設(shè)備故障診斷信息預(yù)處理系統(tǒng)研究

李自鵬，范 龍，楊彥濤，黃志偉

（黃河水利職業(yè)技術(shù)學(xué)院，河南 開(kāi)封 475004）

0 引言

大型旋轉(zhuǎn)機(jī)械設(shè)備從設(shè)計(jì)、制造到安裝、運(yùn)行有諸多環(huán)節(jié)，任何不應(yīng)有的偏差都可能導(dǎo)致設(shè)備的“先天不足”，造成帶病運(yùn)行。 在運(yùn)行過(guò)程中，設(shè)備可能處于各種各樣的環(huán)境之中，其內(nèi)部必然受到力、熱、摩擦等多種物理、化學(xué)作用，使其性能劣化，造成“后天故障”[1]。 對(duì)設(shè)備進(jìn)行離線或者在線故障診斷，可以預(yù)測(cè)出可能出現(xiàn)的故障，從而在一定程度上減少或者避免損失。 傳統(tǒng)的故障診斷方法往往是對(duì)傳感器采集的模擬信號(hào)進(jìn)行簡(jiǎn)單的放大、濾波、模數(shù)轉(zhuǎn)換等預(yù)處理后，直接將其送到服務(wù)器，進(jìn)行信息的提取和故障的診斷。 為了獲得比較準(zhǔn)確的分析結(jié)果，就必須保證經(jīng)采樣和傳輸過(guò)程后數(shù)據(jù)的可靠性和準(zhǔn)確性。 但是，受測(cè)量工具、方法、環(huán)境以及人為干擾等因素的影響，系統(tǒng)采樣得到的一些數(shù)據(jù)往往會(huì)偏離真實(shí)數(shù)值。 如果不對(duì)信號(hào)采集過(guò)程中產(chǎn)生的異常數(shù)據(jù)進(jìn)行預(yù)處理，必然會(huì)直接影響到分析的準(zhǔn)確性，使用不當(dāng)，可能導(dǎo)致重大失誤[2]。 因此，在對(duì)設(shè)備進(jìn)行故障診斷之前，必須對(duì)含有粗差的測(cè)量數(shù)據(jù)進(jìn)行預(yù)處理。

筆者把嵌入式技術(shù)與故障診斷技術(shù)結(jié)合起來(lái)，在前端的數(shù)據(jù)采集系統(tǒng)基礎(chǔ)上，初步建立基于以32位ARM 為內(nèi)核的實(shí)時(shí)嵌入式硬件系統(tǒng)和Linux 操作系統(tǒng)的故障診斷信息預(yù)處理系統(tǒng)。 該系統(tǒng)對(duì)A/D轉(zhuǎn)換后的數(shù)字信息進(jìn)行進(jìn)一步的數(shù)字濾波，剔除信號(hào)中在模擬濾波中沒(méi)有被剔除的噪聲，提高信息純度。 同時(shí)，該系統(tǒng)建立了一個(gè)數(shù)字濾波工具箱，該工具箱中具有小波濾波、 自適應(yīng)濾波等幾種濾波形式，供系統(tǒng)選擇，以適應(yīng)不同設(shè)備、不同環(huán)境對(duì)濾波方法的不同要求。

1 濾波方法分析

1.1 小波消噪的基本原理及方法

一個(gè)含噪聲的一維信號(hào)的模型可表示為：

式中：f（i）為真實(shí)信號(hào)；e（i）為噪聲；s（i）為含噪信號(hào)；σ 為噪聲強(qiáng)度。

在實(shí)際工程中，有用信號(hào)通常表現(xiàn)為低頻信號(hào)或較平穩(wěn)的信號(hào)，噪聲信號(hào)則表現(xiàn)為高頻信號(hào)。 所以，消除噪聲的過(guò)程為：（1）對(duì)實(shí)際信號(hào)進(jìn)行小波分解。 選擇小波，并確定分解層次為N，則噪聲部分通常包含在高頻中。 （2）對(duì)小波分解的高頻系數(shù)進(jìn)行門(mén)限閾值量化處理。 （3）根據(jù)小波分解的第N 層低頻系數(shù)和經(jīng)過(guò)量化后的1～N 層高頻系數(shù)進(jìn)行小波重構(gòu)，達(dá)到消除噪聲的目的。

小波消噪的方法一般有3 種[1]：（1）用小波分解與重構(gòu)法去噪。 即根據(jù)需要將含有噪聲的信號(hào)在某一尺度下分解到不同的頻帶內(nèi)，然后將噪聲所處的頻帶置零，進(jìn)行小波重構(gòu)，從而達(dá)到去噪的目的。 （2）用小波變換閾值去噪。 由于小波變換的小波基都是緊支集，因此小波變換具有一種“集中”的能力，可以使信號(hào)的能量在小波變換域集中于少數(shù)系數(shù)上。這些系數(shù)的取值大于域內(nèi)噪聲的小波系數(shù)值。 這就意味著對(duì)小波系數(shù)進(jìn)行閾值處理，可以在小波變換域中去除低于固定幅度的噪聲。 （3）用小波變換模極大值法去噪。 觀察不同尺度間小波變換模極大值變化的規(guī)律， 去除幅度隨尺度的增加而減小的點(diǎn)（對(duì)應(yīng)噪聲的極值點(diǎn)），保留幅度隨尺度增加而增大的點(diǎn)(對(duì)應(yīng)于有用信號(hào)的極值點(diǎn))，然后再由保留的模極大值點(diǎn)進(jìn)行重建，即可以達(dá)到去噪的目的。

1.2 自適應(yīng)濾波

當(dāng)輸入信號(hào)的統(tǒng)計(jì)特性未知或者輸入信號(hào)的統(tǒng)計(jì)特性變化時(shí)，自適應(yīng)濾波器能夠自動(dòng)地迭代調(diào)節(jié)自身的濾波器參數(shù)，以滿足某種準(zhǔn)則的要求，從而實(shí)現(xiàn)最優(yōu)濾波。 因此，自適應(yīng)濾波器具有“自我調(diào)節(jié)”和“跟蹤”能力。 它廣泛應(yīng)用于系統(tǒng)辨識(shí)、回波消除、自適應(yīng)譜線增強(qiáng)、自適應(yīng)信道均衡、語(yǔ)音線性預(yù)測(cè)、自適應(yīng)天線陣等諸多領(lǐng)域。 自適應(yīng)濾波器可以分為線性自適應(yīng)濾波器和非線性自適應(yīng)濾波器。 非線性自適應(yīng)濾波器包括Volterra 濾波器和基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)濾波器。 非線性自適應(yīng)濾波器具有更強(qiáng)的信號(hào)處理能力。 但是，由于非線性自適應(yīng)濾波器的計(jì)算較復(fù)雜，實(shí)際用得最多的仍然是線性自適應(yīng)濾波器[6]。 本文只討論線性自適應(yīng)濾波器及其算法，其工作原理如圖1 所示。

圖1 自適應(yīng)濾波器原理框圖Fig.1 Self-adaptive filter schematic

圖2 智能信息預(yù)處理系統(tǒng)組成圖Fig.2 Intelligent information pretreatment system

圖中，W（n）表示自適應(yīng)濾波器在時(shí)刻n 的權(quán)矢量；X（n）=[x（n），x（n-1），…，x（n-L+1）]T為時(shí)刻n的輸入信號(hào)矢量； d（n）為期望輸出值；v（n）為干擾信號(hào)；e（n）是誤差信號(hào)；L 是自適應(yīng)濾波器的長(zhǎng)度。

根據(jù)優(yōu)化準(zhǔn)則的不同，自適應(yīng)濾波算法可以分為最小均方誤差（LMS）算法和遞推最小二乘（RLS）算法兩類(lèi)[6]。LMS 算法使濾波器的輸出信號(hào)與期望輸出信號(hào)之間的均方誤差E[e2（n）]最小，RLS 算法決定自適應(yīng)濾波器的權(quán)系數(shù)向量W（n）， 使估計(jì)誤差的加權(quán)平方和J（n）=最小。 其中，λ 為遺忘因子，且0＜λ≤1。 本文只應(yīng)用LMS 算法。

2 總體方案設(shè)計(jì)

2.1 系統(tǒng)的總體規(guī)劃

本文以信息預(yù)處理為研究對(duì)象，設(shè)計(jì)了旋轉(zhuǎn)機(jī)械現(xiàn)場(chǎng)信號(hào)的采集和預(yù)處理系統(tǒng)。 該系統(tǒng)是ARM芯片在實(shí)際工業(yè)測(cè)試中的一種應(yīng)用， 具有快速、靈活、操作簡(jiǎn)便、性能可靠等特點(diǎn)。 它可以提供較強(qiáng)的數(shù)字信號(hào)分析和控制功能（包括從預(yù)設(shè)的預(yù)處理菜單和濾波工具箱中選擇合適的預(yù)處理方式和數(shù)字濾波方法）， 并且具有波形數(shù)據(jù)和頻譜數(shù)據(jù)存儲(chǔ)功能，還可以將數(shù)據(jù)導(dǎo)入后臺(tái)，進(jìn)行進(jìn)一步的精確分析和故障診斷。 整個(gè)系統(tǒng)由數(shù)據(jù)采集處理模塊和主控制模塊（數(shù)據(jù)的管理、通信以及人機(jī)交互部分等）兩個(gè)基本單元組成。 系統(tǒng)總體框圖如圖2 所示。

2.2 系統(tǒng)軟件設(shè)計(jì)

本文所設(shè)計(jì)的預(yù)處理系統(tǒng)軟件部分主要完成的以下功能：（1）根據(jù)指令或者設(shè)置對(duì)模數(shù)轉(zhuǎn)換后的數(shù)據(jù)進(jìn)行相應(yīng)的信號(hào)處理；（2）處理鍵盤(pán)掃描，響應(yīng)按鍵命令，進(jìn)行相應(yīng)處理；（3）USB 數(shù)據(jù)通信和網(wǎng)絡(luò)傳輸；（4）根據(jù)相應(yīng)操作，進(jìn)行數(shù)據(jù)存儲(chǔ)。 按照所要實(shí)現(xiàn)的功能，整個(gè)系統(tǒng)被劃分為幾個(gè)并行存在的任務(wù)層。 對(duì)信號(hào)進(jìn)行預(yù)處理時(shí)，根據(jù)實(shí)際需要選擇其中一種或者幾種任務(wù)，并且可以隨時(shí)調(diào)整。

系統(tǒng)利用嵌入式實(shí)時(shí)操作系統(tǒng)內(nèi)核對(duì)所有“任務(wù)”進(jìn)行統(tǒng)一調(diào)度和管理，使CPU 的使用權(quán)在建立的“任務(wù)”間切換；同時(shí)，在多任務(wù)機(jī)制下，使應(yīng)用程序模塊化、開(kāi)發(fā)任務(wù)層次化。 軟件系統(tǒng)的整體框架如圖3 所示。

圖3 主控制軟件系統(tǒng)的整體結(jié)構(gòu)圖Fig.3 Massive structure of master-control software system

3 濾波工具箱的設(shè)計(jì)

3.1 設(shè)計(jì)思路

數(shù)據(jù)采集與預(yù)處理部分是故障診斷系統(tǒng)的最前端。 傳感器采集的旋轉(zhuǎn)機(jī)械工況參數(shù)通過(guò)跟蹤式抗頻混低通濾波器去除信號(hào)中的高頻噪聲，并使后續(xù)的模數(shù)轉(zhuǎn)換滿足采樣定理[4]。 從濾波器出來(lái)的信號(hào)經(jīng)過(guò)放大處理，使信號(hào)電壓與A/D 芯片的輸入電壓匹配。 A/D 芯片在處理器的控制下，完成輸入模擬信號(hào)的采集和數(shù)字轉(zhuǎn)換。 獲得的數(shù)字信號(hào)在ARM 芯片中進(jìn)行進(jìn)一步的信息預(yù)處理。

本文設(shè)計(jì)了一個(gè)具有濾波功能的“工具箱”，它能對(duì)A/D 轉(zhuǎn)換后的數(shù)字信息進(jìn)行濾波，剔除模擬濾波中沒(méi)有被剔除的噪聲，為后續(xù)信息處理和故障診斷打下良好基礎(chǔ)。

3.2 結(jié)構(gòu)設(shè)計(jì)

本次設(shè)計(jì)的濾波工具箱中主要有小波分解與重構(gòu)法、小波變換閾值去噪中的軟閾值法和硬閾值法、 小波變換模極大值法、LMS 自適應(yīng)濾波算法和RLS 自適應(yīng)濾波算法等幾種濾波形式供系統(tǒng)選擇使用，以適應(yīng)不同設(shè)備、不同環(huán)境對(duì)濾波方法的不同要求。 各種濾波程序分塊儲(chǔ)存在系統(tǒng)存儲(chǔ)器的指定位置，主控制ARM 芯片根據(jù)指令發(fā)生中斷，然后調(diào)用所需要的濾波程序，對(duì)信號(hào)進(jìn)行相應(yīng)的處理。 使用該工具箱時(shí)，可以根據(jù)信號(hào)類(lèi)型、工作環(huán)境、專(zhuān)家經(jīng)驗(yàn)等事先設(shè)定或者從診斷中心通過(guò)指令隨時(shí)改變?yōu)V波方法， 也可以對(duì)幾種濾波方法逐個(gè)實(shí)驗(yàn)，再根據(jù)結(jié)果選擇較適合的方法。

4 仿真

用機(jī)車(chē)滾動(dòng)軸承滾子掉塊的采樣信號(hào)作為仿真信號(hào)（如圖4 和圖5 所示），利用Matlab 軟件，分別采用LMS 自適應(yīng)濾波算法和RLS 自適應(yīng)濾波算法處理。 處理后的波形如圖6 和圖7 所示，其相應(yīng)的頻譜如圖8 和圖9 所示。

圖4 原始信號(hào)Fig.4 Original signal frequency spectrum

圖5 原始信號(hào)的頻譜Fig.5 LMS self-adaptive filtering algorithm denoising result

圖6 LMS自適應(yīng)濾波算法去噪結(jié)果圖Fig.6 Spectrogram processed by LMSself-adaptive filtering algorithm

圖7 LMS自適應(yīng)濾波算法處理后的頻譜圖Fig.7 LMS self-adaptive filtering algorithm denoising result

從仿真效果圖中可以看出，所用濾波方法都能較好地濾出信號(hào)中的干擾和噪聲，提高了信號(hào)的信噪比，為后期處理做好了準(zhǔn)備。

圖8 RLS自適應(yīng)濾波算法去噪結(jié)果圖Fig.8 Spectrogram processed by RLS self-adaptive filtering algorithm

圖9 RLS自適應(yīng)濾波算法處理后的頻譜圖Fig.9 RLS self-adaptive filtering algorithm denoising result

5 結(jié)語(yǔ)

本文設(shè)計(jì)的信息預(yù)系統(tǒng)采用當(dāng)代流行的、控制和信號(hào)處理較好的工業(yè)級(jí)ARM 芯片作為系統(tǒng)的處理器，提高了數(shù)據(jù)采集的運(yùn)行速度。 仿真實(shí)驗(yàn)證明，該預(yù)處理系統(tǒng)能快速、可靠、較精確地濾除信號(hào)中的干擾和噪聲，增加了信息的純度、提高了信噪比，改善了上傳數(shù)據(jù)的質(zhì)量，為后續(xù)的特征分析和故障診斷打下了良好的基礎(chǔ)。

[1] 彭玉華. 小波變換與工程應(yīng)用[M]. 北京: 科學(xué)出版社，1999：12-13.

[2] 李自鵬，孫俊杰. 具有濾波工具箱的故障診斷采集系統(tǒng)研究[J]. 機(jī)床與液壓，2007（11）：185-187.

[3] 王欣，王德雋著. 離散信號(hào)的濾波[M]. 北京:電子工業(yè)出版社，2002：23.

[4] 何振亞. 自適應(yīng)信號(hào)處理[M]. 科學(xué)出版社，2002：32-33.

[5] 何立民. 嵌入式系統(tǒng)的定義與發(fā)展歷史[J]. 單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2004(1)：6-8.

[6] 孫天澤，袁文菊，張海峰. 嵌入式設(shè)計(jì)及Linux 驅(qū)動(dòng)開(kāi)發(fā)

指南-基于ARM9 處理器 [M]. 電子工業(yè)出版社，2005:101.