含光左卫的工作笔记集

原创 [研发工具箱] 系列3.机电类常用的分类网站

机电类专业网站、资讯、工具分类黄页。是相关从业人员的案头必备。附录A包含一个更小的细分领域PHM的相关资讯黄页。

原创 多通道信号采集分析系统 - 01 功能分解与采样子系统

一个传感器采样及数据推送程序...借助mqtt来做消息分发，将数据推送给多个不同智能的用户。

原创 夏季携带冰包物理降温的温升计算及实验验证

通过实验和数值模拟研究了冰水混合物的温升特性。1.25升饮料瓶在37℃温差下约1.5小时升至25℃（实测），与数值模拟结果吻合。400ml冰包的模拟显示约2小时升至25℃。能量分析表明完全依靠人体散热需要约10.75小时，实际应用中建议使用保温材料携带4-5个冰包，可提供4-5小时的降温时长。模拟考虑了热导率、表面积等因素，为便携式降温方案提供了理论依据。

原创 某公司自营振动信号采集产品及PHM应用一例

本文介绍了两个温振采集设备的技术参数，及一则振动筛故障监测诊断与检修确认的过程。是PHM温振分析的一个典型案例。

原创 C环境下更简洁的cJSON辅助函数

本文介绍了基于cJSON库的JSON解析辅助函数扩展。通过添加路径访问功能，实现了使用反斜杠路径访问JSON任意节点，包括数组下标访问（如"key[1]"）。核心函数包括json_read_text_file（读取JSON文件）和gpJson_GetItemFromPath（路径解析）。该方案简化了复杂JSON结构的访问，避免了大量类型转换函数，并建议通过宏处理默认值问题。文中还展示了如何使用该扩展获取JSON中的字符串、数值等数据，以及在C++中实现类似访问语法的可能性。

原创 一键编译包含多个独立模块和应用的工程(linux cmake)

一个稍稍复杂的中型项目：包含多个模块和多个应用程序，cmake配置，以及代码的组织样例。

原创 振动传感器采集电路 02 - 采样电路的抗混叠滤波

一个AD采样电路抗混叠滤波和输入阻抗匹配的推导（进行中...)

原创 振动传感器采集电路 01 - 参考设计ADI CN0540

本文涉及一款IEPE压电振动传感器相关采集电路的参考设计。包含相关指标的评注。它隶属PHM的振动分析范畴。振动传感器的频响、温飘、动态范围、ADC零点的处理，已经必要的滤波电路是振动分析算法设计必须要考虑的项点。这份参考设计中对这些问题会有自己的处理。然后，它还包含一些最新的与振动采集，基于状态的振动检测的最新参考设计与器件的链接。这是一篇系列文章。打算沿着ISO 18436-2 对整个故障分析链路进行稍稍全面的梳理。

原创 我的技术笔记

个人的工作笔记，分类，及概要。即日启用的一个新的工作笔记事项。

原创 振动分析师（ISO18436-2）四级能力矩阵 - 简介

ISO18436-2 振动分析员四级体系，能力矩阵描述、各阶段工作职责、待学习内容，以及相关证书考试内容；一个示例的培训计划。

原创 ISO18436-2 CATII级振动分析师能力矩阵

振动分析的一份行业培训和认证计划的一瞥。在这个四级证书认证体系中，给出了CATII级别的大致能力要求和相关培训的大致内容。供从业人员了解。附录，给出了关联的针对振动分析师的ISO18436标注的出处和大致范围。

原创 轴类相关部件故障的调制波

文章分析了齿轮传动系统的振动频谱特征，指出正常工作状态下主要表现为轴频和啮合频两个频点。当存在缺陷时，突变和渐变两种故障类型会引发1X、2X谱线变化，而皮带传动会产生分数频率。重点探讨了边频带的形成机理，认为可能是机电反馈导致的非线性调制现象，而非简单的简谐振动叠加。文章还提及了拍频、李萨如图等异常现象，以及虚假谱线、相位错乱等测量误差问题，并计划通过同步测量力矩和振动波形来验证边频带形成理论。最后附录记录了与AI关于简谐振动叠加的讨论。

原创 XJTU-SY轴承振动数据集的json自封装

本文介绍了一个将XJTU-SY轴承振动数据集转换为结构化JSON格式的自动化处理方案。该方案通过Python程序实现了原始CSV数据的格式转换，将15个测试用例的轴承振动数据（包含水平/垂直分量）转换为包含元数据的JSON文件。每个JSON文件自包含数据集信息（名称、作者、DOI）、测试条件（转速、载荷、故障类型）、采样参数（32位浮点hex编码）和时间序列数据。转换程序采用大端序处理浮点数据，确保数据精度，并自动生成时间戳和校验信息。最终输出的JSON文件便于后续分析使用，避免了查阅多份文档的不便。

原创 知乎一位电机领域的同志的专业笔记

电机类大概从业了10年（含学习）的经验分享。

原创 振动分析 - 速度谱与加速度谱的转换

摘要：本文介绍了频谱特征转换的方法，通过简谐振动公式实现了速度谱与加速度谱之间的相互转换。提供了Python程序代码示例，包括加速度谱转速度谱、速度谱转位移谱等功能函数。并以周老师的速度数据为例，展示了如何将速度谱转换为加速度谱，最终绘制出两者的对比图表。其中50Hz和100Hz谱线在加速度谱中的比例关系符合理论预期，验证了转换方法的正确性。

原创 振动分析 - 献个宝

这个分析工具似乎真的定位到了故障的具体位置。

原创 振动分析相关FAQ - Part I

温振分析过程中涉及到的一些知识点，期望能尽可能铺满与工程应用相关的领域，指出那些可能的陷阱。

原创 振动分析测量值——11+13个测量指标的传抄过程

本文讨论了振动分析中的测量指标，包括时域和频域特征，并提出了对这些指标在实际应用中的修正和适应场景的额外注释。文章引用了雷亚国博士的论文，详细介绍了时域和频域指标的计算方法和应用场景，并提到了这些指标在机器学习量化分析中的重要性。此外，文章还列出了时域和频域的具体测量指标，如均值、标准差、频率均值等，并介绍了时频域混合指标，如短时傅里叶变换和小波变换。最后，文章提供了进一步阅读的学术文献和技术资源，为深入研究和应用这些测量指标提供了参考。

原创 一个奇怪的RMS的计算 - 方根幅值

在一本振动分析书籍中提到的方根幅值，初看似乎不如方均根（RMS）实用，因为RMS通过先平均再开方的方式，通常误差更小。然而，深入分析后发现，对于归一化在[0,1]范围内的测量值，方根幅值实际上能更有效地减小误差。特别是当数值小于1时，方根幅值通过sqrt()函数处理后，误差会缩小。尽管在累加过程中误差可能被放大，但累加后的平均化处理使得整体误差得到控制。因此，对于小信号处理，方根幅值在均值计算中展现出比均方根更好的收敛性。这一发现也适用于机器学习算法中的卷积运算，良好的算法设计会利用数据特性，采用此类算式以

原创 时频分析的应用—外部信号的显影和定点清除

上面的图样是一张时频图，横坐标是时间，纵坐标是频率，可见的横向波形纹路，不同的颜色标志着主要的干扰源，它们是50Hz工频谐波。这类信号在数据分析领域往往是需要过滤掉的杂波。因为这类信号足够强，所以他会在频域弥漫为一组同样特征的谐波信号，比如450HZ的是9倍频，而下移7.5hz的同样振幅的信号，显然是另一种谐振波形。这类信号，可以通过信号的自相关特性几乎完全消除掉：这个一个典型应用，记录在这篇文章中：你能想到它的可能应用场景吗？

原创 风电系统预防性维护相关国标FAQ

风电系统运维与监测相关的核心标准可参考GB/T20319-2017。产品预验收文档集合包括机组及主要部件质量及说明文件、安装工程验收文件、机组调试报告等。最终验收报告需增补运行日志、维护记录、检修记录、故障统计表、设备运行数据、移交生产验收资料等。

原创 振动分析的细化——频谱和时频分析实例

时频分析的基础是频谱在时间轴上的播放。直接将时间轴定义为Z轴，得到的就是瀑布图。如果将时间轴替换掉幅度轴，然后用颜色体现幅度信息，得到的就是热力图。时频分析的基础是频域，频域提现了故障的频域细节。而时频分析本质上是一种趋势分析。它查看的是设备的故障演进过程。用颜色来标记特定频率振动的强弱，类似一种全频段心电图。

原创 振动信号测量域的时频测量值项点及趋势实例

摘引自。

原创 [笔记]几起风电结构失效案例与简单分析

一些风电事故案例，一份分析报告，及一个合格的状态监测系统的可能的设置（美国风电联合会的最佳实践），修订中...

原创 专业知识的检索过程 stepbystep - 样例

这是一套与风电有关的PHM系统相关资料的搜集过程实例展示。展示了相关的系统设计目标相关的资料搜集过程。

原创 振动临近失效状态，怎么频谱会是梳子？

在破坏性试验的终末期，振动波形在时域上表现为正常的冲击信号，但在频域上却呈现出异常复杂的形态。这种现象通常是由于系统在极端条件下发生非线性响应或结构损伤导致的。你能解释这种频谱特征吗？能提取出此时的振动的关键特征？

原创 第一次被AI指点出文章的问题

关于链家左晖的一篇评论稿这篇文章有什么问题吗？所有方面都可以谈，包括叙述，用词，重复，真实性，偏见，所有你能想到的语病都可以针对性地进行分析。完成回答，用时 1 分 1 秒全部来源 1整理来源1 如何评价链家（贝壳）创始人左晖？子正-含光左卫· 关注3351 关注 · 4796 赞同深度思考嗯，用户让我分析一篇关于左晖和贝壳的文章，指出所有可能的问题，包括叙述、用词、重复、真实性、偏见和语病。首先，我需要仔细阅读用户提供的文档，然后逐一检查各个方面的潜在问题。首先看结构问题。

原创 PHM领域的两个阶段：状态监测与故障诊断

今天在整理振动分析系统的需求清单时遇到了这个问题。我的需求清单的基本结构是这样的：它远远不全，只是就着我平时的一些书签，大致整理出了一份非常简短的名单。对照着手头的项目进行需求梳理时，发现了一组之前没有意识到的问题。对于故障检测领域，其实有至少三类到四类系统在运作，他们的基本目标是不同的。对于在线监测领域，事实上有两代系统：CMSCondition Monitoring System,设备状态监测系统FDS故障诊断系统FDDS故障侦测与诊断系统。

原创 振动信号分析 - 复数坐标变换引发的问题

又假定我们需要将其坐标转换为0点记作：32768，然后正值部分>32768,负值<32768的u16,满量程暂且定为65535 = 50(value)非常annoy，对吧？所以计算时，尽量不要改变数值的量程和中心点，否则你得出的数值极易出错。你知道为啥4,5不等吗？因为此时的模的圆心变了。

原创 从xjtu-sy数据集中看轴承故障的发展趋势与基本特征

1.4中，数据彼此相差1分钟，电机每分钟是1500转，相当于6000转之内，故障就明显出现成型了。所以，如果定那个故障的特征：我觉得把特征谱线处，加速度峰值>=5g可以作为判据，如果使用历史数据，那么特定谱线的幅度较历史值超出5倍，似乎也是比较合适的阈值。1.需要考虑振动在不同转速下的归一化问题，（峰值的归一化），最终的阈值需要先进行峰值归一化，然后再设定。我记得应该是个平方关系。2.也许可以考虑取用某个频段范围内多个峰值点取算术平均然后利用这个平均值和1x频点的比率来评估某个频点的谱线已经形成。

原创 xjtu_sy 1_1 外圈故障振动数据分析初步

近似不变，第一个峰值出现在219.8Hz的位置。感觉问题出在对数据resample的时候，即使按照时域图，此时的数据特征频率应该是：0.20s/22cycles = 110Hz，与理论的外圈故障相当。从初始阶段到终末期，频谱峰值谱线的极值，0.0028->增加到了0.16 = 57倍。轴承故障频点，所用的轴承是LDK UER204。

原创 某振动分析系统的参数交叉核算

振动分析系统一篇论文相关的参数校验和推导。

原创 Code Complete代码大全20年纪念版附录书籍等

代码大全2 二十周年纪念版术后附录相关资源摘编

原创 一组可能的机器学习问题列表

原创 极简cnn-based手写数字识别程序

这个程序识别的是0~9的一组手写数字，这是最终的识别效果，为1，代表识别成功，0为失败。然后数据源是：ds = deeplake.load('hub://activeloop/optical-handwritten-digits-train')里面是一组压缩存储的32*32 bits 0-1点阵，内容是0~9的数字的手写数据。我训练了150次，最终达到的效果。模型非常简单：其中两级卷积层，然后是一个池化层，然后是两组映射，最终到达一组prob数据，然后它的维数是10。

原创 最简CNN based RNN源码

本文参考了《深度学习与交通大数据实践》3.3.3有修改。这基本是我临摹下来，并且立即思路的第一版机器学习代码。

原创 最简rnn_lstm模型python源码

这是一个基于机器学习的时间预测。包含数据集生成，训练和预测。数据源直接模拟了一个10个周期的sin()函数，把前70%划分为训练集，建立了一个已知前2点，求下一点的训练集，并搭建相应的lstm模型。不到120行代码，参考了《深度学习与交通大数据实战》3.2节。注意这本书只能在京东等在线商城网购，才能拿到相应的数据集和源码。我的是在当地新华书店买的——买清华出版社，记得这个恶心的规定。信号的相位信息基本一致，sin(x)特征基本保持，幅度有问题，然后时间序列预测最前面出现了一点异常。不知道有谁能消除掉它吗？

原创 一个极简的反向传播实现

这是2022年，北方交通大学的同志实现的。包含机器学习的所有过程。前向，反向，损失函数，detect，然后数据集使用了sklearn.datasets的make_moons()。

原创 一组电机电流频谱 - 主要关注5x7x倍频

FFT幅度仍然不大对，主要目的是为了找到典型的正转正拉，正转反拉频谱。最终在附录A中找到了两组典型的正转反拉波形。为接下来的工作做数据筛选。

原创 从静电场的电力线测量公式逆推电场解析函数

假定平面静电场的电力线是一个抛物线方程：其中c>0，求这个电场的等电势线。这其实就是在已知该解析函数在四维空间的一个切面的某一个维度的函数表达式的情况下，求解第四维德分布函数。我看看能否直接用希尔伯特变换来处理它。我知道答案，所以，要做的只是看我的解法是否和传统的解法一致。