CN101113936A - 一种虚拟振动台检测信号处理方法及其设备 - Google Patents

Abstract

本发明涉及振动台检测设备领域，目的在于克服现有技术中的缺陷，设计一种信号处理方法使得虚拟仪器能够应用于计量领域，并相应的在此基础上设计一种适用于计量的设备，更具体的说是一种虚拟振动台检测信号处理方法及其设备。其方法包括以下步骤：①通过传感器采振动台的加速度量，并转换成电信号；②用信号调理设备对信号进行调理；③调理后的信号通过数据采集卡采集送到计算机中；④通过计算机对信号进行预处理；⑤将预处理后的信号进行离散傅立叶变换和数字信号频域滤波；⑥最后通过一次积分输出速度分量，两次积分输出位移分量。其结构包括加速度传感器、信号调理设备、数据采集卡和计算机。

Description

一种虚拟振动台检测信号处理方法及其设备

技术领域

本发明涉及振动台检测设备领域，更具体的说是一种虚拟振动台检测信号处理方法及其设备。

技术背景

在以往的参数测量中，由于测量的参数多、测量现场的分布面广，因此需要多种分离式测量仪器如电荷放大器、电压表、频率计、失真度测量仪等，给测量带了极大的不便。后来采用了数字化的频率计、动态信号分析仪，但这些仪器主要依赖于进口，加工工艺复杂，对制造水平要求高，而且购买这些仪器所用的费用较高，仪器的通道少，使用受到了限制。目前应用最多的主要是B&K的PULSE振动测试系统，虽然其具有功能多，分析精度高等优点，但是其昂贵的价格，再加上英文操作界面限制了这类仪器在国内的推广与使用，而且对于某些测试项目仍然采用人工计算的方式，自动化程度不高。

所谓的虚拟仪器(Virtual Instrument，简称VI)，就是用户在通用计算机平台上，根据需求定义设计仪器的测试功能，使得使用者在操作一台他自己设计的测试仪器一样。虚拟仪器的出现，打破了传统仪器有厂家定义，用户无法改变的工作模式，使得用户可以根据自己的需求，设计自己的的仪器系统，在测试系统和仪器设计中尽可能用软件代替硬件，充分利用计算机技术来实现和扩展传统测试系统与仪器的功能。“软件就是仪器”是虚拟仪器概念最简单，最本质的概括。

计量定义为“实现单位统一、量值准确可靠的活动”，其具有准确性，统一性，溯源性，法制性特点。计量活动可看作是验证性质的测试过程，目的是确保仪器的测试数据具有必要的准确度和可靠性，以满足测试的需求。

对于传统仪器，其计量测试相对容易，计量人员可以根据国家、部门或地方颁布的计量技术法规开展具体的计量工作。而在基于虚拟仪器技术的国家计量基标准装置和计量测试系统中，尽管使用计算机、应用软件和仪器模块化能够大幅度提高装置和系统的集成化、自动化和智能化程度，但与此同时带来了以下问题。

传统计量标准装置各仪器的准确度或测量不确定度可以通过周期检定来确定，并通过分析各类误差源对被测量不确定度贡献的大小进行评估。对于使用虚拟仪器技术集成化程度很高的测量系统，数据采集的准确度是虚拟测试系统的基础，软件模块的准确度是虚拟测试系统的灵魂。对于硬件模块在由传感器传送到计算机的A/D转化环节和信号调理环节对系统的准确度影响较大；而在虚拟仪器软件编程中使用的数据算法带来的不确定分量以及出现的任何一个小的纰漏都可能对校准结果产生影响，因此很难评估和测量各误差源对被测量值影响的大小，所以无法再按照传统的方法进行不确定度的评估。

发明内容

本发明的目的在于克服现有技术中的缺陷，设计一种信号处理方法使得虚拟仪器能够应用于计量领域，并相应的在此基础上设计一种适用于计量的设备。

本发明通过以下技术方案实现其目的。

本发明首先设计了一种虚拟振动台检测信号处理方法，其特征在于包括以下步骤：

①通过传感器采振动台的加速度量，并转换成电信号；

②用信号调理设备对信号进行调理；

③调理后的信号通过数据采集卡采集送到计算机中；

④通过计算机对信号进行预处理；

⑤将预处理后的信号进行离散傅立叶变换和数字信号频域滤波；

⑥最后通过一次积分输出速度分量，两次积分输出位移分量。

其中步骤②的信号调理过程通过电荷放大器和抗混滤波模块对信号进行放大、隔离、滤波、激励和线性化。

从传感器得到的信号大多数要经过调理才能进入数据采集设备。信号调理的方法包括放大、隔离、滤波、激励、线性化等。由于不同的传感器有不同的特性，因此除了这些功能外还要根据具体的传感器特性和要求来选择特殊信号的调理功能。下面分别来介绍一下。

1)放大

对微弱信号都要进行放大以提高分辨率，并使调理后的信号的电压范围与模数转换器(ADC)的电压范围匹配。信号调理模块尽可能的靠近信号源或者传感器，使得信号在受到传输信号的环境噪声影响之前不被放大，从而获得良好的信噪比。虽然在数据采集设备中也可以对信号进行放大，但是其对噪声也会进行放大，这样不利于后面的测试，要慎用。

2)隔离

当被测信号含有高电压峰值时，它可能损坏计算机或伤害操作者，出于安全的考虑就需要将计算机与传感器隔离。进行隔离的另一个原因是确保数据采集设备不受地势差的影响。当数据采集设备与信号不是参考同一地势点的话，就可能发生对地环流，影响测量的精确性。如果信号地和数据采集设备的地势差很大的话，甚至可能损坏测试系统。使用信号调理器的隔离模块就可以减少对地环流，确保测试的精确性。

3)滤波

滤波的目的是从所测量的信号中除去不需要的成分。大多数信号调理模块有低通滤波器，用来滤除噪声。通常还需要抗混叠滤波器，滤除信号中感兴趣的最高频率以上的所有频率的信号。某些高性能的数据采集卡自身带有抗混叠滤波器。

4)激励

信号调理也能够为某些传感器提供所需的激励信号，比如应变传感器、ICP传感器等需要外界电源或电流激励信号。很多信号调理模块都提供电流源和电压源以便给传感器提供激励。

5)线性化

许多传感器对被测量的响应是非线性的，因而需要对其输出信号进行线性化，以补偿传感器带来的误差。但目前的趋势是，数据采集系统可以利用软件来解决这一问题。

综上所述，即使传感器直接输出数字信号，有时也有进行调理的必要。其作用是将传感器输出的数字信号进行必要的整形或电平调整。大多数数字信号调理模块还提供其他一些电路模块，使得用户可以通过数据采集卡的数字I/O直接控制电磁阀、电灯、电动机等外部设备。

在具体应用中要根据传感器的输出类型及其对信号的要求来选择信号调理设备类型，本发明构建的系统中传感器出来的是电荷信号，调理设备得用电荷放大器，同时为了避免信号混叠的出现，调理设备应含有抗混滤波模块。

振动信号的预处理是将振动测试中采集的数据尽可能真实的还原成实际振动状况的最基本的数据加工方式。在振动测试中，经过数据采集得到的数据，有的是数字电压值，而大部分给出的以分辨率为单位的整数数字量，因此首先要对这些数字量进行工程标定，使之成为具有相应物理量单位的数字信号数据。另外，由于各种干扰的存在，使得测试系统采集的数据偏离了真实值，因此消除这种偏差也是振动信号处理的一个重要的内容。本发明首先将信号进行标定变换，再通过最小二乘法消除多项式趋势项，最后采用五点三次滑动平均法或频域平均法进行信号平滑处理。

一般振动信号的标定变换分为以下两步：首先计算电压量。对于整型数字量数据，乘以采集器的分辨率即量化单位，将数据转化成为电压信号，例如对于输入电压范围±10v的16位数据采集器，它的满量程电压为20v，用20除以2的16次方可以求出分辨率为0.000305175V，用这个分辨率值分别乘以采集到的振动信号的每一个整形数据可得到以电压为单位的振动信号数据。接下来就要进行物理单位的标定变换。通常振动传感器有电荷型和电压型，但无论采用那种类型的传感器，信号的调理都是必须的，不同的仅仅是调理的内容不同，对于电荷信号采用的是电荷放大器进行调理，对于电压信号可则用电压放大器进行调理，由于目前这类仪器在设计中已经包含了硬件的归一化(将传感器的灵敏度写入硬件中)，所以其标定系数就是相应的增益值的倒数，只需将测得经过调理后的电压值然后乘以相应的标定系数即可求得实际的振动量值。

振动信号由于放大器随温度变化产生零点漂移、传感器频率范围外低频信号的不稳定以及传感器周围的环境干扰，往往会偏离基线，甚至偏离基线的大小还会随时间变化。偏离基线随时间变化的整个过程被称为信号的趋势项。趋势项直接影响到信号的正确性应当将其去处，常用的消除趋势项的方法是多项式最小二乘法，以下简单介绍该方法的原理。

实测振动信号的采样数据为{x_k}(k＝1，2，3...，n)，由于采样数据是等时间间隔的，为简化其间，令采样间隔Δt＝1，设一个多项式函数：

${\stackrel{\mathrm{\Λ}}{x}}_k=a_0+a_{1}k+a_2{k}^2+a_3{k}^3+\·\·\·+a_m{k}^m,(k=\mathrm{1,2,3}...,n)$

确定函数

的各待定系数a_i(i＝0，1，2...m)，使得函数

与离散数据x_k的误差平方和最小即： $E=\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{\left(\stackrel{\mathrm{\Λ}}{x_k}-x_k\right)}^2=\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{(\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{a}_i{k}^i-x_k)}^2$

满足极值的条件是 $\frac{\∂E}{\∂a_i}=2\left(\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{k}^j\right(\underset{i=0}{\overset{n}{\mathrm{\Σ}}}{a}_i{k}^i-x_k)=0,(j=\mathrm{0,1},...,m)$

依次取E对α_i求偏导，可以产生一个m+1元线性方程组：

$\underset{k=1}{\overset{n}{\mathrm{\Σ}}}(\underset{i=0}{\overset{m}{\mathrm{\Σ}}}{a}_i{k}^i-x_k)=0,(i=\mathrm{0,1},2,...m)$

解方程组。求出m+1个待定系数a_i(i＝0，1，2...m).上面各式中，m为设定的多项使得阶次，其值的范围i∈[0，m].

当m＝0时求得的趋势项为常数，有

$\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{a}_0{k}^0-\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{x}_k{k}^0=0$

解方程，得

$a_0=\frac{1}{n}\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{x}_k$

可以看出，当m＝0时的趋势项为信号采样数据的算术平均值，消除常数趋势项得计算公式为 $y_k=x_k-{\stackrel{\mathrm{\Λ}}{x}}_k=x_k-a_0,(k=\mathrm{1,2}...n)$

当m＝1时为线性趋势项，有

$\left\{\begin{array}{c}\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{a}_0{k}^0+\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{a}_1{k}^1-\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{x}_k{k}^0=0\\ \underset{k=1}{\overset{n}{\mathrm{\Σ}}}{a}_{0}k+\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{a}_1{k}^2-\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{x}_{k}k=0\end{array}\right.$

解方程组，得

$\left\{\begin{array}{c}{a}_0=\frac{2(2n+1)\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{x}_k-6\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{x}_{k}k}{n(n-1)}\\ a_1=\frac{12(\underset{k=1}{\overset{k=n}{\mathrm{\Σ}}}{x}_{k}k-6(n-1)\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{x}_k}{n(n-1)(n+1)}\end{array}\right.$

消除线性趋势项的计算公式为：

$y_k=x_k-{\stackrel{\mathrm{\Λ}}{x}}_k=x_k-(a_0-a_{1}k),(k=\mathrm{1,2,3}...,n)$

m≥2时为曲线趋势项，在实际的振动信号处理中，通常取m＝1～3来对采样数据进行多项式趋势项消除的处理。

通过数据采集器采样得到的振动信号往往叠加有噪声信号。噪声信号除了有50Hz的工频及其倍频程等周期性干扰信号外，还有不规则的随机干扰信号。由于随即干扰信号的频带较宽，有时高频成分占的比重比较大，使得采集到的离散数据绘成振动曲线上呈现许多毛刺，很不光滑。为了削弱干扰信号的影响，提高振动曲线的光滑度，常常需要对采样数据进行平滑处理。当然，数据的平滑处理也可以消除信号的不规则趋势项。思路是采用滑动平均法对这个信号进行多次数据平滑处理，得到一条光滑的趋势项。用原始数据减去这个趋势项即可消除信号的不规则的趋势项。以下着重介绍一下本文中用到的五点三次滑动平均法和频域平均法。

五点三次平滑法是利用最小二乘法原理对离散数据进行三次最小二乘多项式频化的方法，五点三次平滑法得计算方法如下：

$\left.\begin{array}{c}{y}_1=\frac{1}{70}[69x_1+4(x_2+x_4)-6x_3-x_5]\\ y_2=\frac{1}{35}[2(x_1+x_3)+27x_2+12x_3-8x_4]\\ \·\\ \·\\ \·\\ y_i=\frac{1}{35}[-3(x_{i-2}+x_{i+2})+12(x_{i-1}+x_{i+1})+17x_i]\\ \·\\ \·\\ \·\\ y_{m-1}=\frac{1}{35}[2(x_{m-4}+x_m)-{8x}_{m-3}+{12x}_{m-2}+{27x}_{m-1}]\\ y_m=\frac{1}{70}[-x_{m-4}+4(x_{m-3}+x_{m-1})-{6x}_{m-2}+{69x}_m]\end{array}\right\}(i=\mathrm{3,4}\·\·\·,m-2)$

五点三次平滑法可以用作时域和频域信号的平滑处理。该处理算法对于时域数据的作用主要是减少振动信号中的高频随机噪声，而对于频域数据的作用则是能使谱线变的光滑。当然这种平滑处理往往会使谱线中的峰值降低，体形变宽，可能造成参数识别的误差增大，所以平滑次数不易太多。

在数字信号的采集和处理中，都有不同程度的被噪声，如电噪声、机械噪声等，污染的问题。这种噪声可能来自于试验结构本身，也可能来自测试仪器的电源和周围的环境，采用平均技术可以减少噪声的影响，在实际应用中应当根据研究的目的和被测信号的特点来选择平均类型和平均次数。

1、谱的线性平均

这是一种最基本的平均类型。采用这一平均类型时，对每个给定长度的记录逐一做FFT和其他运算，然后对每一频率点的频谱值分别进行等权线性平均即

$Y_i=\frac{i-1}{i}{Y}_{i-1}+\frac{1}{i}{X}_i,(i=\mathrm{1,2}\·\·\·m)$

其中Xⁱ是第i个给定长度的记录，Yⁱ是i从1开始的累加平均值，m是平均次数，X可以代表自谱、互谱、有效值谱等。

对于平稳随机过程的测量分析，增加平均次数可以减小相对标准偏差。对于稳态信号，对参与平均的各样本取等权重加权，平均将去处外界随机噪声的影响。

2、谱的指数平均

指数平均与线性平均不同，它对新的子集赋予较大的加权，越是旧的子集赋予越小的加权，指数平均的算法如下：

$Y_i=\frac{n-1}{n}{Y}_{i-1}+\frac{1}{n}{X}_i,(i=\mathrm{1,2},\·\·\·)$

其中Xⁱ是第i个给定长度的记录，Yⁱ是i从1开始的累加平均值，n代表权重(当i＝1时，n＝1)，通常n由用户根据信号的特点自行设定，在本发明中我们设n＝10，X表自谱、互谱、有效值谱等。

指数平均通常用于非平稳过程的分析。因为采用这种平均方式，即可考察“最新”测量信号的特征，又可以通过与“旧有“测量值的平均来减小测量的偏差或提高信噪比。

3、峰值保持

峰值保持事实上不是真正的平均，保持功能将保持分析过程中每根谱线读数的最大值，但这些峰值不一定是同一时刻出现的。峰值保持的算法如下：

FFT谱 $\mathrm{MAX}\sqrt{X\·X^{*}}$

Power谱    MAX(X·X^*)

式中X是信号经过FFT变化后的复数值，X^*是其共轭复数值。

在实际的使用中，线性平均是按照一定次数等权重平均的，平均次数到达后分析随即停止。而指数平均和峰值保持都没有规定平均次数。

将预处理之后的信号进行滤波，频域滤波处理也称为频谱分析，是建立在傅里叶变换基础上的时频变换处理。所得到的结果是以频率为变量的函数。频域处理主要的方法为傅里叶变换(FFT)，由它可以派生出许多应用，如幅度谱、相位谱、自功率谱、失真度分析、信纳分析、传递函数等。和时域分析不同，频域表示信号更加简练，剖析问题也更加深刻。数字滤波的频域方法是利用FFT快速算法对输入信号的采样数据进行离散傅里叶变换以分析频谱，根据滤波的要求，将需要滤除的频率部分直接设置成零或者加渐变过渡频带后再设置成零，例如在通带和阻带之间加设一段余弦类窗函数的过渡带，然后再利用IFFT快速算法对滤波处理后数据进行离散傅里叶逆变换恢复出时域信号。频域方法具有较好的频率选择性和灵活性，由于傅里叶频谱与滤波器的频率特性是简单的相乘关系，其运算速度比计算等价的时域卷积要快很多，而且不像时域滤波方法那样产生时移。

所述步骤⑤中数字信号频域滤波的输入输出关系为：

$y\left(r\right)=\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}H\left(k\right)X\left(k\right)e^{j2\mathrm{\πk}/N}$

其中：X为输入信号x的离散傅里叶变换，H为滤波器的频率响应函数。

频率响应函数H在滤波器作为：

低通滤波器时为 $H\left(k\right)=\left\{\begin{array}{c}1........(\mathrm{k\Δf}\≤f_u)\\ 0.........\left(\mathrm{else}\right)\end{array}\right.$

高通滤波器时为 $H\left(k\right)=\left\{\begin{array}{c}1........(\mathrm{k\Δf}\≥f_d)\\ 0.........\left(\mathrm{else}\right)\end{array}\right.$

带通滤波器时为 $H\left(k\right)=\left\{\begin{array}{c}1........(f_d\≤\mathrm{k\Δf}\≤f_u)\\ 0.........\left(\mathrm{else}\right)\end{array}\right.$

带阻滤波器时为 $H\left(k\right)=\left\{\begin{array}{c}1........(\mathrm{k\Δf}\≥f_u,\mathrm{k\Δf}\≤f_d)\\ 0.........\left(\mathrm{else}\right)\end{array}\right.$

其中f_u为上限截至频率，f_d为下限截至频率，Δf为频率分辨率。

数字滤波的频域方法的特点是方法简单，计算速度快，滤波频带控制精度高，可以用来设计包括多梳状滤波器的任意响应滤波器。

在数字滤波的频域方法中由于对信号的截断，把一个无限长的信号限定为有限长，即令有限区间以外的信号平均值为零，相当于用一个矩形窗乘以信号，表现在频域上就是频谱泄漏到其他频率点，这就是频谱泄漏。

解决频谱泄漏的方法是在进行数字信号频域滤波前先对信号的功率谱峰值的幅值和频率进行估计：

峰值处频率估计输入输出关系如下：

$\mathrm{freqPeak}=\frac{\underset{j=\frac{i-\mathrm{span}}{2}}{\overset{\frac{i+\mathrm{span}}{2}}{\mathrm{\Σ}}}{\mathrm{autoSpectrum}}_{j}j\×\mathrm{df}}{\underset{j=\frac{i-\mathrm{span}}{2}}{\overset{\frac{i+\mathrm{span}}{2}}{\mathrm{\Σ}}}{\mathrm{autoSpectrum}}_j}$

峰值处幅值估计输入输出关系如下：

$\mathrm{powerPeak}=\frac{\underset{j=\frac{i-\mathrm{span}}{2}}{\overset{\frac{i+\mathrm{span}}{2}}{\mathrm{\Σ}}}{\mathrm{autoSpectrum}}_j}{\mathrm{enbw}}$

其中i为搜索频率(searchFreq)的索引

df是频率间隔；

enbw是所选窗函数的等效噪声带宽

函数参数意义

输入参数：

autoSpecturm：单边功率谱；

n：输入功率谱数组包含元数的个数；

SearchFreq：期望估计频率点，通常单位是Hz，如果searchFreq小于等于0，PowerFrequencyEstimate会自动找到功率谱峰值最大点，并按照上述公式估计该点的频率和幅值。

WindowConstants：窗函数常量(结构体)。其中enbw是所选窗函数的等效噪声带宽。

df：频率间隔；

Span：要估计频率点处谱线数目。

输出：

frePeak：求得的频率点处的估计频率。

powerPeak：求得频率点处的估计幅值。

将经过滤波处理之后的信号做傅里叶变换，然后将变换后的结果在频域里进行积分运算，最后经傅里叶逆变换得到积分信号。

根据傅里叶逆变换的公式，加速度信号在任意频率的傅里叶变换量可以表达为

a(t)＝Ae^jwt

式中：a(t)为加速度信号在频率w的傅里叶分量。

初速度分量为0时，对加速信号分量的时间积分可以得到速度分量，即

$v\left(t\right)=\underset{0}{\overset{\mathrm{\τ}}{\∫}}a\left(\mathrm{\τ}\right)\mathrm{d\τ}=\underset{0}{\overset{\mathrm{\τ}}{\∫}}{\mathrm{Ae}}^{\mathrm{jw\τ}}\mathrm{d\τ}=\frac{A}{\mathrm{jw}}{e}^{\mathrm{jwt}}={\mathrm{Ve}}^{\mathrm{jwt}}$

式中：v(t)为速度信号在频率w的傅里叶分量，V为对应的v(t)的系数。于是一次积分在频域里的关系式为 $V=\frac{A}{\mathrm{jw}}$

初速度和初位移分量均为0时，对加速度信号的傅里叶分量两次积分可以得到位移分量：

$x\left(t\right)=\underset{0}{\overset{\mathrm{\τ}}{\∫}}\left[\underset{0}{\overset{\mathrm{\τ}}{\∫}}a\left(\mathrm{\λ}\right)\mathrm{d\λ}\right]\mathrm{d\τ}=\underset{0}{\overset{\mathrm{\τ}}{\∫}}{\mathrm{Ve}}^{\mathrm{jw\τ}}\mathrm{d\τ}=\frac{V}{\mathrm{jw}}{e}^{\mathrm{jwt}}=-\frac{A}{w^2}{e}^{\mathrm{jwt}}={\mathrm{Xe}}^{\mathrm{jwt}}$

式中：x(t)为速度信号在频率w的傅里叶分量，X为对应的v(t)的系数。

于是两次积分在频域里的关系式为： $X=-\frac{A}{w^2}$

在实际的数字信号应用中，一次积分的输入输出关系为：

$y\left(r\right)=\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}\frac{1}{j2\mathrm{\πk\Δf}}H\left(k\right)X\left(k\right)e^{j\frac{2\mathrm{\πkr}}{N}}$

二次积分的输入输出关系为：

$y\left(r\right)=\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}\frac{-1}{{\left(2\mathrm{\πk\Δf}\right)}^2}H\left(k\right)X\left(k\right)e^{j\frac{2\mathrm{\πkr}}{N}}$

其中

f_l和f_h分别为下限截至频率和上限截至频率，X(k)为x(r)的傅里叶变换，Δf为信号的频率分辨率。

和时域积分法相比，频域积分法对于积分结果的趋势项的处理即简单又彻底，只需要将低于有用频率下的部分置零，同时运用一定的频谱校正技术，可以实现位移的精确计算。

本发明还设计了一种虚拟振动台检测设备，其结构包括加速度传感器、信号调理设备、数据采集卡和计算机，上述设备依次连接，所述信号调理设备和数据采集卡安装在独立的壳体中形成外挂式数据采集装置，通过USB接口与计算机连接。加速度传感器包括一个三向加速度传感器和至少四个单向加速度传感器，所述三向加速度传感器和其中一个单向加速度传感器安装再振动台的中心位置上，另外至少三个单向加速度传感器刚性连接在振动台上。

鉴于当前振动台测试仪器所面临的不足，针对市场对于低价位、高性能振动台参数检测装置的需求，本发明采用了先进的信号处理技术和基于USB接口的便携式数据采集装置，大大降低了测试成本，同时融入了数据的自动化处理，在保证测试精度和可靠性的前提下，提高了测试效率。

附图说明

图1为本发明系统结构示意图；

图2位本发明的系统模块图；

图3为加速度传感器在振动台上安装位置的示意图。

具体实施方式

以下结合附图对本发明做进一步的说明。

振动台是一种模拟各种振动环境来考察产品工作可靠性的装置，按照结构原理可以分为电动式振动试验台和机械式振动试验台。通常为了确保振动台的运行状况符合国家相应技术规范的要求，针对各式振动台要进行相应的参数测试，其中频率、加速度、速度、位移、纵横比、失真度、均匀性七个参数的测试指标是衡量振动台好坏的关键，因此振动台综合参数测试也就是针对上述七个参数的测试。

振动台综合参数测试首先要将加速度传感器安装在被测振动台4上，具体如图3所示：对于频率(f)、加速度(a)、速度(V)、位移(D)，失真度(S)的测试，只需在中心点位置安装一个单向加速度传感器1，然后选择不同的频率点分别进行测试；对于纵横比的测试要求在中心点位置安装一个三向加速度传感器2，按照倍频程选取多个频率值，并在给定振幅下进行振动，从测振仪上依次取三个方向的加速度幅值，并按照下式计算出纵横比T：

$T=\frac{\sqrt{{a_x}^2+{a_y}^2}}{a_z}\×100\%$

式中：a_x，a_y-垂直与主振方向的两个互相垂直的加速度幅值的分量，m/s²

a_z-为主振方向的加速度幅值，m/s²

而对于均匀性测试则需要再将四支单向加速度传感器3刚性的连接如图所示，然后依次测出各个位置的加速度幅值，并按照下式测出其均匀度N。

$N=\frac{\left|\mathrm{\Δa}\right|}{a}\×100\%$

式中：a-同次测量中，中心点的加速度幅值，m/s²

|Δa|-同次测量中，各点加度度与中心点加速度的最大偏差(绝对值)，m/s²

依据JJG189-97、JJG190-97、JJG298-2005等有关技术标准要求，其最大应测特征参数含有：振动位移D、振动速度V、振动加速度a、振动频率f、振动波形失真度S、振动加速度均匀性N，振动台横向加速度T，要求系统满足被测参数技术指标如下：

①测试频率范围5HZ-4KHz，要求频率测量精度优于±0.1％

②测试加速度范围0.1-2000m/s²，加速度幅值精度优于±3％，位移优于±5％

同时要求系统具有振动数据采集、分析、存储、显示、打印报表功能，而且便于携带。

虚拟仪器按照不同的分类形式构成了不同的体系结构，经过了几十年的发展，虚拟仪器形成了以下几种重要的体系结构：GPIB，PXI，VXI，PC-DAQ。下面就各种体系结构的优缺点做以比较，并结合本发明要求，选择一种适宜的体系结构。

GPIB(HP-IB或IEEE488)-通用串口总线，是计算机与传统仪器的接口。通过GPIB总线可以将包含有GPIB接口的各种仪器连接起来，从而可以实现基于传统仪器的自动测试。其优点就是利用传统仪器，可以降低了系统的搭建费用，但是，由于总线本身的吞吐数据能力有限(1Mb/s)，而且其积木式搭建方式使得测试系统本身比较庞大，难以满足现场测试的需要，因此使用受到了一定的限制。

VXI(VME Extension for Instrumentation)。它的结构形式是将信号采集、信号调理等各种标准模块装入标准机箱，机箱通过插入计算机的卡或嵌入式控制器与计算机通讯。VXI遵守VPP联盟所规定的软件规范和VXI联盟相应的硬件规范，系统具有很高的的可靠性，兼容性和集成度，但是由于VXI的价格过高，主要应用于航空、航天等尖端测试领域。

PXI(PCI Extension for Instrumentation)。PXI是PCI总线的仪器扩展。它的结构形式与VXI基本相同，区别在于总线不同(传输率达到132Mb/s)和价格更容易接受，目前M公司力推PXI总线的产品，其具有广阔的应用前景，但是价格仍然比较高。

PC-DAQ体系结构是虚拟仪器体系结构中最简单易用的一种，其实现方式有如下两种。一种是在通用的PC机插槽内直接插入通用的数据采集卡(又称为内插式数据采集卡)，通过软件编程控制数据采集卡来完成测试系统的功能。它的优点是系统构建成本最低，便于在实验室中使用，缺点是系统噪声较大，不便于携带，电磁兼容性和系统可靠性较差。另外一种是利用计算机的USB的外挂式数据采集装置，其具有数据吞吐量大，价格便宜，方便携带等优点，采用该类型的数据采集装置既具有高档仪器的测量品质，又能满足测量需求的多样性。对大多数需求，这种方案不但实用，而且具有很高的性价比，是一种特别适合我国国情的虚拟仪器配置方案。

如图1所示所述信号调理设备和数据采集卡安装在独立的壳体中形成外挂式数据采集装置8，通过USB接口与计算机7连接，输入用于采集振动台4上加速度传感器的信号。

振动信号检测由传感器实现，通常最常用的加速度传感器有以下几种：压电式加速度传感器，ICP(Integrated Circuits Piezoelectric)式加速度传感器，电容式加速度传感器和压阻式加速度计，其中电容式加速度传感器多用于振动冲击测试，压阻式传感器多用于测量长时冲击脉冲信号，ICP传感器也普遍应用于振动测试领域，但就目前应用的广度来看，采用已有的压电式加速度传感器还是主流。压电加速度传感器是一种安装方便，使用广泛的振动检测传感器，它具有体积小、重量轻、机构简单、工作可靠、信噪比高、安装方便等优点综合考虑各种因素，本文选用压电加速度传感器作为振动检测传感器。

来自于传感器的电荷信号还不能用数据采集设备来测量，最主要的问题是电荷参数未达到计算机处理的要求，且极易受到噪声的影响，而有些信号还可能存在很高的尖峰值，因此在将它们转换为数字量之前要进行放大，滤波等预处理，并且要求信号调理模块具有抗干扰能力。另外本发明摒弃传统电荷放大器手动控制的缺点，要求电荷放大器包含有程控接口(如RS232)。为此选用扬州无线电二厂生产的YE5864多功能前置信号调理设备5，可以电荷、电压、ICP等多种输入方式输入(方便以后的升级)，同时设置了双积分电路，档位可调的抗混滤波器，该信号调理设备5可以通过计算机7串口实现对信号调理设备5的程控，如图所示。

按照上述步骤选配设备然后组合系统如图2所示，加速度传感器1、2、3采集振动台4的振动信号，经信号调理设备5的调理后进入数据采集卡6，数据采集卡6完成相应的A/D转化后将数据通过USB总线传给计算机，计算机7负责对数据的进行离散傅立叶变换和数字信号频域滤波，通过频域滤波后的信号进行预处理，然后通过一次积分输出速度分量，两次积分输出位移分量。同时计算机7可以通过RS232口设置信号调理设备5的参数，实现对调理设备5的控制。

以下为本发明设备与Audio Precision公司生产的动态信号分析仪ATS的测试值做以比较。

测试结果比对表

标称值	原始信号量值		调理后信号测值		本发明系统测值		ATS系统测值
									频率	频率	幅值	频率	幅值	频率	幅值	频率	幅值
20.0	19.997	1.004	19.997	1.006	19.997	1.007	19.996	0.996
									25.0	24.995	1.004	24.995	1.006	24.995	1.007	24.992	0.996
40.0	39.979	1.004	39.979	1.006	39.978	1.007	39.975	0.996
									80.0	79.973	1.004	79.973	1.006	79.97l	1.007	79.967	0.996
100.0	99.973	1.004	99.973	1.006	99.971	1.007	99.967	0.996
									200.0	199.93	1.004	199.93	1.007	199.92	1.008	199.21	0.996
400.0	399.77	1.004	399.77	1.006	399.76	1.007	399.74	0.996
									1K	999.69	1.004	999.69	1.006	999.67	1.007	999.59	0.996
2K	1.9991K	1.004	1.9991K	1.006	1.9991K	1.007	1.9990K	0.996
									4K	3.9966K	1.004	3.9966K	1.007	3.9966K	1.008	3.9964K	0.996
以上测试标称值电压幅值为1.000V

由上表可以计算出系统的幅频测试误差如下：

测试误差比对表

幅值1.004频率(Hz)	调理后信号测值误差		本发明系统测值误差		ATS系统测值误差
							幅值误差(％)	频率误差(％)	幅值误差(％)	频率误差(％)	幅值误差(％)	频率误差(％)
	20.0	0.2	0.000	0.3	0.000	-0.7％							-0.005
25.0							0.2	O.000	0.3	0.000	-0.7％	-0.012
	40.0	0.2	0.000	0.3	-0.003	-0.7％							-0.010
80.0							0.2	0.000	0.3	-0.003	-0.7％	-0.008
	100.0	0.2	0.000	0.3	-0.002	-0.7％							-0.006
200.0							0.3	0.000	0.4	-0.005	-0.7％	-0.010
	400.0	0.2	0.000	0.3	-0.003	-0.7％							-0.008
1K							0.2	0.000	0.3	-0.002	-0.7％	-0.010
	2K	0.2	0.000	0.3	0.000	-0.7％							-0.005

4K

0.3

0.000

0.4

0.000

-0.7％

-0.005

从表中我们可以看出，系统测试频率的精度完全可以满足＜0.1％的目标，其频率测试精度优于ATS系统测试精度，幅值误差也优于1％。

积分效果测试

由于加速度、速度和位移之间存在积分关系，所以速度和位移信号的计算精度取决于加速度信号的精度(幅频精度)。在上述测试中已经给出了加速度信号的幅频精度，故可以设定加速信号的幅频为参考值，并通过理论计算给出标准值，然后分别采用时域积分法和频域积分法给出测量值。通常位移测试多用于低频振动的场合，因此在测试中只取了频率小于200Hz的信号，其测试数据如下：

积分测试结果比对表

被测加速信号		速度值(乘以系数1000)			位移值(乘以系数1000000)
								幅值(v)	频率(Hz)	理论值	时域积分	频域积分	理论值	时域积分	频域积分
1.001	19.997	7.967	7.965	7.966	63.408	63.392	63.399
								1.001	39.977	3.985	3.984	3.985	15.865	15.864	15.865
1.002	79.969	1.994	1.993	1.993	3.969	3.966	3.967
								1.005	199.915	0.800	0.801	0.801	0.636	0.638	0.638

通过上表可以发现采用软件积分法得到的数据和理论值比较接近，而且频域积分法的精度略高于时域积分法，在信号的处理过程中，也避免了基线修正的问题，因此在本发明中，最终的积分算法还是选用了频域积分法。

失真度测试

失真度用来考察被测系统引入非线性失真的大小，在计算中需要得到系统引入谐波幅值的大小。谐波失真是谐波分量的幅值和基波幅值的比值。谐波失真度的计算公式如下

$\mathrm{THD}=\frac{\sqrt{{A_2}^2+{A_3}^2+\·\·\·+{A_n}^2}}{A_1}$

其中A₁是基波的幅值，A₂...A_n代表n次谐波的幅值。下面我们通过测试来说明测试的有效性。

信号频率	标准失真度(％)	本发明系统测试值(％)	ATS系统测试值
				20	0.36	0.38	0.376

80	0.36	0.38	0.376
				160	0.36	0.37	0.377
400	0.36	0.38	0.378

Claims (10)

1.一种虚拟振动台检测信号处理方法，其特征在于包括以下步骤：

①通过传感器采振动台的加速度量，并转换成电信号；

②用信号调理设备对信号进行调理；

③调理后的信号通过数据采集卡采集送到计算机中；

④通过计算机对信号进行预处理；

⑤将预处理后的信号进行离散傅立叶变换和数字信号频域滤波；

⑥最后通过一次积分输出速度分量，两次积分输出位移分量。

2.根据权利要求1所述的虚拟振动台检测信号处理方法，其特征是所述步骤⑤中数字信号频域滤波的输入输出关系为：

$y\left(r\right)=\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}H\left(k\right)X\left(k\right)e^{j2\mathrm{\πk}/N}$

其中：X为输入信号x的离散傅里叶变换，H为滤波器的频率响应函数。

3.根据权利要求2所述的虚拟振动台检测信号处理方法，其特征是所述的频率响应函数H在滤波器作为：

低通滤波器时为 $H\left(k\right)=\left\{\begin{array}{c}1........(\mathrm{k\Δf}\≤f_u)\\ 0.........\left(\mathrm{else}\right)\end{array}\right.$

高通滤波器时为 $H\left(k\right)=\left\{\begin{array}{c}1........(\mathrm{k\Δf}\≥f_d)\\ 0.........\left(\mathrm{else}\right)\end{array}\right.$

带通滤波器时为 $H\left(k\right)=\left\{\begin{array}{c}1........(f_d\≤\mathrm{k\Δf}\≤f_u)\\ 0.........\left(\mathrm{else}\right)\end{array}\right.$

带阻滤波器时为 $H\left(k\right)=\left\{\begin{array}{c}1........(\mathrm{k\Δf}\≥f_u,\mathrm{k\Δf}\≤f_d)\\ 0.........\left(\mathrm{else}\right)\end{array}\right.$

其中f_u为上限截至频率，f_d为下限截至频率，Δf为频率分辨率。

4.根据权利要求2所述的虚拟振动台检测信号处理方法，其特征是在进行数字信号频域滤波前先对信号的功率谱峰值的幅值和频率进行估计：

峰值处频率估计输入输出关系如下：

$\mathrm{freqPeak}=\frac{\underset{i=\frac{i-\mathrm{span}}{2}}{\overset{\frac{i+\mathrm{span}}{2}}{\mathrm{\Σ}}}\mathrm{autoSpectru}{m}_{j}j\×\mathrm{df}}{\underset{i=\frac{i-\mathrm{span}}{2}}{\overset{\frac{i+\mathrm{span}}{2}}{\mathrm{\Σ}}}\mathrm{autoSpectru}{m}_j}$

峰值处幅值估计输入输出关系如下：

$\text{powerPeak}\frac{\underset{i=\frac{i-\mathrm{span}}{2}}{\overset{\frac{i+\mathrm{span}}{2}}{\mathrm{\Σ}}}\mathrm{autoSpectru}{m}_j}{\mathrm{enbw}}$

其中i为搜索频率的索引；

df是频率间隔；

enbw是所选窗函数的等效噪声带宽；

autoSpecturm：单边功率谱；

n：输入功率谱数组包含元数的个数；

SearchFreq：期望估计频率点；

WindowConstants：窗函数常量；

df：频率间隔；

Span：要估计频率点处谱线数目。

frePeak：求得的频率点处的估计频率。

powerPeak：求得频率点处的估计幅值。

5.根据权利要求1所述的虚拟振动台检测信号处理方法，其特征是步骤⑥的积分过程具体如下：首先将需要积分的信号做傅里叶变换，然后将变换后的结果在频域里进行积分运算，最后经傅里叶逆变换得到积分信号。

6.根据权利要求5所述的虚拟振动台检测信号处理方法，其特征是所述

一次积分的输入输出关系为：

$y\left(r\right)=\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}\frac{1}{j2\mathrm{\πk\Δf}}H\left(k\right)X\left(k\right)e^{j\frac{2\mathrm{\πkr}}{N}}$

二次积分的输入输出关系为：

$y\left(r\right)=\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}\frac{-1}{{\left(2\mathrm{\πk\Δf}\right)}^2}H\left(k\right)X\left(k\right)e^{j\frac{2\mathrm{\πkr}}{N}}$

其中，f_l和f_h分别为下限截至频率和上限截至频率，X(k)为x(r)的傅里叶变换，Δf为信号的频率分辨率。

7.根据权利要求1所述的虚拟振动台检测信号处理方法，其特征是步骤②的信号调理过程通过电荷放大器和抗混滤波模块对信号进行放大、隔离、滤波、激励和线性化。

8.根据权利要求1所述的虚拟振动台检测信号处理方法，其特征是步骤④的预处理过程中，首先将信号进行标定变换，再通过最小二乘法消除多项式趋势项，最后采用五点三次滑动平均法或频域平均法进行信号平滑处理。

9.一种虚拟振动台检测设备，其特征在于包括加速度传感器、信号调理设备、数据采集卡和计算机，上述设备依次连接，所述信号调理设备和数据采集卡安装在独立的壳体中形成外挂式数据采集装置，通过USB接口与计算机连接。

10.根据权利要求9所述的虚拟振动台检测设备，其特征在于所述加速度传感器包括一个三向加速度传感器和至少四个单向加速度传感器。

Images