含光左卫的工作笔记集

FFT幅度仍然不大对，主要目的是为了找到典型的正转正拉，正转反拉频谱。最终在附录A中找到了两组典型的正转反拉波形。为接下来的工作做数据筛选。

假定平面静电场的电力线是一个抛物线方程：其中c>0，求这个电场的等电势线。这其实就是在已知该解析函数在四维空间的一个切面的某一个维度的函数表达式的情况下，求解第四维德分布函数。我看看能否直接用希尔伯特变换来处理它。我知道答案，所以，要做的只是看我的解法是否和传统的解法一致。

希尔伯特变换所得到的解析信号的唯一性证明。。。

讨论了希尔伯特变换相关的信号处理频域和时域特征，以及在振动分析中的一个典型应用，求复包络。

首先是一些中间结论：1.电机定子磁场逆时针旋转频率f12.转子的感生电流的频率因为转差率f2很小，刚好等于s*f1，同方向旋转。3.转子感生电流产生的同方向旋转磁场频率f2+那个稍稍滞后的转子实际转速(f1-f2)，回馈给定子线圈的最终感生电流的频率，刚好是：f2 + f1-f2 = f1。

两次训练的数据集，nvidia3090上跑的还要多10%的数据。nvidia环境没有做优化。nvidia3090的训练速度是i7-13700 2.4G的20倍。

术后谵妄、非原发谵妄的发生率，主要诱导因素，预防，围术期康复。一篇2022年的医学综述性论文摘要。里面的相关性分析方法在科研方面是可以引用的。

首先，时间轴的坐标是对的，9.9~10.0秒，单位是秒，100ms有5个波形，所以是20ms一个波形。这是50Hz的信号。频差就体现为幅度的周期起伏，频差周期在100ms也就是10Hz有一个。理论的转差率极限大概在3~5%,对应到频差是50*0.03~50*0.05 = 1.5Hz~2.5Hz,也就是：750ms到400ms。稍后对原始信号，混入磁场饱和的3，5倍频后，建模观察一下可能的情形。1.真实的周期似乎在100ms级别，换算为转差率只有10Hz，会不会这是三倍频或者五倍频信号对应的？

注意：对于高频信号传输，如果需要降低高频信号交流阻抗，需要的是导线更细，把截面压得更扁。2倍趋肤深度的额外覆铜是浪费。

标准PQ系列变压器的基本参数和PC95材质的特性曲线,及物理意义分析.

现在的应用的数据推送真是精准。这个课程，价格合适我大概率会参见，因为避免走弯路。最近的工作会与此相关。仅仅是大纲本身应该也有价值，大概能看到电机控制的一些知识地图。因为工作可能与嵌入式教学相关，我还买了csdn的会员。看看这一年吧。

一组电缆的相关结构样例，这里给出了一家很有希望的位移测量供应商的相关产品概览。在工业控制领域，位移测量是非常重要的一环。

去年因为要分析示波器波形，下载过它的MAUI Studio。它的免费版需要逐年注册。注册是免费的。示波器从业人员和工程技术人员可以看看示波器的第一梯队的设计和功能项点是怎样的。其他示波器，和工程中自己生成的.csv文件经过一些非常简单的自制工具就可以导入这个分析，呈现工具。我的csdn下载项里似乎上传过部分用python写的转换工具。我应该还处理micsig示波器=>lecroy格式的示波器波性文件的单向转换。我的注册到期了，注册完毕我把它运行起来的界面再截几张图过来，这是桌面很好用的一个采样数据分析工

希尔伯特变换的本质是因为把信号翻转pi/2。如果原来的函数是A(x)*sin(ax),然后经由希尔伯特变换后的形式是-A(x)*cos(ax).然后如果计算sqrt(原始信号^2 +变换后的信号^2)，会转变为：sqrt(Ax^2(sinx^2 + cosx^2))，因为sinx^2 +cosx^2始终为1.所以，A(x)就会借助这个均方根过程析出。

IIR滤波器在电参数测量领域的工程应用时会遭遇的问题、讨论以及python模拟实验。

总结一下巴特沃斯滤波器的基本频响特征和应用时截止频率的选择原则：-3db称为截止频率，截止频率处的相移有-45度。-20db处开始，表述频率-衰减的双对数曲线中开始展现出线性特征。这意味着，从-20db位置频率增大十倍，衰减也相应增大到-40db在-20db位置，相移已经近似-90度。下面的讨论中我知道了如果信号频率是freq，应用这类滤波器时，实际上要把截止频率设置为1/10*freq，乃至1/20*freq.然后其他的一阶IIR低通滤波器，比如Chebyshev, and Elliptic，

电参数测量的英文名称是“Electrical Parameter Measurement”。在具体应用中，可能会看到以下几种相关的术语：Electrical Measurement：电气测量，泛指对电气参数的测量。Power Measurement：功率测量，专指对电功率的测量。Energy Metering：能量计量，通常指对电能的测量和记录。Power Quality Measurement：电力质量测量，关注电力系统中电压、电流波形和谐波等方面的测量。属于自动化的基础。

现场发现了一批同批次的起升电机，电流特性非常不同。以空载电流为例。大部分电机空载电流在17A左右（对应10吨电动葫芦，大概7m/min的起升速度），但是有部分电机的空载电流只有12A，14A左右，起升电机的铭牌标注的特性是差不多的——额定电流30A。这个问题困扰我了很久，直到周末有人提及了电流的机械特性曲线，我才大致明白问题出在哪里。

电动葫芦的缆绳重量估算。以及吊车机上下行电流，以及变频器在上下行时的细微频率调整。文中额外论述了上下行电流的相对大小，以及原因。以及有变频器情形下，上下行电流的频率和幅度特性。

一个振动信号的特征频率结算方法，及数学模型，演示，in python.

工程应用中即使知道信号是由正弦波叠加，也不能直接利用PPK与RMS的固定关系，速算的示例和原因分析。

速度积分错误的排错过程。

一个土木工程专业教材里，针对振动监测的章节笔记。

冲击性信号的频谱特征——FFT变换和逆变换是针对复数域的，无论时域和频域，都可以是复数域。实数时域波形FFT变换后的共轭特征是FFT变换的一个特例。对于复数时域波形，FFT变换的结果，并不必然显现出对称性。人为抹掉高频信号后的信号，如果转换时域，一定与原始信号不同。但是我们观测到的现象是，这个把高频分量抹掉后，转回时域的模分量，近似不变。在进行FFT显示时，我们抹掉了FFT结果的相位的部分；事实上，时域图我们也抹掉了那个复数的相位。抹掉相位之后的信号，与原信号在模分量上可以显著不同。

30A处转差率应为6.6%。

尝试对既有电机数据建立模型，并验证。在各个频率下的预测值与误差。

起升电机电流原始数据识读，及转差率估算过程的工程实现。

一个发现：电机上下行电流差与负载正比——从理论模型推导，提出假说，实验数据整理、验证，进行曲线拟合，数据点，拟合曲线与原始理论模型比对的全过程。

对于电机负载测量而言，在空载时，电机的电抗基本上是感性成分，近似与输入电流呈90度角，电机的负载等效于电抗的阻性成分——阻抗，它与空载电流近似呈90度夹角。如果期望用电流的变化来测量输出功率，则近似是在测量cos，小负载时，你可以凭借上面的分析，知道测量的难度有多大。怎么办？昨天想到这个问题，感觉根本出路是，小角度时，尝试绕开电流测量，转而去去测量电路的阻抗值——相当于直接测量了那个角度；在大角度时，则可以直接靠测量电流值。

IEPE传感器可以视作电压源，自身被恒流源驱动，然后输出电压，一般是+-5V实际在输出至采集器AI时，会在电路中添加一个1uF的电容。AI是一个交流电压信号，被一个高内阻的采集电路采集，输出上面的值。问题是1uF电容在低频时阻抗会变大，这其实构成了一个高通滤波，容抗在10Hz下的是：1/(2*pi*f*c) = 16K，查阅过采集器内阻是1M欧，此时因为C分压引起的采集值变化是：5*arctg(16/1000) = 1.6%,所以24%的衰减不可能是因为它。

GearBox的频谱图，原作者不知道是从哪里拷贝来的，待会儿确认一下。齿轮啮合频率GMF等于齿数乘以齿轮转速频率：★齿轮啮合频率两边有边频，间距为1X（这是由冲击响应本身的信号特征决定的，参见下面的实验，这里的1x单位应该是转频，在上面的图中可以看出）★随着齿轮故障发展，边频越来越丰富，幅值增加（频谱边频丰富很难理解，因为冲击力会随着磨损逐渐变得圆滑，这个需要做实验）★可用倒频谱作进一步分析1.★齿轮啮合频率等于齿数乘以齿轮转频★啮合频率两边存在边频，间距为1×。

转速6.4转时,此时150Hz转速大概是24x。此时的200Hz处的频点，大概是30x，30x频这里似乎是另一个振动源。它的边频谱线特征与150Hz的不在一个体系。24x倍频的谱线特征在时域，相对24x转频是一种比较平缓的单周期正弦效果，所以，推测是一种偏心效应。是轴心没有对齐导致的。30x高频部分，这种类似的偏心趋势在蔓延，这是另一根轴。所以，那个频点的时域幅度调制大概率是由这根低速轴传递过去的。

YUV解码时可能出现的常见故障及解决

SKF自己的一套有关包络解算的指导书

必须引入高等数学知识才能解决的问题，相关工业门类及问题概述；包含复杂信号时域分析与微小信号提取技术相关的书目，期刊

这里展示了频域的滤波器在时间轴对应的（线性时不变）系统的冲击响应函数的等价形式。包含互转换python代码.

卷积运算以及在振动分析中的应用。一些笔记和讨论。其他的卷积运算适用的场合，如信号与系统，机械涉及，机器学习可以参考。

​原始传感器数据搜集用了mqtt，然后通过emqtt往redis推送，最终的数据呈现用了Grafana.EMQX Enterprise 5.4.1+ 用于在设备现场和 Redis 之间进行消息传递的 MQTT Broker。Node.js 18.17 用于模拟生成环境传感器数据，以及触发备个各类行为事件的运行环境。Redis 7.0.12 用于传感器数据暂存与分析、设备事件存储和分析。Grafana 9.5.1+ 用于展示和分析采集数据的可视化平台。​

加速度信号积分的一个可能错误，及演示。这是振动分析的必修课。

多个传感器对应的多个逻辑通道需要同步采样。逻辑通道数量超出了物理采集器的极限，需要多台采集器同时工作。各个逻辑通道的采样率，采样点数可能都不相同。有些通道不需要采集太多数据，而有些通道需要连续采集大量数据。多通道、高采样率采样时在同一个采集器上，可能会遭遇物理采集器的极限。采样时因为电源因素，可能会涉及到预采样部分数据点。在采集到一组数据后要尽快上传，因为后续对数据分析也是高耗时过程。数据分析过程包含各个通道的分析，和关联通道分析。