Функции сигнала

Функции сигнала обеспечивают общие основанные на сигнале статистические метрики, которые могут быть применены к любому виду сигнала, включая сигнал вибрации синхронизируемого со временем среднего значения (TSA). Изменения в этих функциях могут указать на изменения в состоянии здоровья вашей системы. Diagnostic Feature Designer обеспечивает набор опций функции.

Базовая статистика

Базовые статистические данные включают среднее значение, стандартное отклонение, среднеквадратичное значение (RMS) и масштабный фактор. Все эти статистические данные, как могут ожидать, изменятся, когда ухудшающаяся подпись отказа вторгается в номинальный сигнал.

Shape factor — RMS, разделенная на среднее значение абсолютного значения. Масштабный фактор зависит от формы сигнала будучи независимым от размерностей сигнала.

$x_{S F} = \frac{x_{r m s}}{\frac{1}{N} \sum_{i = 1}^{N} | x_{i} |}$

Статистика высшего порядка

Статистические данные высшего порядка предоставляют понимание поведению системы в течение четвертого момента (эксцесс) и третий момент (скошенность) сигнала вибрации.

Kurtosis — Длина хвостов распределения сигнала, или эквивалентно, как выброс, склонный сигнал. Разработка отказов может увеличить число выбросов, и поэтому увеличить значение метрики эксцесса. Эксцесс имеет значение 3 для нормального распределения. Для получения дополнительной информации смотрите kurtosis.

$x_{k u r t} = \frac{\frac{1}{N} \sum_{i = 1}^{N} {(x_{i} - \bar{x})}^{4}}{{[\frac{1}{N} \sum_{i = 1}^{N} {(x_{i} - \bar{x})}^{2}]}^{2}}$
- Excess Kurtosis — Значение эксцесса, переключенное 3 так, чтобы значение функции было 0 для нормального распределения.
- Bias-corrected — Откорректируйте систематическое смещение, которое происходит, когда выборка представляет более многочисленное население. Для сигналов ансамбля это представление применяется при взятии или использовании измерений сигнала для одного фрагмента операционного интервала, который представляют измерения. Например, если вы отслеживаете телеметрическое здоровье машинного оборудования в течение одного часа в неделю, в то время как машинное оборудование запускается постоянно, различие между одним часом и одной неделей налагает смещение на оценку эксцесса.
  Коррекция смещения является самой эффективной с нормальными распределениями. Рассмотрите использование коррекции смещения особенно, когда вы будете использовать сегментированные а не текущие данные.
  Для получения дополнительной информации смотрите kurtosis
Skewness — Асимметрия распределения сигнала. Отказы могут повлиять на симметрию распределения и поэтому увеличить уровень скошенности.

$x_{s k e w} = \frac{\frac{1}{N} \sum_{i = 1}^{N} {(x_{i} - \bar{x})}^{3}}{{[\frac{1}{N} \sum_{i = 1}^{N} {(x_{i} - \bar{x})}^{2}]}^{3 / 2}}$
- Bias-corrected — Откорректируйте систематическое смещение, которое происходит, когда выборка представляет более многочисленное население. Для сигналов ансамбля это представление применяется при взятии или использовании измерений сигнала для одного фрагмента операционного интервала, который представляют измерения. Например, если вы отслеживаете телеметрическое здоровье машинного оборудования в течение одного часа в неделю, в то время как машинное оборудование запускается постоянно, различие между одним часом и одной неделей налагает смещение на оценку скошенности.
  Коррекция смещения является самой эффективной с нормальными распределениями. Рассмотрите использование коррекции смещения особенно, когда вы будете использовать сегментированные данные (системы координат).
Для получения дополнительной информации смотрите skewness.

Импульсивные метрики

Импульсивные Метрики являются свойствами, связанными с peaks сигнала.
- Peak value — Максимальное абсолютное значение сигнала. Использованный для расчета другие импульсные метрики.
  
  $x_{p} = \max_{i} | x_{i} |$
- Impulse Factor — Сравните высоту пика к среднему уровню сигнала.
  
  $x_{I F} = \frac{x_{p}}{\frac{1}{N} \sum_{i = 1}^{N} | x_{i} |}$
- Crest Factor — Пиковое значение разделено на RMS. Отказы, часто первые, проявляются в изменениях в остроконечности сигнала, прежде чем они проявят в энергии, представленной среднеквадратическим корнем сигнала. Фактор гребня может обеспечить дальнее обнаружение для отказов, когда они сначала разрабатывают. Для получения дополнительной информации смотрите peak2rms.
  
  $x_{c r e s t} = \frac{x_{p}}{\sqrt{\frac{1}{N} \sum_{i = 1}^{N} x_{i}^{2}}}$
- Clearance Factor — Пиковое значение, разделенное на среднее значение в квадрате квадратных корней из абсолютных амплитуд. Для вращения машинного оборудования эта функция максимальна для здоровых подшипников и продолжает уменьшаться для дефектного мяча, дефектной внешней гонки и дефектной внутренней гонки соответственно. Фактор разрешения имеет самую высокую разделительную способность к дефектным внутренним отказам гонки.
  
  $x_{c l e a r} = \frac{x_{p}}{^{(\frac{1}{N} \sum_{i = 1}^{N} {\sqrt{| x_{i} |)}}^{2}}}$

Метрики обработки сигналов

Метрики обработки сигналов состоят из функций измерения искажения. Системное ухудшение может вызвать увеличение шума, изменение в гармонике относительно основного принципа или обоих.

Signal-to-Noise Ratio (SNR) — Отношение степени сигнала к шумовой степени
Total Harmonic Distortion (THD) — Отношение общей гармонической степени компонента к основной степени
Signal to Noise and Distortion Ratio (SINAD) — Отношение общей степени сигнала составить степень шума плюс искажение

Для получения дополнительной информации об этих метриках смотрите snr, thd, и sinad.

Дополнительная информация

Программное обеспечение хранит результаты расчета в новых возможностях. Имена новой возможности включают исходное имя сигнала с суффиксным stats.

Для получения информации об интерпретации гистограмм функции смотрите, Интерпретируют Гистограммы Функции в Diagnostic Feature Designer.

Документация