用最小二乘原理消除振动信号的长周期趋势项.doc

1.用最小二乘原理消除振动信号的长周期趋势项 数据采集仪中信号放大器受环境温度、湿度、电磁场、噪声、振动冲击等外部环境的干扰，采集到的振动信号往往与真实信号发生了偏离，使信号信噪比降低、甚至信号完全失真。一般情况下测量被测物体的加速度比测量位移和速度方便得多。但由于信号中含有长周期趋势项，在对数据进行二次积分时得到的结果可能完全失真，因此消除长周期趋势项是振动信号预处理的一项重要任务。 以下是消除振动信号趋势项程序语言： clc clear all load jiajg.txt; sf=200; s=jiajg; m=15; % t=0:0.005:(5.12-0.005); % plot(t,s) %最小二乘法消除多项式趋势项 %%%%%%%%%%%%%%%%%%%%%%%% %关闭数据文件 %取信号数据长度 n=length(s); %建立离散时间列向量 t=(0:1/sf:(n-1)/sf); %计算趋势项的多项式待定系数向量a a=polyfit(t,s,m); %用x减去多项式系数a生成的趋势项 y=s-polyval(a,t); %将分成2行1列的图形窗口的第1列设为当前绘图区域 subplot(2,1,1); %绘制x对于t的时程曲线图形 plot(t,s); %在图幅上添加坐标网格 grid on; %将分成2行1列的图形窗口的第2列设为当前绘图区域 subplot(2,1,2); %绘制y对于t的时程曲线图形 plot(t,y); %在图幅上添加坐标网格 grid on; 消除趋势项前、后的加速度反应谱 2. 试验模态参数识别的频域识别 试验模态参数识别是振动信号处理的一个重要的组成部分，它的主要任务是从测试所得的数据中，确定振动系统的模态参数的估计，其中包括模态固有频率、模态阻尼比、模态振形以及模态质量和模态刚度等。 下面进行有理分式多项式法模态参数识别 程序 %有理分式多项式法模态参数识别 %%%%%%%%%%%%%%%%%%%%%%%%%%%%% clear clc close all hidden format long %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% fni=input(有理分式多项式法模态参数识别-输入数据文件名:,s); fid=fopen(fni,r); mn = fscanf(fid,%d,1); %模态阶数 df = fscanf(fid,%f,1); %频率间隔 fno = fscanf(fid,%s,1); %输出数据文件名 b = fscanf(fid,%f,[2,inf]); %实测频响函数实、虚部数据 status=fclose(fid); %定义幂多项式的阶次 nm = mn*2; %取频响函数的长度 n=length(b(1,:)); %建立离散频率向量 f=0:df:(n-1)*df; %建立离散圆频率向量 w=2*pi*f; %建立归一化离散频率向量 wi = w/max(w); %建立实测频响函数复数向量 H=b(1,:)+i*b(2,:); %计算拟合频响函数的分子和分母系数向量 [A,B] = invfreqs(H,wi,nm,nm,[],100); %幂多项式方程求根(零点) P = roots(B); %计算模态频率向量 F1 = abs(P)*max(w)/(2*pi); %计算阻尼比向量 D1 = -real(P)./(abs(P)); %计算振型系数向量 for k=1:nm if k==1 p(1:nm-1)=P(2:nm); else p(1:k-1)=P(1:k-1); p(k:nm-1)=P(k+1:nm); end y=poly(p); S1(k)=polyval(A,P(k))/polyval(y,P(k)); end %计算拟合的频响函数 H1 = freqs(A,B,wi); %绘制频响函数实部拟合曲线图 figure(2) nn=1:n; subplot(2,1,1); plot(f,real(H(nn)),:,f,real(H1(nn)),r); xlabel(频率 (Hz)); ylabel(实部); legend(实测,拟合); grid on; %绘制频响函数虚部拟合曲线图 subplot(2,1