В этом примере показано, как использовать Извлечение Спектральный Live Editor Функций задача анализировать данные из текущего сигнала, полученного из управления зубчатой передачей сервомотора класса хобби. Пример также показывает, как извлечь спектральные функции из данных, чтобы помочь в обнаружении отказа и идентификации.
Задачи Live Editor позволяют вам в интерактивном режиме выполнить итерации на параметрах и настройках при наблюдении их эффектов на результате расчета. Задачи автоматически генерируют код MATLAB®, который достигает отображенных результатов. Для получения дополнительной информации о задачах Live Editor обычно, смотрите, Добавляют Интерактивные Задачи к Live Script.
В частности, этот пример использует Извлечение Спектральный Live Editor Функций задача. Эта задача помогает с анализом и пониманием спектральных данных. Используя всесторонний интерфейс, можно добавить компоненты, чтобы представлять различные подшипники, сетки механизма или другие части настройки оборудования. Когда вы устанавливаете физические параметры этих компонентов, Извлечение Спектральный Live Editor Функций диапазоны частот отказа графиков задачи на характеристических частотах компонентов.
Можно наложить данные о спектре мощности по графику полосы отказа сопоставить различный peaks в данных с характеристическими частотами компонентов. Это сравнение может сделать обнаружение отказа и изоляцию отказа легче, когда можно легко проследить изменения в данных о спектре мощности назад к физическим компонентам, вызывающим их.
В дополнение к графику характеристических частот и данных о спектре мощности, задача может сгенерировать спектральные метрики данных в каждом характеристическом диапазоне частот. Выходная метрическая таблица, содержащая пиковую амплитуду, пиковую частоту и мощность полосы каждого лейкопластыри в охарактеризовании потенциальных механических отказов.
В данном примере данные об электрическом токе были собраны от стандартного сервомотора хобби Futaba S3003, который был изменен для непрерывного вращения. Сервомоторы преобразуют высокую скорость внутреннего двигателя постоянного тока к высокому крутящему моменту в выходном сплайне. Чтобы достигнуть этого, сервомоторы состоят из двигателя постоянного тока, набора нейлона или металлических механизмов диска и схемы управления. Схема управления была демонтирована, чтобы позволить текущему сигналу двигателю постоянного тока быть непосредственно проверенным. Сигнал тахометра в выходном сплайне сервомотора был собран с помощью инфракрасного фотопрерывателя наряду с 35 мм в диаметре, колеса с шестнадцатью пазами. Эти шестнадцать пазов в колесе были равномерно распределены, и фотопрерыватель IR был помещен таким образом, что это испустило точно шестнадцать импульсов на вращение колеса со слотами. Сервомотор и фотопрерыватель считались на месте пользовательским, 3-D распечатанные, монтируется.
Двигатель постоянного тока управлялся на уровне постоянных 5 вольт, и с четырьмя парами механизмов, обеспечивающих 278:1 сокращение скорости, скорость вала в сплайне составляла приблизительно 19,5 об/мин. Второй сервопривод закорачивался и использовался в качестве загрузки для системы. Текущее потребление было вычислено с помощью закона Ома путем измерения падения напряжения через резистор на 0,5 Ома. Поскольку изменение в текущих значениях измерения слишком было мало для обнаружения, текущий сигнал был усилен с помощью усилителя интерфейса датчика одно предоставления AD22050. Усиленный текущий сигнал был затем отфильтрован с помощью пятого порядка сглаживания MAX7408 эллиптический фильтр lowpass, чтобы сглаживать его и устранить шум прежде, чем отправить его в Uno Arduino через аналого-цифровой конвертер (ADC).
Когда блок-схема показывает, текущий сигнал был сначала усилен и отфильтровал использование усилителя и сглаживающегося фильтра lowpass, соответственно. Uno Arduino произвел текущий сигнал через ADC на уровне 1,5 кГц и передал его потоком к компьютеру наряду с импульсами тахометра как последовательные данные на скорости в бодах 115 200 бит/с. Скрипт MATLAB выбрал последовательные данные от Uno Arduino, предварительно обработал его и записал его в.MAT файл. Извлечение Спектральный Live Editor Функций задача затем использовалось, чтобы извлечь спектральные метрики.
Сервомотор Futaba S3003 состоит из четырех пар нейлоновых механизмов, как проиллюстрировано в этом рисунке. Шестерня P1 на вале двигателя постоянного тока поймала в сети со ступенчатым механизмом G1. Шестерня P2 является прессованной частью ступенчатого механизма G1 и поймал в сети со ступенчатым механизмом G2. Шестерня P3, который является прессованной частью механизма G2, поймала в сети со ступенчатым механизмом G3. Свяжите P4, который прессуется с G3, сетками с итоговым механизмом G4, который присоединен к выходному сплайну. Ступенчатый механизм устанавливает G1 и P2, G2 и P3, и G3 и P4 являются свободными механизмами вращения то есть, они не присоединены к своим соответствующим валам. Набор механизмов диска обеспечивает 278:1 сокращение, идущее от частоты вращения двигателя 5 414,7 об/мин приблизительно к 19,5 об/мин в выходном сплайне, когда двигатель управляется на уровне 5 вольт. Следующая таблица обрисовывает в общих чертах зубное количество и теоретические значения выходной скорости, частот mesh механизма и совокупного сокращения механизма в каждой mesh механизма.
Файл servoData.mat содержит два расписания, соответствующие данным из сервомотора. Одно расписание содержит здоровые данные, в то время как второе расписание содержит дефектные данные. Каждый набор данных содержит приблизительно 11 секунд данных, произведенных на уровне 1 500 Гц.
Загрузите данные.
load('servoData.mat', 'healthyData', 'faultyData') healthyData
healthyData=16384×2 timetable
Time MotorCurrent TachoPulse
______________ ____________ __________
0 sec 307.62 1
0.00066667 sec 301.27 1
0.0013333 sec 309.08 1
0.002 sec 315.92 1
0.0026667 sec 304.2 1
0.0033333 sec 311.04 1
0.004 sec 311.52 1
0.0046667 sec 305.18 1
0.0053333 sec 315.43 0
0.006 sec 310.06 0
0.0066667 sec 305.66 0
0.0073333 sec 310.55 0
0.008 sec 304.69 0
0.0086667 sec 310.55 0
0.0093333 sec 310.06 0
0.01 sec 299.8 0
⋮
faultyData
faultyData=16384×2 timetable
Time MotorCurrent TachoPulse
______________ ____________ __________
0 sec 313.48 0
0.00066667 sec 304.2 0
0.0013333 sec 303.22 0
0.002 sec 319.34 0
0.0026667 sec 304.2 0
0.0033333 sec 303.22 0
0.004 sec 319.82 0
0.0046667 sec 303.22 0
0.0053333 sec 306.64 0
0.006 sec 321.29 0
0.0066667 sec 303.71 0
0.0073333 sec 308.11 0
0.008 sec 319.34 0
0.0086667 sec 301.76 0
0.0093333 sec 309.08 0
0.01 sec 319.34 0
⋮
Каждое расписание содержит один столбец с моторным током и один столбец с tacho импульсом от настройки сервомотора. Для того, чтобы визуализировать данные в Извлечении Спектральный Live Editor Функций задача, вычислите спектр мощности моторных текущих данных. Рассмотрите здоровые данные сначала.
[healthyMagnitudes, healthyFrequencies] = pspectrum(healthyData.MotorCurrent, healthyData.Time);
Используйте Извлечение Спектральный Live Editor Функций задача отобразить данные о спектре мощности на графике. В задаче задайте healthyFrequencies для вектора частоты и healthyMagnitudes для величины спектра мощности.
График спектра мощности текущих данных сервомотора содержит несколько значимых peaks. Можно сопоставить этот peaks с вращающимися валами в настройке сервомотора. Чтобы определить источник различного peaks, добавьте компоненты в Извлечение Спектральный Live Editor Функций задача.
Чтобы добавить компонент, чтобы представлять первый вал вращения в сервомоторе, введите имя для компонента, выберите его тип как Пользовательский, и нажмите Add. Используйте выходные скорости в приведенной выше таблице, чтобы выбрать частоту компонента вала. Выходные скорости были вычислены на основе измеренной скорости выходного вала и известных сокращений механизма настройки.
Частота первого вала составляет 90,24 Гц. После устанавливания значения частоты компонента вала обратите внимание, что диапазон частот отказа перекрывается с одним из peaks в данных о спектре мощности на уровне приблизительно 90 Гц. Можно поэтому сопоставить этот пик в значительной степени с первым валом. Добавление в еще нескольких гармониках основной частоты первого вала создает больше диапазонов частот отказа, которые перекрывают другой peaks в данных. Гармонические диапазоны частот сосредоточены вокруг целочисленных множителей основной частоты и могут все еще быть сопоставлены с тем же компонентом. Установите гармоники первого вала быть вектором [1 2 3 4 5 6] так, чтобы полосы отказа, распространенные по большей части частотного диапазона. Первый вал, вращается на самой высокой частоте, таким образом, peaks спектра мощности на более высоких частотах происходит из-за гармоник этого вала.
С учетом меньшего peaks спектра мощности, такого как те приблизительно 13 Гц или 29 Гц, добавьте в компоненте для второго вала вращения. Этот компонент является также собственным компонентом, и его основная частота составляет 14,56 Гц. Вы не должны добавлять как много гармоник для второго вала, поскольку большинство более высоких пиковых частот в основном составляется гармониками первого вала. Установите гармоники второго вала быть вектором [1 2 3 4]. Первые, вторые, и четвертые гармоники этой частоты вала выравниваются приятно с peaks в графике спектра мощности. Однако, поскольку третья гармоника является менее видной в данных, вы не должны включать эту гармонику. Измените гармоники второго вала, чтобы быть вектором [1 2 4].
Так же к второму валу, добавьте компонент для третьего вала вращения. Основная частота этого компонента составляет 2,91 Гц, как замечено в таблице. Начните с первых четырех гармоник определять, выравниваются ли они с каким-либо видным peaks в данных. Обратите внимание на то, что третья гармоника третьего вала совпадает со скачком спектра мощности приблизительно 8 Гц. Другие гармоники являются менее видными и могут быть удалены. Может иметь место, что разрешение частоты спектра мощности не позволяет отличать более низкие частоты. Установите гармоники третьего компонента вала быть только третьей гармоникой.
Поскольку выходные скорости остающихся валов являются также низкими частотами, которые не могут быть различимы от разрешения частоты спектра мощности, добавление, что компоненты для этих валов не необходимы, чтобы анализировать главный peaks моторных текущих данных.
Путем изменения масштаба в график в задаче вы видите, что данные о спектре мощности содержат peaks стороны рядом с частью главного peaks. Например, меньший peaks стороны приблизительно 76 Гц и 104 Гц окружает пик на уровне 90 Гц. Этот peaks, вероятно, сопоставлен с боковыми полосами первого компонента вала. Боковые полосы вызываются вторым связанным источником частоты, влияющим на первичный гармонический источник частоты. С настройкой сервомотора это наблюдение приводит к предположению, что боковые полосы для каждого вала вызываются следующим валом в зубчатой передаче.
Отредактируйте первые два компонента вала, чтобы включать их первую боковую полосу. Для первого вала разделительное значение боковой полосы должно быть равно номинальной выходной частоте второго вала, 14,56 Гц.
Так же для второго вала разделительное значение боковой полосы должно быть равно номинальной частоте третьего вала, 2,91 Гц. Увеличивание масштаб снова на графике показывает, что многие новые боковые полосы перекрываются хорошо с peaks стороны в данных. Это легче видеть в низких частотах такой как между 0 Гц и 120 Гц.
Извлечение Спектральный Live Editor Функций задача генерирует различные спектральные метрики данных о спектре мощности в частотных диапазонах отказа. Для каждого диапазона частот отказа вычислите пиковую амплитуду, пиковую частоту и мощность полосы наряду с общей мощностью полосы всех диапазонов частот отказа.
load('sampleData.mat')
spectralMetrics_healthyspectralMetrics_healthy=1×85 table
PeakAmplitude1 PeakFrequency1 BandPower1 PeakAmplitude2 PeakFrequency2 BandPower2 PeakAmplitude3 PeakFrequency3 BandPower3 PeakAmplitude4 PeakFrequency4 BandPower4 PeakAmplitude5 PeakFrequency5 BandPower5 PeakAmplitude6 PeakFrequency6 BandPower6 PeakAmplitude7 PeakFrequency7 BandPower7 PeakAmplitude8 PeakFrequency8 BandPower8 PeakAmplitude9 PeakFrequency9 BandPower9 PeakAmplitude10 PeakFrequency10 BandPower10 PeakAmplitude11 PeakFrequency11 BandPower11 PeakAmplitude12 PeakFrequency12 BandPower12 PeakAmplitude13 PeakFrequency13 BandPower13 PeakAmplitude14 PeakFrequency14 BandPower14 PeakAmplitude15 PeakFrequency15 BandPower15 PeakAmplitude16 PeakFrequency16 BandPower16 PeakAmplitude17 PeakFrequency17 BandPower17 PeakAmplitude18 PeakFrequency18 BandPower18 PeakAmplitude19 PeakFrequency19 BandPower19 PeakAmplitude20 PeakFrequency20 BandPower20 PeakAmplitude21 PeakFrequency21 BandPower21 PeakAmplitude22 PeakFrequency22 BandPower22 PeakAmplitude23 PeakFrequency23 BandPower23 PeakAmplitude24 PeakFrequency24 BandPower24 PeakAmplitude25 PeakFrequency25 BandPower25 PeakAmplitude26 PeakFrequency26 BandPower26 PeakAmplitude27 PeakFrequency27 BandPower27 PeakAmplitude28 PeakFrequency28 BandPower28 TotalBandPower
______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________
0.018807 77.106 0.044029 0.66383 90.842 2.2909 0.0077442 104.58 0.026416 0.001917 168.13 0.0076742 0.038105 182.6 0.13883 0.0034982 192.86 0.013928 0.026813 258.24 0.11464 0.192 270.7 0.68323 0.033756 284.07 0.12347 0.0026502 347.62 0.0099213 0.0048213 360.81 0.020783 0.0022192 375.64 0.0086095 0.018201 435.53 0.074231 0.041176 449.08 0.12665 0.018558 467.22 0.069264 0.96719 526.01 3.7322 0.91169 539.19 3.1072 0.29472 558.24 1.0803 1.0341 11.905 0.75471 4.2117 14.286 3.0372 0.076119 17.399 0.078405 0.037845 26.557 0.038047 0.75325 29.121 0.63976 0.010537 32.234 0.010985 0.0058578 55.311 0.006089 0.014194 58.425 0.011771 0.0033205 61.355 0.0034375 0.51023 8.7912 0.27615 16.529
Эти метрики могут оказаться полезными в обнаружении отказов в настройке сервомотора. Существенные изменения в данных о спектре мощности часто указывают, что некоторый компонент изменяется или перестал работать. Если существует сдвиг в одной из пиковых частот или если пиковая амплитуда понижается значительно в зависимости от времени, то это может быть знаком отказа.
Чтобы исследовать этот сценарий, вычислите данные о спектре мощности для дефектного набора данных.
[faultyMagnitudes, faultyFrequencies] = pspectrum(faultyData.MotorCurrent, faultyData.Time);
Постройте спектр дефектных данных в задаче и настройте основные частоты и разделительные значения боковой полосы компонентов вала на основе измеренной выходной скорости настройки сервомотора.
Fs = 1500; % 1500 Hz [outputSpeed, t] = tachorpm(faultyData.TachoPulse, Fs, 'PulsesPerRev', 16, 'FitType', 'linear'); meanOutputSpeed = mean(outputSpeed)/60 % convert from rpm to Hz
meanOutputSpeed = 0.3150
shaft4Speed = meanOutputSpeed * 41 / 16 % 16 pinion teeth, 41 gear teethshaft4Speed = 0.8072
shaft3Speed = shaft4Speed * 35 / 10 % 10 pinion teeth, 35 gear teethshaft3Speed = 2.8251
shaft2Speed = shaft3Speed * 50 / 10 % 10 pinion teeth, 50 gear teethshaft2Speed = 14.1254
shaft1Speed = shaft2Speed * 62 / 10 % 10 pinion teeth, 62 gear teethshaft1Speed = 87.5772
Для первого компонента вала используйте shaft1Speed как основная частота и shaft2Speed как разделение боковой полосы. Для второго компонента вала используйте shaft2Speed как основная частота и shaft3Speed как разделение боковой полосы. Для третьего компонента вала используйте shaft3Speed как основная частота.
Как видно в визуализации дефектных данных о спектре мощности, несколько из peaks уменьшились в величине. Например, пик, выровненный в здоровом наборе данных со второй гармоникой первого вала приблизительно 180 Гц, почти незначителен в дефектном наборе данных. Поскольку было ранее определено, что этот пик, вероятно, сопоставлен с первым валом, это указывает на потенциальный отказ в первом вале. Дальнейшее исследование спектральной метрической таблицы может обеспечить более подробную информацию о пиковых частотах, пиковых амплитудах и мощностях полосы.
spectralMetrics_faulty
spectralMetrics_faulty=1×85 table
PeakAmplitude1 PeakFrequency1 BandPower1 PeakAmplitude2 PeakFrequency2 BandPower2 PeakAmplitude3 PeakFrequency3 BandPower3 PeakAmplitude4 PeakFrequency4 BandPower4 PeakAmplitude5 PeakFrequency5 BandPower5 PeakAmplitude6 PeakFrequency6 BandPower6 PeakAmplitude7 PeakFrequency7 BandPower7 PeakAmplitude8 PeakFrequency8 BandPower8 PeakAmplitude9 PeakFrequency9 BandPower9 PeakAmplitude10 PeakFrequency10 BandPower10 PeakAmplitude11 PeakFrequency11 BandPower11 PeakAmplitude12 PeakFrequency12 BandPower12 PeakAmplitude13 PeakFrequency13 BandPower13 PeakAmplitude14 PeakFrequency14 BandPower14 PeakAmplitude15 PeakFrequency15 BandPower15 PeakAmplitude16 PeakFrequency16 BandPower16 PeakAmplitude17 PeakFrequency17 BandPower17 PeakAmplitude18 PeakFrequency18 BandPower18 PeakAmplitude19 PeakFrequency19 BandPower19 PeakAmplitude20 PeakFrequency20 BandPower20 PeakAmplitude21 PeakFrequency21 BandPower21 PeakAmplitude22 PeakFrequency22 BandPower22 PeakAmplitude23 PeakFrequency23 BandPower23 PeakAmplitude24 PeakFrequency24 BandPower24 PeakAmplitude25 PeakFrequency25 BandPower25 PeakAmplitude26 PeakFrequency26 BandPower26 PeakAmplitude27 PeakFrequency27 BandPower27 PeakAmplitude28 PeakFrequency28 BandPower28 TotalBandPower
______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________
0.0011035 75.641 0.0035389 0.032588 88.095 0.095866 0.00095266 101.47 0.0039494 0.00041734 158.97 0.0016878 0.0010561 174.73 0.0038409 0.0004178 190.11 0.0018162 0.0051797 249.27 0.017516 0.028642 261.54 0.1203 0.0051032 274.91 0.015495 0.0014915 336.08 0.0062556 0.0034171 350.37 0.015104 0.0014217 363.19 0.0049667 0.0022728 423.63 0.0092141 0.0058438 437.36 0.020561 0.0031571 450.37 0.010481 1.9389 511.36 6.3414 1.3398 523.81 5.1905 0.79257 539.38 2.9432 0.9969 11.538 0.82388 2.728 13.919 1.9338 0.030943 17.033 0.032899 0.019372 25.641 0.018553 0.27041 28.205 0.26875 0.0056339 31.136 0.0060698 0.0029558 54.029 0.0028722 0.024586 56.593 0.025098 0.0027373 58.974 0.0027412 0.74618 8.4249 0.40386 18.324
Как альтернатива обновлению спектральных данных в задаче Live Editor, можно также использовать автоматически сгенерированный код MATLAB для detemine спектральные метрики дефектных данных. Код ниже был автоматически сгенерирован, когда задача Live Editor использовалась, чтобы сгенерировать здоровые спектральные метрики. Выполните код.
% Generate the fault bands and information for each component [FB_Shaft1, info_Shaft1] = faultBands(90.24, 1:6, 14.56, 0:1); [FB_Shaft2, info_Shaft2] = faultBands(14.56, [1 2 4], 2.91, 0:1); [FB_Shaft3, info_Shaft3] = faultBands(2.91, 3); % Combine the fault bands of each component FB_healthy = [FB_Shaft1; ... FB_Shaft2; ... FB_Shaft3]; % Combine the information regarding the fault bands of each component info_healthy.Centers = [info_Shaft1.Centers, ... info_Shaft2.Centers, ... info_Shaft3.Centers]; info_healthy.Labels = [info_Shaft1.Labels, ... info_Shaft2.Labels, ... info_Shaft3.Labels]; info_healthy.FaultGroups = [info_Shaft1.HarmonicGroups, ... info_Shaft2.HarmonicGroups, ... info_Shaft3.HarmonicGroups]; % Clear temporary outputs from the workspace clear FB_Shaft1 info_Shaft1; clear FB_Shaft2 info_Shaft2; clear FB_Shaft3 info_Shaft3; % Compute fault band metrics of the power spectrum healthyMagnitudes spectralMetrics_healthy = faultBandMetrics(healthyMagnitudes, healthyFrequencies, FB_healthy)
spectralMetrics_healthy=1×85 table
PeakAmplitude1 PeakFrequency1 BandPower1 PeakAmplitude2 PeakFrequency2 BandPower2 PeakAmplitude3 PeakFrequency3 BandPower3 PeakAmplitude4 PeakFrequency4 BandPower4 PeakAmplitude5 PeakFrequency5 BandPower5 PeakAmplitude6 PeakFrequency6 BandPower6 PeakAmplitude7 PeakFrequency7 BandPower7 PeakAmplitude8 PeakFrequency8 BandPower8 PeakAmplitude9 PeakFrequency9 BandPower9 PeakAmplitude10 PeakFrequency10 BandPower10 PeakAmplitude11 PeakFrequency11 BandPower11 PeakAmplitude12 PeakFrequency12 BandPower12 PeakAmplitude13 PeakFrequency13 BandPower13 PeakAmplitude14 PeakFrequency14 BandPower14 PeakAmplitude15 PeakFrequency15 BandPower15 PeakAmplitude16 PeakFrequency16 BandPower16 PeakAmplitude17 PeakFrequency17 BandPower17 PeakAmplitude18 PeakFrequency18 BandPower18 PeakAmplitude19 PeakFrequency19 BandPower19 PeakAmplitude20 PeakFrequency20 BandPower20 PeakAmplitude21 PeakFrequency21 BandPower21 PeakAmplitude22 PeakFrequency22 BandPower22 PeakAmplitude23 PeakFrequency23 BandPower23 PeakAmplitude24 PeakFrequency24 BandPower24 PeakAmplitude25 PeakFrequency25 BandPower25 PeakAmplitude26 PeakFrequency26 BandPower26 PeakAmplitude27 PeakFrequency27 BandPower27 PeakAmplitude28 PeakFrequency28 BandPower28 TotalBandPower
______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________
0.018807 77.106 0.044029 0.66383 90.842 2.2909 0.0077442 104.58 0.026416 0.001917 168.13 0.0076742 0.038105 182.6 0.13883 0.0034982 192.86 0.013928 0.026813 258.24 0.11464 0.192 270.7 0.68323 0.033756 284.07 0.12347 0.0026502 347.62 0.0099213 0.0048213 360.81 0.020783 0.0022192 375.64 0.0086095 0.018201 435.53 0.074231 0.041176 449.08 0.12665 0.018558 467.22 0.069264 0.96719 526.01 3.7322 0.91169 539.19 3.1072 0.29472 558.24 1.0803 1.0341 11.905 0.75471 4.2117 14.286 3.0372 0.076119 17.399 0.078405 0.037845 26.557 0.038047 0.75325 29.121 0.63976 0.010537 32.234 0.010985 0.0058578 55.311 0.006089 0.014194 58.425 0.011771 0.0033205 61.355 0.0034375 0.51023 8.7912 0.27615 16.529
Этот код может легко быть настроен для нового дефектного набора данных.
% Generate the fault bands and information for each component [FB_Shaft1, info_Shaft1] = faultBands(shaft1Speed, 1:6, shaft2Speed, 0:1); [FB_Shaft2, info_Shaft2] = faultBands(shaft2Speed, [1 2 4], shaft3Speed, 0:1); [FB_Shaft3, info_Shaft3] = faultBands(shaft3Speed, 3); % Combine the fault bands of each component FB_faulty = [FB_Shaft1; ... FB_Shaft2; ... FB_Shaft3]; % Combine the information regarding the fault bands of each component info_faulty.Centers = [info_Shaft1.Centers, ... info_Shaft2.Centers, ... info_Shaft3.Centers]; info_faulty.Labels = [info_Shaft1.Labels, ... info_Shaft2.Labels, ... info_Shaft3.Labels]; info_faulty.FaultGroups = [info_Shaft1.HarmonicGroups, ... info_Shaft2.HarmonicGroups, ... info_Shaft3.HarmonicGroups]; % Clear temporary outputs from the workspace clear FB_Shaft1 info_Shaft1; clear FB_Shaft2 info_Shaft2; clear FB_Shaft3 info_Shaft3; % Compute fault band metrics of the power spectrum healthyMagnitudes spectralMetrics_faulty = faultBandMetrics(faultyMagnitudes, faultyFrequencies, FB_faulty)
spectralMetrics_faulty=1×85 table
PeakAmplitude1 PeakFrequency1 BandPower1 PeakAmplitude2 PeakFrequency2 BandPower2 PeakAmplitude3 PeakFrequency3 BandPower3 PeakAmplitude4 PeakFrequency4 BandPower4 PeakAmplitude5 PeakFrequency5 BandPower5 PeakAmplitude6 PeakFrequency6 BandPower6 PeakAmplitude7 PeakFrequency7 BandPower7 PeakAmplitude8 PeakFrequency8 BandPower8 PeakAmplitude9 PeakFrequency9 BandPower9 PeakAmplitude10 PeakFrequency10 BandPower10 PeakAmplitude11 PeakFrequency11 BandPower11 PeakAmplitude12 PeakFrequency12 BandPower12 PeakAmplitude13 PeakFrequency13 BandPower13 PeakAmplitude14 PeakFrequency14 BandPower14 PeakAmplitude15 PeakFrequency15 BandPower15 PeakAmplitude16 PeakFrequency16 BandPower16 PeakAmplitude17 PeakFrequency17 BandPower17 PeakAmplitude18 PeakFrequency18 BandPower18 PeakAmplitude19 PeakFrequency19 BandPower19 PeakAmplitude20 PeakFrequency20 BandPower20 PeakAmplitude21 PeakFrequency21 BandPower21 PeakAmplitude22 PeakFrequency22 BandPower22 PeakAmplitude23 PeakFrequency23 BandPower23 PeakAmplitude24 PeakFrequency24 BandPower24 PeakAmplitude25 PeakFrequency25 BandPower25 PeakAmplitude26 PeakFrequency26 BandPower26 PeakAmplitude27 PeakFrequency27 BandPower27 PeakAmplitude28 PeakFrequency28 BandPower28 TotalBandPower
______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________
0.0011035 75.641 0.0035389 0.032588 88.095 0.095866 0.00095266 101.47 0.0039494 0.00041734 158.97 0.0016878 0.0010561 174.73 0.0038409 0.0004178 190.11 0.0018162 0.0051797 249.27 0.017516 0.028642 261.54 0.1203 0.0051032 274.91 0.015495 0.0014915 336.08 0.0062556 0.0034171 350.37 0.015104 0.0014217 363.19 0.0049667 0.0022728 423.63 0.0092141 0.0058438 437.36 0.020561 0.0031571 450.37 0.010481 1.9389 511.36 6.3414 1.3398 523.81 5.1905 0.79257 539.38 2.9432 0.9969 11.538 0.82388 2.728 13.919 1.9338 0.030943 17.033 0.032899 0.019372 25.641 0.018553 0.27041 28.205 0.26875 0.0056339 31.136 0.0060698 0.0029558 54.029 0.0028722 0.024586 56.593 0.025098 0.0027373 58.974 0.0027412 0.74618 8.4249 0.40386 18.324
Объединение здоровых и дефектных спектральных метрических таблиц улучшает видимость в изменения в пиковых амплитудах и мощностях полосы спектральных данных.
spectralMetrics_total = [spectralMetrics_healthy; spectralMetrics_faulty]
spectralMetrics_total=2×85 table
PeakAmplitude1 PeakFrequency1 BandPower1 PeakAmplitude2 PeakFrequency2 BandPower2 PeakAmplitude3 PeakFrequency3 BandPower3 PeakAmplitude4 PeakFrequency4 BandPower4 PeakAmplitude5 PeakFrequency5 BandPower5 PeakAmplitude6 PeakFrequency6 BandPower6 PeakAmplitude7 PeakFrequency7 BandPower7 PeakAmplitude8 PeakFrequency8 BandPower8 PeakAmplitude9 PeakFrequency9 BandPower9 PeakAmplitude10 PeakFrequency10 BandPower10 PeakAmplitude11 PeakFrequency11 BandPower11 PeakAmplitude12 PeakFrequency12 BandPower12 PeakAmplitude13 PeakFrequency13 BandPower13 PeakAmplitude14 PeakFrequency14 BandPower14 PeakAmplitude15 PeakFrequency15 BandPower15 PeakAmplitude16 PeakFrequency16 BandPower16 PeakAmplitude17 PeakFrequency17 BandPower17 PeakAmplitude18 PeakFrequency18 BandPower18 PeakAmplitude19 PeakFrequency19 BandPower19 PeakAmplitude20 PeakFrequency20 BandPower20 PeakAmplitude21 PeakFrequency21 BandPower21 PeakAmplitude22 PeakFrequency22 BandPower22 PeakAmplitude23 PeakFrequency23 BandPower23 PeakAmplitude24 PeakFrequency24 BandPower24 PeakAmplitude25 PeakFrequency25 BandPower25 PeakAmplitude26 PeakFrequency26 BandPower26 PeakAmplitude27 PeakFrequency27 BandPower27 PeakAmplitude28 PeakFrequency28 BandPower28 TotalBandPower
______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ ______________ ______________ __________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ _______________ _______________ ___________ ______________
0.018807 77.106 0.044029 0.66383 90.842 2.2909 0.0077442 104.58 0.026416 0.001917 168.13 0.0076742 0.038105 182.6 0.13883 0.0034982 192.86 0.013928 0.026813 258.24 0.11464 0.192 270.7 0.68323 0.033756 284.07 0.12347 0.0026502 347.62 0.0099213 0.0048213 360.81 0.020783 0.0022192 375.64 0.0086095 0.018201 435.53 0.074231 0.041176 449.08 0.12665 0.018558 467.22 0.069264 0.96719 526.01 3.7322 0.91169 539.19 3.1072 0.29472 558.24 1.0803 1.0341 11.905 0.75471 4.2117 14.286 3.0372 0.076119 17.399 0.078405 0.037845 26.557 0.038047 0.75325 29.121 0.63976 0.010537 32.234 0.010985 0.0058578 55.311 0.006089 0.014194 58.425 0.011771 0.0033205 61.355 0.0034375 0.51023 8.7912 0.27615 16.529
0.0011035 75.641 0.0035389 0.032588 88.095 0.095866 0.00095266 101.47 0.0039494 0.00041734 158.97 0.0016878 0.0010561 174.73 0.0038409 0.0004178 190.11 0.0018162 0.0051797 249.27 0.017516 0.028642 261.54 0.1203 0.0051032 274.91 0.015495 0.0014915 336.08 0.0062556 0.0034171 350.37 0.015104 0.0014217 363.19 0.0049667 0.0022728 423.63 0.0092141 0.0058438 437.36 0.020561 0.0031571 450.37 0.010481 1.9389 511.36 6.3414 1.3398 523.81 5.1905 0.79257 539.38 2.9432 0.9969 11.538 0.82388 2.728 13.919 1.9338 0.030943 17.033 0.032899 0.019372 25.641 0.018553 0.27041 28.205 0.26875 0.0056339 31.136 0.0060698 0.0029558 54.029 0.0028722 0.024586 56.593 0.025098 0.0027373 58.974 0.0027412 0.74618 8.4249 0.40386 18.324
Например, если вы смотрите на PeakAmplitude2 в таблице, амплитуда пика спектра мощности понижается с 0,6638 до 0,0326. Используя значение PeakFrequency2, вы знаете, что это отбрасывание происходит приблизительно 90 Гц. Постройте эти два спектра мощности на тех же осях, чтобы визуализировать отбрасывание за пределами задачи Live Editor.
plot(healthyFrequencies, 10*log10(healthyMagnitudes), 'b-'); % plot in decibels hold on; plot(faultyFrequencies, 10*log10(faultyMagnitudes), 'r-'); % plot in decibels legend('Healthy','Faulty') xlabel('Frequency (Hz)') ylabel('Power Spectrum (dB)') title('Comparison of Power Spectrums') hold off;
Когда метрическая таблица показала, пиковые отбрасывания на приблизительно 90 Гц значительно в амплитуде. Чтобы определить, какая частота компонента вызвала это, перепроверьте в предыдущем Извлечении Спектральный Live Editor Функции задача.
Полоса отказа приблизительно 90 Гц является первой гармоникой первого вала вращения. Таким образом вы знаете, что что-то изменяется в этом вале, и он может отклоняться к отказу.
Графический вывод здоровых и дефектных спектров мощности вместе может быть полезным способом подсветить изменения в пиковых амплитудах. В дополнение к пиковым приблизительно 90 Гц для первой гармоники первого вала другие значительные уменьшения в пиковых амплитудах могут рассматриваться такой как со второй гармоникой этого вала приблизительно 180 Гц. Этот пик чрезвычайно не существует в дефектном наборе данных.
Пиковые амплитуды из здоровых и дефектных данных могут также быть сравнены с помощью столбчатой диаграммы.
PeakFrequencies = spectralMetrics_total(:,2:3:end-1).Variables'; PeakAmplitudes = spectralMetrics_total(:,1:3:end-1).Variables'; bar(PeakFrequencies, PeakAmplitudes); legend('Healthy','Faulty') xlabel('Frequency (Hz)') ylabel('Peak Amplitude') title('Peak Amplitudes of Healthy and Faulty Power Spectrum Data')
Увеличьте масштаб, чтобы видеть изменение в пиковой амплитуде в первой гармонике первого вала вращения.
xlim([87 93]) ylim([0 0.7])
Как показано в этом примере Извлечение Спектральный Live Editor Функций задача может оказаться полезной для нескольких различных приложений. С задачей Live Editor можно легко совпадать со спектральным peaks известным частотам компонента машины. Это помогает вам лучше изучить свои данные и механические компоненты, вызывающие различные функции в данных.
Другое приложение Извлечения Спектральный Live Editor Функций, задача состоит в том, чтобы сгенерировать метрики, которые характеризуют ваши спектральные данные в частотных диапазонах интереса. Задача производит выходную таблицу, содержащую пиковую амплитуду, пиковую частоту, и мощность полосы каждого диапазона частот отказа, а также общую мощность полосы всех полос отказа. Однако эти метрики характерны для ввода данных спектра мощности в задаче.
Чтобы расширить это использование так, чтобы можно было отслеживать метрики в зависимости от времени, как, новые наборы данных собраны, можно или обновить данные о спектре мощности в задаче или использовать автоматически сгенерированный код MATLAB, чтобы произвести метрическую таблицу. Копирование сгенерированного кода MATLAB является простым способом продолжить вычислять метрики полосы отказа для многих новых наборов данных.
Третье использование задачи комбинирует преимущества двух ранее обсужденного использования. Поскольку задача сопоставляет различные механические компоненты с peaks в спектральных данных, можно быстро определить, какие компоненты вызывают существенные изменения в спектральных данных и таким образом потенциальных отказах. Например, один общий индикатор аппаратного сбоя, выведенного из спектральных данных, является изменением в амплитуде спектрального peaks. В спектральной метрической таблице, если вы замечаете значительное понижение пиковой амплитуды или мощности полосы в зависимости от времени, можно проследить соответствующую пиковую частоту до графика видеть, какой диапазон частот отказа компонента выравнивается с тем пиком.
bearingFaultBands | Извлеките спектральные функции | faultBandMetrics | faultBands | gearMeshFaultBands