基于表格化參數輸入的隨機振動數據分析

張青虎，高貴福，龐勇

（北京機電工程研究所，北京 100074）

引言

在工程中經常使用MATLAB 進行隨機振動數據時域和頻域分析，利用MATLAB 繪圖功能將振動時域數據曲線、振動功率譜密度曲線等通過圖形窗口直觀顯示，并在圖形窗口顯示數據的測量工況、通道代號、通道名稱、數據說明等相關數據描述參數。

隨機振動數據本質上是數字信號的一種，可利用MATLAB 數字信號處理工具箱和函數，根據具體需要編制程序進行處理。MATLAB 軟件的幫助文檔對數字信號處理工具箱和函數有詳細的說明，可供工程技術人員參考；也有大量相關教材和書籍[1]可供參閱。各行業的工程技術人員已經總結了利用MATLAB 進行隨機振動數據分析的相關經驗和程序[2]。

對于少量數據、通道數不多的情況，可以直接在MATLAB 程序代碼中寫入需要顯示的數據描述參數。對于大量的、多通道振動數據，人工輸入這類數據描述參數的工作量很大，效率很低，而且程序代碼很臃腫、可讀性差、容易出錯。

本文介紹了一種方法，利用表格軟件快速高效的輸入編輯功能，將相關數據描述參數保存為表格文件，在MATLAB 數據分析程序中利用專用函數，自動讀取表格文件，獲取相關數據描述參數并在圖形窗口顯示，提高了隨機振動數據分析工作的效率。

該方法可廣泛應用于裝備環境工程、振動工程、測量與數據處理等專業領域的隨機振動數據及類似數據分析，提高數據分析及數據管理[5]的工作質量，減少大量數據處理過程中的人因錯誤率。

1 MATLAB 隨機振動數據分析基本過程

1.1 數據的整理與讀取

隨機振動原始數據，是隨機振動加速度隨時間變化過程的時域數據，由振動傳感器測量，經數據采集系統記錄和保存，其保存文件格式一般有mat、txt、dat、csv、xls（含xlsx）等。

在MATLAB 中可以通過Import Data 工具手動導入數據文件，也可以通過dlmread、xlsread 等函數自動讀取數據文件。

load(‘*.mat’)用于讀取mat 格式的數據文件。 mat格式是MATLAB 自身的數據文件存儲格式，可直接讀取使用。

data = dlmread(‘*.txt’,’’,1,0) 用于讀取基于ASCII 碼的txt、dat 格式的數據文件。需要設置參數跳過數據頭部的表頭、文字說明等非數據部分。

data = xlsread(‘*.xlsx’,1) 用于讀取csv、 xls（含xlsx）等表格格式的數據文件。需要設置讀取頁數和范圍。

dlmread、xlsread 讀取數據文件后，生成數據矩陣用于后續分析和繪圖，同時保存為mat 格式文件方便再次使用。

1.2 時域和頻域分析

對隨機振動數據的時域處理，主要是對數據進行預處理，包括數據有效性的確認、零漂處理、濾波、異常數據剔除等。

對隨機振動數據的頻域處理，選取一定時間段的時域數據，計算其功率譜密度（PSD）及總均方根值（RMS）。可用pwelch 函數計算功率譜密度，用通用公式計算總均方根值（RMS）。

計算其功率譜密度（PSD）一般用pwelch 函數，調用格式如下：

其中輸入參數： x-時域信號列向量，是前述數據data 經預處理后按時間范圍截取得到的數據；window-窗函數；noverlap-重疊率；nfft-FFT 變換點數；fs-采樣頻率；

輸出參數： Pxx -PSD 列向量，f-頻率列向量；

計算總均方根值（RMS）函數如下：

其中：pxxc 為Pxx 在給定頻率上下限范圍內的值。

將功率譜密度（PSD）及總均方根值（RMS）分析結果生成數據矩陣用于后續分析和繪圖，同時保存為mat格式文件方便再次使用。

根據環境數據信息化管理的要求，將原始數據和分析結果數據進行標準化存儲。

1.3 數據分析結果的圖形顯示

利用MATLAB 繪圖功能將時域數據曲線、功率譜密度曲線通過圖形窗口直觀顯示，并在圖形窗口顯示數據的測量工況、通道代號、通道名稱、數據說明等相關數據描述參數。

時域數據用線性坐標顯示，可用plot 函數繪圖；功率譜密度屬于頻域數據，需要用對數坐標顯示，可用loglog 函數繪圖。

通過MATLAB 的圖形控制函數在圖形窗口顯示數據描述參數。例如：

xlabel(‘頻率（Hz）')顯示繪圖橫軸名稱；

ylabel(‘PSD（g^2/Hz）’)顯示繪圖縱軸名稱；

title(‘Title’)繪制圖題；

legend(‘通道功率譜xxx','參考譜xxx')繪制數據曲線說明圖例；

xlim([5 500])設置橫軸坐標范圍；

ylim([1e-12 1e0])設置縱軸坐標范圍；

text(‘譜峰值1 xxxx’)在繪圖制定位置添加文字說明；

最終繪圖顯示效果如圖1 所示。

圖1 隨機振動PSD 圖和時域圖

為實現圖形窗口顯示數據描述參數的功能，可以編寫MATLAB 代碼利用圖形控制函數來實現，也可以在繪圖后手動編輯繪圖窗口來添加。對于少量數據、通道數不多的情況，這兩種方法具有簡單、靈活的優勢；而對于大量的、多通道振動數據的繪圖顯示，則需要尋求更加快速高效的方法。

2 基于表格化參數輸入的振動數據分析結果圖形顯示

2.1 振動數據描述參數圖形顯示的困難

對于少量數據、通道數不多的情況，可以直接在MATLAB 程序代碼中寫入需要顯示的數據描述參數，甚至可以可以在繪圖后手動編輯繪圖窗口來添加。對于大量的、多通道振動數據，手動添加肯定是不可取的，而直接將數據描述參數寫入程序代碼來實現輸入和顯示，則工作量很大，效率很低，而且程序代碼大量重復、臃腫低效、可讀性差、容易出錯。

如圖2 所示，需要同時繪制9 個（實際工程中可多達幾十個以上）測量通道的振動功率譜密度（PSD）曲線，以及一條振動參考譜曲線。不指定曲線名稱時，圖例中每條曲線被自動標識為data1、data2、data3……data9，可讀性差。

圖2 多通道匯總PSD 圖

工程中測量得到的振動數據，除了每條數據中通道數量多，數據條數也很多。通常會在多種工況、多次試驗中進行振動測量，每個工況、每次試驗中也可能進行多次測量，或者將測量數據分成多段分別處理。可能需要處理數十條甚至數百條振動數據，每條數據中的通道名稱和順序是一致的，但是為了方便區分不同工況、試驗、時段的數據，還需要在繪圖中標識出每條數據的相關描述參數。通常將圖2 中的圖題即Title 替換為數據的工況、試驗、時段等相關描述參數。

在繪圖中手動添加需要的通道名稱、工況、試驗、時段等信息，費時費力，效率很低；而直接將數據描述參數寫入程序代碼，將導致代碼臃腫、可讀性差；而且MATLAB 代碼編輯器并不擅長編輯大量字符串類型的數據描述參數，遠不如專業文字或表格編輯器軟件功能完善、方便高效。

因此，對于大量的、多通道振動數據的繪圖顯示，則需要尋求更加快速高效的方法。

經過大量振動數據分析的實踐嘗試和工程應用，形成了一種方法，利用表格軟件快速高效的輸入編輯功能，將相關數據描述參數保存為表格文件，在MATLAB 數據分析程序中利用專用函數，自動讀取表格文件，獲取相關數據描述參數并在圖形窗口顯示。

2.2 參數表格化處理

利用表格軟件快速高效的輸入編輯功能，將相關數據描述參數保存為表格文件。

Excel 是一種用于電子表格創建和編輯的專業軟件，功能豐富，應用廣泛，也可以方便地與MATLAB 軟件實現交互。因此采用Excel 將相關數據描述參數保存為表格文件。

圖3 為包含測量通道編號、分析通道編號、通達代號、通道名稱等數據描述參數的表格文件。圖4 為包含每條振動數據的工況、試驗、時段等數據描述參數的表格文件。Excel 中自動擴展、自動填充等豐富的功能，便于快速高效的生成和編輯數據描述參數表格文件。將生成的表格文件以文件名“chnname.xlsx” 保存，上述兩個表格分別為該文件中的Sheet1、Sheet2。

圖3 數據描述參數表格文件（通道）

圖4 數據描述參數表格文件（工況）

2.3 自動讀取表格文件

在MATLAB 數據分析程序中利用相關函數，自動讀取表格文件，獲取相關數據描述參數。

在振動數據分析程序中，使用xlsread 函數讀取excel表格內容，其調用格式如下：

其中輸入參數：filename-表格文件名稱，sheet-表格文件中的頁號（sheet）；

輸出參數：num-表格文件中的數字，txt-表格文件中的文字內容，raw-表格文件中的所有內容。

分別讀取之前創建的表格文件 “chnname.xlsx” 中的Sheet1、Sheet2，從表格中約定的列讀取信息，并按照通道序號生成通道名稱數組CHNNAME，按照工況序號生成工況名稱數組CASENAME 等，供下一步繪圖顯示使用。

2.4 參數圖形顯示

將相關數據描述參數在圖形窗口顯示。

在振動分析和繪圖程序中，按照通道序號讀取通道名稱數組CHNNAME 中對應的通道名稱變量chnname，按照工況序號讀取工況名稱數組中的CASENAME 中對應的工況名稱變量CaseName，調用title、legend、text 等圖形控制函數在圖形窗口的相應位置顯示。

顯示數據描述參數的多通道匯總時域圖顯示效果見圖5，多通道匯總PSD 圖顯示效果見圖6。

圖5 顯示數據描述參數的多通道匯總時域圖

圖6 顯示數據描述參數的多通道匯總PSD 圖

3 結論與改進

本文利用表格軟件快速高效的輸入編輯功能，將相關數據描述參數保存為表格文件，在MATLAB 數據分析程序中利用專用函數，自動讀取表格文件，獲取相關數據描述參數并在圖形窗口顯示，提高了隨機振動數據分析工作的效率。

該方法可廣泛應用于裝備環境工程、振動工程、測量與數據處理等專業領域的隨機振動數據及類似數據分析，提高數據分析及數據管理[5]的工作質量，減少大量數據處理過程中的人因錯誤率。