Kasu:
- Võimalus täpselt määrata signaali töötlemise parameetreid, nagu diskreetimissagedus, filtri tüüp ja AI-ga aknad
- Võimalus luua Pythoni koodi FFT jaoks, filtri disaini ja müraanalüüsi ning kontrollida Nyquisti ja varjunime
- Võimalus kontrollida tehisintellekti loodud spektri tõlgendust, võrreldes seda mõõtmise ja füüsilise ootusega
Ainuüksi anduri, mikrofoni või elektriliini toorandmed on sageli mõttetud; Seda on vaja töödelda ja tõlgendada sageduse, amplituudi ja aja teljel. Spektri eraldamine FFT-ga, müra filtreerimine, vibratsioonisignatuuri tuvastamine... Need kõik on signaalitöötlus ja AI genereerib selles valdkonnas kiiret Pythoni koodi, selgitab mõisteid, arvutab filtrikoefitsienti. Kuid väike parameetriviga signaali töötlemisel (vale diskreetimissagedus, vale aken, vahele jäetud Nyquisti juhtimine) rikub vaikselt kogu analüüsi; Kood ei anna vigu, see annab lihtsalt valesid tulemusi. Selles üksuses käsitleme õigete parameetrite seadistamist tehisintellektiga, genereeritud koodi kontrollimist Nyquisti ja aliase osas ning spektri tõlgenduse kontrollimist füüsilise reaalsusega.
Põhiparameetrid: Sampling, Nyquist, Aliasing
Digitaalse signaalitöötluse esimene reegel on Nyquisti-Shannoni teoreem: signaali täpseks esitamiseks peab diskreetimissagedus olema vähemalt kaks korda suurem kui signaali kõrgeim sageduskomponent. Vastasel juhul kuvatakse kõrged sagedused madalate sagedustena (aliasing) ja seda ei saa tagasi pöörata.
Signaali kõrgeim sagedus: f_max = 2 kHz Minimaalne diskreetimissagedus: f_s ≥ 2 · f_max = 4 kHz Praktikas varu jätmiseks: f_s ≈ 5 · f_max = 10 kHz. Samuti on ENNE diskreetimist vaja kasutada analoog-antialias-filtrit.
Ettevaatust: kui AI soovitab diskreetimissagedust, kontrollige kindlasti, kas see pakub Nyquisti teie signaali kõrgeima komponendi alusel. Kood töötab ilma vigadeta isegi madalal diskreetimissagedusel; kuid tulemus on aliase tõttu vale. Lisaks ei saa ükski tarkvara seda viga ilma riistvaras antialiasing-filtrita tühistada.
Eraldusvõime ja aknad FFT jaoks
FFT sageduseraldusvõime sõltub diskreetimissagedusest ja proovide arvust: Δf = f_s / N. Peenema eraldusvõime saamiseks kogute kas rohkem näidiseid või valite madalama f_s (ilma Nyquisti rikkumata). Lisaks tekitab katkestus signaali alguse ja lõpu vahel "spektrilekke"; Selle vähendamiseks rakendatakse aknafunktsioone nagu Hann ja Hamming.
f_s = 10 kHz, N = 1024 näidist Sageduse eraldusvõime: Δf = 10000 / 1024 ≈ 9,77 Hz Salvestusaeg kokku: T = N / f_s = 1024 / 10000 ≈ 102,4 ms
FFT ja filtrikoodi genereerimine ja kontrollimine
AI-lt FFT-koodi taotlemisel määrake selgelt diskreetimissagedus, akna tüüp ja telje skaala. Järgmine kood väljastab signaali ühepoolse amplituudispektri:
import numpy kui npfs = 10000 # diskreetimissagedus (Hz) – kontrollige Nyquist!N = 1024t = np.arange(N) / fs# proovisignaali: 500 Hz + 1500 Hzx = np.sin(2*np.pi*500*t) + 0,5*np.sin(2*np.pi*1500*t)w = np.hanning(N) # aknastamine: vähendab spektraalset leket, mis on normaliseeritud võimenduse # check peak frequenciespeaks = f[np.argsort(mag)[-2:]]print("Dominantsed sagedused (Hz)sort):", np.)sort
Selle koodi kontrollimisel küsitakse teilt: kas sagedustelg on tõesti Hz või kasutatakse näidisindeksit (rfftfreq)? Kas amplituud on normaliseeritud akna võimendusega? Kas oodatavad 500 ja 1500 Hz tipud tekivad tõesti nendes punktides? Kui kontrollite koodi teadaoleva testsignaaliga (ühe sagedusega siinus), kinnitate kindlalt telje ja normaliseerimise.
Nõrk viip / Tugev viip
NÕRK: "Rakendage nendele andmetele FFT-d." (Tulemus: diskreetimissagedus, telje skaala ja aknad on ebaselged; graafik on tõenäoliselt kujutatud valele teljele.) TUGEV: "Rakendage FFT-d 10 kHz diskreedisignaalile. Esitage: - joonistage sagedustelg hertsides (kasutage rfftfreq-i ja normaliseerige akent Hannlamplitude). domineerivad sagedused digitaalselt.- Märkige graafikule Nyquisti piir (5 kHz) Pange tähele, et telg nihkub, kui diskreetimissagedus on vale.
Filtri disain ja müra analüüs
AI suudab genereerida madala/kõrge/ribapääsfiltrite koefitsiente (FIR/IIR). Kuid filtri väljalülitussagedust, järjekorda ja stabiilsust tuleb kontrollida. See võib põhjustada suurt järjestuse ebastabiilsust ja faasimoonutusi, eriti IIR-filtrites. Pärast filtri projekteerimist joonistage sageduskarakteristik (Bode-laadne), et näha, et piir on õiges kohas ja pääsuribas pole soovimatut pulsatsiooni.
Müraanalüüsi tüüpiline ülesanne on eraldada tegelik signaal mürast. Siin hinnake tehisintellekti soovitatud läve või filtrit signaali füüsilise ribalaiuse suhtes: kui teie tegelik signaal on 0–500 Hz, on 2 kHz komponent tõenäoliselt müra või häired. AI annab statistikat; Sina teed füüsilise tõlgenduse.
Spektri tõlgenduse kinnitamine füüsilise reaalsusega
Spektri tõlgendamisel teeb AI mõistlikud, kuid mitte alati täpsed järeldused, näiteks "50 Hz juures on tipp, see on võrgu häired." Võrrelge neid kommentaare füüsilise ootusega: kas süsteemil on tõesti 50 Hz võrguühendus? Kas oodatav pöörlemissagedus ja harmoonilised on mootori vibratsioonispektris peaaegu olemas? Võimalusel korrake mõõtmist teise meetodiga (erinev andur, erinev tarkvara) ja vaadake samu piike.
Vihje: iga spektritõlgenduse puhul "millisele füüsikalisele nähtusele see tipp vastab?" Esitage küsimus. Tuntud tunnused on 50/100/150 Hz võrk ja selle harmoonilised, pöörlemissagedus ja selle kordused pöörlevates masinates ning lülitussagedus lülitustoiteallikates. Tundmatu tipp on kas reaalne sündmus või mõõtmis-/töötlusviga; Uurige mõlemat.
Mini korpus
Teadus- ja arendusinsener mõõdab ventilaatori vibratsiooni ja laseb tehisintellektil spektrit tõlgendada. "1200 Hz juures on domineeriv tipp, see võib olla laagri rike," ütleb AI. Insener juhib ventilaatori kiirust: 1800 p/min = 30 Hz. Laagrite ja labade üleminekusagedused peaksid olema teatud väärtustel, mis vastavad selle tsükliga; 1200 Hz ei vasta ühelegi neist. See kontrollib diskreetimissagedust: signaal kannab sisu kuni 2 kHz, kuid valitakse ainult 2 kHz, seega Nyquisti rikkumine. Tippsagedus 1200 Hz on aliasingust tulenev kummitussagedus. Kui tõstan diskreetimissagedust 8 kHz-ni, kaob vale tipp. Õppetund: alati testige spektritõlgendust füüsilise tsükli/sageduse ootusega ja õige diskreetiga.
Levinud vead
- proovivõtusageduse valimine ilma Nyquisti kriteeriumi kontrollimata; Vaade aliasing.
- FFT sagedustelje jätmine näidisindeksile Hz asemel.
- Spektri lekke eksimine ilma aknata signaalina.
- Ei normaliseeri amplituudi akende/näidiste arvu järgi.
- IIR-filtri stabiilsust ja faasimoonutusi ei kontrollita.
- Spektri piikide tõlgendamine ilma neid testimata, eeldades füüsilist pööret minutis/sageduses.
Kokkuvõttes
- Diskreetimissagedus peab olema vähemalt kaks korda suurem signaali kõrgeimast komponendist; Vastasel juhul häirib alias kogu analüüsi.
- FFT eraldusvõime Δf = f_s/N; Valige N ja f_s vastavalt oma vajadusele.
- Aknastamine vähendab spektraalset leket; normaliseerida amplituudi vastavalt akna võimendusele.
- Telje ja normaliseerimise kinnitamiseks kontrollige AI-koodi teadaoleva testsignaaliga.
- Kontrollige filtri stabiilsust ja sagedusreaktsiooni, joonistades selle.
- Kontrollige alati spektritõlgendust füüsilise sageduse ootuses.
Rakenduse ülesanne
Genereerige teadaoleva sagedusega testsignaal (nt 500 Hz + 1500 Hz siinus). Küsige AI-lt FFT- ja filtrikoodi. Seejärel: (1) kontrollige, kas Nyquisti kriteerium on täidetud, (2) kontrollige, kas FFT piigid ilmuvad tegelikult sagedustel 500 ja 1500 Hz, (3) vähendage tahtlikult diskreetimissagedust allpool Nyquisti ja jälgige, kuidas alias tekitab vale piigi. Pange tähele oma tähelepanekuid ja parandatud parameeter.