工程振动信号分析与处理若干技术
Several Technologies for Signal Analysis and Processing of Engineering Vibration
摘要: 对工程振动信号分析与处理中的常用技术进行了研究,包括消除趋势项、数字滤波、频域微积分、生成扫频与白噪声信号、模态参数识别、三分之一倍频程谱、小波分解与重构等,编制了相关程序,并基于实测振动信号进行了分析与处理,与相关商业软件进行了对比校核。消除趋势项可以解决采集数据偏离基线、避免数据无法使用的问题;高通与低通滤波可以根据分析需要任意滤除某频段并获得对应时域数据,从而为振动控制提供理想输入;频域微积分可以通过间接采集加速度或速度信号,分析得到位移信号;扫频和白噪声信号可以为系统振动与隔振性能检验提供输入信号;随机减量法、NExT法、IDT法是系统模态参数识别的重要方法;三分之一倍频程谱是微振动、噪声控制等多领域评价的重要标准;小波分解与重构可以对多源振动信号进行分解,获得各频段成分的各类型振动信号。本研究中总结的若干技术是工程振动控制中最为常用的分析处理技术,对于实际工程应用具有重要的指导意义。
Abstract: The common technologies in the analysis and processing of engineering vibration signals are systematically studied, including the elimination of trend terms, digital filtering, calculus in frequency domain, generation of swept frequencies and white noise signals, modal parameter identification, one-third octave spectrum, wavelet decomposition and reconstruction, etc., and the related programs are compiled, which are analyzed and processed based on the measured vibration signals, which are compared with relevant commercial software. The elimination of trend terms can solve the problem of collecting data deviating from the baseline and avoiding data from being unusable. High-pass and low-pass filtering can arbitrarily filter out a certain frequency band and obtain the corresponding time-domain data according to the analysis needs, so as to provide ideal input for vibration control. Calculus in frequency domain can be used to indirectly analyze the displacement signals by the collected acceleration or velocity signals. The generation of swept frequencies and white noise signals can provide input signals for the vibration isolation performance test. The random reduction method, NExT method and IDT method are important methods for modal parameter identification. One-third octave spectrum is an important criterion for the evaluation of micro-vibration, noise control and other fields. Wavelet decomposition and reconstruction can decompose multi-source vibration signals to obtain various types of vibration signals with a variety of frequency band components. The techniques summarized in this study are the most commonly used analysis and processing techniques in engineering vibration control, which have important guiding significance for practical engineering applications.
文章引用:黄伟. 工程振动信号分析与处理若干技术[J]. 图像与信号处理, 2024, 13(4): 378-393. https://doi.org/10.12677/jisp.2024.134033

参考文献

[1] 魏招毅. 柴油机燃烧噪声传递函数及噪声预测研究[D]: [硕士学位论文]. 天津: 天津大学, 2020.
[2] 孙苗钟. 一种消除振动信号多项式趋势项的方法[J]. 仪器仪表与分析监测, 2007(1): 11-12.
[3] 胡永梅, 张鹏波, 纪少波. 柴油机振动加速度信号测试及分析方法研究[J]. 内燃机与动力装置, 2010(2): 8-11, 22.
[4] 陈华华. 风电叶片脱层的无损检测技术研究[D]: [硕士学位论文]. 南京: 南京航空航天大学, 2015.
[5] 贾通. 沥青路面智能压实系统关键技术研究[D]: [博士学位论文]. 南京: 东南大学, 2020.
[6] 纪少波. 基于柴油机缸盖振动加速度信号提取缸内燃烧过程信息的研究[D]: [硕士学位论文]. 山东: 山东大学, 2008.
[7] 程亮亮. 薄壁圆柱壳类结构的模态参数辨识技术与软件[D]: [博士学位论文]. 沈阳: 东北大学, 2013.
[8] 李英, 李绍明, 牛草原, 等. 玉米植株的振动特性测试[C]//第十届全国振动理论及应用学术会议论文集. 2011: 1076-1084.
[9] 戴超. 汽车油箱典型姿态工况下的动态泄漏及动态通气性能研究[D]: [硕士学位论文]. 镇江: 江苏大学, 2023.
[10] 罗丹. 数据驱动的铣刀磨损状态识别及预测方法研究[D]: [硕士学位论文]. 西安: 长安大学, 2022.
[11] 王晨阳. 基于惯性测量元件的波浪测量方法研究[D]: [硕士学位论文]. 天津: 天津理工大学, 2019.
[12] 杨津龙. 邹城市水资源调查评价与变化情势研究[D]: [硕士学位论文]. 泰安: 山东农业大学, 2014.
[13] 程佩清. 数字信号处理教程[M]. 第二版. 北京: 清华大学出版社, 2001.
[14] 王济, 胡晓. MATLAB在振动信号处理中的应用[M]. 北京: 中国水利水电出版社, 2006.
[15] 王晓燕, 李杰, 董玉才, 等. 基于FIR数字滤波器随机振动信号频时域转换方法[J]. 北京理工大学学报, 2012, 32(7): 685-688.
[16] 任飞. 数字相关滤波法振动信号的处理技术分析[J]. 电子测试, 2019(10): 97-98.
[17] 邢子龙, 闫利文, 杨振峰, 等. IIR数字滤波器在砌块成型机振动信号滤波中的应用[J]. 现代机械, 2015(6): 53-55.
[18] 陈高杰, 陈章位, 韩军, 等. 数字滤波在低频振动无线检测系统信号处理中的应用研究[J]. 工兵装备研究, 2015, 34(1): 29-33.
[19] 李秀丽, 钱琳琳, 牛瑞燕, 等. 傅里叶变换中时域微积分性质的应用[J]. 北京联合大学学报(自然科学版), 2006, 20(3): 61-63.
[20] 樊新海, 赵智勇, 安钢, 等. 机械振动烈度的频域算法研究[J]. 装甲兵工程学院学报, 2008, 22(1): 42-45.
[21] 王林台, 高文学, 曹晓立, 等. 工程振动信号微积分敏感性及其应用研究[C]//2018第十二届全国爆炸力学学术会议论文集. 2018: 86-86.
[22] 许可. 基于随机减量法识别转向架构架刚体模态的研究[D]: [硕士学位论文]. 北京: 北京交通大学, 2006.
[23] 刘剑锋, 李元兵, 张启伟. 基于改进随机减量法和小波变换的结构模态参数识别[J]. 同济大学学报(自然科学版), 2015, 43(10): 1447-1453.
[24] 罗钧, 刘纲, 黄宗明. 基于随机减量法的非平稳激励下模态参数识别[J]. 振动与冲击, 2015(21): 19-24, 64.
[25] 逯静洲, SUNG HAN SIM, BILLIE F. SPENCER, JR. 基于随机减量法的分布式结构模态参数识别[J]. 振动与冲击, 2017, 36(17): 48-54.
[26] 黄方林, 何旭辉, 陈政清, 等. 随机减量法在斜拉桥拉索模态参数识别中的应用[J]. 机械强度, 2002, 24(3): 331-334.
[27] 张亚林, 胡用生. 随机减量法在机车车辆轮对系统模态参数识别中的应用[J]. 铁道学报, 2002, 24(2): 35-38.
[28] 田鹏明, 连俊义, 张凤. 随机减量法在工作模态参数识别中的应用研究[J]. 机电工程技术, 2012, 41(6): 105-108.
[29] 张亚林, 胡用生. 随机减量法识别轮对系统模态参数[J]. 同济大学学报(自然科学版), 2002, 30(6): 695-698.
[30] 韩建平, 张鸿宇, 安鹏强. 基于自然激励技术和FT时移特性的模态阻尼比识别方法[J]. 世界地震工程, 2020, 36(3): 19-26.
[31] 万方义, 崔卫民. 基于自然激励技术与本征系统实现算法的飞行器结构健康监测研究[C]//第九届全国动力学与控制学术会议论文集. 2012: 206-206.
[32] 薛晓武. 基于自然激励技术的输电塔结构损伤识别研究[D]: [硕士学位论文]. 重庆: 重庆大学, 2013.
[33] 罗奎. 基于自然激励技术的结构模态参数识别应用研究[D]: [硕士学位论文]. 武汉: 武汉理工大学, 2010.
[34] 纪红刚, 宋汉文. 自然激励技术在时延相关白噪声激励系统中的应用[J]. 噪声与振动控制, 2017, 37(6): 211-215.
[35] 韩建平, 李达文. 基于Hilbert-Huang变换和自然激励技术的模态参数识别[J]. 工程力学, 2010, 27(8): 54-59.
[36] 陈燕虹. 结构模态参数识别ITD方法实施及研究[D]: [硕士学位论文]. 长春: 吉林大学, 1997.
[37] 杨佑发, 李帅, 李海龙. 环境激励下结构模态参数识别的改进ITD法[J]. 振动与冲击, 2014(1): 194-199.
[38] 裴冉冉, 孟昭博, 张保良, 等. 基于ITD法的光岳楼木结构模态参数识别[J]. 聊城大学学报(自然科学版), 2018, 31(1): 104-110.
[39] 狄生奎, 张得强, 李健. 基于ITD法的结构模态参数识别[J]. 土木工程与管理学报, 2012, 29(4): 15-19.
[40] 王维辉, 董萼良, 康新. 基于数字图像相关法及ITD法的模态参数识别研究[C]//中国力学大会2011暨钱学森诞辰100周年纪念大会论文集. 2011: 1-6.
[41] 区允杰, 陈刚. 基于改进ITD法的低频振荡参数辨识研究[J]. 广东电力, 2019, 32(5): 73-79.
[42] 武晓飞, 郑海起, 栾军英, 等. 基于速度响应信号的模态参数识别ITD算法研究[J]. 机械制造, 2009, 47(9): 29-32.
[43] 徐辰奎, 刘国明, 杨亮. 基于随机减量和时域ITD法的重力坝模态参数识别[J]. 水利与建筑工程学报, 2015(6): 178-182, 225.
[44] 武文山. 精密设备环境振动测试与评价方法研究[D]. 武汉: 华中科技大学, 2013.
[45] 杜林林, 兰日清, 祖晓臣, 等. 区域环境振动对某拟建精密实验室选址的影响分析[J]. 噪声与振动控制, 2022, 42(2): 201-206.
[46] 程琳, 王长柏, 许彪, 等. 压路机振动对精密仪器影响的研究[J]. 科学技术与工程, 2017, 17(7): 143-147.
[47] 曹伟. 基于小波包分解重构的微震信号降噪方法研究与实现[D]: [硕士学位论文]. 青岛: 山东科技大学, 2018.
[48] Daubechies, I. (1992) Ten Lectures on Wavelets. Society for Industrial and Applied Mathematics. [Google Scholar] [CrossRef
[49] Mallat, S.G. (1989) A Theory for Multiresolution Signal Decomposition: The Wavelet Representation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 11, 674-693. [Google Scholar] [CrossRef
[50] Meyer, Y. (1992) Wavelets and Operators: Volume 1. Cambridge University Press.