽带激励技术,这是因为力脉冲对应的力谱是一个连续的宽频信号,能激起很宽的频率范围内的模态,如图所示,上图为力脉冲时域波形,下图为力的PSD,从下图可以看出,力谱是一个宽频信号。通常,在时域窄的信号,在频域有宽的频率分布
在这里插入图片描述

1.4.2 窄(频)带信号

与宽带信号相对应的是窄(频)带信号,假设信号的频率宽度为B,中心频率为 f0,如图9所示。通常认为窄带信号满足以下要求:信号的频率宽度B远小于中心频率f0,通常要求B/f0<0.1 。例如,单频信号属于窄带信号,以及我们大多数情况下测量的信号只包含若干个单频成分,那么这也是窄带信号,对应的频谱称为窄带谱(用若干谱线表示)。如使用步进正弦进行激励时,则这种激励技术是一种窄带激励技术,因为每一时刻,激励信号只有一个单频成分。

另外,也可以从频率成分来理解宽带与窄带,若信号相邻频率成分相差很小,则可认为是一个宽带信号,如宽带随机信号;若相邻频率成分相差甚远,则属于窄带信号,如正弦信号。

若信号只有一个频率成分,则称为单频信号,如正弦信号。单频信号是窄带信号的一种特殊形式。只包含单一频率成分的声音,称为纯音。

通常,我们测试的信号的频率成分不会简简单单地只有一个单频成分,更多的是由多个频率,或有限数目相关的谐波,或无限数目不相关的单频成分组成。如图10所示,我们可以把信号的频率成分分成以下四种情况:
在这里插入图片描述
(a)有限数目的谐波成分,如在某个固定转速下变速箱的啸叫。啸叫声为某级定轴齿轮对的啮合频率以及其倍频。

(b)有限数目的非谐波成分,当传动装置存在多个传动路时,就会存在多个齿轮对,每个齿轮对都可能出现啸叫声,并且还有相应的倍频成分。

©无限频率成分的连续谱,这种频率成分类似随机噪声,包括所有的频率成分,并且无主要的频率成分,如路噪就属于这种情况。

(d)复杂频谱:既有若干单频成分,又有连续的频谱,也就是说既有随机噪声,又存在一些主要的单频成分,如车内噪声和飞机噪声就属于这种情况。

1.5 频率测量方法

早期,测量设备欠发达,测量单频信号的频率成分时有与标准频率比较的拍频法、频闪法,以及利用稳定的李萨如图判定频率的示波器法和频率计等测量方法。这些方法测量测量频率单一,精度差,在今天,都已不常用。

现今,普遍采用数据采集设备对模拟信号进行采样,获得数字信号后,再利用快速傅立叶变换(FFT)确定信号的频率成分,该方法可以确定信号复杂的频率成分,且利用计算机处理,可边测边显示频率成分,高效便捷、显示方便。

获得数字化信号最普遍的形式是使用等时间采样。也就是数据是按恒定的采样率进行采样。在满足香农采样定理前提条件下,采样后的信号将不存在频率混叠,采样后的信号是有效的数字化信号x(t)。如果我们对这个信号x(t)进行快速傅立叶分析,那么,将得到这个信号在不同频率处的频率分量,如图11所示。
在这里插入图片描述
使用数据采集设备进行采样获得时域数字信号,是图中从时域观测到的时域信号,对这个采集到的时域信号进行FFT变换,相当是对这个时域信号进行分解,分解成一系列不同幅值和频率的正弦波或余弦波,图中的时域信号是4个正弦波的组合,每个正弦波或余弦波使用一条谱线就可以描述,因此,当从频域观测时,可以看到,图示的信号有4条幅值不同的线状谱,对应图中间的4个正弦波的频率成分和幅值。因此,FFT变换是将信号从时域变换到频域,告诉我们信号具有哪些频率成分。某次实际测量的振动信号的频谱如图12所示。
在这里插入图片描述
这个变换过程完全是可逆的。也就是说,如果我们有信号x(t),我们能通过FFT变换得到X(f)。类似地,如果我们有信号X(f),也可以通过IFT(傅立叶逆变换)变换能得到x(t)。有时,这个过程可以写成如下形式:
x(t)<——>X(f)
以上变换过程,从理论上讲是可能的,但从现实角度来讲,FFT变换过程存在泄漏,而IFT变换过程存在逆泄漏,因此,变换后总会丢失一些信息,使之与变换前存在明显差异。

2 什么是频率分辨率

什么是机械振动?
什么是扭转振动?
什么是共振?
什么是阻尼?
什么是相位?
什么是域?如时域、频域、拉氏域等
什么是混叠?
什么是瀑布图分析
2016-11-14什么是阶次?
2017-10-08怎么理解阶次?
怎样求信号中的RMS值?
什么是倍频程?
怎么看频谱图?

信号频域分析方法的理解(频谱、能量谱、功率谱、倒频谱)

什么是分贝dB?
带宽、谱线数和频率分辨率有内在关系。确定其中任一两个参数,第3个随之确定。

2.1 频率分辨率的定义

在这里插入图片描述

在这里插入图片描述
一帧数据长度 由左上角的0.5s增加到左下角的1s,则频率分辨率由右上角的2Hz减少为右下角的1Hz。频率分辨率数值更小,谱线更密,频率精确更高。
在这里插入图片描述
一次FFT分析N个数据点,那么,得到的频谱图有N/2条谱线。

在这里插入图片描述
这是因为带宽B是采样频率的一半。

上式表明,带宽、谱线数和频率分辨率有内在关系。确定其中任一两个参数,第3个随之确定。

2.2 对频率精度的影响(栅栏效应)

FFT计算结果只位于各条谱线处,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
在这里插入图片描述

频率分辨率数值越小,相邻谱线间隔越近,求得的频率误差越小,频率精度越高。但是另一方面,这要求截取更长的一帧时域信号。

2.3 对幅值的影响(拖尾效应)

得到的频谱,除了频率存在误差之外,信号的幅值也不准确,频谱出现明显的拖尾效应

20Hz正弦信号在频率分辨率1.6Hz下的频谱:
在这里插入图片描述
频谱由单条谱线变成了能量主要分布到4条谱线上,因此,出现了明显的频谱拖尾效应。
在带宽一定的情况下,不同的频率分辨率使得频谱具有不同的谱线数。随机信号的总能量要分布到每条谱线上,随着谱线数量的增加,每条谱线上的幅值必然降低。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处:http://www.coloradmin.cn/o/1811896.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

利用 AI 深度学习,实现化合物配比最优化解决方案

为什么需要化合物配比的优化&#xff1f; 在化合物制造行业中&#xff0c;化合物的配比是产品质量控制的关键环节。 化合物制造流程 目前&#xff0c;这一过程高度依赖于材料专家和工程技术人员的经验&#xff0c;通过反复试验来验证产品性能&#xff0c;确保其满足市场和客户的…

Redis实现分布式锁有哪些方案?

Redis实现分布式锁有哪些方案&#xff1f; 在这里分享六种Redis分布式锁的正确使用方式&#xff0c;由易到难。 本文已收录到Java面试网站 方案一&#xff1a;SETNXEXPIRE 方案二&#xff1a;SETNXvalue值(系统时间过期时间) 方案三&#xff1a;使用Lua脚本(包含SETNXEXPIRE…

谷粒商城实战(033 业务-秒杀功能4-高并发问题解决方案sentinel 2)

Java项目《谷粒商城》架构师级Java项目实战&#xff0c;对标阿里P6-P7&#xff0c;全网最强 总时长 104:45:00 共408P 此文章包含第332p-第p335的内容 熔断降级 开启对Feign远程服务的熔断保护机制 feign.sentinel.enabletrue 这里我们只是调用方加就行 被调用方不用加 正常…

【Ai】使用LabelStudio做数据标注

一、什么是LabelStudio LabelStudio是一个功能丰富、灵活便捷、易于使用的数据标注工具&#xff0c;适用于各种机器学习和深度学习项目中的数据标注工作。有特点如下&#xff1a; 多功能性&#xff1a;LabelStudio支持为多种数据类型创建自定义标注界面&#xff0c;包括图像、…

【会议征稿,五大海内外高校支持】第四届经济发展与商业文化国际学术会议(ICEDBC2024,6月21-23)

第四届经济发展与商业文化国际学术会议&#xff08;ICEDBC2024&#xff09;将于2024年6月21-23日在中国大连隆重召开。会议主要围绕“经济发展”“商业文化”等研究领域展开讨论。 旨在为经济&#xff0c;商业的专家学者及企业发展人提供一个分享研究成果、讨论存在的问题与挑战…

富瀚微FH8322 ISP图像调试—BLC校正

1、简单介绍 目录 1、简单介绍 2、调试方法 3、输出结果 富瀚微平台调试有一段时间了&#xff0c;一直没有总结&#xff0c;我们调试ISP的时候&#xff0c;首先一步时确定好sensor的黑电平值&#xff0c;黑电平如果不准&#xff0c;则会影响到后面的颜色及对比度相关模块。…

AI预测福彩3D采取888=3策略+和值012路或双胆下一测试6月11日新模型预测第1弹

很抱歉各位小伙伴&#xff0c;端午节三天去了趟外地&#xff0c;没有按时更新3D和排三的预测。前面跟大家说过&#xff0c;8码定位是关键&#xff0c;8码定位能稳定在80%的命中率&#xff0c;才有望通过缩号缩至200-250注以内通过等额方式进行投资。由于前面的模型对8码定位的效…

MONA来了 小鹏子品牌首车定名M03,20万内空间智能颜值都要能打

作者 |苗岭 编辑 |德新 小鹏汽车今日公布&#xff0c;MONA系列的第一款车正式命名为&#xff0c;小鹏M03。 9个月前&#xff0c;小鹏汽车从滴滴手中收购了代号为「达芬奇」的造车项目。 5月21日&#xff0c;何小鹏在小鹏汽车的第一季度财报会议上宣布&#xff0c;MONA系列的…

超详解——Python 编程中的类型和对象深入探讨——基础篇

目录 1. 内建类型的布尔值 1.1 布尔值的基本规则 1.2 进阶应用 2. 对象身份的比较 2.1 基本概念 2.2 示例代码 2.3 实际应用 3. 对象类型比较 3.1 基本概念 3.2 示例代码 3.3 实际应用 4. 类型工厂函数 4.1 常见的类型工厂函数 4.2 示例代码 4.3 实际应用 5. P…

【推荐收藏】2024年5款最佳 GPU 渲染引擎大盘点

2024年已经过半&#xff0c;对于从事3D渲染和数字内容创作的朋友来说&#xff0c;选择一款高效的GPU渲染引擎至关重要。今天&#xff0c;小编就来为大家盘点一下2024年5款最佳GPU渲染引擎。 1.V-Ray V-Ray是一款备受欢迎的3D GPU渲染引擎&#xff0c;被建筑、视觉特效、室内设…

阅读源码解析dynamic-datasource-spring-boot-starter中是如何动态切换数据源的

dynamic-datasource-spring-boot-starter是苞米豆提供的一个动态切换数据源的工具&#xff0c;可以帮助企业或者个人实现多数据源的切换&#xff0c;这里通过阅读源码的方式解析是如何动态的切换数据源的&#xff0c;采用的版本是3.5.1 源码解析 通过官方文档可以看到&#x…

leetcode 所有可能的路径(图的遍历:深度优先和广度优先)

leetcode 链接&#xff1a; 所有可能的路径 1 图的基本概念 1.1 有向图和无向图 左边是有向图&#xff0c;右边是无向图。对于无向图来说&#xff0c;图中的边没有方向&#xff0c;两个节点之间只可能存在一条边&#xff0c;比如 0 和 1 之间的边&#xff0c;因为是无向图&am…

抖音 根据sec uid获取个人详细信息(性别、年龄、属地、关注数、粉丝数、简介等)

本文带来用户的secuid获取用户信息以及其他基本信息&#xff1a; 话不多说看效果&#xff1a; 第一步输入用户sec_uid 根据secuid获取到用户基本信息&#xff1a; 可以支持接口批量转换&#xff0c;欢迎咨询

从数据采集到部署,手把手带你训练一个高质量的图像分类模型

本文来自社区投稿&#xff0c;作者李剑锋 MMPreTrain 是一款基于 PyTorch 的开源深度学习预训练工具箱&#xff0c;本文将从数据采集到部署&#xff0c;手把手带大家使用 MMPreTrain 算法库训练一个高质量的图像分类模型。 MMPreTrain 项目链接&#xff1a; https://github.co…

正则表达式(Linux 下搭配 grep 使用)

目录 1.基本正则表达式 2.扩展正则表达式 3.实操之grep筛选 3.1基本正则表达式 3.2扩展正则表达式 1.基本正则表达式 ^ 用于最左端,如^"abc",匹配以abc开头的行 $ 用于最右端,如"abc$",匹配以abc结尾的行 ^$ …

使用Oracle VM VirtualBox安装Centos7

下载软件 VirtualBox下载&#xff1a; https://www.virtualbox.org/ CentOS7下载&#xff1a;http://mirrors.aliyun.com/centos/7/isos/x86_64/(阿里云镜像下载快) VirtualBox下载好之后&#xff0c;双击运行后&#xff0c;根据提示直接下一步到底就行了。 下面开始安装cent…

接连获得2项认可!细探美创信创数据安全方案与实践

信创浪潮奔涌向前&#xff0c;筑信创防线&#xff0c;守数据安全&#xff0c;近年来&#xff0c;美创科技率先布局&#xff0c;持续在信创产品类型、产品更新迭代、国产信创改造服务、解决方案、生态建设等方面创新与实践&#xff0c;以满足各行业用户数据安全建设需求&#xf…

Redis为何如此快与其线程模型

Redis是单线程的为什么如此快 ①redis是基于内存的 首先,Redis 是基于内存的数据库&#xff0c;不论读写操作都是在内存上完成的&#xff0c;完全吊打磁盘数据库的速度。 ②Redis是单线程模型&#xff0c;从而避开了多线程中上下文频繁切换的操作 Redis 的单线程指的是 Red…

(2024,选择性遗忘,积极遗忘,消极遗忘)机器学习及其他领域的“遗忘”:综述

"Forgetting" in Machine Learning and Beyond: A Survey 公和众和号&#xff1a;EDPJ&#xff08;进 Q 交流群&#xff1a;922230617 或加 VX&#xff1a;CV_EDPJ 进 V 交流群&#xff09; 目录 0 摘要 1 引言 2 不同知识领域中的遗忘背景 2.1 心理学中的遗忘&…

responses-validator接口断言之状态码

概述 responses-validator 专用于对 reqeuests 的响应对象进行断言&#xff0c; 同时&#xff0c;为了更适用 yaml 的场景&#xff0c;支持了多种灵活、可扩展的写法&#xff0c;可用于搭建yaml接口自动化测试框架。 根据 reqeuests 响应对象的特点&#xff0c;responses-val…