View Full Version : matlab ed fft per segnale discreto
salve a tutti. Sto iniziando lo studio di matlab e tra tutorial vari, ho una domanda da porvi. Devo analizzare dei dati provenienti da un accelerometro che ad una frequenza di 25khz (per 1 secondo) mi fornisce una serie di 25k campioni di valori di accelerazione (parliamo di dati relativi al rilevamento di vibrazioni su un motore in rotazione). Devo riportare i dati in matlab (operazione fatta) ed analizzare lo spettro in frequenza e l'energia sulle varie bande in frequenza. Qualcuno ha un riferimento di codice al quale posso affidarmi?
ringrazio
grazie. sapresti linkarmi un esempio di codice che fa per me?
sono riuscito ad estrarre lo spettro in frequenza del segnale discreto passato alla fft come vettore. Dall'analisi visiva ho informazione da 0 a circa 13khz. Lo step successivo ora è quello di filtrare il segnale poichè dovrò effettuare uno studio solo su una determinata banda in frequenza e calcolarne l'energia. Come posso procedere alla costruzione di un filtro da applicare sul mio segnale in frequenza e come procedo con il calcolo della potenza sulle diverse bande?
grazie
ringrazio per la tua disponibilità e puntualità.
relativamente alla funzione che integra in un intervallo, nello specifico, mi diresti esattamente a cosa corrispondono delta_f e Xf?
perfetto!
avrei necessità di una dritta sui parametri da impostare:
volendo tagliare a 12khz opto per un (FIR) passabasso e lascio l'ordine del filtro su "minimum order". Nel "density factor" ho un 20 di default (lascio?).
Dopo di che nella schermata Frequency specifications ho un Fs che imposto a 25khz (freq di campionamento), un Fpass e un Fstop. Questi ultimi due? come banda passante lascio 12khz ? ci sarebbero problemi con le componenti continue considerando l'intervallo 0-12khz?
grazie ancora
bene, inizio a carburare ;-)
ho settato il taglio (Fstop) a 12khz e la banda passante a 2khz. Con le impostazioni consigliate relative all'ordine automatico mi diceva che non poteva elaborare perchè il filtro deve essere almeno del 3 ordine. Per cui ho optato per la banda a 3khz (ora faccio delle prove settando in manuale 2khz e filtro del 3 ordine).
Per quanto riguarda l'applicazione del filtro sulla mia serie di 25.000 campioni (1 secondo di campionamento) è corretto applicare:
y=filter(VettoreDelNumeratoreFiltro, 1, SegnaleInFrequenzaDaFiltrare) e poi rappresentare y in una figura? ho notato che anche da 12 a 13khz c'è informazione filtrata. Non dovrebbe tagliare a 12 con un passabasso? anche se setto Fstop a 8-10khz ho sempre informazione fino a 13khz.
Non mi torna qualcosa
in effetti nel segnale in frequenza ho informazione fino a circa 12500hz (considerando appunto Fs/2 nel calcolo della fft). Linko comunque due immagini matlab in modo da essere più chiaro.
segnale nel dominio del tempo
https://www.dropbox.com/s/zwgozep8edeliuo/motore%20good%201%20-%20tempo.fig?dl=0
segnale nel dominio della frequenza non filtrato
https://www.dropbox.com/s/jhtv4757qwk92ri/motore%20good%201%20-%20frequenza.fig?dl=0
non so se sbaglio, ma sto considerando Fstop frequenza di taglio (che voglio a 12khz e quindi voglio andare comunque a considerare quasi tutto il segnale), mentre come Fpass la banda passante, supposta a 2khz.
Nel caso non hai matlab posto due jpg. Grazie ancora per l'infinita gentilezza e disponibilità
posto i tre segnali
nel tempo
https://www.dropbox.com/s/dlm012nbv9ff9mj/segnale%20nel%20tempo.jpg?dl=0
in frequenza non filtrato
https://www.dropbox.com/s/sp25rjgz8ian60q/segnale%20in%20frequenza.jpg?dl=0
filtro:
https://www.dropbox.com/s/8qbhf8c6x4f5l9p/filtro.jpg?dl=0
segnale filtrato:
https://www.dropbox.com/s/w9vqrvm8igiw52p/segnale%20filtrato.jpg?dl=0
in effetti alzando l'ordine sembra filtrare, ma nel segnale filtrato comunque ho informazione dopo i 12.000 hz...
mi daresti un parere in merito?
ringrazio
a me interessa tutto il segnale da 0 a 12khz
mandando in run questo codice
%stampa grafico segnale filtrato
filtered=filter(Num,1,y_fft)
figure
%plot(f, filtered)
plot(f,20*log10(abs(filtered)))
xlim([0 13000])
xlabel('Frequenza (Hz)')
ylabel('Ampiezza')
title('Motore Good 1 - Visualizzazione segnale filtrato')
ottengo:
https://www.dropbox.com/s/v9ztdax22gu0u00/segnale%20filtrato%20log.jpg?dl=0
mm...mi sto incartando.allora, questo è l'inizio del mio codice
m1;%vettore sequenza dei campioni
Fs=25000; %frequenza campionamento
bits=25000; %numero di campioni per secondo
Nsamps = length(y); %numero totale dei campioni
t = (1/Fs)*(1:Nsamps) %Prepare time data for plot
%trasformata di fourier
y_fft = abs(fft(m1)); %calcolo ampiezza fft
y_fft = y_fft(1:Nsamps/2); %scarta la metà dei punti
f = Fs*(0:Nsamps/2-1)/Nsamps; %preparazione freq data per funzione plot
%stampa grafico nel dominio del tempo
figure
plot(t, m1)
xlabel('Tempo (s)')
ylabel('Ampiezza')
title('Motore Good 1 - Visualizzazione nel dominio del tempo')
%stampa grafico nel dominio del tempo logaritmico
figure
plot(t,20*log10(abs(m1)))
xlabel('Tempo (s)')
ylabel('Ampiezza')
title('Motore Good 1 - Visualizzazione nel dominio del tempo - logaritmico')
il grafico logaritmico che ottengo è questo:
https://www.dropbox.com/s/4g76qxszyqqrkv8/segnale%20nel%20tempo%20log.jpg?dl=0
il mio codice per il momento è questo:
m1;%vettore sequenza dei campioni
Fs=25000; %frequenza campionamento
bits=25000; %numero di campioni per secondo
Nsamps = length(m1); %numero totale dei campioni
t = (1/Fs)*(1:Nsamps); %Prepare time data for plot
%trasformata di fourier
y_fft = abs(fft(m1)); %calcolo ampiezza fft
y_fft = y_fft(1:Nsamps/2); %scarta la metà dei punti
f = Fs*(0:Nsamps/2-1)/Nsamps; %preparazione freq data per funzione plot
filtered=conv(m1,Num); %filtraggio del segnale nel dominio del tempo
X1=fft(m1);
Y1=fft(filtered);
len_x = length(X1);
freq_X = (0:len_x-1)*Fs/len_x;
len_y = length(X1);
freq_Y = (0:len_y-1)*Fs/len_y;
%stampa grafico nel dominio del tempo
figure
plot(t, m1)
xlabel('Tempo (s)')
ylabel('Ampiezza')
title('Motore Good 1 - Visualizzazione nel dominio del tempo')
%stampa grafico nel dominio del tempo filtrato
figure
plot(t, X1)
xlabel('Tempo (s)')
ylabel('Ampiezza')
title('Motore Good 1 - Visualizzazione nel dominio del tempo')
%stampa grafico nel dominio della frequenza
figure
plot(f, y_fft)
xlim([0 13000])
xlabel('Frequenza (Hz)')
ylabel('Ampiezza')
title('Motore Good 1 - Visualizzazione nel dominio della frequenza')
%stampa grafico nel dominio della frequenza del segnale filtrato X1 e Y1
figure
plot(freq_X,20*log10(abs(X1)),freq_Y,20*log10(abs(Y1)));
xlim([0 13000])
xlabel('Frequenza (Hz)')
ylabel('Ampiezza')
title('Motore Good 1 - Visualizzazione nel dominio della frequenza')
mi da errore:
>> fft_motore
Warning: Imaginary parts of complex X and/or Y arguments ignored
> In fft_motore at 32
Error using plot
Vectors must be the same length.
Error in fft_motore (line 47)
plot(freq_X,20*log10(abs(X1)),freq_Y,20*log10(abs(Y1)));
comunque sia il filtro sembra funzionare:
https://www.dropbox.com/s/guutn2y8pn8m2sp/segnale%20nel%20tempo%20filtrato.jpg?dl=0
ho riguardato il codice e corretto qualcosa.
ora mi restituisce questi grafici, anche se mi da questo errore: Warning: Imaginary parts of complex X and/or Y arguments ignored
segnale nel tempo non filtrato
https://www.dropbox.com/s/b4boa5f447fgenv/segnale%20nel%20tempo%20non%20filtrato.jpg?dl=0
segnale nel tempo filtrato
https://www.dropbox.com/s/guutn2y8pn8m2sp/segnale%20nel%20tempo%20filtrato.jpg?dl=0
segnale in frequenza non filtrato
https://www.dropbox.com/s/7ukcvagqpwq1do8/segnale%20in%20frequenza%20non%20filtrato.jpg?dl=0
segnale in frequenza filtrato
https://www.dropbox.com/s/7ujwh00g0opdgxw/segnale%20in%20frequenza%20filtrato.jpg?dl=0
confronto logaritmico in frequenza
https://www.dropbox.com/s/f5uj1i8ipgd15ry/confronto%20logaritmico.jpg?dl=0
per la mia analisi il filtro in questione può andare bene?
domanda: essendo misure rilevate da accelerometri, il valor medio purtroppo non è nullo (forse dovuto ad un cattivo posizionamento). Dovendo stimare diversi segnali, mi conviene calcolarlo di volta in volta a runtime e sottrarlo oppure conviene salvare dei vettori normalizzati e poi procedere? son diverse centinaia di segnali
grazie il tuo aiuto è stato prezioso..
solo per mia curiosità, stai facendo analisi degli spettri su motori elettrici (e non mi pare) o sono motori a combustione?
solo per mia curiosità, stai facendo analisi degli spettri su motori elettrici (e non mi pare) o sono motori a combustione?
no, motori elettrici
ma occorre tenere in considerazione il ritardo del filtro? in che modo?
ne dovrei tener conto in fase di convoluzione o prima/dopo ed in che modo?
io ho 25000 campioni del segnale originale e un vettore composto da 64 elementi del filtro.. il segnale filtrato risulta pari a 25063 elementi, in accordo a quanto da te esposto. Per tener conto del ritardo introdotto, devo scartare i primi 31 e gli ultimi 31?
no, motori elettrici
ma occorre tenere in considerazione il ritardo del filtro? in che modo?
Scusa il ritardo ma sono stato preso in altre faccende (papa' per la 2a volta)
A che serve uno spettro di accelerazione su motori elettrici spinto a frequenze cosi' alte?
Se hai problemi dovuti al passaggio d barre danneggiate o cave allo statore dovresti avere frequenze sincrone pari al loro numero per la frequenza di rotazione e stiamo parlando di al piu' 2kHz... se arrivi a 5kHz massimo ne prendi anche la 2a armonica.
Spiega dai che son curioso :D
i dati e le specifiche mi sono stati passati per un'analisi statistica e devo dunque attenermi a quanto richiesto per poter effettuare una classificazione di motori buoni e meno buoni a seconda dei dati. Sicuramente ci sono delle bande significative sulle quali concentrarsi per cui devo cercare un metodo per individuare delle zone particolarmente significative in frequenza sulle quali calibrare l'analisi. Ora sono alle prese con la funzione di classificazione matlab ossia un qualcosa del tipo class = classify(sample,training,group), anche se non conosco ancora bene come applicarla al meglio. Accettasi suggerimenti.. ;-)
p.s. auguroni!!!
sto studiando la classificazione. Utilizzando la funzione classify(sample, training, group) ho notato che costruendo la matrice training per l'addestramento come una matrice composta da due tipologie di righe (per me "buone" e "non buone") che nel vettore group classifico rispettivamente come 1 o 2 (1 per me sarà buono e 2 non buono), passando poi sample, come righe di campioni da testare, ho il seguente errore:
The covariance matrix of each group in TRAINING must be positive definite.
a cosa esattamente è dovuto? non riesco a capire
i dati e le specifiche mi sono stati passati per un'analisi statistica e devo dunque attenermi a quanto richiesto per poter effettuare una classificazione di motori buoni e meno buoni a seconda dei dati. Sicuramente ci sono delle bande significative sulle quali concentrarsi per cui devo cercare un metodo per individuare delle zone particolarmente significative in frequenza sulle quali calibrare l'analisi. Ora sono alle prese con la funzione di classificazione matlab ossia un qualcosa del tipo class = classify(sample,training,group), anche se non conosco ancora bene come applicarla al meglio. Accettasi suggerimenti.. ;-)
p.s. auguroni!!!
Non ho confidenza con matlab tanto da poterti aiutare sul classify di cui ti stai occupando, ma se vuoi trattare l'analisi di vibrazioni per motori asincroni trifase possiamo discuterne qui andando OT o in pvt.
grazie al vostro prezioso contributo sono arrivato alla fine del mio progetto. Mi resta un ultimo studio. Ho un dataset che è l'insieme di valori di campionamento relativi sia a motori buoni che motori non buoni. Applicando la principal component analisys ho appurato che i motori non buoni sono appunto affetti da vibrazioni notevoli, mentre i motori classificati come buoni no (tralasciando qualche falso positivo e falso negativo). Ora, dovendo fissare una soglia fi selezione che sia un compromesso tra il massimo valore dei motori buoni ed il minimo valore dei motori non buoni, vi chiedo se esiste un algoritmo ad hoc in Matlab sia per una soglia fissa che adattiva, in modo tale da minimizzare il Fals Alarm Rate ed il Missing Rate.
Grazie
in che modo è implementabile in matlab? praticamente studia in maniera casuale i valori presi da un dataset e confronta le percentuali di false alarm e missed detection fino a trovare quello che è il compromesso migliore?
Provo a spiegare l'algoritmo che ho implementato chiedendo se può andar bene. Da due matrici, una relativa a campionamenti di motori buoni e l'altra relativa a motori non buoni, ho estrapolato due valori di massimo (motori buoni) e minimo (motori non buoni). Successivamente ho generato un vettore di 1000 elementi casuali, compresi nell'intervallo min/max. Per ognuno di questi valori sono andato a valutare i falsi positivi sui motori buoni ed i falsi negativi sui motori non buoni. Tra i mille valori di test salvo ciclicamente solo quello per il quale la somma tra falsi positivi e falsi negativi e minima,restituendo così il valore di soglia risultante. Può andar bene? L'unico problema è che tra i motori buoni c'è un picco che supera addirittura il picco massimo dei motori non buoni, per cui mi falsa molto l'intervallo min/max
grazie, ho terminato la funzione. speriamo vada bene!
vBulletin® v3.6.4, Copyright ©2000-2025, Jelsoft Enterprises Ltd.