Python 基于阈值修正的加速度信号频域积分算法

振动信号的加速度频域积分是一种信号处理技术，用于从加速度振动信号中获取速度或位移信息。在工程领域，尤其是在机械故障诊断和结构健康监测中，这种技术非常重要。

原理

加速度频域积分基于傅里叶变换。傅里叶变换可以将时间域的信号转换为频率域的信号。对于一个加速度信号，傅里叶变换可以得到其频谱，即不同频率成分的幅值和相位。

频域积分的基本原理是：

对加速度信号进行傅里叶变换，得到加速度频谱。
根据积分关系，对加速度频谱进行积分运算，得到速度频谱。
如果需要，对速度频谱再进行一次积分，得到位移频谱。
最后，通过傅里叶逆变换，将频谱转换回时间域，得到速度或位移信号。

优势

频率分辨率：频域积分可以提供高频率分辨率的结果，这对于识别振动信号的细节非常重要。
简化计算：相比于时域积分，频域积分可以简化计算过程，因为在频域中，积分运算等同于相位的变化和幅值的除以频率。

趋势项消除及抗干扰能力

通过加速度积分得到速度信号的困难之一是消除趋势项、微弱低频噪声的影响，通常在积分前、积分后使用高通滤波实现，但是对于宽频加速度信号，设计截止频率极端的滤波器容易出现病态系数问题，这里借助于阈值修正的频域积分算法解决上述问题，在仿真信号和实际信号的应用都取得良好效果。

t = np.arange(0, 16384) / 25600
    fs = 25600
    data = 2 * np.cos(2 * np.pi * 351.6 * t +np.pi) #* 0.009 * np.cos(2 * np.pi * 3.5 * t +np.pi)



    vel_data = fre_integral(data-np.mean(data),fs,2,1,0.5)

    s1 = sp(data,fs)
    faxis, amp = s1.getfft()
    wave_visual(faxis, amp, title='频谱',xlabel='Fre(Hz)', ylabel='acc(m/s^2)',show=0)

    s2 = sp(vel_data, fs)
    faxis2, amp2 = s2.getfft()
    wave_visual(faxis2, amp2, title='频谱', xlabel='Fre(Hz)', ylabel='vel(um)',show=0)

    faxis2, amp2 = s2.getwaveform()
    wave_visual(faxis2, amp2, title='波形', xlabel='Time(s)', ylabel='vel(um)', show=1)

阈值修正后频域积分结果

直接频域积分