基于表格化参数输入的随机振动数据分析

张青虎，高贵福，庞勇

（北京机电工程研究所，北京 100074）

引言

在工程中经常使用MATLAB 进行随机振动数据时域和频域分析，利用MATLAB 绘图功能将振动时域数据曲线、振动功率谱密度曲线等通过图形窗口直观显示，并在图形窗口显示数据的测量工况、通道代号、通道名称、数据说明等相关数据描述参数。

随机振动数据本质上是数字信号的一种，可利用MATLAB 数字信号处理工具箱和函数，根据具体需要编制程序进行处理。MATLAB 软件的帮助文档对数字信号处理工具箱和函数有详细的说明，可供工程技术人员参考；也有大量相关教材和书籍[1]可供参阅。各行业的工程技术人员已经总结了利用MATLAB 进行随机振动数据分析的相关经验和程序[2]。

对于少量数据、通道数不多的情况，可以直接在MATLAB 程序代码中写入需要显示的数据描述参数。对于大量的、多通道振动数据，人工输入这类数据描述参数的工作量很大，效率很低，而且程序代码很臃肿、可读性差、容易出错。

本文介绍了一种方法，利用表格软件快速高效的输入编辑功能，将相关数据描述参数保存为表格文件，在MATLAB 数据分析程序中利用专用函数，自动读取表格文件，获取相关数据描述参数并在图形窗口显示，提高了随机振动数据分析工作的效率。

该方法可广泛应用于装备环境工程、振动工程、测量与数据处理等专业领域的随机振动数据及类似数据分析，提高数据分析及数据管理[5]的工作质量，减少大量数据处理过程中的人因错误率。

1 MATLAB 随机振动数据分析基本过程

1.1 数据的整理与读取

随机振动原始数据，是随机振动加速度随时间变化过程的时域数据，由振动传感器测量，经数据采集系统记录和保存，其保存文件格式一般有mat、txt、dat、csv、xls（含xlsx）等。

在MATLAB 中可以通过Import Data 工具手动导入数据文件，也可以通过dlmread、xlsread 等函数自动读取数据文件。

load(‘*.mat’)用于读取mat 格式的数据文件。 mat格式是MATLAB 自身的数据文件存储格式，可直接读取使用。

data = dlmread(‘*.txt’,’’,1,0) 用于读取基于ASCII 码的txt、dat 格式的数据文件。需要设置参数跳过数据头部的表头、文字说明等非数据部分。

data = xlsread(‘*.xlsx’,1) 用于读取csv、 xls（含xlsx）等表格格式的数据文件。需要设置读取页数和范围。

dlmread、xlsread 读取数据文件后，生成数据矩阵用于后续分析和绘图，同时保存为mat 格式文件方便再次使用。

1.2 时域和频域分析

对随机振动数据的时域处理，主要是对数据进行预处理，包括数据有效性的确认、零漂处理、滤波、异常数据剔除等。

对随机振动数据的频域处理，选取一定时间段的时域数据，计算其功率谱密度（PSD）及总均方根值（RMS）。可用pwelch 函数计算功率谱密度，用通用公式计算总均方根值（RMS）。

计算其功率谱密度（PSD）一般用pwelch 函数，调用格式如下：

其中输入参数： x-时域信号列向量，是前述数据data 经预处理后按时间范围截取得到的数据；window-窗函数；noverlap-重叠率；nfft-FFT 变换点数；fs-采样频率；

输出参数： Pxx -PSD 列向量，f-频率列向量；

计算总均方根值（RMS）函数如下：

其中：pxxc 为Pxx 在给定频率上下限范围内的值。

将功率谱密度（PSD）及总均方根值（RMS）分析结果生成数据矩阵用于后续分析和绘图，同时保存为mat格式文件方便再次使用。

根据环境数据信息化管理的要求，将原始数据和分析结果数据进行标准化存储。

1.3 数据分析结果的图形显示

利用MATLAB 绘图功能将时域数据曲线、功率谱密度曲线通过图形窗口直观显示，并在图形窗口显示数据的测量工况、通道代号、通道名称、数据说明等相关数据描述参数。

时域数据用线性坐标显示，可用plot 函数绘图；功率谱密度属于频域数据，需要用对数坐标显示，可用loglog 函数绘图。

通过MATLAB 的图形控制函数在图形窗口显示数据描述参数。例如：

xlabel(‘频率（Hz）')显示绘图横轴名称；

ylabel(‘PSD（g^2/Hz）’)显示绘图纵轴名称；

title(‘Title’)绘制图题；

legend(‘通道功率谱xxx','参考谱xxx')绘制数据曲线说明图例；

xlim([5 500])设置横轴坐标范围；

ylim([1e-12 1e0])设置纵轴坐标范围；

text(‘谱峰值1 xxxx’)在绘图制定位置添加文字说明；

最终绘图显示效果如图1 所示。

图1 随机振动PSD 图和时域图

为实现图形窗口显示数据描述参数的功能，可以编写MATLAB 代码利用图形控制函数来实现，也可以在绘图后手动编辑绘图窗口来添加。对于少量数据、通道数不多的情况，这两种方法具有简单、灵活的优势；而对于大量的、多通道振动数据的绘图显示，则需要寻求更加快速高效的方法。

2 基于表格化参数输入的振动数据分析结果图形显示

2.1 振动数据描述参数图形显示的困难

对于少量数据、通道数不多的情况，可以直接在MATLAB 程序代码中写入需要显示的数据描述参数，甚至可以可以在绘图后手动编辑绘图窗口来添加。对于大量的、多通道振动数据，手动添加肯定是不可取的，而直接将数据描述参数写入程序代码来实现输入和显示，则工作量很大，效率很低，而且程序代码大量重复、臃肿低效、可读性差、容易出错。

如图2 所示，需要同时绘制9 个（实际工程中可多达几十个以上）测量通道的振动功率谱密度（PSD）曲线，以及一条振动参考谱曲线。不指定曲线名称时，图例中每条曲线被自动标识为data1、data2、data3……data9，可读性差。

图2 多通道汇总PSD 图

工程中测量得到的振动数据，除了每条数据中通道数量多，数据条数也很多。通常会在多种工况、多次试验中进行振动测量，每个工况、每次试验中也可能进行多次测量，或者将测量数据分成多段分别处理。可能需要处理数十条甚至数百条振动数据，每条数据中的通道名称和顺序是一致的，但是为了方便区分不同工况、试验、时段的数据，还需要在绘图中标识出每条数据的相关描述参数。通常将图2 中的图题即Title 替换为数据的工况、试验、时段等相关描述参数。

在绘图中手动添加需要的通道名称、工况、试验、时段等信息，费时费力，效率很低；而直接将数据描述参数写入程序代码，将导致代码臃肿、可读性差；而且MATLAB 代码编辑器并不擅长编辑大量字符串类型的数据描述参数，远不如专业文字或表格编辑器软件功能完善、方便高效。

因此，对于大量的、多通道振动数据的绘图显示，则需要寻求更加快速高效的方法。

经过大量振动数据分析的实践尝试和工程应用，形成了一种方法，利用表格软件快速高效的输入编辑功能，将相关数据描述参数保存为表格文件，在MATLAB 数据分析程序中利用专用函数，自动读取表格文件，获取相关数据描述参数并在图形窗口显示。

2.2 参数表格化处理

利用表格软件快速高效的输入编辑功能，将相关数据描述参数保存为表格文件。

Excel 是一种用于电子表格创建和编辑的专业软件，功能丰富，应用广泛，也可以方便地与MATLAB 软件实现交互。因此采用Excel 将相关数据描述参数保存为表格文件。

图3 为包含测量通道编号、分析通道编号、通达代号、通道名称等数据描述参数的表格文件。图4 为包含每条振动数据的工况、试验、时段等数据描述参数的表格文件。Excel 中自动扩展、自动填充等丰富的功能，便于快速高效的生成和编辑数据描述参数表格文件。将生成的表格文件以文件名“chnname.xlsx” 保存，上述两个表格分别为该文件中的Sheet1、Sheet2。

图3 数据描述参数表格文件（通道）

图4 数据描述参数表格文件（工况）

2.3 自动读取表格文件

在MATLAB 数据分析程序中利用相关函数，自动读取表格文件，获取相关数据描述参数。

在振动数据分析程序中，使用xlsread 函数读取excel表格内容，其调用格式如下：

其中输入参数：filename-表格文件名称，sheet-表格文件中的页号（sheet）；

输出参数：num-表格文件中的数字，txt-表格文件中的文字内容，raw-表格文件中的所有内容。

分别读取之前创建的表格文件 “chnname.xlsx” 中的Sheet1、Sheet2，从表格中约定的列读取信息，并按照通道序号生成通道名称数组CHNNAME，按照工况序号生成工况名称数组CASENAME 等，供下一步绘图显示使用。

2.4 参数图形显示

将相关数据描述参数在图形窗口显示。

在振动分析和绘图程序中，按照通道序号读取通道名称数组CHNNAME 中对应的通道名称变量chnname，按照工况序号读取工况名称数组中的CASENAME 中对应的工况名称变量CaseName，调用title、legend、text 等图形控制函数在图形窗口的相应位置显示。

显示数据描述参数的多通道汇总时域图显示效果见图5，多通道汇总PSD 图显示效果见图6。

图5 显示数据描述参数的多通道汇总时域图

图6 显示数据描述参数的多通道汇总PSD 图

3 结论与改进

本文利用表格软件快速高效的输入编辑功能，将相关数据描述参数保存为表格文件，在MATLAB 数据分析程序中利用专用函数，自动读取表格文件，获取相关数据描述参数并在图形窗口显示，提高了随机振动数据分析工作的效率。

该方法可广泛应用于装备环境工程、振动工程、测量与数据处理等专业领域的随机振动数据及类似数据分析，提高数据分析及数据管理[5]的工作质量，减少大量数据处理过程中的人因错误率。