دانلود پایان نامه درمورد پدیده های طبیعی و تبدیل فوریه


Widget not in any sidebars
از پاسخی که با استفاده از حسگرهای نصب شده روی سازه بدست آمده است، نمیتوان مستقیماً جهت تشخیص آسیب استفاده نمود و نیاز است که این پاسخ مورد تحلیل و بررسی بیشتر قرار گیرد.لذا معمولاً سیگنال به حوزه دیگری تبدیل می شود تا خصوصیات آن آشکارتر شود.روشهای مشهور در این کار تبدیل فوریه، تبدیل ویولت و تبدیل هیلبرت هوآنگ می باشد. در ذیل به این تبدیل ها اشاره شده است .
4-4-1 تبدیل زمان کوتاه فوریه
تبدیل فوریه یک روش برای تحلیل سیگنال مانا می باشد، اما اغلب پدیده های طبیعی مانند باد و زلزله ذاتا نامانا هستند. تبدیل زمان کوتاه فوریه، یک روش برای آنالیز سیگنال های نامانا، یعنی سیگنال هایی که خصوصیات آماری آنها با زمان تغییر می کند می باشد. این روش، آنالیز فوریه را برروی المان های سیگنال اعمال می کند.این المانها با حرکت یک پنجره درطول زمان (شکل 4-1) انتخاب می شوند .چنانچه عرض پنجره به اندازه کافی کوچک اختیار شود قسمت استخراج شده از سیگنال را می توان با دقت کافی مانا فرض نمود[24].
شکل 4-1. حرکت پنجره درطول زمان]24[
در واقع باحرکت پنجره میتوان رابطه زمان – فرکانس را تشخیص داد . بنابراین برای بدست آوردن رابطه زمان- فرکانس ، سیگنال رابه بلوک هایی تقسیم کرده وسپس طیف هر بلوک را بدست می آوریم .پارامترهایی که در تحلیل زمان کوتاه فوریه (STFT) باید تعیین شود عبارتند از:
طول هر بلوک
شکل پنجره
میزان همپوشانی بلوکهای مجاور
نمایش گرافیکی تبدیل زمان کوتاه فوریه،اسپکتروگرام نام دارد. در این طریقه نمایش رابطه زمان-فرکانس، با افزایش طول بلوک وضوح فرکانسی افزایش مییابد وبا کاهش طول بلوک وضوح زمانی بهبود خواهد یافت. به محض انتخاب تابع پنجرهای برای تبدیل فوریه زمان کوتاه،قدرت تفکیک زمان-بسامد برای کل صفحه زمان-بسامد ثابت میماند. حاصل تبدیل فوریه زمان کوتاه، یک تابع مختلط شامل اطلاعات فاز ودامنه است. هر دوی این اطلاعات برای بازسازی سیگنال ضروری است. از اطلاعات فازبرای تحلیلهای خاص استفاده میشود. مربع دامنه توزیع چگالی انرژی را بدست میدهد، و از آن به عنوان طیف نما نام برده میشود [25].
مثال: رسم اسپکترو گرام (شکل4-2) با استفاده از برنامه Matlab:
% LOAD DATA
loadmtlb;
x = mtlb;
figure(1), clf
plot(0:4000,x)
xlabel(‘n’)
ylabel(‘x(n)’)
% SET PARAMETERS
R = 256; % R: block length
window = hamming®; % window function of length R
N = 512; % N: frequency discretization
L = 35; % L: time lapse between blocks
fs = 7418; % fs: sampling frequency
overlap = R – L;