旋转机械故障诊断中的信号处理技术总结

第一篇：旋转机械故障诊断中的信号处理技术总结

旋转机械故障诊断中的信号处理技术综述

摘要: 基于旋转机械在各行业的广泛应用，旋转机械的故障诊断技术也倍受重视，从传统的信号处理方法到现代的信号处理方法，旋转机械故障诊断中的信号处理技术在不断发展，不断创新。本文综述了旋转机械故障诊断的传统信号处理方法和现代信号处理方法，分析传统信号处理方法和现代信号处理方法的实际应用，并展望了未来旋转机械故障诊断领域的研究方向。关键词: 旋转机械;故障诊断;信号处理技术

1、旋转机械故障诊断的意义

随着机械设备向着高速、重载、精密方向发展，对机械传动设备的要求越来越高。不仅要求机械传动设备能够传递较大的功率和载荷，而且传动系统本身必须具备较好的可靠性，从而降低设备的运营成本并提高设备运营过程中的安全性。在故障诊断的发展过程中，人们发现最重要、最关键而且也最困难的问题就是故障特征信息提取，其必须借助于信息处理，特别是现代信号处理的理论方法和技术手段，探索故障特征信息提取的途径，发展新的故障诊断理论和技术。

2、旋转机械故障诊断的传统信号处理方法

以傅里叶变换为核心的经典信号处理方法在旋转机械故障诊断中发挥了巨大的作用，这些方法包括频谱分析、阶比谱分析、相关分析、细化谱分析、时间序列分析、倒频谱分析、包络分析和全息谱等。

在基于FT 的信号分析方法中，平稳的随机信号常用其二阶统计量来表征: 时域用相关函数，频域用功率谱。功率谱实质上是一种频域的能量密度分布，因此可以把它视为频域分布，相关函数和功率谱之间也以FT作为联系的桥梁。然而，基于FT的频谱分析技术是建立在信号是平稳性的假设上的，因此具有较大的缺点: 如被分析的系统必须是线性的，信号必须是严格周期或者平稳的，否则，谱分析结果将缺乏物理意义，分析的结果只有频域信息，丧失了时域特征。而大多数旋转机械故障振动信号是非平稳和非线性信号，对这些非平稳信号，由于傅里叶变换的本质缺陷，使得提取的故障特征有缺陷，影响了故障诊断的准确性。3 旋转机械故障诊断的现代信号处理方法

3.1 高阶谱分析技术

功率谱分析的一个最大缺陷是它不包含频率成分间的相位信息，通常也无法处理非平稳和非高斯信号。而实际的振动信号大多是非平稳和非高斯信号，尤其在旋转机械系统发生故障时更是如此。其中一种非高斯性是各频率成分间的相互关联作用，产生和频与差频成分，称为信号的非线性，对应的相位关系称为二次相位耦合。对于这种非线性现象，功率谱是无能为力的。高阶谱是分析非高斯信号的主要数学工具，已被运用到旋转机械故障诊断中，其出发点和动机主要有:(1)高斯信号的高阶统计量等于零，当非高斯信号淹没在高斯白噪声中时，利用高阶统计量可以大大降低噪声的干扰。一般而言，旋转机械振动信号中的噪声可以近似地当作高斯噪声处理，因此采用高阶谱分析振动信号更容易提取故障信息;(2)从更高阶概率结构表征随机信号，弥补了二阶统计量(功率谱)不包含相位信息的缺陷，能定量地描述非线性相位耦合。对高阶谱的研究比较多，已经形成了成熟的理论。目前高阶谱已被成功地运用到滚动轴承、齿轮和转子系统的故障诊断中。

3.2 ARMA 模型的现代谱分析技术

对旋转机械故障振动信号进行频域分析，通常是采用基于傅里叶分析的经典功率谱分析方法。不同于傅里叶分析的新的谱分析方法称为“现代谱分析”。其中ARMA时序模型是应用较广的一种现代谱分析方法，它利用信号的信息对被窗函数截取的有限信号以外的信息进行预测或外推，提高了谱分析的分辨率和真实度。特别是其中的AR模型能够较好地描述信号频谱中的谱峰，得到的频谱比傅里叶频谱更平滑，具有良好的频率分辨力，从而获得了广泛的应用。在国外，这方面的研究工作一直在开展。早在1983年，Gersch采用AR模型和近邻法相结合对旋转机械故障进行分类，而国内也开展了这方面的研究工作。3.3 几何分形技术

目前在旋转机械故障诊断领域中，最成熟的方法是基于线性理论的时域和频域方法，随着现代科学技术的发展，机械设备越来越复杂化，基于线性理论的故障诊断方法的缺点和局限性也越来越突出，与非线性原理和方法相融合将是旋转机械故障诊断技术的一个重要发展方向，因此，基于现代非线性理论的故障诊断方法研究十分活跃。分形理论是非线性科学的一个重要方面，特别适合研究各种“复杂现象”，把它应用于机械故障诊断领域是近年来国际学术界的新动向。

当旋转机械发生油膜涡动、转子裂纹、转子与定子碰摩、基座松动等故障时，往往会产生混沌现象，采用几何分形方法对振动信号分析可以有效地提取各种故障特征，其中关联维数应用得最为广泛。3.4 时频分析技术

旋转机械振动信号绝大多数是非平稳、非线性的，这些非平稳和非线性的振动信号包含了丰富的故障信息。对于这些非平稳和非线性的振动信号，时频分析方法是一种有效的分析方法。在目前常用的旋转机械故障诊断方法中，由于时频分析方法能有效地分析非平稳信号因而在旋转机械故障诊断中的应用最为广泛。

时频分析法将时域和频域组合成一体，这就兼顾到非平稳信号的要求。它的主要特点在于时间和频率的局部化，通过时间轴和频率轴两个坐标组成的相平面，可以得到整体信号在局部时域内的频率组成，或者看出整体信号各个频带在局部时间上的分布和排列情况。时频分析在语音处理、地震资料分析、信号检测和数据压缩等多个领域得到了广泛应用。对于旋转机械而言，当其发生故障时的振动信号，大量是非平稳、非线性的信号，因此，时频分析方法是进行旋转机械故障特征提取的一个重要的方法和特征提取工具，并广泛应用于旋转机械故障诊断中。

信号的时频分析分为线性和二次型两种。典型的线性时频表示有: 短时Fourier变换、小波变换和Gabor变换等。在很多实际场合，还要求二次型的时频表示能够描述该信号的能量密度分布。这样一种更加严格意义下的时频表示称为信号的时频分布。而基于经验模态分解(Empirical Mode Decomposition，EMD)的时频分析方法，是一种优秀的时频信号分析方法，尤其适合于非线性、非稳态的信号序列处理。3.5 盲信号处理技术

盲信号分离是指根据观测到的混合数据确定一个变换，从而恢复原始信号或者信号源，其中术语“盲”有两重含义:(1)源信号不能观测;(2)源信号与噪声如何混合是未知的。

由于噪声信号的存在，实际观测到的信号是故障信号和噪声的混合数据，因此近几年盲信号分离技术在齿轮的故障诊断中得到了应用。

盲信号处理技术领域也有很多值得进一步研究的课题，例如当ICA和独立因子分析(Independent Component Analysis，ICA)用于盲信号分离(Blind Signal Separation，BSS)时，如何解决源信号的概率密度函数(Probability Density Function，PDF)的学习的问题;如何有效解决盲解卷(Blind Deconvolution)问题;当叠加噪声为非高斯的或脉冲噪声时，如何准确估计源信号的个数的问题;在非平稳情况下如何提高跟踪能力和如何提高解的鲁棒性等等。总结和展望

以上对信号处理技术的一些方法及其在旋转机械故障诊断中的应用进行了综述。不仅研究了传统的旋转机械故障特征提取技术中的信号的幅域分析、信号的时域分析以及以傅里叶变换(FT)为核心的经典信号处理分析方法，而且研究了旋转机械故障特征提取应用中的高阶谱分析技术、ARMA模型的现代谱分析技术、几何分形技术、时频分析技术、盲信号处理技术等几种方法的基本理论和算法以及它们在旋转机械故障特征提取中的实际运用。

虽然这些方法应用到旋转机械故障诊断的领域中，取得了一定的研究成效。但由于这些理论和方法还在不断地发展，算法也在不断地改进中，因此目前还处于一个初级的过程，为了能更好地为旋转机械故障诊断服务，今后还需要将对这些理论和算法作进一步的研究。如何把其他的和新的信号处理方法引入到旋转机械故障诊断领域中去，是今后需要大力研究的方向。由于大型旋转机械的组成、结构和运行状态等诸多方面的复杂性，从而使旋转机械表现出来的故障行为也极其复杂，因此，如何更好地综合运用这些方法，也是今后研究的重点。

第二篇：机械故障诊断技术与应用读书报告

机械故障诊断技术与应用读书报告

姓名： 前言

机械设备运行状态的监测与故障诊断很早就开始了。刚开始人们往往通过听觉、触觉、视觉来对机器的噪声、振动和温度等进行判断，进而来推测设备运行是否正常。当时的机械设备功率普遍较小，通常是单机工作，并且更新换代比较缓慢，人们有大量的时间进行熟悉，探索并且逐渐掌握机器的性能和工作状态。然而到了现代，企业生产已经进入了高速发展阶段，以往的判断模式已经不能够应用于现在的生产模式。现代工业生产的特点是生产系统大型化、连续化、高速化、自动化、系统化和智能化。要求机械设备更新快，在使用过程中安全、连续、可靠、高效、低能等特点，为了达到这些要求，那么我们就需要借助现代技术进行设备的运行状态的监测与诊断。目前可以进行实时采集机械系统运行状态并且对采集到的信息进行分析，进而判断机械系统运行状态的优劣，从而能更好的对设备进行维护和维修，从而达到了提高生产效率、保障安全运行、降低生产成本、节约能源消耗、延长使用寿命的目的。机械设备的状态监测和故障诊断技术是实现这一目的的重要技术手段。机械设备的状态监测和故障诊断就是采集诸如振动、噪声、温度、润滑油、声发射扥等设备相关信号，从而进行分析和处理，得到设备的运行状态。根据设备的部位、类型、严重程度、发展趋势，对出现故障的设备进行维修安排。机械故障诊断技术的发展历程

从20世纪60年代开始，伴随着科学技术的不断进步和发展，计算机技术、网络技术和信息技术迅速发展和普及，从而使机械设备运行状态的监测和故障诊断技术逐渐形成为一门较为完善的综合性工程学科，并且在全球范围内推广。逐渐成为热门学科。美国是最早开始进行开发设备诊断技术的国家。1967年4月美国海军主持召开美国机械故障预防小组成立大会。并且从此以后美国开始投入大量的人力物力来开发和完善这项技术。在随后的几十年，机械故障诊断技术在美国的航空航天、军事等尖端领域得到了广泛的应用，并一直处于领先地位。英国在20世纪70年代初成立了机械健康监测组织与状态监测协会，对故障诊断技术的发展起到了很大的作用。我国对故障诊断技术的研究开始于20世纪80年代。1983年初，中国机械工程学会的设备维修学会在南京召开，交流国内外的情况，分析国内设备维修现状以及开展设备诊断技术专题座谈会，提出了积极开发和应用设备诊断技术，强调有关技术的必要性和紧迫性。随后这门技术在我国的冶金、石化、铁路、电力等行业得到了广泛的应用和推广。随着对这一技术的不断深入，我国的信号采集和分析仪器已经接近国际水平。目前，我国各高校科研人员正在故障诊断技术领域寻求突破和创新。开展机械故障诊断的意义

在各国工业生产中重点、关键性机械设备的数量越来越多，其中的大多数为大型、自动、连续生产的设备，其在生产中的重要性是不言而喻的，对这些机械设备实施状态监测与故障诊断技术所带来的经济效益和社会效益是巨大的。预防事故，保障人身和设备安全，推动设备维修制度的全面改革，提高经济效益。机械故障诊断技术与应用

4.1机械故障的振动诊断

4.1.1轴承的故障诊断理论与应用

轴承是旋转机械中应用最为广泛地机械零件，也是最易破坏的元件之一。旋转机械的许多故障都与轴承有关，轴承的工作好坏对机械的工作状态有很大的影响，其缺陷会导致设备产生异常振动和噪声，甚至造成设备破坏。

轴承在运行过程中由于装配不当、润滑不良、水分和异物入侵、腐蚀和过载等都可能使轴承过早破坏。即使不出现上述情况，经过一段时间运转，轴承也会出现疲劳损伤而不能正常工作。滚动轴承故障的主要失效形式和原因有疲劳剥落、磨损、塑性变形、锈蚀、断裂和胶合等。滑动轴承的故障形式和原因有烧瓦、气蚀、油膜涡动和油膜振荡。

轴承在运转时由于各种原因会产生振动，并通过空气传播成为声音，声音中包含着轴承状态信息。但是声音的成分除了包含了反应轴承工作正常与异常振动声外还夹杂着尘埃、其他工作件振动声等，因此轴承的工作声音成分十分复杂。

利用滚动轴承的振动信号分析故障诊断的方法可分为简易诊断法和精密诊断法两种。简易诊断是为了初步判断被列为诊断对象的滚动轴承是否出现了故障；精密诊断的目的是要判断在简易诊断中被认为出现了故障的轴承的故障类别及原因。滚动轴承的简易诊断有振幅值诊断法、波形因数诊断法、波峰因数诊断法、概率密度诊断法和峭度系数诊断法。滚动轴承的精密诊断的常用方法有低频信号分析法和中、高频信号绝对值分析法。滑动轴承的诊断方法有时域幅值诊断法、时域波形诊断法、频域诊断法、轴心轨迹诊断法。

4.2 机械故障的声学诊断

4.2.1机械故障的噪声诊断理论与应用

振动与噪声是机械设备在运行过程中的一种属性，设备内部的缺陷或故障会引起设备在运行过程中振动和噪声的变化，也就是设备的噪声信号中携带了大量与机械设备内部缺陷和故障的有关信息。因此，噪声监测也就成为对机械设备进行故障诊断的重要手段。

噪声监测的原理是当机器的零件或部件开始磨损或者经历某些其他的物理变化时，其声音信号的特征就发生变化。监测这些特征就有可能检测到机械运行状态的变化，精确地指出正在劣化的那些零部件。噪声监测中的主要内容之一就是通过噪声测量与分析确定设备故障的部位和程度。为此，首先必须寻找和估计机器中产生噪声的声源，进而从声源出发，研究其频率组成和各分量的变化情况，从中提取机器运行状态的信息。噪声监测的方法有主观评价和估计法、近场测量法、表面振速测量法、频谱分析法和声强法。4.2.2机械故障的超声诊断理论与应用

超声波用于机械设备故障诊断领域，主要是利用材料本身或内部缺陷对超声波传播的影响，来检测判断结构内部或表面缺陷的大小、形状以及分布情况。在一些机器运行中能对材料或结构的微观形变、开裂以及裂纹的发生和发展进行状态监测。它的应用极为广泛，且发展迅速。超声波的检测方法按原理分类有脉冲反射法，其中脉冲反射法包括缺陷回波法、低波高度法和次多底波法。此外还有穿透法和共振法。按波形分可以分为纵波法、横波法、表面波法、板波法和爬波法。

4.3机械故障的智能诊断

4.3.1基于专家系统的故障诊断

故障诊断专家系统是将人类在故障诊断方面的多位专家具有的知识、经验、推理、技能综合后编制成的大型计算机程序，它可以利用计算机系统帮助人们分析解决只能用语言描述、思维推理的复杂问题，扩展计算机系统原有的工作范围，使计算机系统有了思维能力，能够与决策者进行对话，并应用推理方式提供决策建议。4.3.2基于模糊逻辑的故障诊断

在许多情况下机器或系统都运行在一个模糊环境中，运行中各种状况和参数都互相影响，难以用精确数学方法进行描述。模糊故障诊断就是一种基于知识的诊断系统，因为在诊断过程中对模糊症状、模糊现象等的描述要借助于经验的操作者或专家的直觉经验、知识等。模糊故障诊断系统的诊断过程，从对模糊信息的获取，到利用模糊信息进行模糊推理到最后做出诊断，就如同医生根据病人的模糊症状进行准确诊断一样。机械故障诊断技术的发展趋势

随着现代科学技术的发展，特别是信息技术、计算机技术、传感器技术等多种新技术的出现，数据采集、信号处理和分析手段日臻完善，从无法和难以解决的故障诊断问题变得可能和容易起来。设备故障诊断技术正在变成计算机、控制、通信和人工智能的集成技术。近半年来故障诊断技术呈现的发展趋势有诊断对象的多样化、诊断技术多元化、故障诊断实时化、诊断监控一体化、诊断方法智能化、监测诊断系统网络化、诊断系统可扩展化、诊断信息数据库化、诊断技术产业化和机械设备诊断技术工程化。现代机械故障诊断技术正在成为信息、监控、通信、计算机和人工智能等集成技术，并逐渐发展成为一个多学科交叉的新学科。

参考文献

[1] 邓小文.旋转机械几种典型故障的诊断方法及软件实现[D].西北工业大学,1999.[2] 荆建平.旋转机械故障诊断与寿命维护技术若干关键问题研究[D].上海交通大学,2004.[3] 李晓虎.旋转机械状态监测与信号分析系统的复用研究[D].东南大学,2004.[4] 黄磊.基于 Internet 的旋转机械设备远程故障诊断技术研究[D].华南理工大学,2000.[5] 徐敏,等.设备故障诊断手册—机械设备状态监测和故障诊断[M].西安交通大学出版社,1998.[6] 何树波.基于隐 Markov 模型的旋转机械故障诊断系统的研究[D].浙江大学,2003.[7] 刘颖峰.旋转机械分布式监诊系统状态监测与数据管理的研究[D].浙江大学,2003.[8] 钟秉林,黄仁.机械故障诊断学[M].机械工业出版社,1997.[9] 崔彦平, 傅其凤,等.机械设备故障诊断发展历程及展望[J].河北工业技术,2004,4.[10] 姚桂艳, 孙丽媛.机械故障诊断技术的研究现状及发展趋势[J].河北理工学院学报,2005,13.[11] 张冰凌,许英姿,潘全文.智能故障诊断方法的研究和展望[J].飞机设计,2007,5

第三篇：生物医学信号处理总结

一、生物医学信号处理绪论

生物医学信号处理的对象：由生理过程自发产生的；把人体作为通道，外界施加于人体产生的电生理信号和非电生理信号。

生物信号的主要特点：复杂性，随机性强，噪声干扰强，非平稳性等

二、数字信号处理基础

傅立叶变换的意义：把一个无论多复杂的输入信号分解成复指数信号的线性组合，那么系统的输出也能通过图2.1的关系表达成相同复指数信号的线性组合，并且在输出中的每一个频率的复指数函数上乘以系统在那个频率的频率响应值。使得分析、处理信号变得简单。

数字滤波器的设计：IIR滤波器的设计：利用传统的模拟滤波器设计方法。

切比雪夫低通滤波器：

%低通滤波器设计0~35Hz

wp=35;ws=45;%WP通带截止频率，WS阻带截止频率

Rp=1;Rs=71;%Rp通带内的最大衰减,Rs阻带内的最小衰减

fs=1000;%采样频率

[N,wn]=cheb1ord(wp/(fs/2),ws/(fs/2),Rp,Rs);

[B,A]=cheby1(N,Rp,wn);

freqz(B,A,[],fs)%幅频特性

FIR滤波器设计：多采用窗函数和频率取样设计法。椭圆带通滤波器

[b_alpha,a_alpha] = ellip(5,1,40,[8 13]*2/500);

freqz(b_alpha,a_alpha,[],500)

例题2-11选择合适的窗设计FIR低通滤波器，画出滤波器的单位脉冲响应和该滤波器的幅度响应：

解：

wp = 0.2*pi;ws = 0.3*pi;%给出通带频率和阻带频率

tr_width = ws-wp;%求过渡带宽度

%，hamming window即可满足该条件，查表求得窗长度

M = ceil(6.6*pi/tr_width);

n=[0:1:M-1];

wc =(ws+wp)/2;%求截止频率

b= fir1(M,wc/pi);%求FIR低通滤波器的系数，默认就是hamming window

h=b(1:end-1);

[hh,w] = freqz(h,[1],'whole');%求滤波器的频率响应

hhh=hh(1:255);ww=w(1:255);%由于对称性，画一半图即可

% 画图

subplot(1,2,1);stem(n,h);title('实际脉冲响应')

axis([0 M-1-0.1 0.3]);xlabel('n');ylabel('h(n)')

subplot(1,2,2);plot(ww/pi,20*log10(abs(hhh)));title('幅度响应（单位： dB）');grid

axis([0 1-100 10]);xlabel('频率（单位：pi）');ylabel('分贝')

set(gca,'XTickMode','manual','XTick',[0,0.2,0.3,1])

set(gca,'YTickMode','manual','YTick',[-50,0])

例2-12】最常碰到的信号处理任务是平滑数据以抑制高频噪声。求几个数据点的平均值是减弱高频噪声的一种简单方法，这种滤波器被称为平滑滤波器或中值滤波器。

Y = MEDFILT1(X,N)，如果没有给出N的值，则默认N=3；

当N是奇数时Y是X(k-(N-1)/2 : k+(N-1)/2)的平均；

当N是偶数时，Y是X(k-N/2 : k+N/2-1)的平均。

三、随机信号基础

平稳各态遍历的随机过程：如果随机信号的统计特性与开始进行统计分析的时刻无关，则为平稳随机过程，否则为非平稳随机过程。

如果所有样本在固定时刻的统计特征和单一样本在全时间上的统计特征一致，则为各态遍历的随机过程。

随机信号通过线性系统的四个关系式

1.Py(ej)H(ej)Px(ej)

2.Ry(m)Rx(m)h(m)h(m)

3.Pxy(ej)H(ej)Px(ej)

4.Rxy(m)Rx(m)h(m)

四、数字卷积和数字相关

卷积和相关运算的程序编写实现

线性相关函数：2

rxy(m)

nx(n)y(nm)

相关函数和功率谱的估计

估计质量的评估

五、维纳滤波

相关函数法推导维纳滤波器的维纳－霍夫方程

FIR法解维纳霍方程

预白化法解维纳霍夫方程

六、卡尔曼滤波

卡尔曼滤波的状态方程和量测方程

卡尔曼滤波的信号模型和估计模型

卡尔曼滤波的原理

七、随机信号的参数建模

AR模型中Y-W方程的推导

Y-W方程的估计法：L-D算法推导和编程

八、自适应滤波

LMS滤波过程

自适应滤波的实现

第四篇：信号处理中傅里叶变换简介

傅里叶变换

一、傅里叶变换的表述

在数学上，对任意函数f(x)，可按某一点进行展开，常见的有泰勒展开和傅里叶展开。泰勒展开为各阶次幂函数的线性组合形式，本质上自变量未改变，仍为x，而傅里叶展开则为三角函数的线性组合形式，同时将自变量由x变成ω，且由于三角函数处理比较简单，具有良好的性质，故被广泛地应用在信号分析与处理中，可将时域分析变换到频域进行分析。

信号分析与处理中常见的有CFS（连续时间傅里叶级数）、CFT（连续时间傅里叶变换）、DTFT（离散时间傅里叶变换）、DFS（离散傅里叶级数）、DFT（离散傅里叶变换）。通过对连续非周期信号xc(t)在时域和频域进行各种处理变换，可推导出以上几种变换，同时可得出这些变换之间的关系。以下将对上述变换进行简述，同时分析它们之间的关系。

1、CFS（连续时间傅里叶级数）

在数学中，周期函数f(x)可展开为

由此类比，已知连续周期信号x(t)，周期为T0，则其傅里叶级数为

其中，为了简写，有

其中，为了与复数形式联系，先由欧拉公式ejz=cosz+jsinz得

故有

令

则

对于Dn，有

n≤0时同理。故

CFS图示如下：

Figure 1

理论上，CFS对于周期性信号x(t)在任意处展开都可以做到无误差，只要保证n从-∞取到+∞就可以。在实践中，只要n取值范围足够大，就可以保证在某一点附近对x(t)展开都有很高的精度。

2、CFT（连续时间傅里叶变换）

连续非周期信号x(t)，可以将其看成一连续周期信号期T0→∞。当然，从时域上将x(t)进行CFS展开，有 的周也可以反过来看成x(t)的周期延拓。

若令

则

有

T0→∞使得Ω0→0，则

由此，定义傅里叶变换与其逆变换如下 CFT：

CFT-1：

x(t)是信号的时域表现形式，X(jΩ)是信号的频域表现形式，二者本质上是统一的，相互间可以转换。CFT即将x(t)分解，并按频率顺序展开，使其成为频率的函数。上式中，时域自变量t的单位为秒（s），频域自变量Ω的单位为弧度/秒（rad/s）。

CFS中的Dn与CFT中的X(jΩ)之间有如下关系

即从频域上分析，Dn是对X(jΩ)的采样（可将Figure 1与Figure 2进行对比）。

CFT图示如下：

Figure 2

3、DTFT（离散时间傅里叶变换）

首先，先从连续信号得到离散信号。用冲激信号序列

对连续非周期信号xc(t)进行采样，采样间隔为Ts，有

此时的xs(t)还不是真正的离散信号，它只是在满足t = nTs的时间点上有值，在其它时间点上值为零。对xs(t)进行进一步处理有

规定

则

其中，x[n]是最终所得的离散信号。xs(t)自变量为t，其单位为秒s，间隔为TS；x[n]自变量为n，其单位为1，间隔为1。

从频域分析上有

其中

。令，定义

以上式为DTFT定义式。DTFT逆变换为

DTFT是在时域上对CFT的采样（图示可见Figure 3与Figure 4），在DTFT中，时域信号x[n]为离散的，而对应的频域表示X(ejω)为连续的，且有周期ωs = 2π。

X(ejω)与Xs(jΩ)之间的关系为

ω = ΩTs

Xs(jΩ)中，自变量Ω单位为弧度/秒（rad/s），周期为Ωs = 2π/Ts；X(ejω)中，自变量ω单位为弧度（rad），周期为ωs = 2π。

CFT时域采样图示如下：

Figure 3

DTFT图示如下：

Figure 4

4、DFS（离散时间傅里叶级数）

在离散时间信号x[n]基础上，用冲激序列

对DTFT中的X(ejω)进行采样，采样间隔为Δω = 2π/N，则有

而S(ω)的逆DTFT变换为

对Xs(ejω)进行逆DTFT变换，有

xs[n]相当于对x[n]进行了周期延拓，周期为N = 2π/Δω。由上式可得

若延拓周期N大于x[n]的时长，则延拓不会发生混叠，于是

k为任意整数

令周期信号，k为任意整数，则

有

取ω = 2πk/N，令

则有

是以k为自变量的函数，有以下性质

m为任意整数

即的周期为N。为了避免重复计算，我们只考虑一个周期N内的情况，即

同时，为时域表示，为频域表示。故定义DFS为

其逆变换为 的自变量n单位为1，周期为N；的自变量k单位为1，周期也为N。DFS应用于离散时间周期性信号中，其相当于在频域中

对DTFT采样，而对应地在时域中相当于对DTFT进行周期延拓（图示见Figure 5与Figure 6）。DFS与DTFT的关系为

DTFT频域采样图示如下：

Figure 5

DFS图示如下：

Figure 6

5、DFT（离散傅里叶变换）

在DFS基础上，取离散时间周期性信号0,1,2,…N-1这一个周期内的N个点，得

其中，RN[n]表示当n = 0,1,2,…N-1时函数取值为1，当n取其它值时函数取值为0。定义DFT为 的基础上，其逆变换为

xd[n]的自变量n单位为1，时长为N；Xd[k]的自变量k单位为1，时长也为N。DFT相当于对DFS的时域及频域都取0,1,2,…N-1这一个周期内的N个点。

6、傅里叶变换之间的关系

傅里叶变换之间的关系主要有两点，一是采样与周期延拓之间的对应关系，二是对自变量的替换关系。（1）采样与周期延拓之间的对应关系

采样与周期延拓之间是一种对应关系，时域中对信号采样相当于在频域中对信号进行周期延拓，同样地，频域中对信号采样相当于在时域中对信号进行周期延拓，二者间是对应与平行的关系，不存在因果关系。

傅里叶变换中的CFS、CFT、DTFT、DFS、DFT可由连续非周期信号xc(t)进行采样及周期延拓处理得到各种变换，它们之间的关系如图Figure 7与Figure 8：

Figure 7

Figure 8

上两图中，蓝色箭头表示在时域或频域中采取的主动措施，白色箭头表示在频域或时域中产生的相应变换。（2）对自变量的替换关系

在对信号进行采样与周期延拓的同时，对自变量进行某种替换，从而完成傅里叶变换类型的转变。

傅里叶变换中对自变量的替换情况如图Figure 9所示。CFS适用于连续周期性信号，其自变量t单位为秒（s），相应的幅频谱|Dn|中，自变量n单位为1。而CFT适用于连续非周期信号xc(t)，其自变量t单位为秒（s），对应的频域信号为Xc(jΩ)，其自变量Ω单位为弧度/秒（rad/s）。由CFS变成CFT相当于连续周期性信号的周期T0趋于无穷，而在频域中则为自变量的替换，由n变成Ω，替换关系为

DTFT适用于离散时间信号x[n]，其自变量n单位为1，对应的频域信号为X(ejω)，自变量ω单位为弧度（rad）。由CFT变成DTFT相当于对连续信号xc(t)采样及离散化，自变量由t替换为n，替换关系为t = nTs，而在频域中则为周期延拓及自变量的替换，由Ω替换为ω，替换关系为ω = ΩTs。

DFS适用于离散周期性信号频域信号为，其自变量n单位为1，对应的，自变量k单位为1。由DTFT变成DFS相当于在频

域中对X(ejω)进行采样、离散化与自变量替换，由ω替换为k，替换关系为ω = 2πk/N。

DFT的时域与频域序列长度都为N个点（0,1,2,…N-1），时域自变量n单位为1，频域自变量k单位为1。

由图Figure

7、Figure 8和Figure 9可以清楚地研究非相邻变换之间的关系。

Figure 9

二、与相关教材内容的辨析

1、《Signal Processing and Linear Systems》（B.P.Lathi, Oxford University Press）

书中首先将高等数学中的向量理论扩展到了信号系统中，引出正交信号空间的定义，指出任意信号x(t)可用正交信号空间的线性组合表示，进而引出三角傅里叶级数，将这种表示用三角函数的线性组合表示。CFS的来源介绍比我对CFS的自述更加详细具体，更有逻辑性，体现了高等数学的延伸，CFS定义部分与我的自述大体相同。

书中由CFS引出CFT，指出连续非周期信号xc(t)相当于将连续

周期性信号的周期T0趋于无穷，然后对xc(t)按照CFS方法展开，中间过程中引出了CFT。这一部分与我的自述大体相同。只是我在对傅里叶变换的总结中将xc(t)进行无混叠的周期性延拓，反向也得出了。这只是对傅里叶变换的又一种理解，但从本源上考虑，还应该是由连续周期性信号

得出连续非周期信号xc(t)。

书中接下来先介绍的是DFS。书中由CFS类比定义了DFS，定义为

其中，这种定义与我对DFS的自述略有差别。书中完全按照CFS的定义模式定义的，书上在此之后也按照CFS的模式给出了Dr的幅频谱与相频谱。而我的自述则采用类似CFT的定义方式，即正变换为从时域变到频域，逆变换为从频域变到时域，其次书中使用的字母表示方式与我的自述略有差异，不过本质上意义是相同的。

紧接着，书中由DFS引出了DFT，指出DFT的时域及频域都为N点有限序列，此处与我对DFT的自述大体相同，但未进行深入说

明。之后，类似于由CFS引出CFT，书中由DFS中的离散时间周期函数引出离散时间非周期函数x[k]（令周期N0→∞），然后对x[k]按照DFS的方法展开，在中间推导过程中引出了DTFT。总之，在离散时间信号的傅里叶变换中，书上是类比CFS引出CFT的模式，由DFS引出DTFT，而DFT也由DFS引出，只是未做重点讲解，实质上是从时域角度出发，与连续时间信号进行同等过程的类比。我对离散时间信号傅里叶变换的自述则从频域角度出发，与连续时间信号的时域推导过程进行同等过程的类比。二者分析方向不同，顺序不同，但本质上是相同的。这也从侧面反映出傅里叶变换将单纯的时域分析引向时域与频域的双领域分析，增加了对信号分析与处理的方法与方向，有利于更好地对信号进行理解。

2、《信号与系统》

书中也是首先将高等数学中的向量理论扩展到了信号系统中，引出正交信号空间的定义，指出任意周期为T0的信号x(t)可进行正交分解，而正余弦信号集是比较特殊的正交信号集，并用正余弦信号集表示信号，达到一种分解的目的，从而定义出CFS，并将正余弦信号集进一步扩展为虚指数信号集，从而将指数形式的CFS表示出来。在表示方式上与我的自述基本相同。而书中对三角形式的CFS与指数形式的CFS总结比较清楚，并对各自形式的幅频谱进行了比较，指出指数形式CFS的频谱为双边谱，而三角形式的CFS的频谱为单边谱。而由CFS导出CFT的叙述则基本与我的自述相同，即连续非周

期信号xc(t)相当于将连续周期性信号的周期T0趋于无穷，然后对xc(t)按照CFS方法展开，中间过程中引出了CFT。

书中对DFS的描述，类比于对CFS的描述，采用离散形式的虚指数正交信号集对离散时间周期性信号表示，表示方式与上一本书相同。由DFS引出DTFT时类比于由CFS引出CFT的过程，将离散时间周期性信号周期趋于无穷，得出离散时间非周期性信号，按照DFS的方式对信号进行分解表示，在推导过程中引出DTFT的定义，过程与上一本书基本相同。而DTFT也可对离散时间周期性信号进行处理。对DFT并未做重点描述。

总之，两本书对傅里叶变换的描述都是先对连续时间信号进行讨论，然后离散时间信号中的讨论参考连续时间信号中的讨论，层次清晰，可比性强。我的自述主要侧重于对信号的时域或频域进行各种处理，引出傅里叶变换的各种形式，可加深对傅里叶变换各种形式之间关系的理解。

三、傅里叶变换的应用

1、应用

傅里叶变换主要是为了将一般性的信号用较规则的、性质良好的三角函数进行表示，从而可以从频域的角度进行信号分析与处理，扩充了信号分析与处理的分析领域，简化了分析与处理的过程。从理论上，CFS、CFT、DTFT、DFS、DFT在满足相应的条件下都可以使用。而在实际应用中，计算机只能处理离散的、序列长度有限的信号，故实际应用中，DFT具有应用价值，其它形式的傅里叶变换处理的信号

是连续的或无限长的，计算机无法处理，所以只能在理论上进行数学运算。而DFT利用计算机可以快速算出，被称为快速傅立叶变换（FFT）。FFT可以减少计算DFT时乘法的使用次数，简化运算，提高效率。而现代信号分析与处理中必然要对信号进行采样离散化，输入到计算机中进行处理，得到频域形式，所以DFT的实际应用是很广泛的。

2、限制条件及潜在问题

CFS只适用于连续周期性信号，CFT只适用于连续非周期信号，DTFT只适用于离散时间信号，DFS只适用于离散时间周期信号，DFT只适用于有限序列的离散时间信号。CFS、CFT、DTFT、DFS处理的信号具有连续性或无限长特性，适用于在理论上的定性分析，而在实际应用中，我们需要快速高效地处理信号，这必然用到计算机，而计算机只能处理离散的、有限序列长度的信号，故只有DFT有实用意义，CFS、CFT、DTFT、DFS则不行。而DFT计算需要大量的加法与乘法，往往实际应用中不能直接应用，所以实际应用中要根据需要进行优化处理，在提高运算速度与精度之间进行权衡，原始的DFT只是具有实际应用中的象征意义。

第五篇：微机监测系统在信号设备故障诊断中的分析

※※※※※※※※※ ※2009级

铁道信号

※※※※※

※ ※ ※ ※※ ※※※※

微机监测系统在信号设备故障诊断中的分析

姓 名 学 号 院、系、部 班 号 完成时间

电气工程系

2012年12月21日

摘 要

信号微机监测系统是铁路重要的行车安全辅助设备，是铁路装备现代化的重要组成部分。为及时准确地诊断信号设备故障，本文探索了运用微机监测诊断信号设备故障的一些方法，即根据信号设备运用中的实时参数、动作曲线、日报表等有关信息，观察参数和波形图的变化趋势，比较正常值与非正常值的关系，以正确判断运用中的信号设备是否发生故障，从而达到控制故障发生，确保行车安全的目的。

关键词: 微机监测 信号设备 故障诊断 动作曲线

Abstract

Railway computer monitoring system is important safety equipment for railway an important part of the modernization of railway equipment.To timely and accurate diagnosis signal equipment failure, this paper explores the using microcomputer monitoring diagnosis signal equipment failure of some of the method, according to the real-time signal equipment using parameters, action curve, and other relevant information daily reports, observing parameters and the change tendency of the wave figures, more normal and abnormal value in relation to a correct judgment of whether using signal equipment failure, so as to achieve control of faults, ensure safety purposes.Key words: Micro-computer monitoring Signal equipment Fault diagnosis Action curve

摘 要..............................................................2 Abstract............................................................3 引 言..............................................................5

一、微机监测系统简介..............................................6

（一）、系统原理...............................................6

（二）、系统结构...............................................6

二、微机监测下的信号设备常见故障..................................8

（一）、分类...................................................8

（二）、信号设备故障原因.......................................8

三、利用微机监测系统进行故障分析的方法............................9

（一）、微机监测数据分析的原则.................................9

（二）、微机监测数据分析内容与要求.............................9 总 结.............................................................10 参考文献...........................................................11

引 言

随着我国铁路建设的跨跃式发展，铁路设备的管理与维护正逐步由人工或半人工化管理模式向智能化管理模式过渡，这就要求铁路管理部门必须要有一套非常完备的监测系统能够全面、深入的在信号设备、线路使用状况、车辆运行状况以及行车环境这些方面进行连续跟踪、及时记录、有效分析，目的是及时发现问题并能迅速解决问题，保证列车行驶安全。在此情况下，微机监测系统应用而生，该系统在网络通信的基础上将传感器、现场总线、数据库、软件工程等技术与现场设备运行状态融为一体。信号微机监测系统作为铁路行车安全监测设备，是信号技术向高安全、高可靠和网络化、数字化、智能化方向发展的标志之一。也是提高信号设备维护质量的重要技术手段，它能实时、动态、准确、量化地对信号设备进行在线监测，反映信号设备的运用质量、结合部分设备状态，并对状态信息进行储存、重放、查询、报警，对于防止违章作业，分析判断故障，尤其对分析发现潜在性故障、瞬间故障和间歇性故障提供重要的手段和依据，对确保运输安全发挥着重要的作用。

另一方面，微机监测设备作为电务故障诊断专家，其地位和作用越来越重要，同时为数据分析，掌握监测数据与设备状态之间的内在联系，及时发现信号设备故障隐患，预防故障发生提供了可能。信号故障与故障延时是反映信号设备安全运用的重要指标，如能有效地控制并减少设备故障的总量，故障延时总量就会随之减少。因此，及时准确地诊断并积极处理信号故障就显得十分必要。运用微机监测手段可以了解故障发生的原因、性质，并利于指导故障的处理。

一、微机监测系统简介

（一）、系统原理

微机监测系统由上层监测设备(铁道部、铁路局)和基层监测设备(电务段、车间、车站)两部分组成，用以监测本单位管辖内各车站信号设备运行状态的网络系统。

微机监测系统应用计算机和信息采集机实时监测各种信号设备，监测对象主要是模拟量监测和开关量监测。模拟量包括:轨道电路电压、道岔动作电流、电源屏电压、电缆绝缘电阻和电源对地漏泄电流等。开关量包括:控制台按钮和表示灯状态、关键继电器状态、灯丝状态、熔断状态和道岔表示缺口状态等。

以TJWX一2000型信号微机监测系统为例来说明其原理。TJWX一2000型微机监测系统采用现场总线(CAN)技术、传感技术、计算机网络技术、数据库及软件工程技术，能实时动态、准确量化地反映信号设备的运用质量、结合部份设备状态，并具有状态信息储存、重放、查询和数据逻辑判断功能。当电气特性超标或违章作业进行局部节点封连时，均可以按照等级及时报警。同时，由于对设备的运用状态能做到“心中有数”，“超标报警”，超前防范，防患未然，能使设备运用质量始终处于受控状态，科学地指导现场合理维修，避免“过剩修”或“漏检漏修”，保证列车行驶安全。

（二）、系统结构

TJWX一2000型信号微机监测系统由车站系统、车间机、电务段管理系统、上层网络终端，以及广域网数据传输系统五部分组成。

车站系统是微机监测系统的最基本单元，主要负责数据的采集、分类和处理，实现信号设备的实时监测和人机对话。它包括站机、采集机、机柜、隔离转换单元等。站机作为一个车站的集中管理设备，集中处理各采集机采集的实时信息，并将信息进行显示和存储。同时，站机为操作人员提供人机接口，根据对信号设备监测的结果，实现车站作业状态及设备运用状态的实时显示和各种数据的查询功能。

车间机用于管理和查看所管辖车站的数据。车间机具有终端的所有功能，以终端方式连至监测系统，以人机对话方式查看管内站机的所有数据，并能显示网络通信结构拓扑图和通信状态。

电务段管理系统是电务段管内各站的微机监测数据和网络通信的管理中心，是微机监测网络系统的中枢部分。它包括一台服务器和若干台终端、打印机等外部设备以及一些通信设备。

上层网络终端具有终端所有的功能。它以数据终端方式在电务段服务器上登陆，连至电务段监测网。上层终端可以通过专线或拨号随时联网。

广域网数据传输系统把车站系统、电务段系统及上层网络终端连接起来。广域网数据传输系统完成IP数据包在各计算机间的传输，它包括路由器、调制解调器集线器等。路由器完成lP数据包的寻径和转发。调制解调器实现实现模拟信号和数字信号的相互转换，使传输信号与通信线路相匹配。集线器用在电务段局域网中连接各计算机。

二、微机监测下的信号设备常见故障

（一）、分类

铁路信号设备的故障总体上可分为电路故障和机械故障。电路故障分类按照设备的功能和故障的性质及现象进行分类，常见故障有:进路系统故障、信号复示器故障、解锁故障和信号点灯故障及其它故障如闭塞设备和供电设备故障等;机械故障有道岔故障、转辙机故障等。

（二）、信号设备故障原因

（1）材料不良，包括元器件变质、制造工艺缺陷。

（2）维修不良，主要是由于工作人员责任心不强、业务素质差等造成。（3）违章作业，主要是从事信号维修工作时不遵守章程。

（4）外界原因，自然界的影响、车及施工的影响、其他因素影响（如因线路长时间没有列车或调车车列通过，造成轨面生锈，使轨道电路分路不良）

三、利用微机监测系统进行故障分析的方法

（一）、微机监测数据分析的原则

掌握技术标准。作为维护人员应了解信号设备正常工作的电气参数，在查看微机监测采集的各项数据时，应掌握管内信号设备的类型及技术标准，电气特性要求，以便及时发现电气特性不达标的设备。

把握数据变化。除查看各项数据是否符合技术标准之外，还要观察数据的波动情况，电压（或电流）的波动幅度有多大、曲线的波动是平滑还是陡变、波动情况出现的频率及当时站场的状态等，依此判断设备是正常波动还是出现了问题。

（二）、微机监测数据分析内容与要求

重要设备状态。计算机联锁、列控中心、CTC、智能电源屏等电子设备。要求查看设备状态，若出现异常，及时对设备实际使用情况进行检查。

电源屏输入、输出电源。查看外电网电源、电源屏各路输入、输出电压是否在规定范围内，24时内电压及电流曲线有无异常波动。

站内轨道电路接收电压。查看轨道继电器电压是否符合调整表要求和该区段接收电压波动情况。

区间轨道电路发送、接收电压。对 UM71区间轨道电路的轨道输入电压或 ZPW-2000A 轨道电路的主轨出电压和小轨出电压曲线进行查看，以及查看两次分析时间间隔内的发送与接收电压日曲线。

道岔动作曲线。每日查看每组道岔的所有曲线，一次动作曲线正常不能代表本组的所有曲线都正常。将每组道岔集中检修完毕后，将正常扳动良好的道岔动作曲线设定为参考曲线，分析时将道岔定、反位曲线和设定参考曲线进行比较，查看动作电流的大小和动作时间的长短有无明显变化。

电缆全程绝缘。值班人员每日在微机监测上对电缆全程进行一次全测，对全程小于 1 MΩ 的电缆进行记录，并报告工长组织处理。信号机点灯电流。查看 24 小时内日曲线，其数值符合标准，曲线无异常波动。

总 结

信号微机监测是电务安全的“黑匣子”，是信号维修技术的重要突破，是信 号维修体制改革的重要技术支撑，系统能实时动态、准确量化地反映信号设备的运用质量、结合部设备状态，并具有状态信息储存、重放、查询和数据逻辑判断功能，当电气特性超标或违章作业进行局部节点封连时均可以按照等级及时报警。这对于防止违章作业，分析判断故障，特别是对瞬间发生或时好时坏的“疑难杂症”故障，或结合部难以界定的复杂故障的分析处理提供了重要到的手段和依据。微机监测系统对信号设备的故障诊断提供了一个很有用的技术手段，利用该系统观察每日各信号设备的电压或电流等曲线可以直观的发现是否存在问题，并找出故障的可能原因。实时监测信号设备的状态，提供了铁路行车的安全性。

参 考 文 献

[1]《现代铁路远程控制系统》刘晓娟 郑云水 编著 西南交通大学出版社出版 [2]《基于数据挖掘的微机监测系统故障诊断研究》 张炜 硕士学位论文 [3]《运用微机监测诊断信号设备故障》 张世林 期刊 [4]《利用微机监测处理设备隐患二例》 高义生 期刊