52phm简介
专注于工业智能预警系统研发， 通过机理算法和数据驱动算法分析振动信号、音频、DCS、PLC信号、SCADA信号等设备运行状态数据对机器设备进行看病预诊，为机器设备健康运行保驾护航。 网站正在不断建设和完善过程中，欢迎大家给予建议和参与社区建设
联系我们
投稿说明
52phm，专注于预测性维护知识学习和交流，欢迎广大从事预测性维护行业人员投稿，投稿请联系管理员(wx: www52phmcn)，投稿内容可以是：
- 学习笔记
- 技术理论
- 工程案例
- 行业资讯
加入我们
机械振动信号15个时域统计指标
1、时域统计指标计算公式
振动信号原始统计特征分为两类：时域统计特征、频域统计特征。
信号的时域特征是通过统计分析信号的各种时域参数、指标的估计或计算得到的，如表所示，分为有量纲参数和无量纲参数两种，其中1-9为有量纲参数和10-15无量纲参数。
2、python程序实现
def get_time_domain_features(data):
'''data为一维振动信号'''
x_rms = 0
absXbar = 0
x_r = 0
S = 0
K = 0
k = 0
x_rms = 0
fea = []
len_ = len(data.iloc[0, :])
mean_ = data.mean(axis=1) # 1.均值
var_ = data.var(axis=1) # 2.方差
std_ = data.std(axis=1) # 3.标准差
max_ = data.max(axis=1) # 4.最大值
min_ = data.min(axis=1) # 5.最小值
x_p = max(abs(max_[0]), abs(min_[0])) # 6.峰值
for i in range(len_):
x_rms = data.iloc[0, i] ** 2
absXbar = abs(data.iloc[0, i])
x_r = math.sqrt(abs(data.iloc[0, i]))
S = (data.iloc[0, i] - mean_[0]) ** 3
K = (data.iloc[0, i] - mean_[0]) ** 4
x_rms = math.sqrt(x_rms / len_) # 7.均方根值
absXbar = absXbar / len_ # 8.绝对平均值
x_r = (x_r / len_) ** 2 # 9.方根幅值
W = x_rms / mean_[0] # 10.波形指标
C = x_p / x_rms # 11.峰值指标
I = x_p / mean_[0] # 12.脉冲指标
L = x_p / x_r # 13.裕度指标
S = S / ((len_ - 1) * std_[0] ** 3) # 14.偏斜度
K = K / ((len_ - 1) * std_[0] ** 4) # 15.峭度
fea = [mean_[0],absXbar,var_[0],std_[0],x_r,x_rms,x_p,max_[0],min_[0],W,C,I,L,S,K]
return fea
版权声明：遵循 CC 4.0 BY-SA 版权协议原文链接：https://blog.csdn.net/baidu_38963740/article/details/110940823
[推荐] 机械振动信号13个频域指标
2021-12-08 09:51:40
互联网
4318
分类：算法开发
专栏：振动信号预处理
[推荐] 旋转机械振动物理力学特性
2021-12-10 17:18:58
互联网
902
分类：算法开发
专栏：故障诊断
[推荐] 随机振动信号分析方法总结（时域、频域、时频域分析）
2021-12-14 18:49:46
互联网
1376
分类：算法开发
专栏：振动信号预处理
转发此文章到社区关注公众号进群
让志同道合读者学习交流
可穿戴加速度计动作识别
可穿戴加速度计动作识别
2021-12-04 23:21:00
博客笔记
696
分类：边缘感知
专栏：动作识别
故障诊断的性能评估指标
评价一个故障诊断系统的性能指标有： 1）故障检测的及时性：是指系统在发生故障后，故障诊断系统在最短时间内检测到故障的能力。故障发生到被检测出的时间越短说明故障检测的及时性越好。 2）早期检测的灵敏度：是指故障诊断系统对微小故障信号的检测能力。故障诊断系统能检测到的故障信号越小说明其早期检测的灵敏度越高。 3）故障的误报率和漏报率：误报指系统没有出去故障却被错误检测出发生故障
2021-12-13 13:51:37
互联网
1961
分类：算法开发
专栏：故障诊断
机械故障诊断方法论
1. 故障诊断概念故障诊断主要研究如何对系统中出现的故障进行检测、分离和辨识 , 即判断故障是否发生 , 定位故障发生的部位和种类 , 以及确定故障的大小和发生的时间等 。2. 故障诊断方法故障诊断防范可分为定性分析和定量分析两大类 , 如图 1 所示。 其中 , 定量分析方法又分为基于解析模型的方法和数据驱动的方法 , 后者又进一步包括机器学习类方法、多元统计分析类方法、信号处理类方...
2021-12-13 14:48:01
互联网
2029
分类：算法开发
专栏：故障诊断
信号调制基础理论知识
学习——信号调制识别 （一） 看了《通信信号调制识别技术及其发展》这一论文后，将学习到的知识记录在这篇博客里。1、通信信号调制识别技术 调制识别问题从本质上来说是一种典型的模式识别问题。其基本框架如图所示： 调制识别由三部分组成：信号预处理、提取特征参数和分类识别。信号预处理部分包括载波同步、频率下变频、噪声抑制以及对信噪比、符号周期、载波频率等参数的估计。特征提取部分...
2021-12-14 22:00:52
互联网
872
分类：算法开发
专栏：数字信号处理
深度学习对振动类光谱信息的处理论文笔记
光谱原始数据通常存在伪影，噪声等问题，而预处理步骤可能对准确率造成影响，同时对不同数据的适应性差，神经网络能提供端到端的方法（或者省去某个预处理步骤），因而具有一定前景。数据驱动的深度学习技术可以发现大数据集中复杂的结构，并从数据中提取关键特征。一.综述文章：Deep learning for vibrational spectral analysis: Recent progress and a practical guide（2019）自2017年提出，将深度学习应用于光谱处理这一领域，迄
2021-12-14 22:12:02
互联网
740
分类：论文速递
专栏：未分组
机械振动 趋势项产生原因
机械振动（按频率分类）：低频振动（小于10HZ）、中频振动（10HZ-1000HZ）、高频振动（大于1000）HZ 软件积分误差中趋势项产生的原因:所谓趋势项是在测试信号中存在线性项或缓变的非线性项成分。工程实际测量的信号大部分是复杂周期信号与随机信号 的 混 合，而 且 周 期 信 号 往 往 是 研 究对象。趋势项的存在会使数值积分的结果产生很大的误差，严重地背离
2021-12-17 09:40:29
互联网
718
分类：算法开发
专栏：振动信号预处理
统计学——时间序列预测
统计学(第6版) 贾俊平 读书笔记第13章 时间序列分析和预测时间序列是同一现象在不同时间上的相继观测值排列而成的序列。本书中用t表示所观察的时间，Y表示观察值，则Yi( i =1, 2, …, n)为时间ti上的观察值。时间序列可以分为平稳序列和非平稳序列两大类。非平稳序列是包含趋势、季节性或周期性的序列，又可以分为有趋势的序列、有趋势和季节性的序列、几种成分混合而成的复合型序列。趋势是...
2021-12-25 19:49:30
互联网
505
分类：算法开发
专栏：时间序列预测
语音信号的预处理
概述语音信号是一种非平稳的时变信号，它携带着大量信息。在语音编码、语音合成、语音识别和语音增强等语音处理中，都需要提取语音中包含的各种信息语音处理的目的对语音信号进行分析，提取特征参数，用于后续处理加工语音信息，如语音增强和语音合成中的应用根据所分析的参数类型，语音信号可以分成：时域分析最简单、最直观直接对语音信号的时域波形进行分析特征参数：语音的短时能力、平均幅度、短时...
2022-01-13 16:53:53
互联网
790
分类：算法开发
专栏：语音信号预处理
语音信号的数据分析
数据集和代码均已上传到Github中，欢迎大家下载使用。Github地址：https://github.com/JasonZhang156/Sound-Recognition-Tutorial如果这个教程对您有所帮助，请不吝贡献您的小星星Q^Q.数据分析本节针对ESC-10数据集进行基本的数据分析，包括数据样本数，数据类别数，每类声音样本数等信息。并且对每类样本的声音波形，功率谱进...
2022-03-23 22:57:45
互联网
648
分类：算法开发
专栏：语音信号预处理
故障诊断之基于振动信号的阶比谱分析
故障诊断之基于振动信号的阶比谱分析
2022-05-31 11:08:40
互联网
1569
分类：算法开发
专栏：振动信号预处理
-
52phm公告
-
-
关于站长
从事设备故障预测与健康管理行业多年的PHM算法工程师（机器医生）、国际振动分析师， 实践、研发和交付的项目涉及“化工、工业机器人、风电机组、钢铁、核电、机床、机器视觉”等领域。专注于工业智能预警系统研发， 通过机理算法和数据驱动算法分析振动信号、音频、DCS、PLC信号、SCADA信号等设备运行状态数据对机器设备进行看病预诊，为机器设备健康运行保驾护航。