功率谱密度介绍（三）

作者：周涛   审校：冒小萍

适用版本：NX/Simcenter Nastran 任何版本

正弦信号（Sinusoidal Data）

上两篇的描述都是针对随机信号的，如果输入是正弦信号，上述的结论都是相反的。回到派对的例子中，正弦信号是这样来分配饮料的，对于正弦波，振幅随谱线数的变化不会有很大的变化。因为信号总是放在一个“玻璃杯”（即谱线）中，玻璃杯中的振幅不会随着玻璃杯的增加而改变。如图8：

图8

由于正弦信号的能量分布较为集中，使得不同频率分辨率下的自功率谱幅值是一样的（图9）。

图9

这对功率谱密度也产生了影响，此时的功率谱密度并没有类似的幅值产生，因为相同的振幅下除以不同的频率分辨率值，使得功率谱密度振幅不同。

图10

结      论

由于计算机将信号数字化成离散点，因此产生了一些有趣的数字信号处理现象。

宽带(随机)信号：

• 不同频率分辨率的自功率谱具有不同的幅值水平。

• 具有不同频率分辨率的功率谱密度具有相同的振幅水平。

正弦信号（周期）：

• 不同频率分辨率的功率谱密度具有不同的振幅水平。

• 不同频率分辨率的自功率谱具有相同的幅值水平。

在所有情况下，对于频率范围内的数据，其均方根值（RMS）总和是相同的。在评估谱函数时，最好使用均方根值进行比较，因为均方根值的振幅考虑了频率分辨率的影响。

在工业实践中，有如下典型的应用场景：

• 功率谱密度：用于量化随机振动疲劳；

• 自功率谱：用于量化正弦数据，例如，发动机，泵，齿轮等产生的谐波振动信息。

在Simcenter 3D中，可以通过函数工具包来定义各种类型的激励谱，也能够实现谱之间转换，其中PSD的创建页面如图11所示：

图11

来源：上海联宏创能信息科技有限公司