Динамические машинные испытания (например, испытание на усталость материала, анализ структурной вибрации), сигналы датчика подвержены тепловому шуму схемы, электромагнитным помехам окружающей среды, механической вибрации и другим влияниям, что приводит к случайным колебаниям собранных данных, маскирует деформацию материала, изменение напряжения и другие реальные характеристики. Снижение шума данных должно быть сбалансировано между « устранением шума» и « сохранением эффективного сигнала» - чрезмерное снижение шума может потерять ключевые детали, а недостаточное снижение шума влияет на точность анализа.Программное обеспечение для тестирования динамических машинОптимизация алгоритма и настройка параметров, может точно подавлять шум, восстанавливать сущность данных, ниже - практическое руководство.

I. Распознавание шумов: точное определение источника помех

Перед уменьшением шума необходимо определить тип шума с помощью функции анализа программного обеспечения, чтобы избежать слепой обработки:

Определение характеристик временной области: просмотр исходной кривой данных в программном обеспечении, если появляется нерегулярный острый заусенец (например, быстрое восстановление после внезапного скачка кривой напряжения ±5 МПа), в основном электромагнитные импульсные помехи (например, волны, возникающие при выключении реле); Если кривая в целом плавно колеблется (например, данные о смещении продолжают плавать вверх и вниз на 0,01 мм), это может быть тепловой шум цепи датчика (положительно коррелирует с температурой и шириной полосы частот).

Анализ частотного диапазона подтверждает: использование функции программного обеспечения « спектральный анализ» для преобразования данных временной области в спектральную карту частотного диапазона. Если на частоте 50 Гц / 60 Гц наблюдается значительный пик, это электромагнитные помехи рабочей частоты; Если энергия шума в высокочастотном диапазоне (> 1 кГц) значительна, в основном высокочастотные помехи, вызванные механической вибрацией; Если в низкочастотном диапазоне (< 100 Гц) наблюдается постоянный шум, это может быть контактный шум сопротивления или шум сцинтилляции транзистора.

II. Алгоритмический выбор: схема снижения шума для подходящей сцены

Выберите алгоритм соответствия в соответствии с типом шума и требованиями тестирования, основная схема выглядит следующим образом:

Базовая фильтрация: подавление шума правил

Низкочастотная фильтрация: подходит для высокочастотных шумов (например, механических вибраций), устанавливает частоту отсечения в программном обеспечении (например, тест структурной вибрации установлен на 500 Гц), фильтрует шумы выше этой частоты, избегая фильтрации эффективного сигнала (например, резонансного пика материала);

Фильтр notch: целенаправленное устранение помех рабочих частот, вход центральной частоты 50 Гц / 60 Гц, ширина полосы пропускания 5 - 10 Гц, точное подавление сетевых помех и не влияет на сигналы других диапазонов частот.

Усовершенствованная обработка: реагирование на сложные шумы

Средняя фильтрация скольжения: эффект на случайный тепловой шум очевиден, размер окна устанавливается в программном обеспечении (например, 10 - 50 точек данных), средняя сглаживание кривых через соседние данные, чрезмерное общее собрание окна приводит к запаздыванию сигнала (например, пиковая задержка деформации в тесте на усталость);

Пороговое шумоподавление малых волн: адаптация сценариев, содержащих мутантные сигналы (например, резкое падение напряжения в момент разрушения материала), программное обеспечение автоматически разлагает данные на коэффициенты малых волн разных размеров, устанавливает порог для коэффициента, доминирующего в шуме, до нуля, сохраняет коэффициент сигнала для восстановления данных, может избежать искажения сигнала, вызванного традиционной фильтрацией.

Оптимизация параметров: сбалансированное снижение шума и сохранение сигнала

После определения алгоритма требуется тонкая настройка параметров для проверки эффекта с помощью функции предварительного просмотра программного обеспечения:

Адаптация параметров фильтрации: частота отсечки фильтра низкой частоты должна быть на 20 - 30% выше максимальной частоты эффективного сигнала (например, максимальная частота сигнала 300 Гц в испытании на удар материала и частота отсечения 360 Гц); Средний размер скользящего окна корректируется по скорости выборки данных (при скорости выборки 1000 Гц окно имеет 20 точек, что соответствует времени сглаживания 0,02 секунды).

Порог и итерационное управление: при маловолновом шумоподавлении устанавливается более высокий порог шума в высокочастотном диапазоне (например, 0,1 - кратный максимальный коэффициент), а в низкочастотном диапазоне - более низкий порог (например, 0,05 - кратный); Включите функцию программного обеспечения « итеративное снижение шума» (достаточно 2 - 3 раза), сравнивая исходные данные после каждой итерации, чтобы предотвратить чрезмерное сглаживание потерянных деталей (например, небольшие колебания напряжений в точке текучести материала).

IV. Проверка эффективности: количественная оценка качества снижения шума

После снижения шума необходимо пройти проверку программными показателями, чтобы убедиться, что данные надежны:

Количественное индикаторное суждение: вычисление « отношения сигнала и шума (SNR) » до и после снижения шума, автоматически генерируемого с помощью функции программного обеспечения « Статистика данных», SNR повышает 10dB для эффективного снижения шума; Просмотр "Средняя квадратичная погрешность (RMSE)", по сравнению со стандартным сигналом (например, данные тестирования калибровочного блока), RMSE 5% является квалифицированным.

Проверка соответствия характеристик: сравните ключевые параметры до и после шумоподавления (например, разрывная нагрузка теста на усталость, резонансная частота вибрационного теста), если отклонение составляет более 2%, что указывает на то, что шумоподавление не потеряло эффективный сигнал; При очевидных отклонениях (например, смещении резонансной частоты на 10 Гц) необходимо изменить параметры фильтра.

　　Программное обеспечение для тестирования динамических машинСнижение шума должно следовать процессу « распознавание - выбор - оптимизация - проверка», благодаря точному позиционированию шума, алгоритму адаптации и настройке параметров, может не только эффективно подавлять помехи, но и сохранять основные характеристики данных, для оценки производительности материала, анализа надежности структуры, чтобы обеспечить точную поддержку данных.