|
马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。
您需要 登录 才可以下载或查看,没有账号?我要加入
x
本帖最后由 214670964 于 2012-5-5 22:29 编辑
对一组轴承故障振动信号进了了EMD分解求解其故障特征频率,该数据使用的是美国西储大学的轴承故障数据,本次使用的是采样频率12000hz,轴承内圈故障信号。已知其内圈故障特征频率是162.18hz,下面通过对其进行emd分解,求其边际谱。但是求得的边际谱并不能看到162.18hz这个故障特征频率。边际谱如下有600多hz,1000多hz,3000多hz的频率,这是怎么回事,这些频率是什么意思,代表什么呢,怎么会有这些频率呢???而且并没有162.18故障特征频率,这是怎么回事????
程序如下;
fs=12000;
data=X105_DE_time(1:5000);%这个是西储大学轴承中心下载的数据,驱动端内圈采集数,数据很大,采样频率是12000;imf=emd(data); %对输入信号进行EMD分解
[A,f,t]=hhspectrum(imf); %对IMF分量求取瞬时频率与振幅:A:是每个IMF的振幅向量,f:每个IMF对应的瞬时频率,t:时间序列号
[E,t,Cenf]=toimage(A,f); %将每个IMF信号合成求取Hilbert谱,E:对应的振幅值,Cenf:每个网格对应的中心频率 这里横轴为时间,纵轴为频率
%即时频图(用颜色表示第三维值的大小)和三维图(三维坐标系:时间,中心频率,振幅)
cemd_visu(data,1:length(data),imf); %显示每个IMF分量及残余信号--------------------------------------------
disp_hhs(E); %希尔伯特谱----------------------------------------------------------
%画出边际谱
%N=length(Cenf);%设置频率点数 %完全从理论公式出发。网格化后中心频率很重要,大家从连续数据变为离散的角度去思考,相信应该很容易理解
for k=1:size(E,1)
bjp(k)=sum(E(k,:))*1/fs;
end
分解得到的imf分量如下
figure(3);
plot(Cenf(1,:)*fs,bjp); % 作边际谱图 进行求取Hilbert谱时频率已经被抽样成具有一定窗长的离散频率,所以此时的频率轴已经是中心频率
xlabel('频率 / Hz');
ylabel('幅值');
|
-
imf分量
-
imf分量
-
imf分量
-
所得到的边际谱
|