風力發(fā)電機振動采集系統(tǒng)的設(shè)計

褚世凱，秦會斌

(杭州電子科技大學新型電子器件與應(yīng)用研究所，浙江杭州310018)

風力發(fā)電機振動采集系統(tǒng)的設(shè)計

褚世凱，秦會斌*

(杭州電子科技大學新型電子器件與應(yīng)用研究所，浙江杭州310018)

針對振動分析在風力發(fā)電機狀態(tài)檢測及故障定位中的作用，設(shè)計了基于ADXL335三軸加速度傳感器的振動采集系統(tǒng)，并通過STM32實現(xiàn)模數(shù)轉(zhuǎn)換。對信號采集過程中出現(xiàn)的頻率混疊，設(shè)計了六階巴特沃斯低通濾波器，采用Savitzky-Golay平滑算法對信號中摻雜的噪聲進行去噪。測試結(jié)果表明:所設(shè)計濾波器可有效濾除600 Hz以上的信號，振動加速度的誤差可控制在0.5%以內(nèi);Savitzky-Golay平滑算法可有效消除信號中的噪聲。

振動;風力發(fā)電機;ADXL335;巴特沃斯;Savitzky-Golay

風力發(fā)電機是風能開發(fā)的主要設(shè)備，其結(jié)構(gòu)復(fù)雜，運行環(huán)境惡劣，因此風力發(fā)電機故障頻發(fā)。根據(jù)實踐，風力發(fā)電機常見故障主要集中在機械部件上，如齒輪箱、低速軸、高速軸以及發(fā)電機等［1］。機械振動包含的信息豐富，在故障時的反應(yīng)迅速，且測量方便，因此目前風力發(fā)電機的狀態(tài)檢測與故障定位主要基于振動信號的分析。

趙志宏［2］等針對滾動軸承振動信號的不規(guī)則性和復(fù)雜性，提出一種基于小波包變換與樣本熵的軸承故障診斷方法。鄭近德［3］等針對滾動軸承不同故障振動信號具有不同復(fù)雜性的特點，提出基于多尺度熵和支持向量機的滾動軸承故障診斷方法。張淑清［4］等將局部均值分解近似熵和模糊C均值聚類方法結(jié)合，將機械振動信號局部均值分解后所得PF分量的近似熵作為特征向量，輸入到模糊C均值聚類分類器中，實現(xiàn)了不同類型機械故障的分類識別。Bafroui［5］等將小波能譜熵應(yīng)用于齒輪箱故障診斷，通過采集齒輪箱升速過程中的動態(tài)信號，并加以分析，實現(xiàn)了齒輪箱不同轉(zhuǎn)速條件下的動態(tài)過程故障診斷。Hernandez-Vargas［6］等針對異步電機轉(zhuǎn)子斷條和軸承故障的早期檢測問題，提出奇異值分解和信息熵相結(jié)合的方法。

現(xiàn)有研究主要聚焦于對振動的數(shù)字信號處理，在振動信號采集方面并沒有太多的關(guān)注。但是所采集信號的準確度對后期的信號分析有著非常大的影響，對于采樣過程中出現(xiàn)的頻率混疊也只能在采集過程中進行處理。因此本文設(shè)計了風力發(fā)電機振動采集系統(tǒng)，采用了六階巴特沃斯模擬低通濾波器對傳感器的模擬輸出進行處理，同時采用了Savitzky-Golay數(shù)據(jù)平滑算法進行信號除噪。

1 方案設(shè)計

振動采集系統(tǒng)的硬件結(jié)構(gòu)如圖1所示，利用ADXL335三軸加速度傳感器采集風力發(fā)電機的振動。為了避免ADC過程中的頻率混疊現(xiàn)象，本文有針對性的設(shè)計了低通濾波電路。通過STM32的ADC模塊進行模擬信號的采集，同時STM32將采集的數(shù)據(jù)轉(zhuǎn)換為加速度值。采集的數(shù)字信號通常都難以避免的摻雜著噪聲［7］，如電路板之間由于器件耦合而產(chǎn)生的毛刺，信號采集過程中出現(xiàn)的周期性干擾，以及各種惡劣環(huán)境因素的影響。這些干擾噪聲的頻率帶寬比較大，對原始信號的影響也比較嚴重，所以需要對信號進行平滑處理，以達到減小噪聲的目的。最終將采集的數(shù)據(jù)通過串口發(fā)送給上位機。

圖1 系統(tǒng)結(jié)構(gòu)圖

2 ADXL335的應(yīng)用

本文選取了ADXL335三軸加速度傳感器，它可測量±3 gn以內(nèi)的加速度，具有1.8 V～3.6 V的寬工作電壓范圍，可抵御10 000 gn的沖擊［8］。ADXL335的靈敏度與電壓成正相關(guān)，在電壓為2 V時其靈敏度為195mV/gn，電壓每升高0.1 V靈敏度也隨之升高約10mV/gn。ADXL芯片內(nèi)每個輸出端都接有一個32 kΩ的電阻，如果在輸出引腳上外接一個適當?shù)碾娙?，那就可?gòu)成簡單的低通濾波電路，從而達到控制輸出帶寬的目的，本文中在輸出引腳XOUT、YOUT、ZOUT別接0.01μF電容，使其輸出帶寬為600 Hz。為了減少電源中的噪聲，通常會將ADXL335 VS端外接一個去耦電容，一般可采用0.1μF的電容。其應(yīng)用電路如圖2所示。

圖2 ADXL335應(yīng)用電路

3 巴特沃斯濾波器的設(shè)計

在等步長的離散采樣過程中會出現(xiàn)混疊現(xiàn)象，在數(shù)學上早已通過傅里葉分析進行過證明。當發(fā)生頻率混疊時，原始信號中就會夾雜原本不存在信號與頻率，其直接結(jié)果就是對所采集信號造成干擾。Butterworth濾波器在其通帶內(nèi)幅值響應(yīng)最為平坦，其阻頻帶的頻率衰減不夠出色，這方面的不足可通過增加濾波器的階數(shù)來彌補。隨著階數(shù)的增加電路的復(fù)雜度也隨之提升，因此首先需要找出滿足需求的最低階數(shù)。對此可通過式(1)進行計算:

式中，α2為最小阻帶衰減，ωs為阻帶頻率，ωc為截止頻率。本文中α2=20 dB，ωs=900 Hz，ωc=600 Hz，K=1。將參數(shù)代入式(1)可得n=5.666 480，因此巴特沃斯濾波器的階數(shù)至少為6階。

巴特沃斯低通濾波器的電路實現(xiàn)有多種，本文通過3個二階無限增益多端反饋電路(簡稱MFB)的級聯(lián)來實現(xiàn)我們所需的六階巴特沃斯低通濾波器。二階MFB低通濾波電路如圖3所示。

圖3 二階MFB低通濾波電路

此電路有著下面的關(guān)系式:

對以上各式進行整理可得:

式中，K為增益，B與C為歸一化系數(shù)，對于六階巴特沃斯濾波器，B與C的值如表1所示。

表1 六階巴特沃斯低通濾波器的設(shè)計系數(shù)

實際中各種電阻值更容易獲得，因此在設(shè)計時先設(shè)定好C1與C2的值，然后根據(jù)式(3)計算出各電阻值。在電路中如果把所有電阻乘以某個常數(shù)，同時電容除以這個常數(shù)，那么濾波器的特性不變［9］。根據(jù)這一特點可對計算出的電阻電容值進行調(diào)整。最終計算出的各電阻電容值如表2所示。因此最終設(shè)計的六階巴特沃斯低通濾波電路如圖4所示。

表2 計算出的電阻電容值

圖4 六階巴特沃斯低通濾波電路

4 數(shù)據(jù)處理

4.1 數(shù)據(jù)轉(zhuǎn)換

在信號經(jīng)過了低通濾波器的處理后，采用STM32f103rbt6進行模擬信號的采集。STM32f103rbt6是一款基于CortexM3內(nèi)核的32 bit微處理器，其外設(shè)齊全，開發(fā)與調(diào)試都非常方便［10］。STM32f103RBT6的ADC是十二位逐次逼近型模數(shù)轉(zhuǎn)換器，其最大轉(zhuǎn)換速率為1 MHz。在信號采集中，一般將采樣率設(shè)定為目標頻率的3倍～4倍即可，本文將采樣率設(shè)為3 kHz。同時本文采用DMA方式進行數(shù)據(jù)傳輸，大大提高了效率。對于STM32采集的數(shù)字信號，需要通過兩步才能轉(zhuǎn)化為加速度值。第1步是將所采集的數(shù)據(jù)轉(zhuǎn)化為電壓，其計算公式為:

式中，1.5為傳感器0 gn輸出電壓，φ為經(jīng)過軟件校準后所添加的偏移量，0.325為傳感器在3.3 V電源下的靈敏度。

4.2 Savitzky-Golay平滑算法的應(yīng)用

Savitzky-Golay平滑算法是在時域內(nèi)利用最小二乘

式中，Vref為參考電壓，本文中的參考電壓為3.3 V，data為模數(shù)轉(zhuǎn)換后的16 bit結(jié)果，由于是12 bit的ADC，且對齊方式為右對齊，所以我們需要先將數(shù)據(jù)的高四位清零。

第2步是將電壓轉(zhuǎn)化為實際的加速度值，其計算公式為:法對滑動窗口內(nèi)的數(shù)據(jù)進行線性擬合的一種方法，它被廣泛的運用于數(shù)據(jù)流平滑除燥［11］。相對于其他類似的平滑方法，Savitzky-Golay平滑能夠消除采樣信號中有較大誤差的數(shù)據(jù)點，同時保留相對極大值、極小值和寬度等分布特性，盡量保證原始數(shù)據(jù)的不失真［12］。

假設(shè)有一組數(shù)據(jù)x(i)，其中i=-k，…，0，…，k，即共有2k+1個連續(xù)點。有一個n階的多項式(如式(6))對這組數(shù)據(jù)進行擬合:

對于擬合的效果可用式(7)表示:

λ越小則說明擬合的效果越好。為了使λ最小，可令λ對各系數(shù)的導數(shù)為0，即:

得:

式中r=0，1，…，n。對式(9)化簡可得:

一旦確定k與n的值，再將待擬合的2k+1個數(shù)據(jù)x(i)代入上式中即可求出擬合多項式的系數(shù)。然后把中間點的橫坐標輸入得出的擬合多項式中，即可得到中間點在前后各k個點的基礎(chǔ)上的最佳擬合。

5 系統(tǒng)測試

5.1 濾波電路幅頻特性測試

在測試過程中我們將信號發(fā)生器產(chǎn)生的不同頻率的正弦信號作為輸入，用示波器觀察輸出信號相對輸入信號的幅頻變化。本實驗測試了1 200 Hz以下的信號，600 Hz以下以及900 Hz以上的正弦信號每間隔40 Hz測試一次，頻率在600 Hz～900 Hz之間，頻率間隔20 Hz。在將得到的數(shù)據(jù)進行整理之后我們得到了實際模擬濾電路的幅頻特性曲線，如圖5所示。

圖5 濾波電路幅頻特性曲線

從圖5可知，最終設(shè)計出的濾波器特性基本符合本文的設(shè)計指標。但是其通帶不夠平坦，且增益一直小于1，經(jīng)分析這主要是由于實際電阻電容值的偏差所致。

5.2 數(shù)據(jù)精度測試

本文通過測量靜態(tài)加速度的方式對數(shù)據(jù)精度進行測試，實驗中讓X軸、Y軸與Z軸分別垂直于地面，然后對采集的數(shù)據(jù)與標準的垂直加速度(1 gn)進行對比。在實驗中由于無法將每個軸完全準確地垂直于地面，本文采用多次測量，然后去除最大值與最小值，再將數(shù)據(jù)進行平均，以達到誤差的最小化。每組實驗中測量次數(shù)為12次，每次測量過后將傳感器重新校準。采取如上所述的方法，本文最終獲得了10組數(shù)據(jù)，如表3所示。

表3 數(shù)據(jù)統(tǒng)計結(jié)果

從表3可以看出，所采集加速度準確度較高，其中偏差最大的值為1.004 7 gn，相對標準值誤差為

0.47 %。

5.3 數(shù)據(jù)平滑效果測試

Savitzky-Golay平滑算法中窗口較大可以得到更好的去噪效果，但是隨著窗口的增加計算量也會增加，因此需要在二者之間進行平衡。擬合階數(shù)較小可得到較好的去噪效果，過大則會使曲線變得毛糙。本文中窗口取15，擬合階數(shù)取4，圖6(a)為原始振動信號，圖6(b)為經(jīng)過Savitzky-Golay平滑的振動信號。

圖6 Savitzky_Golay的振動信號

通過對比可知，Savitzky-Golay平滑算法能夠消除除信號中偏差較大的點，同時保留原始信號的紋理細節(jié)。同時有研究表明，Savitzky-Golay平滑算法能夠有效提高所采集數(shù)據(jù)的精度［13］。

6 結(jié)論

本文設(shè)計了基于ADXL335三軸加速度傳感器的風力發(fā)電機振動采集系統(tǒng)，針對信號采集過程中的頻率混疊以及摻雜的噪聲，設(shè)計了6階巴特沃斯低通濾電路，采用了Savitzky-Golay算法進行去噪。從測試結(jié)果來看，本設(shè)計實現(xiàn)了振動信號的準確采集，從而為后期的數(shù)據(jù)處理奠定了基礎(chǔ)。

［1］婁海英.風機振動檢測與監(jiān)控分析系統(tǒng)［D］.北京交通大學，2008.

［2］趙志宏，楊紹普.基于小波包變換與樣本熵的滾動軸承故障診斷［J］.振動、測試與診斷，2012(32):640-644.

［3］鄭近德，程軍圣，胡思宇.多尺度熵在轉(zhuǎn)子故障診斷中的應(yīng)用［J］.振動、測試與診斷，2013(33):294-297.

［4］Zimroz R，BartelmusW，Barszcz T，etal.Diagnosticsof Bearings in Presence of Strong Operating Conditions Non-Stationarity—A Pro-cedure of Load-Dependent Features Processing With Application Towind Turbine Bearings［J］.Mechanical Systems and Signal Processing，2014，46(1):16-27.

［5］BafrouiH H，Ohadi A.Application ofWavelet Energy and Shannon Entropy for Feature Extraction in Gearbox Fault Detection Under Varying Speed Conditions［J］.Neurocomputing，2014，133:437 -445.

［6］Vargas M H，Yepez E C，Perez A G，et al.Novel Methodology for Broken-Rotor-Bar and Bearing Faults Detection Through SVD and Information Entropy［J］.Journal of Scientific＆Industrial Research，2012(71):589-593.

［7］周金剛，彭東林，鄭方燕，等.基于STM32F4的時柵數(shù)控分度轉(zhuǎn)臺控制系統(tǒng)［J］.電子器件，2015(5):1138-1143.

［8］ANALOGDEVICES.ADXL335 datasheet［EB/OL］.http://wenku.baidu.com/view/530ea896dd88d0d233d46aed.html?from=search.2011.6.

［9］武紫玉.無刷直流電機濾波器設(shè)計方法研究［J］.電氣傳動，2015(45):37-40.

［10］趙曉風，周璟瑜，王邦均，等.STM32控制下基于GPS與GPRS的軌跡跟蹤器［J］.電子器件，2015(38):156-159.

［11］張一舟.基于Savitzky_Golay_省略_合的紅外圖像非均勻性條帶校正方法［J］.中國光學，2015(1):51-60.

［12］周增光.基于質(zhì)量權(quán)重的Savitzky_Golay時間序列濾波方法［J］.遙感技術(shù)與應(yīng)用，2013(2):232-239.

［13］周佳佳.Savitzky_Golay在含沖擊負荷短期負荷預(yù)測中的應(yīng)用［J］.電測與儀表，2014，(14):125-128.

褚世凱(1990-)，男，安徽六安人，碩士研究生，現(xiàn)就讀與杭州電子科技大學新型電子器件與應(yīng)用研究所，主要研究風力發(fā)電機的振動采集與異常診斷以及嵌入式應(yīng)用，925820780@qq.com;

秦會斌(1961-)，男，山東泰安人，博士，教授，博士生導師，現(xiàn)為杭州電子科技大學教授，主要研究方向為新型電子器件的研發(fā)與應(yīng)用、抗電磁干擾技術(shù)等，qhb@hdu.edu.cn。

Design of W ind Turbine Vibration Acquisition System

CHU Shikai，QIN Huibin*

(Instituteof Electron Devices and Application，Hangzhou Dianzi University，Hangzhou Zhejiang 310018，China)

Aiming at the role of vibration analysis in the condition detection and fault location of wind turbine，the vibration acquisition system is designed based on ADXL335 three axis acceleration sensor，STM32 is used for analog digital conversion.For the frequency aliasing in the process of signal acquisition，a six order Butterworth low-pass filter was designed，and the Savitzky-Golay smoothing algorithm is used for noise signal elimination.Tests indicate the designed filter can effectively filter out the noise signals of above 600 Hz;vibration acceleration error can be controlled within 0.5%;Savitzky-Golay smoothing algorithm can effectively eliminate the noise in the signal.

vibration;wind turbine;ADXL335;butterworth;Savitzky-Golay

C:8260

10.3969/j.issn.1005－9490.2017.01.044

TP277

:A

:1005－9490(2017)01－0232－05

2016-01-08修改日期:2016-02-26