Main Content

비선형 특징

비선형 특징은 진동 신호의 무질서한 동작을 특성화하는 메트릭을 제공합니다. 이러한 특징은 베어링, 기어, 엔진과 같은 시스템의 진동 및 음향 신호를 분석하는 데 유용할 수 있습니다. 앱에서 비선형 특징을 생성하는 데는 다른 특징을 생성하는 것보다 더 많은 계산이 사용됩니다.

비선형 특징의 고유한 이점은 특징이 기본 시스템 동특성의 위상 공간 궤적의 변화를 반영한다는 것입니다. 이러한 변화는 결함 상태가 발생하기도 전에 발생할 수 있습니다. 따라서 비선형 특징을 사용하여 시스템의 동특성을 모니터링하는 것은 베어링이 살짝 마모된 경우와 같은 잠재적인 결함을 조기에 식별하는 데 도움이 될 수 있습니다.

위상 공간 재구성 파라미터

모든 비선형 특징은 위상 공간 재구성을 사용합니다. 위상 공간이란 가능한 모든 변수 상태의 다차원 매핑입니다. 이 매핑은 시스템의 전체 동적 동작에 대한 큰 그림을 제공합니다. 위상 공간 재구성은 단일 1차원 신호로부터 다차원 위상 공간을 다시 만들어내는 기법입니다.

  • 임베딩 차원 — 위상 공간의 차원으로, 동적 시스템의 상태 변수 개수와 같습니다.

  • 지연 — 재구성을 수행하는 데 사용되는 지연 값입니다.

디폴트 값인 ‘Auto’로 설정하면 이러한 파라미터가 자동으로 추정됩니다. 파라미터에 수동으로 여러 값을 지정하여 설정이 특징의 효과에 미치는 영향을 살펴봅니다.

위상 공간 재구성에 대한 자세한 내용은 phaseSpaceReconstruction을 참조하십시오.

근사 엔트로피

근사 엔트로피는 신호의 규칙성 또는 역으로 신호의 예측 불가능성을 측정합니다. 시스템 내의 성능 저하는 일반적으로 근사 엔트로피를 증가시킵니다.

  • 반지름 — 데이터의 변동이 비슷하다고 간주되는 유의미한 범위를 식별하는 유사성 기준입니다. ‘Auto’ 설정은 디폴트 값을 호출합니다. 디폴트 값은 신호의 분산 또는 공분산을 기반으로 합니다.

상관 차원

상관 차원은 무질서한 신호의 복잡도를 측정합니다. 복잡도는 자기 유사성을 반영합니다. 성능 저하는 일반적으로 신호의 복잡도를 증가시키며, 이에 따라 이 메트릭의 값이 증가합니다.

  • 유사성 반지름 — 상관 차원 계산에 포함할 점의 경계 범위입니다. 디폴트 값은 신호 공분산을 기반으로 합니다.

    탐색을 사용하여 반지름 값을 시각적으로 탐색합니다. 탐색은 반지름 대 상관 적분의 플롯을 표시합니다. 상관 적분은 두 개의 서로 다른 시간 간격에서 시스템의 상태가 가까울 평균 확률입니다. 이 적분은 자기 유사성을 반영합니다. 아래 Figure에서 볼 수 있듯이 세로 경계 선 중 하나를 이동하여 유사성 범위를 수정할 수 있습니다. 목표는 곡선의 선형 부분에 경계를 지정하는 것입니다. Figure를 닫으면 경계값이 상관 차원 설정으로 자동으로 전달됩니다.

  • 점의 개수 — 최소 범위 값과 최대 범위 값 사이의 점의 개수입니다. 이 설정은 계산의 확정에 영향을 줍니다.

상관 차원에 대한 자세한 내용은 correlationDimension을 참조하십시오.

랴푸노프 지수

랴푸노프 지수는 위상 공간에서 무한히 가까운 궤적의 분리율을 기반으로, 신호 이상으로 인해 무질서한 정도를 측정합니다. 시스템 내의 성능 저하는 이 값을 증가시킵니다. 양의 랴푸노프 지수는 무질서가 존재함을 나타내며, 그 정도는 지수의 크기와 관련이 있습니다. 음의 지수는 무질서하지 않은 신호를 나타냅니다.

  • 확장 범위 – 국소 확장률을 추정하는 데 사용되는 점의 경계를 지정하는 정수 경계 범위입니다. 국소 확장률은 랴푸노프 지수를 계산하는 데 사용됩니다.

    탐색을 사용하여 확장 범위와 확장률 사이의 관계(평균 로그 발산)를 탐색합니다. 플롯에서 선형인 한 부분을 선택하고 정수를 사용하여 영역에 경계를 지정합니다. Figure를 닫으면 경계값이 최솟값 및 최댓값 확장 범위 설정으로 자동으로 전달됩니다.

  • 평균 주기 — 특정 점의 최근접이웃을 찾아서 가장 큰 랴푸노프 지수를 추정하는 데 사용되는 정수 임계값입니다. 신호의 평균 주파수를 기반으로 디폴트 값이 결정됩니다.

랴푸노프 지수에 대한 자세한 내용은 lyapunovExponent를 참조하십시오.

추가 정보

계산 결과는 새 특징에 저장됩니다. 새 특징 이름에는 소스 신호 이름과 접미사 nonlin이 포함됩니다.