基于MATLAB的机械零部件失效噪声识别系统设计毕业设计说明书

1、 目录1 绪论11.1 机械失效的研究背景和意义11.2 机械失效的研究现状22 方案论证 52.1 提出方案52.2 选择自己的方案52.3 设计的难点及解决方法53 机械零件失效噪声识别系统设计73.1 零部件失效声音信号采集73.1.1 零部件失效声音信号的特征73.1.2 声音信号的特征分析83.2 零部件失效声音信号识别系统的设计123.2.1 基于MATLAB的数字滤波器123.2.2 数字滤波器的设计144 失效噪声的识别及结果分析17总 结23致 谢24参考文献25绪论1.1 机械失效的研究背景和意义一般机械产品的失效，可以分为三种情况，第一种情况是当机械产品完全不能工作时；第

2、二种是机械产品还可以工作，但是有一部分功能已经丧失，不能完全的发挥出它的性能；第三种是机械产品已经严重的损坏，必须拆下来修理后，才能够重新的使用。出现裂纹，机械变形和机械损伤是我们经常遇到的三种机械失效类型。一般的机械失效都是有机械损伤引起的，最后慢慢的发展成为机械失效。在不同的发展过程中，形成不同的失效，而且发展的速度也不尽相同。机械零件的寿命特性曲线可以表明，机械零件在其正常运转期间发生失效的规律，这种规律可以用失效率来表示，即失效的过程用在特定时间内发展的比率。如果让失效顺其发展，而不进行一些预防维修措施，那么就会形成我们所说的失效曲线，这条曲线看起来是浴盆的形状，通常称为浴盆曲线。根据

3、机械产品的使用情况，可以将失效分为三种类型。 在最早一段时间内的失效叫做早期失效，这是因为设计和制造上的原因，从而导致了失效的发生。又因为在早期时间内，机械零件容易发现缺陷，从而发生失效，所以我们知道早期机械零件的失效概率最高，但是跟随着过些时间，失效的概率就会慢慢地降下来。如果我们能在机械零件出厂前检验其质量，那么机械零件在后期的失效率就会保持一个恒定值。 理论上我们认为机械零部件如果还没有达到老化或者损伤的程度，它们应该会一直正常的工作。但是一些偶然的因素，如我们在操作上发生一些失误，这些些时候机械零件产生的失效，我们叫做随机失效。这些概率很低。发生的这段时间是零部件正常工作的最佳时间。偶

4、然失效过后，机械零部件的使用期限已经到最后了，失效的情况会愈发的严重，这个时候的失效叫做耗损失效。在这种是小发生的前期，我们就应该对零部件进行检查维修，这样就可以预防这种失效过早的发生，从而延长机械零部件的寿命。 产品或装备失效分析的目的不仅在于失效性质的判断和失效原因的明确，而更重要的还在于为积极预防重复失效找到有效的途径。通过失效分析，找到造成产品或装备失效的真正原因，从而建立结构设计、材料选择与使用、加工制造、装配调整、使用与保养方面主要的失效抗力指标与措施，特别是确定这种失效抗力指标随材料成分、组织和状态变化的规律，运用金属学、材料强度学、工程力学等方面的研究成果，提出增强失效抗力的改

5、进措施。既能得到提高产品或装备承载能力和使用寿命，又可做到充分发挥产品或装备的使用潜力，使材尽其用，这是产品或装备失效分析、预测预防研究的重要目的与内容。1.2 机械失效的研究现状一般的情况下我们单独的对某一事件的失效进行分析，偶然性就太大了。但是如果我们对同一类的装备所发生的事件进行分析，就能总结出来一些我们所需要的结论，把这些结论用来提高设计和制造的水平。一般失效分析的目的就是来尽可能的降低生产的产品的失效率，我们要不断的提高产品装备的可靠性，用来防止一些重大的突发事故的发生，这要我们就可以让经济稳速的向前进，持续不断的发展。在系统工程的基础上，在失效分析的过程中，我们所需要做的一些具体任

6、务可以总结为三个方面，第一就是失效的性质的判断，第二个就是失效原因的分析，最后就是我们所要采取的措施，用来提高产品抗击失效的能力。近代材料科学和工程力学对破断、腐蚀、磨损及其复合型(或混合型)的失效类型和失效机理做了相当深入的研究，积累了大量的统计资料，为失效类型的判断、失效机理及失效原因的解释奠定了基础。发展中的可靠性工程及完整性与适用性评价是预测、预防和控制失效的技术工作和管理工作的基础。可靠性工程是运用系统工程的思想和方法，权衡经济利弊，研究将设备(系统)的失效率降到可接受程度的措施。完整性和适用性评价则是研究结构或构件中原有缺欠和使用中新产生的或扩展缺陷对可靠性的影响，判断结构的完整性

7、及是否适合于继续使用，或是按预测的剩余寿命监控使用，或是降级使用，或是返修或报废的定量评价。 产品或装备失效分析的目的不仅在于失效性质的判断和失效原因的明确，而更重要的还在于为积极预防重复失效找到有效的途径。通过失效分析，找到造成产品或装备失效的真正原因，从而建立结构设计、材料选择与使用、加工制造、装配调整、使用与保养方面主要的失效抗力指标与措施，特别是确定这种失效抗力指标随材料成分、组织和状态变化的规律，运用金属学、材料强度学、工程力学等方面的研究成果，提出增强失效抗力的改进措施。既能得到提高产品或装备承载能力和使用寿命，又可做到充分发挥产品或装备的使用潜力，使材尽其用，这是产品或装备失效分

8、析、预测预防研究的重要目的与内容。我们可以通过对失效的分析预防，来保证机械零部件更好的运行，在这门学科中，我们可以提高零部件的质量，这样也可以一直支持科学的进步，为一些法定规则提供自己的标准和依据。其意义和作用在于: (1)通过对零部件的早期失效分析，我们可以预防一些同样的失效现象在零部件上发生，进而提高机械零件的质量(2)如果想要保证机械零部件的的质量，对零部件的失效分析是一个必不可少的环节，这样就可以反应零部件的质量情况，从而保证机械零部件的工作质量。 (3)一般的情况下我们把失效分析分为三个步骤，其中包括：技术的开发与改造，利用技术提供信息方向，路径和方法。 (4)最后，我们可以利用失效

9、分析，来改变领导对一些技术和经济决策的看法，因为我们掌握者信息的来源。由机械失效的形式，我们可以通过检测失效时所发出的声音来检测机械失效的情况，检测声音我们可以用滤波器来检测，通常的滤波器可分为普通滤波器和数字滤波器。数字信号是处理学科的一项重大进展是关于数字滤波器设计方法的研究。关于数字滤波器，早在上世纪40年代末期就有人讨论它的可能性问题，在50年代也有人讨论过数字滤波器，但直到60年代中期，才开始形成关于数字滤波器的一整套完整的正规理论。在这一时期，提出了各种各样的数字滤波器结构，有的以运算误差最小为特点，有的则以运算速度高见长，而有的则二者兼而有之。出现了数字滤波器的各种通近访法和实现

10、方法，对递归和非递归两类滤波器作了全面的比较，统一了数字滤波器的基本概念和理论。数字滤波器的一个重要发展是对有限冲激响应（FIR）和无限冲激响应（IIR）关系的认识转化。在初期，一般认为IIR滤波器比FIR滤波器具有更高的运算效率，因而明显地趋向于前者，但当人们提出用快速傅利叶变换（FFT）实现卷积运算的概念之后，发现高阶FIR滤波器也可以用很高的运算效率来实现，这就促使人们对高性能FIR滤波器的设计方法和数字滤波器的频域设计方法进行了大量的研究，从而出现了此后数字滤波器设计中频域方法与时域方法并驾齐驱的局面。然而，这些均属数字滤波器的早期研究，早期的数字滤波器尽管在语音、声纳、地震和医学的信

11、号处理中曾经发挥过作用，但由于当时计算机主机的价格很昂贵，严重阻碍了专用数字滤波器的发展。70年代科学技术蓬勃发展，数字信号处理开始与大规模和超大规模集成电路技术、微处理器技术、高速数字算术单元、双极性高密度半导体存储器、电荷转移器件等新技术、新工艺结合了起来，并且引进了计算机辅助设计方法，它是数字滤波器的设计仅仅是对相应模拟滤波器的逼近。一般说来，通过对模拟滤波器函数的变换来设计数字滤波器，很难达到逼近任意频率响应或冲击响应，而采用计算机辅助设计则有可能实现频域与时域的最佳逼近，或频域时域联合最佳逼近。这样，数字滤波器的分析与设计其内容也更加丰富起来：各种新的数字处理系统，也都能用专用数字硬

12、件加以实现。1由上边关于数字滤波器的述说，我们可以设计一个滤波器来检测声音信号，而由于普通滤波器精确度太低，于是我们通过对数字滤波器的性能运用，我们需要编辑出数字滤波器系统，来检测机械失效是的的声音从而分析机械失效的情况。2 方案论证2.1 提出方案我们要设计一个滤波器来检测机械运转时所发出的声音，从而由图形分析机械是否失效。而滤波器有多种类型，他们可以通过软件或硬件来设计出来，这些软件滤波器和硬件滤波器都有各自的运行特点。2.2 选择自己的方案由于MATLAB软件及信号处理工具箱的不断完善，MATLAB很快成为应用学科等领域不可或缺的基础软件。而利用这个软件还可以迅速设计出数字滤波器，从而进

13、行仿真技术，是我们的工作更加简便，所以我们可以通过软件来做出我们仿真中要做的数字滤波器。 在整个设计中，利用滤波器高通或低通的特点实现对采集声音信号高频成分的滤波，最后进行滤波前后波形及频域图比较。设计中利用Matlab软件实现对声音信号的播放与处理、滤波器的设计、波形图与频谱图的绘制。2.3 设计的难点及解决方法难点1如何用Matlab软件打开声音文件并对声音文件进行播放，如何对处理后的声音文件进行回放？解决方法：查阅Matlab软件相关书籍并参考老师给的例题。难点2滤波器设计好后，如何对采集的声音文件进行滤波？解决方法：对输入信号进行滤波实质是输入信号与滤波器频域相乘时域卷积。输入信号的频

14、谱与滤波器的幅频特性都已经确定，对输入信号的频谱与滤波器的幅频特性取相同长度的带宽，如都取，取相同的离散点数N，将不同频率下的幅值定义成两个长度为N的数组，让这两个数组相乘，即实现了频域相乘的运算。这两个数组相乘的结果也是一个长度为N的数组，利用Matlab软件的plot命令将其画出即得到滤波后的频域图形。难点3由得到了滤波后的频域图形如何再得到时域图形？解决办法：在得到频域图形后，我首先想到的是利用IFFT，对频域点进行离散傅立叶反变换，即可以得到时域点，利用polt命令即绘制时域图形，经过验证此方法可行。但由于FFT计算结果的精度与选取的点数有很大的关系，不同的点数N会造成时域图形差异很大

15、。为了避免这一缺点，减少FFT运算环节，我采用了另一种方法。在Matlab软件中，提供了函数，用来在给定输入和差分方程时求解差分方程的解，运算是时域中的运算。在本设计中，由于滤波器的参数已经确定，输入信号也已知，所以可以利用这个函数直接求取经滤波器滤波后的信号在时域中的图形。3 机械零件失效噪声识别系统设计首先利用多媒体计算机采集声音信号，利用Matlab软件绘制其时域与频域波形图；根据要求是要设计一个高通的IIR滤波器，结合频域波形图在频率段的分布，选择需要滤除的频率成分，从而我们就可以确定通带截至频率和阻带起始频率并确定通带最大衰减和阻带最小衰减；利用Matlab软件提供的绘制滤波器的幅频

16、特性与相频特性图；将采集的声音信号作为滤波器的输入信号，利用函数求出经过滤波器滤波的输出信号。23.1 零部件失效声音信号采集信号是消息的载体是消息的一种表现形式。信号可以是多种多样的通常是随时间变化的某些物理量。信号按照自变量的取值是否连续可以分为连续时间信号和离散时间信号。对信号进行时域分析，首先就需要将信号随时间变化的规律用二维曲线表示出来。对于简单的信号，我们可以通过手工来绘制其波形。但是对于复杂的信号，手工绘制波形是非常困难的，且难以绘制精确的曲线。MATLAB强大的图形处理功能及符合运算功能，为我们视线信号的可视化及时域分析提供强有力的工具。在MATLAB中通常用向量来表示信号，另

17、一种是用符合运算的方法来表示。用适当的MATLAB语句表示出信号后，就可以利用MATLAB的绘图命令来绘出直观的的信号波形图。33.1.1 零部件失效声音信号的特征一般情况下我们知道机械正常运转时所发出的声音频率较低，而当机械出故障后，机械发出的声音比较刺耳，所以发出的声音频率就比较大。由于机械运行时的声音比较难与采集，我们知道男性声音的频率小于女性声音的频率，所以我们可以用男性所发出的声音来代替机械正常运行时所发出的声音，用女性的声音来代替机械失效时所发出的声音。对于声音信号，我们可以通过计算机系统和生卡相结合来采集。我们可以通过麦将声音输入。将计算机系统中的录音机按钮按下，用话筒来收集所需

18、要的声音，我们可以通过计算机系统观察到收集声音的长度，声音信号以文件名“speech”保存入g : MATLAB work 中。我们可以分别采集三个男性和三个女性的声音，保存下来。来进行机械失效的分析。3.1.2 声音信号的特征分析在MATLAB中，有“wavread”命令，我们可以通过它来读入所学要的声音信号，它可以用一个向量来表示。然后我们就可以将其进行采样分析。如下所示，是Wavread 函数常用的一些调用格式：（1）y=wavread（file）（2）y,fs,nbits=wavread(file) （3）y=wavread（file，N）（4）y=wavread（file，N1,N2

19、）4接下来，对六个声音信号Sound.wav进行普通的采集。其程序如下： y,fs,nbits=wavered (Sound); 然后，画出声音信号的时域波形，再对声音信号进行频谱分析。在MATLAB中，可以找到很多的傅里叶变换方法，它们的调用格式如下：Xk=fft(xn,N)当N小于xn的长度时，fft函数计算xn的前N个元素，忽略其后面的元素。这个设计，我们需要利用MATLAB工具来进行傅里叶变换，这样我们就可以得到相应的频谱图，其程序如下：y,fs,nbits=wavread (OriSound);sound(y,fs,nbits); %回放语音信号N= length (y) ; %求出

20、语音信号的长度Y=fft(y,N); %傅里叶变换subplot(2,1,1);plot(y);title(原始信号波形);subplot(2,1,2);plot(abs(Y);title(原始信号频谱)结果如下图：图3-1 机械正常运转时的波形及频谱图图3-2 机械正常运转时的波形及频谱图图3-3 机械正常运转时的波形及频谱图图3-4 机械失效时的波形及频谱图图3-5 机械失效时的波形及频谱图图3-6 机械失效时的波形及频谱图由六个收集到的声音信号的原始信号波形及频谱图比较可得，机械正常运转时所发出的声音信号的频率小于机械失效时所发出的声音的频率。由频域图可知，机械正常运转时的波大部分集中在

21、左侧频率较低的部分，而机械失效时所发出的波则频率高，比较集中靠右边。3.2 零部件失效声音信号识别系统的设计如一些函数butter,cheby1和ellip是用来设计IIR数字滤波器的，如果我们想要画出各步步器的频率响应，我们就需要使用freqz函数。本课程设计中用到的是N,wc=butter(N,wc,Rp,As,s)。MATLAB信号处理工具箱函数cheblap,cheblord和cheeby1是切比雪夫I型滤波器设计函数。这些函数中，cheeby1这种函数是我们用到的，其调用格式如下：B,A=cheby1(N,Rp,wpo,ftypr)B,A=cheby1(N,Rp,wpo,ftypr,

22、s)函数butter,cheby1和ellip设计IIR滤波器时都是默认的双线性变换法，所以在设计滤波器时只需要代入相应的实现函数即可。53.2.1 基于MATLAB的数字滤波器MATLAB的 最初版本是由Cleve Moler博士用FORTRAN语言开发的矩阵分析软件，MATLAB是“矩阵实验室”（MATrix LABoratory）的缩写，在80年代初期，由Cleve Moler和John Little采用C语言改写了MATLAB的内核。1992年初推出了应用于Windows 操作系统的MATLAB 4.x版,1997年推出5.1版本，1998年推出5.2版本，1999年推出MATLAB

23、5.3版本，2000年又推出更为简单易学的MATLAB 6.0版本。6滤波器，顾名思义，是指用来对输入信号进行滤波的硬件或软件。如果滤波器的输入与输出都是离散的时间信号，则该滤波器冲击响应也是必然离散的，这样的滤波器定义为数字滤波器。数字滤波器在数字信号处理的各种应用中发挥这重要的作用，它是通过对采样数据信号进行数字运算处理来达到对频域滤波的目的。数学运算通常有两种实现方式，一种是频域方法，利用FFT快速算法对输入信号进行离散傅里叶变换，分析其频谱，然后根据所希望的频率特性进行滤波，再利用IFFT快速算法恢复时域信号，这种方法具有频率选择性和灵活性，并且由于信号频谱与所希望的频谱特性是简单的相

24、乘关系，它比计算等价的时域卷积要快得多。另一种方法是时域法，这种方法是对离散采样数据做差分方程数学运算来达到滤波的最终的目的。数字滤波器用硬件来实现的基本部件包括延迟器，乘法器和加法器；如果软件来实现是，它即是一段线性总卷积程序。软件实现的优点是系统函数具有可变性，仅依赖于算法结构，并且易于获得较理想的滤波性能，所以软件滤波在滤波器的使用中起到了越来越中的作用。MATLAB信号处理工具箱的基本组成就是滤波器的设计与实现以及谱分析。工具提供丰富而简单的设计，实现FIR和IIR的方法，是原来繁琐的程序设计简化成函数的使用，特别是滤波器表达式和滤波形式之间的相互转换显得十分简单，为滤波器的设计和实现

25、开辟了一片广阔的天地。由于数字滤波器的概念比较抽象，加上其数字计算又比较繁琐，所以借助好的计算机软件来进行辅助设计，是数字滤波器研究领域的一个发展趋势。这样的软件有很多种，其中最具代表性的就是MATLAB。MATLAB具有强大的数值运算及分析功能，可以对数字滤波器进行快速精确的设计，因其编程简单直观，用户界面友善，开放性强等优点，自面世以来在国际上备受推崇，被IEEE称为国际公认最优秀的科技应用软件。利用MATLAB的强大运算功能，基于MATLAB的数字滤波器设计法可以快速有效的设计由软件组成的常规数字滤波器，设计方便、快捷，极大的减轻了工作量。并可对不同的要求,随时更改参数，以达到滤波器设计

26、的最优化7。利用MATLAB设计数字滤的方法产行生的数字滤波器系数能被许多设计软件调用，通用性强。合理利用MATLAB提供的强大工具支持和仿真工具，将为数字滤波的设计带来极大的便利。我们知道数字滤波器，常常用来处理数字信号，常见的数字滤波器有FIR数字滤波器和IIR数字滤波器两种类型。MATLAB一个处理信号的工具箱，用它们可以很快的设计出所需要的数字滤波器。我们所要研究的设计是基于MATLAB，利用这个工具来处理加入噪声的声音信号，这个样我们就利用了数字信号的知识来对加入噪声的声音信号进行时域和频域的分析。进行一些推到，从而得到相应的结论，之后利用MATLAB的工具箱来实现计算机的处理。在程

27、序设计的过程中，我们可以运用切比雪夫和巴特沃斯等方法，来设计高通滤波器，以及运用MATLAB来完成课题中的一些计算和图形的生成。由于数字滤波器要经过仿真以及频率特性分析，所以我们可以运用MATLAB的工具箱来快速的设计IIR数字滤波器，这样就更加简便的设计出来能够达到性能要求的滤波器。数字滤波器又可以分为FIR和IIR数字滤波器两种类型，两种类型滤波器都有各自的特点：FIR滤波器结构上主要是非递归结构，没有输出到输入的反馈，系统函数H (z)在处收敛，极点全部在z = 0处（因果系统），因而只能用较高的阶数达到高的选择性。FIR数字滤波器的幅频特性精度较之于IIR数字滤波器低，但是线性相位，就

28、是不同频率分量的信号经过fir滤波器后他们的时间差不变，这是很好的性质。FIR数字滤波器是有限的单位响应也有利于对数字信号的处理，便于编程，用于计算的时延也小，这对实时的信号处理很重要。 FIR滤波器因具有系统稳定，易实现相位控制，允许设计多通带（或多阻带）滤波器等优点收到人们的青睐8。IIR滤波器采用递归型结构，即结构上带有反馈环路。IIR滤波器运算结构通常由延时、乘以系数和相加等基本运算组成，可以组合成直接型、正准型、级联型、并联型四种结构形式，都具有反馈回路。同时，IIR数字滤波器在设计上可以借助成熟的模拟滤波器的成果，如巴特沃斯、契比雪夫和椭圆滤波器等，有现成的设计数据或图表可查，在设

29、计一个IIR数字滤波器时，我们根据指标先写出模拟滤波器的公式，然后通过一定的变换，将模拟滤波器的公式转换成数字滤波器的公式。3.2.2 数字滤波器的设计在自己的设计中，选择设计IIR高通数字滤波器。下边我们给出IIR高通数字滤波器的主要程序：%高通滤波器设计参数%滤波器阶数N,IIR高通滤波器的截止频率Wp(Hz),小于采样频率的1/4 figure(2) ws=0.07; wp=0.2; Rp=1; As=15;N, Wn=buttord(wp,ws,Rp,As);b,a=butter(N,Wn,high);H,w=freqz(b,a,250000,whole);magH=abs(H(1:2

30、01758);phaH=angle(H(1:201758);w=w(1:201758);subplot(2,1,1);plot(w/pi,magH,r);title(高通IIR滤波器设计（wp=0.07ws=0.2）);xlabel(幅频特性);axis(0 0.5 0 1.2);subplot(2,1,2);plot(w/pi,phaH/pi,b);xlabel(相频特性);axis(0 0.5 -1 1);得到滤波器的频域特性图 如下：图3-7 滤波器的频谱特性图4 失效噪声的识别及结果分析将收集到的六个声音信号分别输入完整的程序后，会得到对应的声音信号的波形及频谱图，然后就可以比较经过滤

31、波前后的波形及频谱图什么区别，整个滤波系统的完整程序如下： %获取声音信号的相应图形%播放声音x=wavread(sound.wav);fs = 10000; wavplay(x,fs);%绘制时域图形figure(1)m=length(x);%求出语音信号的长度s=round(m/2);n=0:1:m-1;subplot(2,1,1);plot(n,x,r);title(获取声音信号的波形图);xlabel(时域图形);axis(0 100000 -10 10)%绘制频域图形w1=abs(fft(x);stepf=fs/m;n1=0:stepf:fs/2-stepf;subplot(2,1,

32、2);plot(n1,w1(1:m/2),b);xlabel(频域图形);axis(0 3000 0 3000)%高通滤波器设计参数%滤波器阶数N,IIR高通滤波器的截止频率Wp(Hz),小于采样频率的1/4figure(2) ws=0.07;wp=0.2;Rp=1;As=15;N, Wn=buttord(wp,ws,Rp,As);b,a=butter(N,Wn,high);H,w=freqz(b,a,250000,whole);magH=abs(H(1:201758);phaH=angle(H(1:201758);w=w(1:201758);subplot(2,1,1);plot(w/pi,

33、magH,r);title(高通IIR滤波器设计（wp=0.07ws=0.2）);xlabel(幅频特性);axis(0 0.5 0 1.2);subplot(2,1,2);plot(w/pi,phaH/pi,b);xlabel(相频特性);axis(0 0.5 -1 1);%画出经过滤波器的声音信号的时域特性figure(3)x1=filter(b,a,x);subplot(2,1,1);plot(n,x1,r);grid;title(滤波后声音的波形);axis(0 100000 -10 10);%画出经过滤波器的声音信号的幅频特性w2=abs(fft(x1);stepf=fs/m;n1=

34、0:stepf:fs/2-stepf;ubplot(2,1,2);plot(n1,w2(1:m/2),r);axis(0 3000 0 3000);title(滤波后声音的幅频特性);得到滤波后的波形图为：图4-1 机械正常运转时滤波后的波形及频谱图图4-2 机械正常运转时滤波后的波形及频谱图图4-3 机械正常运转时滤波后的波形及频谱图图4-4 机械失效时滤波后的波形及频谱图图4-5 机械失效时滤波后的波形及频谱图图4-6 机械失效时滤波后的波形及频谱图总结以上图形：由滤波前后机械运转时声音信号的波形及频谱图可以明显的观察到，滤波后，机械正常运转时声音信号的所有波形都减弱了，但是由声音频谱图可

35、以观察到，机械正常运转时低频声音大部分都被滤掉了，只保留下来极少的高频段的信号；机械失效时的声音信号波形减弱了，但是由声音的频谱图可以观察出，机械失效时的声音信号一小部分被滤去了，大部分的高频保留了下来。这就再次的证明了，当机械失效时，机械零部件运转时所发出的声音的频率往往高于机械正常运转时所发出的声音的频率。所以，由我们所设计的高通滤波器来进行处理机械运转时所发出的声音信号，然后再来观察经过处理的频谱图，就可以很容易的判断出来机械零部件是否在正常的运转，然后就可以最大限度的减少由于机械零部件失效锁单来的损失。总 结从课题的中心来看，课题“基于MATLAB的机械零部件失效噪声识别系统设计”是希

36、望将数字信号处理技术应用于机械运转这一实际领域，我们用男性的低频声音来代替机械正常运转时的声音，女性的高频声音来代替失效噪声，这里就是指对语音高低频的处理。我们把这些声音信号存在计算机系统中，但是由于它们本来已经是离散过后的向量，我们之要把这些已经离散的向量拿出来，对其分析处理就可以进行了。上述所说的，都需要以MATLAB为基础，才可以进行实现。通过其中的一些函数，我们就可以吧声音和数字信号联系起来。整个设计最主要的部分在于我们把声音信号用向量的定义来处理，从而声音信号就可以数字化了。于是我们就可以把高频和低频声音信号的问题转换为数字信号的问题来解决。通过男女语音的波形及频谱图的对比，可以很明

37、显的发现，滤波后语音的波形都变弱了；男性声音的频率较低，所以频谱图中大部分的音频都被滤去了，而由于女性声音的频率较高，大部分的音频都保留下来了，通过这样，我们就能通过观察声音波形及频谱图，来检测机械在运转时发出的声音信号。设计的不足时我们需要不断的收集信号，这样才可能保证机械正常的运行，然而我们从收集信号到处理完，中间学要等一个时间，在这个过程中不能准确的判断机械是否失效。但是之后我们就可以通过观察滤波后的声音信号的波形及频谱图来判断机械零部件是否失效，如果真的失效，也可以及时的采取相应的措施，这样就可以为保证机械的正常运行提供有力的保障。致 谢这次毕业设计让我认识到了在机械领域滤波器的广泛用

38、途，在这里我要向一直给予我帮助的xxx老师表示感谢，是他让我加深了独自分析问题耐心，加强了我对那一些难点问题解决的能力，在这期间我还收到了身边朋友还有同学的大量帮助，在这也要对他们表示深深的谢意，没有他们对我的帮助，我也不会完整的做出自己的毕业设计。每天去图书馆查阅资料，也让本来觉得枯燥乏味的设计，变得丰富起来，最后通过书籍上的知识和周围老师同学的帮助，解决了一个个的难题，期间我们也有争吵，到之后才发现其实我们都一直在进步，还是要感谢颜老师严谨求实的治学太度，一直激励着自己往前更进一步，相信这些东西在不久的将来步入社会后，会愈加的珍贵难得，自己也将终生的保留老师同学给自己保留下来的财富。最后，

39、再次感谢给予我帮助的老师和同学。参考文献 1 蒋志凯数字滤波与卡尔曼滤波M北京：中国科学技术出版社，19932 曾喆昭，张志飞模拟低通滤波器电路设计J电子测量技术，2000，01 .3 楼顺天，李博菡基于MATLAB的系统分析与设计信号处理M西安：西安电子科技大学出版社，19984 胡广书数字信号处理M北京：清华大学出版社，2003.5 邱关源电网络理论M北京：科学出版社，1988.6 卢特威，朱义胜信号处理滤波器设计基于MATLAB和Mathematica的设计方法M北京：电子工业出版社，2004.7 石云霞，张志伟，范秋华Matlab在滤波器设计中的应用J，青岛建筑工程学院学报，2004.

40、8 飞思科技产品研发中心MATLAB6.5辅助优化计算与设计M北京：电子工业出版社，2003附录资料：不需要的可以自行删除各类滤波器的MATLAB程序理想低通滤波器IA=imread(lena.bmp);f1,f2=freqspace(size(IA),meshgrid);Hd=ones(size(IA);r=sqrt(f1.2+f2.2);Hd(r0.2)=0;Y=fft2(double(IA);Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=ifft2(Ya);figuresubplot(2,2,1),imshow(uint8(IA);subplot(

41、2,2,2),imshow(uint8(Ia);figuresurf(Hd,Facecolor,interp,Edgecolor,none,Facelighting,phong); 二、理想高通滤波器IA=imread(lena.bmp);f1,f2=freqspace(size(IA),meshgrid);Hd=ones(size(IA);r=sqrt(f1.2+f2.2);Hd(r0.2)=0;Y=fft2(double(IA);Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya);figuresubplot(2,2,1),im

42、show(uint8(IA);subplot(2,2,2),imshow(uint8(Ia);figuresurf(Hd,Facecolor,interp,Edgecolor,none,Facelighting,phong); Butterworth低通滤波器IA=imread(lena.bmp);f1,f2=freqspace(size(IA),meshgrid);D=0.3;r=f1.2+f2.2;n=4;for i=1:size(IA,1) for j=1:size(IA,2) t=r(i,j)/(D*D); Hd(i,j)=1/(tn+1); endendY=fft2(double(I

43、A);Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya);figuresubplot(2,2,1),imshow(uint8(IA);subplot(2,2,2),imshow(uint8(Ia);figuresurf(Hd,Facecolor,interp,Edgecolor,none,Facelighting,phong); Butterworth高通滤波器IA=imread(lena.bmp);f1,f2=freqspace(size(IA),meshgrid);D=0.3;r=f1.2+f2.2;n=4;for i=1:s

44、ize(IA,1) for j=1:size(IA,2) t=(D*D)/r(i,j); Hd(i,j)=1/(tn+1); endendY=fft2(double(IA);Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya);figuresubplot(2,2,1),imshow(uint8(IA);subplot(2,2,2),imshow(uint8(Ia);figuresurf(Hd,Facecolor,interp,Edgecolor,none,Facelighting,phong); 高斯低通滤波器IA=imread(l

45、ena.bmp);IB=imread(babarra.bmp);f1,f2=freqspace(size(IA),meshgrid);D=100/size(IA,1);r=f1.2+f2.2;Hd=ones(size(IA);for i=1:size(IA,1) for j=1:size(IA,2) t=r(i,j)/(D*D); Hd(i,j)=exp(-t); endendY=fft2(double(IA);Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya);figuresubplot(2,2,1),imshow(uint8(

46、IA);subplot(2,2,2),imshow(uint8(Ia);figuresurf(Hd,Facecolor,interp,Edgecolor,none,Facelighting,phong); 高斯高通滤波器IA=imread(lena.bmp);IB=imread(babarra.bmp);f1,f2=freqspace(size(IA),meshgrid);%D=100/size(IA,1);D=0.3;r=f1.2+f2.2;for i=1:size(IA,1) for j=1:size(IA,2) t=r(i,j)/(D*D); Hd(i,j)=1-exp(-t); end

47、endY=fft2(double(IA);Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya);figuresubplot(2,2,1),imshow(uint8(IA);subplot(2,2,2),imshow(uint8(Ia);figuresurf(Hd,Facecolor,interp,Edgecolor,none,Facelighting,phong); 梯形低通滤波器IA=imread(lena.bmp);IB=imread(babarra.bmp);f1,f2=freqspace(size(IA),meshgrid)

48、;%D=100/size(IA,1);D0=0.1;D1=0.4;r=sqrt(f1.2+f2.2);Hd=zeros(size(IA);Hd(r=D0 & r(i,j)=D1 Hd(i,j)=(D1-r(i,j)/(D1-D0); end endendY=fft2(double(IA);Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya);figuresubplot(2,2,1),imshow(uint8(IA);subplot(2,2,2),imshow(uint8(Ia);figuresurf(Hd,Facecolor,int

49、erp,Edgecolor,none,Facelighting,phong); 梯形高通滤波器IA=imread(lena.bmp);IB=imread(babarra.bmp);f1,f2=freqspace(size(IA),meshgrid);%D=100/size(IA,1);D0=0.1;D1=0.4;r=sqrt(f1.2+f2.2);Hd=ones(size(IA);Hd(r=D0 & r(i,j)=D1 Hd(i,j)=(D0-r(i,j)/(D0-D1); end endendY=fft2(double(IA);Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya);figu