标签：rpo mamicode 发动机 摘要 adt 是什么 说明 class 输出
摘要：第一章介绍了缸压曲线和曲轴转速转化成曲轴中心点的时间-集中力；但是这个集中力并不是我们可以直接使用的频域-集中力；需要经过快速傅里叶变换，将时域力转化成频域力。
还是老规矩，我们需要什么？我们需要从时域到频域的转换。怎么理解呢？当然是先找一个已知的频率来看看是什么样的。从网上盗了一张动态图，从图中我们已知各个三角函数的周期（频率），可以做出复杂的曲线。【先看成果，我们的目的是从复杂的曲线中分离出各个周期（频率）】
import numpy as np from scipy.fftpack import fft,ifft import matplotlib.pyplot as plt import seaborn "采样点选取,0-2间取2000个采样点,时域横坐标单位s" x=np.linspace(0,2,1000) print(x) "构造信号曲线，其中包含频率1Hz，2Hz，3Hz，4Hz" y=2*np.sin(2*np.pi*1*x)/np.pi-2*np.sin(2*np.pi*2*x)/(2*np.pi)+2*np.sin(2*np.pi*3*x)/(3*np.pi) -2*np.sin(2*np.pi*4*x)/(4*np.pi) plt.plot(x, y) plt.show()
import numpy as np from scipy.fftpack import fft,ifft import matplotlib.pyplot as plt import seaborn "采样点选取,0-2间取2^n个采样点,时域横坐标，单位s" n=10 x=np.linspace(0,2,2**n) # print(x) "构造信号曲线，其中包含频率1Hz，2Hz，3Hz，4Hz" y=2*np.sin(2*np.pi*1*x)/np.pi-2*np.sin(2*np.pi*2*x)/(2*np.pi)+2*np.sin(2*np.pi*3*x)/(3*np.pi) -2*np.sin(2*np.pi*4*x)/(4*np.pi) plt.plot(x, y) plt.show() yy=fft(y) #快速傅里叶变换 yreal = yy.real #获取实部 ymiag = yy.imag #获取虚部 yf=abs(fft(y)) #取绝对值 yf1 = abs(fft(y))/len(x) #归一化处理 yf2 = yf1[range(int(len(x)/2))] ##对称性只取一半区间 "采样频率" dt=x[1]-x[0] fs = 1/dt freqs = fs/2*np.linspace(0,1,int(2**n/2)) print(len(yf2)) print(len(freqs)) plt.subplot(211) plt.plot(x, y) plt.title(‘Original wave‘) plt.subplot(212) plt.plot(freqs[0:10], yf2[0:10]) plt.title(‘FFT wave‘) plt.show()
从及结果可以看出，通过快速傅里叶变换，找到了四个阶次的频率，分别是1Hz，2Hz，3Hz，4Hz，与构造的信号函数频率一一对应。
上述阐述已知信号源的傅里叶变换，其实信号源是否已知并不影响傅里叶变换的结果，构造已知信号的函数，仅仅是为了直观的理解这个变换输入输出。【这里并未对傅里叶变换的底层实现进行阐述，仅仅说明如何在发动机载荷分解过程中需要用到的功能】。
回到上一章接种获取到的发动机曲轴中心位置的时间-力的数据。每一组时间-力（力矩）都如同上诉的信号源（只是未知信号）。
import numpy as np from scipy.fftpack import fft,ifft import matplotlib.pyplot as plt import seaborn from scipy.interpolate import interp1d "读取时间载荷" data = np.loadtxt(r‘TimeLoad\A750 _transpose.csv‘,dtype=np.float, delimiter=",") "获取时间采样点" t=data[0] "获取z向时间载荷" z=data[3] print(t) print(z) "原始数据采样，采样点数量按照2**n个进行，运用插值法，获取格则采样数据," n=13 NFFT = 2**n x, delta_step = np.linspace(t[0], t[len(t) - 1], NFFT, endpoint=True, retstep=True) y_curve = interp1d(t,z,kind=‘linear‘) y = y_curve(x) plt.plot(x, y) plt.show() yy=fft(y) #快速傅里叶变换 yreal = yy.real #获取实部 ymiag = yy.imag #获取虚部 yf=abs(fft(y)) #取绝对值 yf1 = abs(fft(y))/len(x) #归一化处理 yf2 = yf1[range(int(len(x)/2))] ##对称性只取一半区间 "采样频率" dt=x[1]-x[0] fs = 1/dt freqs = fs/2*np.linspace(0,1,int(2**n/2)) print(len(yf2)) print(len(freqs)) plt.subplot(211) plt.plot(x, y) plt.title(‘Original wave‘) plt.subplot(212) plt.plot(freqs[0:100], yf2[0:100]) plt.title(‘FFT wave‘) plt.show()
在怠速750r/min时，在25Hz的激励是62.157N。
标签：rpo mamicode 发动机 摘要 adt 是什么 说明 class 输出
原文地址：https://www.cnblogs.com/liuhuacai/p/14916630.html
