Python在振动信号处理中的应用（〇）：编者闲扯

——致敬王济老师《matlab在振动信号处理中的应用》

  自2013年“工业4.0”概念提出后，工业大数据分析与应用领域的发展可谓日新月异，不断为社会贡献各种可能。作为振动噪声领域的从业者，不禁要思考，振动噪声数据作为工业大数据的重要分支，其蕴含的信息量是巨大的，为什么没有被重点关注？我们又该如何挖掘其价值呢？

  针对第一个问题，笔者认为振动信号之所以没有被重点关注，是因为其知识门槛较高，比如对工业中常用的水泵的健康管理来说，什么信息最有用？流量、压力啊！一旦水泵有了故障，流量、压力肯定上不去了。对于大部分人来说，好理解、好观察、好用，振动信号什么的，一团乱麻，看不懂。这是最让我们这些从业者沮丧的，但是我们需要认识到，通过流量、压力可不能观察到水泵轴承开始出现磨损，而通过振动信号频谱分析倒挺轻松。那么很自然的，我们可以回答第二个问题了，我们如何去挖掘振动信号的价值呢？那就是去挖掘振动信号独特的，其他常规信号无法携带、不能轻易识别的信息，这个前景还是有无限可能的。

  鸡血打完了，又得面临残酷的现实了。振动信号处理作为一个传统学科，前辈们在上面做了多少努力，花了多少心血，都没能把他推到重点关注行列，我们能行吗？笔者认为，能！我们处在一个高速发展的时代，人工智能技术已逐渐变成一个通用型技术，它可以做语音识别，可以做人脸识别，怎么就不能做振动信号识别呢？拥抱人工智能，是振动信号处理领域从业者想要突破的一个比较好的选择。

  那么，如何拥抱？郭德纲说的好，想要创新你可以发明新的菜,但最起码你要知道什么叫炒勺，哪个叫漏勺，你拿个痰桶炒菜说是革新，那他娘的谁敢吃啊？所以，笔者选择王济老师的《matlab在振动信号处理中的应用》这部经典书籍作为切入点，采用人工智能常用软件python，对其中相关章节进行重新演绎，从基础做起逐步开展振动信号大数据处理研究。

  笔者在CSDN上发表相关内容，一方面是致敬前辈，另一方面也是给咱们优秀的读者当个垫脚石。

  文章主要内容如下：

（一）振动信号消除多项式趋势项

（二）振动信号平滑处理

（三）振动信号频域滤波处理

（四）振动信号时域滤波处理（IIR、FIR）

（五）振动加速度信号转换为速度或位移信号

（六）振动信号时域特征提取

（七）振动信号频域处理方法（Welch方法）

（八）信号处理中常见的窗函数

（九）细化快速傅里叶变化（Zoom-FFT）

（十）三分之一倍频程谱的计算

（十一）倒频谱（Cepstrum）计算

（十二）试验模态参数识别（导纳圆拟合法）