Qazanclar:
- Nümunə alma tezliyi, filtr növü və süni intellekt ilə pəncərələmə kimi siqnal emal parametrlərini dəqiq qurmaq bacarığı
- FFT, filtr dizaynı və səs-küy təhlili üçün Python kodu yaratmaq, Nyquist və aliasing-i yoxlamaq bacarığı
- Ölçmə və fiziki gözlənti ilə müqayisə edərək süni intellekt tərəfindən yaradılan spektr şərhini yoxlamaq bacarığı
Yalnız bir sensordan, mikrofondan və ya elektrik xəttindən alınan xam məlumatlar çox vaxt mənasız olur; Tezlik, amplituda və zaman oxunda onu emal etmək və şərh etmək lazımdır. FFT ilə spektrin çıxarılması, səs-küyün süzülməsi, vibrasiya imzasının tanınması... Bunlar hamısı siqnalın işlənməsidir və AI bu sahədə sürətli Python kodu yaradır, anlayışları izah edir, filtr əmsalını hesablayır. Lakin siqnalın işlənməsində kiçik bir parametr xətası (yanlış seçmə tezliyi, səhv pəncərə, Nyquist nəzarətini atladı) səssizcə bütün təhlili məhv edir; Kod səhvlər vermir, sadəcə səhv nəticələr verir. Bu bölmədə biz süni intellektlə düzgün parametrlərin təyin edilməsini, yaradılan kodu Nyquist və ləqəb baxımından yoxlamağı və spektrin şərhini fiziki reallıqla yoxlamağı əhatə edəcəyik.
Əsas Parametrlər: Sampling, Nyquist, Aliasing
Rəqəmsal siqnalın işlənməsinin birinci qaydası Nyquist-Şennon teoremidir: siqnalı dəqiq təmsil etmək üçün seçmə tezliyi siqnaldakı ən yüksək tezlik komponentindən ən azı iki dəfə olmalıdır. Əks halda, yüksək tezliklər aşağı tezliklər kimi görünəcək (alasing) və bu, geri qaytarıla bilməz.
Siqnalda ən yüksək tezlik: f_max = 2 kHz Minimum seçmə tezliyi: f_s ≥ 2 · f_max = 4 kHz Təcrübədə kənarı tərk etmək üçün: f_s ≈ 5 · f_max = 10 kHz seçilir.Həmçinin, analoq anti-aliasing filtri seçmədən ƏVVƏL MÜTLƏQDİR.
Diqqət: Süni intellekt seçmə tezliyini təklif etdikdə onun siqnalınızın ən yüksək komponentinə əsaslanaraq Nyquist təmin edib-etmədiyini yoxlayın. Kod hətta aşağı seçmə tezliyində də səhvsiz işləyir; lakin ləqəblə bağlı nəticə səhvdir. Əlavə olaraq, heç bir proqram aparatda anti-aliasing filtri olmadan bu xətanı ləğv edə bilməz.
FFT üçün Qətnamə və Pəncərələmə
FFT-nin tezliyi seçmə tezliyindən və nümunələrin sayından asılıdır: Δf = f_s / N. Daha yaxşı ayırdetmə üçün ya daha çox nümunə toplamaq, ya da daha aşağı f_s seçmək (Nyquist-i pozmadan). Bundan əlavə, siqnalın başlanğıcı və sonu arasındakı fasilə "spektral sızma" yaradır; Bunu azaltmaq üçün Hann və Hamming kimi pəncərə funksiyaları tətbiq edilir.
f_s = 10 kHz, N = 1024 nümunəTezlik ayırdetmə qabiliyyəti: Δf = 10000 / 1024 ≈ 9,77 Hz Ümumi qeyd müddəti: T = N / f_s = 1024 / 10000 ≈ 102,4 ms
FFT və Filtr kodunun yaradılması və yoxlanılması
AI-dən FFT kodu tələb edərkən seçmə tezliyini, pəncərə növünü və ox miqyasını açıq şəkildə göstərin. Aşağıdakı kod siqnalın birtərəfli amplituda spektrini çıxarır:
import numpy as npfs = 10000 # seçmə tezliyi (Hz) - Nyquist-i yoxlayın!N = 1024t = np.arange(N) / fs# nümunə siqnalı: 500 Hz + 1500 Hzx = np.sin(2*np.pi*500*t) + 0.5*np.sin(2*np.pi*1500*t)w = np.hanning(N) # pəncərələmə: qazancla normallaşdırılan spektral sızıntını azaldır# pik tezlikləri yoxlayınpeaks = f[np.argsort(mag)[-2:]]print("Dominant tezliklər (Hzs):(nps.)ort),
Bu kodu yoxlayarkən sizdən soruşulacaq: Tezlik oxu həqiqətən Hz-dir, yoxsa nümunə indeksi (rfftfreq istifadə olunur)? Pəncərə qazancının amplitudası normallaşdırılıbmı? Gözlənilən 500 və 1500 Hz zirvələri həqiqətən bu nöqtələrdə baş verirmi? Kodu məlum test siqnalı (tək tezlikli sinus) ilə yoxlasanız, oxu və normallaşmanı əminliklə təsdiq edəcəksiniz.
Zəif Tələb / Güclü Tələb
ZƏFS:"Bu məlumatlara FFT tətbiq edin."(Nəticə: seçmə tezliyi, ox miqyası və pəncərələmə qeyri-müəyyəndir; qrafik çox güman ki, yanlış oxda qurulub.)GÜÇLÜ:"10 kHz seçmə siqnalına FFT tətbiq edin. Təmin edin:- Tezlik oxunu Hz-də təsvir edin (rfftfreq istifadə edin).- Pəncərəni iki ilə çap edin. Rəqəmsal olaraq dominant tezliklər.- Qrafikdə Nyquist limitini (5 kHz) qeyd edin ki, seçmə tezliyi səhv olarsa, ox dəyişəcək."
Filtr dizaynı və səs-küyün təhlili
Süni intellekt aşağı/yüksək/zolaqlı filtr əmsallarını (FIR/IIR) yarada bilər. Lakin filtrin kəsilmə tezliyi, nizamı və sabitliyi yoxlanılmalıdır. Xüsusilə IIR filtrlərində yüksək nizamlı qeyri-sabitliyə və faza təhrifinə səbəb ola bilər. Süzgəcin layihələndirilməsindən sonra, kəsilmənin düzgün yerdə olduğunu və keçid zolağında arzuolunmaz dalğalanmanın olmadığını görmək üçün tezlik reaksiyasını (Bode-yə bənzər) qrafasına salın.
Səs-küyün təhlilində tipik vəzifə real siqnalı səs-küydən ayırmaqdır. Burada, AI-nin təklif etdiyi həddi və ya filtri siqnalın fiziki bant genişliyinə görə qiymətləndirin: əgər real siqnalınız 0-500 Hz-dirsə, 2 kHz-lik komponent çox güman ki, səs-küy və ya müdaxilədir. AI statistika verir; Fiziki təfsiri siz edirsiniz.
Spektr şərhinin fiziki reallıqla təsdiqlənməsi
Bir spektri şərh edərkən, AI "50 Hz-də pik var, bu şəbəkə müdaxiləsidir" kimi ağlabatan, lakin həmişə dəqiq olmayan nəticələr çıxarır. Bu şərhləri fiziki gözlənti ilə müqayisə edin: Sistemdə həqiqətən 50 Hz şəbəkə bağlantısı varmı? Gözlənilən fırlanma tezliyi və harmoniklər motorun vibrasiya spektrində təxminən varmı? Mümkünsə, ölçməni ikinci üsulla (müxtəlif sensor, fərqli proqram təminatı) təkrarlayın və eyni zirvələri görün.
İpucu: Hər bir spektr şərhi üçün "bu zirvə hansı fiziki hadisəyə uyğundur?" sualını verin. 50/100/150 Hz şəbəkəsi və onun harmonikləri, fırlanan maşınlarda fırlanma tezliyi və onun qatları, kommutasiya enerji təchizatında keçid tezliyi məlum imzalardır. Naməlum zirvə ya real hadisədir, ya da ölçmə/emal xətasıdır; Hər ikisini araşdırın.
Mini Çanta
Ar-Ge mühəndisi fanatın vibrasiyasını ölçür və süni intellekt spektri şərh edir. "1200 Hz-də dominant zirvə var, bu, daşıyıcı uğursuzluq ola bilər" deyir AI. Mühəndis ventilyatorun sürətinə nəzarət edir: 1800 rpm = 30 Hz. Rulman və bıçaq keçid tezliklərinin bu dövrə uyğun müəyyən dəyərlərdə olması gözlənilir; 1200 Hz bunların heç birinə uyğun gəlmir. O, seçmə tezliyinə nəzarət edir: siqnal 2 kHz-ə qədər məzmun daşıyır, lakin yalnız 2 kHz nümunə götürülür, buna görə də Nyquist pozuntusu. 1200 Hz-də zirvə təxəllüsdən yaranan xəyal tezliyidir. Nümunə alma tezliyini 8 kHz-ə qədər artırdığımda yalançı pik yox olur. Dərs: həmişə fiziki dövr/tezlik gözləməsi və düzgün seçmə ilə spektrin şərhini sınaqdan keçirin.
Ümumi Səhvlər
- Nyquist kriteriyasını yoxlamadan seçmə tezliyinin seçilməsi; Ləqəbdən yayınma.
- Hz əvəzinə nümunə indeksində FFT tezliyi oxunu tərk etmək.
- Pəncərəsiz bir siqnal kimi spektral sızıntının səhv salınması.
- Pəncərələrin/nümunələrin sayına görə amplitudu normallaşdırmır.
- IIR filtrinin sabitliyini və faza təhrifini yoxlamaq.
- Fiziki rpm/tezliyi gözləmədən sınamadan spektrin zirvələrini şərh etmək.
Xülasə
- Nümunə alma tezliyi siqnalın ən yüksək komponentindən ən azı iki dəfə çox olmalıdır; Əks halda, ləqəb bütün təhlili pozacaq.
- FFT ayırdetmə qabiliyyəti Δf = f_s/N; Ehtiyacınıza uyğun olaraq N və f_s seçin.
- Pəncərələmə spektral sızıntıları azaldır; pəncərə qazancına uyğun olaraq amplitüdü normallaşdırın.
- Ox və normallaşmanı təsdiqləmək üçün AI kodunu məlum test siqnalı ilə yoxlayın.
- Süzgəcin sabitliyini və tezlik reaksiyasını qrafiklə yoxlayın.
- Həmişə fiziki tezlik gözləməsi ilə spektrin təfsirini sınayın.
Tətbiq tapşırığı
Məlum tezlikdə sınaq siqnalı yaradın (məsələn, 500 Hz + 1500 Hz sinus). AI-dən FFT və filtr kodu tələb edin. Sonra: (1) Nyquist meyarının yerinə yetirildiyini yoxlayın, (2) FFT zirvələrinin həqiqətən 500 və 1500 Hz-də göründüyünü yoxlayın, (3) Nyquist-dən aşağı seçmə tezliyini qəsdən azaldın və ləqəbin necə saxta zirvə yaratdığını müşahidə edin. Müşahidələrinizi və düzəltdiyiniz parametri qeyd edin.