随机信号分析与处理罗鹏飞_振动信号的平滑处理

振动信号的平滑处理

一般来说,数据采集器得到的振动信号会包含有噪声成分。这些噪声信号主要包括:无规律的随机干扰信号和其它周期性的高频干扰信号等。由于随机干扰信号与正常信号相比,其频带更宽,因而所采集的离散的振动信号数据曲线上就会出现很多毛刺,这些毛刺为干拢信号的表现形式。这时我们就需要对数据进行平滑处理,使曲线更加光滑,从而减小干拢信号对真实数据的影响。而且,数据平滑处理还可以被用来消除信号不规则趋势项。在传感器量测振动信号的过程中,测试仪器难免会受到各种各样的影响因素的信号干扰,引起造成个别测点的采样信号与基线的偏差非常大,这种结果会影响分析结果的准确性。这时,我们也可以利用数据平滑处理技术将不规则的趋势项从采集到的原始信号中减去,从而获得数据信号的真值。目前,平滑处理常用的几种方法主要有以下几种,分别如下文所述。

1平均法

平均法的基本计算公式如下：

式中:X表示为采样数据;表示平滑处理后的结果;m表示数据点数;2N+1表示平均点数;h表示加权平均因子。若将(1)看作一个滤波公式,此时还可认为是一个滤波因子。因此,加权平均因子必须满足下式:

对于简单平均法hn=1/2N+1（n=0,1,2,…,N）,即

对于加权平均法,若作五点加权平均(N=2),可取

直线滑动平均法的原理就是基于最小二乘法的算法,把离散数据转变成为线性平滑的数据.

五点滑动平均(N=2)的计算公式可以如下式所示:

2 五点三次平滑法

五点三次平滑法也是以最小二乘法为主要方法对离散数据进行平滑处理,具体过程是重复采用三次最小二乘多项式平滑的方法。五点三次平滑法用计算公式表达为:

五点三次平滑方法适合于处理时域和频域信号。时域数据的平滑处理方法,可以减少高频随机噪声与振动信号混合。也可以用于使频域数据转变成光滑的光谱曲线,以便更好地适合在模态参数识别的需要。但是,该频域数据将通过五点的三倍平滑光谱曲线峰值下半身中变宽识别参数有可能会造成错误的增加。因此,平滑的次数不能太多.

例3:下图4.2-3a是对某桥梁监测系统中采集到的加速度时程曲线,图中可以看出此数据曲线上有很多毛刺,说明其高频成分较大,因此需要对此数据进行平滑处理。通过多次的平滑处理后获得了图4.2-3b中所示的数据图。

《来源科技文献，经本人分析整理，以技术会友，广交天下朋友》