另一方面对电流信号进行较为详细的时域分析以提供系统分析的时域特征值。使用 Peak 
Detector 进行信号的波峰检测得到每个周期内最高点的数值、位置等数据，以此为基础作
出电机的特征曲线。电机正常运转时特征曲线近似为一条水平直线，运转异常时则会产生
平移和起伏，其均值和方差都有较为显著的变化。使用 Pulse Parameters 进行信号的参数检
测，得到信号的超调量、上升时间等参数，这些参数描述了电流波形的细节信息。因此选
取了电流信号的超调量和幅值之比、上升时间和频率之比以及特征曲线的均值和方差作为
系统状态分析的 3

 

组时域特征值。

    事后数据处理主要包括电流、电压的频域分析。对于步进电机系统的检测，一个较为重
要的应用是识别出正常信号中夹带的短暂反常现象并展示其成分，为了克服傅里叶变换
没有时间分辨率的缺陷，采用了对异常信号段进行短时傅里叶变换的分析方法。信号算法
实现短时傅里叶分析得到信号的幅值谱，表明了在短时间段上绕组电流、驱动电压的能量
分布。电机系统发生异常时的电流、电压信号除正常的基频及倍频成分外，出现了额外的
低频成分或直流分量，其倍频和基频的幅值之比也有明显的变化，因此选取了信号的 3

 

倍频和基频的幅值比作为系统状态分析的频域特征值。

    对于在线检测及故障诊断系统来说，除了选取适当的信号处理算法提取有效的特征值
之外，更为重要的一点是对被测系统的历史数据的归纳和分类，给出各特征值的典型值
作为系统状态的判别条件。以下是在瑞士 ARSAPE 公司的微型两相永磁式步进电机 1020
上测得的典型值，其驱动方式为采用 A3966SLB

 

驱动模块的两相单四拍驱动。

    基于虚拟仪器技术开发的步进电机检测系统，在发生故障时针对故障单元进行的诊断

 

提高了系统的维护效率，大大缩短了故障恢复时间。