1.背景:
以前、私は小さなプロジェクトを引き継ぎ、振動センサーを使用してファンのスイッチを監視していました。
ここでは、シングルチップマイクロコンピュータの使用と加速度センサーのデータ収集についての説明はありません。
データの準備:振動サンプリング周波数を400Hzに設定します。サンプリングポイントは512ポイントです。
離散点FFTによると、実際に監視できる周波数範囲(400/2 = 200Hz)。
2.期待される結果
個別の512データポイントから、振動周波数とパワーが計算されます。
実際の周波数Fは、データポイントの横座標xに比例します。
F = x (400/512)=0.78125 x
3.生データポイント
512データポイントは、センサーによって継続的に収集されます。これらは、振動面(Z軸)に垂直な加速度値です。加速度値は、ある瞬間の振動力を表すために使用されます。
加速度計チップ範囲の構成に応じて、元のデータポイントの値は異なります。
1.次の図に示すように、ポイントの半分(256)を表示します。センサー範囲をプラスまたはマイナス16Gとして構成します。センサーが水平に配置されている場合、Z軸の値は地球の重力Gを表します。図は約2100です。
2.手で均等に振ると、表示は次のようになります。
次の図には合計256ポイントがあり、センサーは1秒間に400ポイントを出力します。つまり、図の3.5波は実際には256/400 = 0.64秒を使用します。
ハンドクランクの周波数は3.5 / 0.64 = 5.46875 Hzです。これは、ハンドクランクが1秒あたり5.5倍であることを意味します。(本当に速く振る)
3.メインコンピュータの横に置き、メインコンピュータの振動を測定すると、観測された元の波形は次のとおりです。
横に配置されているため、地球の重力によってZ軸が減少します(残り約40、補正はありませんが、周波数計算には影響しません)。
4. FFTアルゴリズム
4.1基本的な理解
離散点の周波数を取得するために最初に頭に浮かぶのは、高速フーリエ変換であるFFTアルゴリズムです。高度な数学と積分変換の詳細な理論的説明があります。選別の優れた仕事をしたインターネット上の多くの前任者もいます。ここでは繰り返さず、そのときに直接引用した記事へのリンクを示します。
https://blog.csdn.net/yga_airspace/article/details/86688278
記事にはカプセル化されたコードがあり、パラメーターの説明も非常に詳細です。
4.2アイデアの整理
512個の元のデータポイントをFFT関数に渡して、新しく変更された配列を取得します。配列の数は変化せず、データは時間領域から周波数領域に変化します。
4.3コードの実装
ここでの関数の元の作成者は、仮パラメーターを定義するときに古い形式を使用しました。だから驚かないでください。ヘッダーファイル「math.h」を忘れずにインクルードしてください。
このうち、pr [512]配列には512個の元のデータが格納されており、関数が終了すると、prのデータが変換された周波数領域のデータ係数(スペクトル表示に使用)になります。
/*******************************************************************\
double pr[n] 存放n个采样输入的实部,返回离散傅里叶变换的摸
double pi[n] 存放n个采样输入的虚部
double fr[n] 返回离散傅里叶变换的n个实部
double fi[n] 返回离散傅里叶变换的n个虚部
int n 采样点数
int k 满足n=2^k
\*******************************************************************/
void kfft(pr,pi,n,k,fr,fi)
int n,k;
double pr[],pi[],fr[],fi[];
{
int it,m,is,i,j,nv,l0;
double p,q,s,vr,vi,poddr,poddi;
for (it=0; it<=n-1; it++) //将pr[0]和pi[0]循环赋值给fr[]和fi[]
{
m=it;
is=0;
for(i=0; i<=k-1; i++)
{
j=m/2;
is=2*is+(m-2*j);
m=j;
}
fr[it]=pr[is];
fi[it]=pi[is];
}
pr[0]=1.0;
pi[0]=0.0;
p=6.283185306/(1.0*n);
pr[1]=cos(p); //将w=e^-j2pi/n用欧拉公式表示
pi[1]=-sin(p);
for (i=2; i<=n-1; i++) //计算pr[]
{
p=pr[i-1]*pr[1];
q=pi[i-1]*pi[1];
s=(pr[i-1]+pi[i-1])*(pr[1]+pi[1]);
pr[i]=p-q; pi[i]=s-p-q;
}
for (it=0; it<=n-2; it=it+2)
{
vr=fr[it];
vi=fi[it];
fr[it]=vr+fr[it+1];
fi[it]=vi+fi[it+1];
fr[it+1]=vr-fr[it+1];
fi[it+1]=vi-fi[it+1];
}
m=n/2;
nv=2;
for (l0=k-2; l0>=0; l0--) //蝴蝶操作
{
m=m/2;
nv=2*nv;
for (it=0; it<=(m-1)*nv; it=it+nv)
for (j=0; j<=(nv/2)-1; j++)
{
p=pr[m*j]*fr[it+j+nv/2];
q=pi[m*j]*fi[it+j+nv/2];
s=pr[m*j]+pi[m*j];
s=s*(fr[it+j+nv/2]+fi[it+j+nv/2]);
poddr=p-q;
poddi=s-p-q;
fr[it+j+nv/2]=fr[it+j]-poddr;
fi[it+j+nv/2]=fi[it+j]-poddi;
fr[it+j]=fr[it+j]+poddr;
fi[it+j]=fi[it+j]+poddi;
}
}
for (i=0; i<=n-1; i++)
{
pr[i]=sqrt(fr[i]*fr[i]+fi[i]*fi[i]); //幅值计算
}
return;
}
4.4効果
センサーをコンピューターホストの側面に配置して、周波数を測定します。ホストコンピュータのハードディスクの速度は7200 rpmで、120 Hzの周波数に対応します。
FFT変換によって得られた周波数スペクトルは、120 Hzの振動を抽出できることがわかります。しかし、低周波ノイズの影響は非常に深刻です。これは間違いなく後のデータ処理のためのトラブルを増加させます。
4.5利点と欠点
利点:高速、計算は1秒以内に完了することができます。
短所:ランダム性の変化が多すぎるため、データ処理に役立ちません。
5.パワースペクトル
5.1見つけ方
正直なところ、スペクトル信号処理の多くの方法を見て、さまざまな方法の安定性と実装の容易さを比較しました。パワースペクトルを使用することを選択すると、パワースペクトルによってFFTのランダム性を取り除くことができます。パワースペクトルのイメージがより安定しています。
インターネットの前身は、パワースペクトルを取得するさまざまな方法を提供してきました。
(1)パワースペクトルを求める直接法(2)相関関数法(3)相関ARモデル法(4)BURG法
関連する知識を得るために、自分でバイドゥすることができます。
相関関数法を選びました。
5.2相関関数法
最初に自己相関関数を見つけ、次に周波数領域変換を行います。
5.3コードの実装
1.コードを実装する過程で、最初に元の値を前処理する必要があることが発見されました。
512個の元のポイントの平均を見つけ、それぞれの元の値から平均を減算します。これの目的は、元の値の配列をゼロラインの上下に分散させ、DC成分の影響を排除し、値の変化に焦点を当てることです。
この操作を行わないと、得られるパワースペクトル画像データ全体が大きくなり、周波数変化による画像への影響度が弱くなります。波のない対数曲線のように見えます。
2.自己相関関数を見つける
以下は、MATLABでxcorr関数を実装するためのC言語です。
int xcorr(double *corr, double *x, double *y, int iDataN, int iSyncLength)
{
double r =0.0;
int i=0, j=0;
for (i = 0; i < iDataN- iSyncLength+1; i++)
{
r=0;
for(j=0; j < iSyncLength; j++)
{
r+=x[i+j]*y[j];
}
corr[i]=r;
}
for (i = iDataN- iSyncLength+1; i < iDataN; i++)
{
r=0;
for(j=0; j <iDataN- i; j++)
{
r+=x[i+j]*y[j];
}
corr[i]=r;
}
return 0;
}
3.パワースペクトルを見つける
void PowerSpectrum()
{
//求自相关函数
xcorr(fr,pr,pr,NUM,NUM);
memcpy(pr,fr,NUM*sizeof(double));
//快速傅里叶变换
kfft(pr,pi,NUM,9,fr,fi);
//对数变换
{
uint16_t i;
for(i=0;i<NUM/2;i++)
{
pr[i]=10*log(fabs(pr[i+1]));
}
}
}
5.4効果
1.センサーを静止したテーブルに置きます。パワースペクトルには明らかな特性がないことがわかります。
パワースペクトルは次のとおりです。
2.ハードウェアセンサーをノートブックの表面に置き、ハードドライブの速度も7200 rpm(周波数は120Hz)です。
パワースペクトルは次のとおりです。