基于信號提純的機械故障檢測系統(tǒng)設計

鄭勇 楊小蘭

關鍵詞： 信號提純; 機械故障; 檢測系統(tǒng); 主控單元; PC104總線; 數(shù)據(jù)采集

中圖分類號： TN911.23?34; TP06 ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ?文章編號： 1004?373X（2019）04?0049?04

Design of mechanical fault detection system based on signal purification

ZHENG Yong， YANG Xiaolan

（School of Mechanics， Nanjing Institute of Technology， Nanjing 211167， China）

Abstract： The channel signals are not separated and purified when the traditional mechanical fault detection system is used to conduct machinery detection， resulting in big errors in detection results. Therefore， a mechanical fault detection system based on signal purification is designed. The system mainly includes the master control unit， signal purification module and man?machine interface. The PC104 control bus， information acquisition card and signal conversion conditioner of the master control unit are used to obtain the initial operation signals which conform to the electrical standard. The real?time control， signal management， computing control， storage control and other functions of the signal purification module are used to separate and purify the initial operation signals. During the data acquisition process of the system software design， the basic data of the fault detection process is obtained by means of the data acquisition card initialization， A/D alteration and simulation input channel establishment. On this basis， the mechanical fault detection is realized by using the dynamic detection method of the fault detection process. The experimental results show that the errors of fault signals obtained by the designed system are between 0.08 and 0.34， and the detection accuracy rates of different faults are all above 97%， which indicates that the system has a high stability and practicability.

Keywords： signal purification; mechanical fault; detection system; master control unit; PC104 bus; data acquisition

0 ?引 ?言

一般情況下，機械運行過程中所形成的信號發(fā)生驟變表示機械設備出現(xiàn)故障[1]，例如：軸承、齒輪出現(xiàn)損毀情況會形成沖擊信號。因此，對機械故障實施檢測時，檢測機械部件運行過程中是否形成驟變信號，如果出現(xiàn)驟變信號則說明機械出現(xiàn)故障。而對機械故障進行準確判斷的前提是要對這類能夠體現(xiàn)機械故障的沖擊信號實施全面、準確的檢測[2]。

傳統(tǒng)機械故障檢測方法存在很多弊端。文獻[3]通過引入四元數(shù)來耦合4個通道信號，并且利用四元數(shù)乘方的性質(zhì)對數(shù)據(jù)進行增廣處理實現(xiàn)機械故障的檢測;但是其對信號分析提取特征參數(shù)的分類效果受噪聲影響較大，導致檢測結果誤差較大。文獻[4]利用Hilbert變換得到原始振動信號的解析信號，經(jīng)過迭代運算自適應地檢測出原信號各分量的時頻信息;該方法運算量較大，檢測時間較長。文獻[5]提出一種增量式LLE算法用于柴油機機械故障特征壓縮與診斷;該方法需綜合考慮故障類內(nèi)和類間的離散度，因此檢測時能耗大，效率差。為了解決上述問題，提出基于信號提純的機械故障檢測系統(tǒng)，結合數(shù)據(jù)采集思想，利用信號提純技術，在實現(xiàn)機械故障檢測的同時，降低故障檢測的誤差，提高故障檢測的效率。

1 ?基于信號提純的機械故障檢測系統(tǒng)

本文設計的機械故障檢測系統(tǒng)共分為主控單元、信號提純模塊和人機界面三個部分。其中，主控單元由CPU主板、信息采集卡和信號轉(zhuǎn)換調(diào)理器組成。CPU主板的主要功能是對信息采集卡的運行進行管理[6]。通過信息采集卡實現(xiàn)被測信號的采集，信號轉(zhuǎn)換調(diào)理器對信號進行轉(zhuǎn)換。信號提純模塊的主要功能為對信息采集模塊獲取的信號進行分離、提純、分析等處理，并通過人機界面將得到的故障情況和解決方案進行顯示。

1.1 ?主控單元設計

機械故障檢測系統(tǒng)的主要功能是對機械故障進行檢測[7]，這就要求其必須具備良好的穩(wěn)定性;所以，主控單元需處于可封閉式機箱內(nèi)，其器件的擇取同樣很關鍵。

PC104總線是一種較為常見的工業(yè)控制總線，其CPU主板和信息采集卡的安裝方法為疊加方式。這樣的安裝方式能夠縮小系統(tǒng)體積，適用于任何故障檢測系統(tǒng)，包括設計密度高、體積小的便攜式系統(tǒng)。本文的機械故障檢測系統(tǒng)采用PC104總線構建硬件結構：

1） 機械故障檢測系統(tǒng)的主控計算機采用PC104SCM/LX?3160主板和AMDGeode LX 800CPU，工作頻率為500 MHz，兼容PC/AT標準。

2） SEM/ADT?620模擬量采集卡獲取單端輸入模量的極限為16路，主要功能是實現(xiàn)A/D采集的變更。

3） CDT2000數(shù)字量采集卡具備48通道，基于TTL/CMOS71055的可編程數(shù)字量I/O，可以實現(xiàn)開關量的獲取。

模擬量采集卡和數(shù)字量采集卡同主板一起構建了一個具有較高性能的信息采集、控制、檢測系統(tǒng)。經(jīng)信號電纜導出的初始運行信號不符合采集卡的規(guī)范。因此，通過信號轉(zhuǎn)換調(diào)理器對初始運行信號進行轉(zhuǎn)換，使其達到符合規(guī)范的電氣標準，再進入采集卡。

1.2 ?信號提純模塊設計

系統(tǒng)利用信號提純模塊對主控單元獲取的符合電氣標準的信號進行分離和提純。信號提純模塊采用理論結合算法的控制方式，實現(xiàn)對機械的實時管控、信號管理、運算控制、存儲控制等功能，提高系統(tǒng)信號的分離和提純性能。

信號分離平臺和信號提純平臺通過信號提純模塊分別獲取了信號管理、運算控制的功能和存儲控制、進程休眠控制的功能。對整體模塊實施管理和控制的是信號提純模塊的實時管控功能[8]，此功能主要是針對機械故障檢測系統(tǒng)網(wǎng)絡節(jié)點實施全面、實時的監(jiān)控，同時改進信號分離平臺和信號提純平臺中發(fā)生偏差的進程;信號管理功能和運算控制功能的主要功能分別是構建信號分離平臺拓撲結構并對其進行后期調(diào)整，以及控制信號分離平臺的計算過程以降低計算誤差;存儲控制功能和進程休眠控制功能的主要功能分別是對信號提純平臺傳感器電路內(nèi)緩沖器與存儲器進行過量控制，以及對信號提純平臺內(nèi)BP神經(jīng)網(wǎng)絡的提前運行實施中斷處理。

1.3 ?軟件設計

1.3.1 ?數(shù)據(jù)采集流程設計

機械故障檢測系統(tǒng)的軟件采用Visual C++開發(fā)工具進行設計。該開發(fā)工具擁有集成開發(fā)環(huán)境，可以進行C語言編輯，能夠?qū)崿F(xiàn)清晰、友好的人機界面。利用程序語言進行系統(tǒng)軟件設計，結合類和對象，分別對硬件驅(qū)動模塊與故障檢測定位模塊進行封裝產(chǎn)生硬件操作類及故障檢測類。

系統(tǒng)數(shù)據(jù)采集流程如圖1所示。

系統(tǒng)給電之后進行自檢，對數(shù)據(jù)采集卡驅(qū)動文件進行加載，加載內(nèi)容包括端口地址資源和動態(tài)鏈接庫資源等[9]。對硬件控制進行封裝時，按照盛博科技提供的參照程序?qū)⑵浞庋b到最底層，并對硬件控制類進行設計。完成上述數(shù)據(jù)采集卡的初始化后，進行A/D變更并對仿真輸入通道實施確立，保存A/D值于仿真輸入通道內(nèi)，獲取故障檢測流程的初始信息。

1.3.2 ?故障檢測流程設計

數(shù)據(jù)采集流程成功獲取初始信息后，系統(tǒng)利用故障檢測流程實現(xiàn)機械故障的檢測，機械故障檢測系統(tǒng)軟件設計的重點就是故障判斷定位功能，對故障判斷定位功能進行科學合理的設計，可提高機械故障檢測系統(tǒng)的整體性能。因為故障判斷定位功能是依照信號的驟變進行機械故障位置的確認，所以機械故障檢測與機械運行需要同時進行，因此機械故障檢測流程的設計運用了動態(tài)檢測方法。Visual C++開發(fā)程序的主要特點為消息映射，消息隊列內(nèi)故障檢測等以消息的形式存在[10]，系統(tǒng)通過定時查詢消息的方法結合采集卡上的硬件時鐘和信號響應時間獲取處理信息，并在極短的時間內(nèi)實現(xiàn)多路信息的準確獲取、變更以及讀取。

2 ?實驗分析

為驗證本文設計基于信號提純的機械故障檢測系統(tǒng)在進行信號分離提純時誤差較小，以某型號車輛機械為實驗對象，分別采用本文系統(tǒng)、基于改進的希爾伯特振動分解的機械故障檢測系統(tǒng)和基于四元數(shù)理論與流形學習的多通道機械故障檢測系統(tǒng)對實驗對象的故障信號進行采集，將不同系統(tǒng)獲取的故障信號誤差曲線進行對比，曲線變化越平穩(wěn)，誤差值越小穩(wěn)定，系統(tǒng)的準確度越高，結果如圖2所示。

對圖2進行分析可知，基于改進的希爾伯特振動分解的機械故障檢測系統(tǒng)獲取的故障信號誤差曲線波動較大，誤差范圍在0.23～0.59之間?；谒脑獢?shù)理論與流形學習的多通道機械故障檢測系統(tǒng)獲取的故障信號誤差曲線波動同樣較大，誤差范圍在-0.28～0.57之間。相較于其他兩個系統(tǒng)，本文系統(tǒng)獲取的故障信號誤差曲線波動較平穩(wěn)，誤差范圍僅在0.08～0.34之間。實驗結果表明，使用本文系統(tǒng)進行機械故障檢測時獲取的信號誤差較小，準確率較高。

為測試本文系統(tǒng)的穩(wěn)定性，以軸承為實驗對象，將基于改進的希爾伯特振動分解的機械故障檢測系統(tǒng)（傳統(tǒng)系統(tǒng)）與本文系統(tǒng)一同進行軸承故障的檢測，實驗次數(shù)為100次。分別記錄不同機械故障檢測系統(tǒng)獲取的檢測結果如表1所示。

對表1進行分析可知：使用本文系統(tǒng)進行實驗對象的故障檢測時，正常狀態(tài)故障檢測的準確率為100%，內(nèi)圈磨損和外圈磨損故障檢測的準確率分別為98%和97%;使用傳統(tǒng)系統(tǒng)進行實驗對象的故障檢測時，正常狀態(tài)、內(nèi)圈磨損和外圈磨損故障檢測的準確率在85%左右。實驗結果表明，本文系統(tǒng)進行機械故障檢測具有較好的穩(wěn)定性。

3 ?結 ?論

本文設計基于信號提純的機械故障檢測系統(tǒng)，系統(tǒng)主控單元為縮小系統(tǒng)體積，采用疊加安裝的PC104控制總線，設計信息提純模塊采用理論結合算法的控制方式，實現(xiàn)對機械的實時管控、信號管理、運算控制、存儲控制等功能，提高了信號的分離和提純性能。軟件方面設計數(shù)據(jù)采集流程和故障檢測流程實現(xiàn)基于信號提純的機械故障檢測。經(jīng)實驗證明，使用本文系統(tǒng)獲取的故障信號誤差為0.08～0.34之間，并且使用該系統(tǒng)對機械不同故障檢測的準確率均在97%以上，說明使用所提系統(tǒng)進行故障檢測時穩(wěn)定性較高。

參考文獻

[1] 杜雄，王國寧，孫鵬菊，等.兩相靜止坐標系下消除不對稱和諧波影響的同步信號提取方法[J].電工技術學報，2015，30（4）：249?256.

DU Xiong， WANG Guoning， SUN Pengju， et al. Synchronization signal extraction method in two?phase stationary reference frame for eliminating imbalance and harmonic effects [J]. Transactions of China Electrotechnical Society， 2015， 30（4）： 249?256.

[2] 汪祥莉，王斌，王文波，等.混沌干擾中基于同步擠壓小波變換的諧波信號提取方法[J].物理學報，2015，64（10）：15?24.

WANG Xiangli， WANG Bin， WANG Wenbo， et al. Harmonic signal extraction from chaotic interference based on synchrosqueezed wavelet transform [J]. Acta Physica Sinica， 2015， 64（10）： 15?24.

[3] 何博，呂勇，易燦燦，等.基于四元數(shù)理論與流形學習的多通道機械故障信號分類方法[J].武漢科技大學學報（自然科學版），2016，39（6）：455?461.

HE Bo， L? Yong， YI Cancan， et al. A novel method for multi?channel mechanical fault signal classification based on quaternion and manifold learning [J]. Journal of Wuhan University of Science and Technology （Natural science edition）， 2016， 39（6）： 455?461.

[4] 唐貴基，龐彬.基于改進的希爾伯特振動分解的機械故障診斷方法研究[J].振動與沖擊，2015，34（3）：167?171.

TANG Guiji， PANG Bin. A mechanical fault diagnosis method based on improved Hilbert vibration decomposition [J]. Journal of vibration and shock， 2015， 34（3）： 167?171.

[5] 王江萍，崔錦.基于改進LLE算法的機械故障特征壓縮與診斷[J].科學技術與工程，2016，16（13）：86?91.

WANG Jiangping， CUI Jin. Feature compression and diagnosis of mechanical fault based on the improved LLE method [J]. Science technology and engineering， 2016， 16（13）： 86?91.

[6] 劉迪輝，陽磊.旋轉(zhuǎn)機械系統(tǒng)故障信號優(yōu)化診斷方法研究[J].計算機仿真，2017，34（1）：211?215.

LIU Dihui， YANG Lei. Fault diagnosis method based on rotating machinery vibration singal [J]. Computer simulation， 2017， 34（1）： 211?215.

[7] 邱志斌，阮江軍，黃道春，等.基于電機電流檢測的高壓隔離開關機械故障診斷[J].中國電機工程學報，2015，35（13）：3459?3466.

QIU Zhibin， RUAN Jiangjun， HUANG Daochun， et al. Mechanical fault diagnosis of high voltage disconnector based on motor current detection [J]. Proceedings of the CSEE， 2015， 35（13）： 3459?3466.

[8] 陸杰，張淼，趙宏飛，等.基于振動的電力變壓器狀態(tài)監(jiān)測系統(tǒng)設計[J].電力系統(tǒng)及其自動化學報，2016，28（4）：73?77.

LU Jie， ZHANG Miao， ZHAO Hongfei， et al. Design of power transformer condition monitoring system based on the vibration signal [J]. Proceedings of the CSU?EPSA， 2016， 28（4）： 73?77.

[9] 韓冰，湯吉，趙國澤，等.小波極大值方法及其在電磁異常信號提取中的應用[J].地震地質(zhì)，2015，37（3）：765?779.

HAN Bing， TANG Ji， ZHAO Guoze， et al. Wavelet maxima method in identifying singularities in electromagnetic signal [J]. Seismology and geology， 2015， 37（3）： 765?779.

[10] 宗銀雪，張靚，李鐵軍，等.基于EMD?ICA音頻特征提取的故障診斷系統(tǒng)設計[J].機械設計與制造，2016（9）：98?101.

ZONG Yinxue， ZHANG Liang， LI Tiejun， et al. System design for fault diagnosis based on EMD?ICA audio feature extraction [J]. Machinery design & manufacture， 2016（9）： 98?101.