基于LabVIEW的旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)與故障診斷實(shí)驗(yàn)教學(xué)平臺(tái)設(shè)計(jì)

于良 陳曄

（浙江理工大學(xué)信息科學(xué)與工程學(xué)院 浙江省杭州市 310018）

隨著科學(xué)技術(shù)的發(fā)展，旋轉(zhuǎn)機(jī)械內(nèi)部結(jié)構(gòu)日趨復(fù)雜，發(fā)生故障的可能性和故障類(lèi)型的復(fù)雜程度也在增加[1]。為了提高生產(chǎn)效率、保障設(shè)備的安全運(yùn)行，針對(duì)設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測(cè)和故障診斷顯得尤為重要。在實(shí)際生產(chǎn)過(guò)程中，旋轉(zhuǎn)機(jī)械故障常常伴隨異常的振動(dòng)和噪聲，如汽輪機(jī)、風(fēng)機(jī)和水輪機(jī)等的振動(dòng)，依據(jù)采集到的振動(dòng)信號(hào)對(duì)設(shè)備運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)和故障診斷仍是目前旋轉(zhuǎn)機(jī)械設(shè)備日常維護(hù)和管理的主要手段[2]。

此外，由于部分旋轉(zhuǎn)機(jī)械設(shè)備服役時(shí)間較長(zhǎng)，在其設(shè)計(jì)之初并未考慮加裝狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)。而在現(xiàn)場(chǎng)施工完畢后光纜通訊線路已基本架設(shè)完成，重新鋪設(shè)線路造價(jià)高、難度大。而基于無(wú)線傳輸模式的物聯(lián)網(wǎng)架構(gòu)受客觀環(huán)境制約較小，其在通訊方式上更為靈活，具有更高的適應(yīng)能力[3]。

綜上所述，本文基于物聯(lián)網(wǎng)架構(gòu)采用無(wú)線網(wǎng)橋組網(wǎng)的方式實(shí)現(xiàn)網(wǎng)絡(luò)層的數(shù)據(jù)傳輸，感知層通過(guò)加速度傳感器獲取的振動(dòng)信號(hào)及聲壓傳感器獲取的音頻信號(hào)監(jiān)測(cè)設(shè)備工作狀態(tài)，應(yīng)用層采用奇異值分解(Singular Value Decomposition, SVD)[4]改進(jìn)經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition, EMD)[5]的方式實(shí)現(xiàn)了對(duì)故障信號(hào)的故障特征增強(qiáng)，最終基于LabVIEW 平臺(tái)開(kāi)發(fā)了一套旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)與故障診斷實(shí)驗(yàn)教學(xué)平臺(tái)[6]。該平臺(tái)可供本科、研究生實(shí)驗(yàn)教學(xué)使用，有助于學(xué)生對(duì)相關(guān)知識(shí)的掌握，此外該平臺(tái)還提供了常見(jiàn)的旋轉(zhuǎn)機(jī)械設(shè)備故障公開(kāi)數(shù)據(jù)集，可供學(xué)生后續(xù)開(kāi)展故障識(shí)別、分類(lèi)、預(yù)測(cè)等方面的科學(xué)研究。

1 實(shí)驗(yàn)教學(xué)平臺(tái)總體設(shè)計(jì)

實(shí)驗(yàn)教學(xué)平臺(tái)總體結(jié)構(gòu)如圖1 所示，該平臺(tái)主體由基于物聯(lián)網(wǎng)架構(gòu)的硬件部分和采用LabVIEW 平臺(tái)開(kāi)發(fā)的軟件部分組成。物聯(lián)網(wǎng)架構(gòu)感知層的傳感器部分由電渦流傳感器、內(nèi)置IC 電路的加速度傳感器、聲壓傳感器構(gòu)成，并通過(guò)綜合數(shù)據(jù)采集控制模塊來(lái)采集旋轉(zhuǎn)機(jī)械設(shè)備對(duì)應(yīng)測(cè)點(diǎn)的狀態(tài)信息。

圖1：旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)與故障診斷實(shí)驗(yàn)教學(xué)平臺(tái)總體結(jié)構(gòu)圖

數(shù)據(jù)采集控制模塊采用北京方控公司的SK2011 系列多功能綜合數(shù)采模塊，可實(shí)現(xiàn)16 通道同步采樣，最高采樣頻率可達(dá)200 KSPS，其還可滿足多臺(tái)模塊之間、多個(gè)通道之間的數(shù)據(jù)同步采集，該特點(diǎn)使得該實(shí)驗(yàn)教學(xué)平臺(tái)未來(lái)應(yīng)用于現(xiàn)場(chǎng)多測(cè)點(diǎn)、多設(shè)備背景下的旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)與故障診斷成為可能。網(wǎng)絡(luò)層傳輸部分采用具有傳輸穩(wěn)定、通信距離遠(yuǎn)、吞吐容量大、抗干擾能力強(qiáng)等特點(diǎn)的神腦公司ENS500 系列無(wú)線網(wǎng)橋進(jìn)行搭建，其工作頻段為5.18～5.825GHz，最大傳輸速率為300Mbps，可實(shí)現(xiàn)大容量數(shù)據(jù)的快速傳輸。應(yīng)用層部分采用基于LabVIEW 的C/S 架構(gòu)進(jìn)行軟件設(shè)計(jì)，數(shù)據(jù)保存采用微軟關(guān)系型數(shù)據(jù)庫(kù)SQL Server，數(shù)據(jù)庫(kù)的引入為后續(xù)的數(shù)據(jù)維護(hù)與數(shù)據(jù)共享提供了便利條件。

2 SVD改進(jìn)EMD的故障特征增強(qiáng)方法

在線監(jiān)測(cè)部分為了實(shí)現(xiàn)實(shí)驗(yàn)教學(xué)平臺(tái)能夠快速判斷出旋轉(zhuǎn)機(jī)械設(shè)備的當(dāng)前運(yùn)行狀態(tài)，引入時(shí)域信號(hào)參數(shù)作為其運(yùn)行狀態(tài)的標(biāo)識(shí)。通過(guò)峰峰值、峭度值、均方根值、峭度指標(biāo)等特征參數(shù)實(shí)現(xiàn)對(duì)各測(cè)點(diǎn)狀態(tài)的實(shí)時(shí)在線監(jiān)測(cè)[7]，當(dāng)設(shè)備某個(gè)測(cè)點(diǎn)的振動(dòng)測(cè)量時(shí)域特征參數(shù)超出設(shè)定閾值時(shí)，系統(tǒng)報(bào)警并保存異常數(shù)據(jù)。

在故障診斷部分，針對(duì)在線監(jiān)測(cè)過(guò)程中得到的異常數(shù)據(jù)，目前普遍采用EMD 方法提取信號(hào)的故障特征，該方法具有較高的自適應(yīng)性，針對(duì)于非線性、非平穩(wěn)時(shí)域信號(hào)的處理能力較強(qiáng)。其方法本質(zhì)是將待處理信號(hào)分解為若干個(gè)固有模態(tài)函數(shù)（Intrinsic Mode Fuction,IMF）及余項(xiàng)之和的形式。在應(yīng)用該方法實(shí)現(xiàn)故障特征提取時(shí)，為了避免EMD 方法中的端點(diǎn)效應(yīng)問(wèn)題對(duì)分解結(jié)果的影響，采用鏡像延拓加余弦窗的方式實(shí)現(xiàn)對(duì)EMD 待處理信號(hào)的預(yù)處理[8]。

除此以外，在旋轉(zhuǎn)機(jī)械設(shè)備的故障早期，其故障信號(hào)通常比較微弱，而且信號(hào)中混有大量的背景噪聲，信噪比較低，很難準(zhǔn)確提取出信號(hào)的故障特征。而采用SVD 方法可以有效的將噪聲與信號(hào)分離，提高故障信號(hào)的信噪比，此外該方法還可有效消除高頻諧波對(duì)EMD分解結(jié)果的影響。文獻(xiàn)[4]中詳細(xì)闡述了SVD 降噪原理與重構(gòu)矩陣有效秩階數(shù)的選擇方法，根據(jù)其提出的方法構(gòu)造(N/2+1)×N/2 階的Hankel 矩陣，有效奇異值的個(gè)數(shù)選取采用差分譜單邊極大值準(zhǔn)則，通過(guò)信號(hào)重構(gòu)實(shí)現(xiàn)對(duì)故障信號(hào)的降噪。

綜上所述，本平臺(tái)采用基于SVD 改進(jìn)EMD 的方法進(jìn)行故障特征的提取[9]，其方法具體實(shí)現(xiàn)過(guò)程如圖2 中所示。SVD方法可以有效的將背景噪聲與故障信號(hào)分離，針對(duì)降噪后的信號(hào)采用EMD 方法對(duì)其進(jìn)行分解，通過(guò)對(duì)IMF 分量加和重構(gòu)的方式得到特征增強(qiáng)的故障信號(hào)，便于后續(xù)應(yīng)用頻譜分析手段判斷設(shè)備的故障類(lèi)型。

圖2：SVD 改進(jìn)EMD 處理方法原理圖

3 實(shí)驗(yàn)教學(xué)平臺(tái)軟件部分的實(shí)現(xiàn)

旋轉(zhuǎn)機(jī)械監(jiān)測(cè)與故障診斷實(shí)驗(yàn)教學(xué)平臺(tái)采用基于C/S 結(jié)構(gòu)架構(gòu)進(jìn)行設(shè)計(jì)，以LabVIEW 為軟件開(kāi)發(fā)平臺(tái)，數(shù)據(jù)存儲(chǔ)部分以局域網(wǎng)內(nèi)一臺(tái)安裝SQL Server 數(shù)據(jù)庫(kù)的固定IP 服務(wù)器作為振動(dòng)信號(hào)的存儲(chǔ)終端，并借助ODBC 技術(shù)實(shí)現(xiàn)局域網(wǎng)內(nèi)的數(shù)據(jù)訪問(wèn)功能，滿足各測(cè)點(diǎn)狀態(tài)數(shù)據(jù)、平臺(tái)相關(guān)設(shè)定參數(shù)的存儲(chǔ)與數(shù)據(jù)共享。

平臺(tái)軟件部分實(shí)現(xiàn)了機(jī)械故障綜合模擬平臺(tái)各個(gè)監(jiān)測(cè)點(diǎn)位的時(shí)域特征參數(shù)實(shí)時(shí)處理與顯示，根據(jù)閾值比較結(jié)果采用紅、黃、綠三種顏色來(lái)標(biāo)示對(duì)應(yīng)測(cè)點(diǎn)的運(yùn)行狀態(tài)。當(dāng)設(shè)備時(shí)域特征參數(shù)高于報(bào)警值時(shí)，系統(tǒng)以聲光警報(bào)的方式提示設(shè)備出現(xiàn)異常，同時(shí)將該異常信號(hào)的原始數(shù)據(jù)存儲(chǔ)于數(shù)據(jù)庫(kù)對(duì)應(yīng)的數(shù)據(jù)表中。針對(duì)異常數(shù)據(jù)，實(shí)驗(yàn)人員可通過(guò)平臺(tái)實(shí)現(xiàn)的SVD 改進(jìn)EMD 方法得到故障特征增強(qiáng)的信號(hào)，結(jié)合頻譜分析可實(shí)現(xiàn)對(duì)旋轉(zhuǎn)機(jī)械設(shè)備早期故障類(lèi)型的綜合判斷。此外，實(shí)驗(yàn)教學(xué)平臺(tái)中還提供了趨勢(shì)分析、軸心軌跡圖等模塊，以實(shí)現(xiàn)對(duì)設(shè)備異常狀態(tài)的監(jiān)測(cè)與分析。

3.1 鍵相信號(hào)處理與轉(zhuǎn)速獲取

轉(zhuǎn)速測(cè)量作為獲取設(shè)備狀態(tài)信息的重要手段，可通過(guò)在被測(cè)轉(zhuǎn)軸上設(shè)置凸鍵或凹鍵進(jìn)行實(shí)現(xiàn)。當(dāng)鍵相槽轉(zhuǎn)到傳感器探頭對(duì)應(yīng)的位置時(shí)，探頭與被測(cè)面的距離瞬間改變，傳感器產(chǎn)生一個(gè)脈沖信號(hào)，轉(zhuǎn)軸每轉(zhuǎn)一周就會(huì)產(chǎn)生一個(gè)脈沖信號(hào)[10]。由于實(shí)際采集到的鍵相信號(hào)有一定寬度，如何精準(zhǔn)確定脈沖到達(dá)的時(shí)間點(diǎn)對(duì)于轉(zhuǎn)速測(cè)量尤為重要，平臺(tái)中轉(zhuǎn)速測(cè)量的實(shí)現(xiàn)采用過(guò)零點(diǎn)技術(shù)確定參考電平位置，將采集到的鑒相信號(hào)的均值確定為參考電平，并將歸一化后的鍵相信號(hào)上升沿所在位置確定為脈沖到達(dá)時(shí)刻位置。根據(jù)兩個(gè)脈沖上升沿位置對(duì)應(yīng)的時(shí)間間隔及脈沖個(gè)數(shù)即可實(shí)現(xiàn)針對(duì)旋轉(zhuǎn)機(jī)械設(shè)備的轉(zhuǎn)速測(cè)量。

3.2 聲音信號(hào)處理

傳統(tǒng)檢測(cè)手段通常需要依靠有經(jīng)驗(yàn)的運(yùn)行維護(hù)人員用一根聽(tīng)音棒完成對(duì)設(shè)備狀態(tài)的判斷，而對(duì)于工作在復(fù)雜環(huán)境下的機(jī)械設(shè)備，維護(hù)人員因?yàn)槟承┛陀^因素?zé)o法通過(guò)聲音完成對(duì)設(shè)備狀態(tài)的判定，而通過(guò)布置在設(shè)備附近的聲壓傳感器可替代維護(hù)人員實(shí)現(xiàn)遠(yuǎn)程在線實(shí)時(shí)聽(tīng)音。通過(guò)LabVIEW 中自帶的圖形與聲音功能集合中的相關(guān)模塊完成所采集到的聲音信號(hào)的還原與音量調(diào)節(jié)。實(shí)現(xiàn)了遠(yuǎn)程狀態(tài)下對(duì)旋轉(zhuǎn)機(jī)械設(shè)備的監(jiān)聽(tīng)，其采集到的聲音信號(hào)也為本科生、研究生后續(xù)進(jìn)行基于音頻信號(hào)分析的故障識(shí)別算法研究提供了數(shù)據(jù)基礎(chǔ)。

3.3 數(shù)據(jù)存儲(chǔ)的實(shí)現(xiàn)

當(dāng)旋轉(zhuǎn)機(jī)械設(shè)備時(shí)域參數(shù)監(jiān)測(cè)異常發(fā)生時(shí)，系統(tǒng)將異常時(shí)間點(diǎn)后5min（可人為設(shè)定）的數(shù)據(jù)以電子表格文件的形式保存以完成數(shù)據(jù)的快速存儲(chǔ)，寫(xiě)入的內(nèi)容包括數(shù)據(jù)的順序標(biāo)識(shí)、采樣時(shí)刻、信號(hào)采樣頻率以及信號(hào)的原始數(shù)據(jù)。如圖3 中所示，在電子表格文件轉(zhuǎn)存至數(shù)據(jù)庫(kù)操作中，利用ODBC 技術(shù)可實(shí)現(xiàn)對(duì)局域網(wǎng)內(nèi)任意一臺(tái)服務(wù)器的數(shù)據(jù)庫(kù)進(jìn)行訪問(wèn)，通過(guò)格式化批量文件導(dǎo)入語(yǔ)句bulk insert 可實(shí)現(xiàn)文件數(shù)據(jù)的快速存儲(chǔ)。此外，針對(duì)未能及時(shí)入庫(kù)的數(shù)據(jù)文件，在設(shè)備處于空閑狀態(tài)時(shí)平臺(tái)可實(shí)現(xiàn)該部分?jǐn)?shù)據(jù)的二次入庫(kù)操作。由于數(shù)據(jù)在電子表格文件生成時(shí)采用了依次遞增的數(shù)據(jù)文件順序標(biāo)識(shí)，在數(shù)據(jù)讀取與分析時(shí)只需針對(duì)該字段進(jìn)行排序便可保證數(shù)據(jù)的連續(xù)性。

圖3：異常數(shù)據(jù)文件的快速存儲(chǔ)入庫(kù)實(shí)現(xiàn)框圖

4 實(shí)例對(duì)象驗(yàn)證分析

為了驗(yàn)證該實(shí)驗(yàn)教學(xué)平臺(tái)的有效性，采用N205 型的軸承外圈故障信號(hào)進(jìn)行驗(yàn)證，該軸承的滾子數(shù)為12，軸承節(jié)圓直徑為39mm，滾動(dòng)體直徑為7.5mm，壓力角為0，信號(hào)采樣頻率為12.8KHz，轉(zhuǎn)速為1440r/min，取故障信號(hào)中的3000 個(gè)數(shù)據(jù)點(diǎn)進(jìn)行分析。根據(jù)軸承外圈故障特征頻率公式進(jìn)行計(jì)算可得其對(duì)應(yīng)的特征頻率為：

對(duì)于該軸承外圈故障數(shù)據(jù)，采用SVD 算法進(jìn)行降噪，根據(jù)單邊極大值法則進(jìn)行重構(gòu)奇異值的階數(shù)選擇，降噪后的信號(hào)通過(guò)EMD 方法進(jìn)行特征提取，由于軸承故障信號(hào)主要表現(xiàn)為沖擊信號(hào)，其主要故障頻率成分主要分布于前幾個(gè)IMF 分量中，本次采用IMF1 作為故障特征增強(qiáng)信號(hào)進(jìn)行頻譜分析。

圖4 為采用SVD-EMD 處理后的故障信號(hào)在實(shí)驗(yàn)教學(xué)平臺(tái)中進(jìn)行包絡(luò)譜分析的結(jié)果，從圖中可以明顯看出其中存在一個(gè)頻率為116.2Hz 的峰值，該峰值頻率與軸承外圈故障特征頻率相吻合。此外包絡(luò)譜分析結(jié)果中還存在對(duì)應(yīng)于軸承外圈故障特征的二倍頻231.4Hz、三倍頻350.86Hz、四倍頻466.06Hz 和五倍頻582.26Hz 的頻率成分，符合軸承外圈故障的特征，進(jìn)一步說(shuō)明了該實(shí)驗(yàn)平臺(tái)在故障特征分析方面的準(zhǔn)確性和有效性。

圖4：N205 軸承外圈故障包絡(luò)譜分析結(jié)果圖

5 結(jié)束語(yǔ)

本文設(shè)計(jì)的旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)與故障診斷實(shí)驗(yàn)教學(xué)平臺(tái)充分利用了物聯(lián)網(wǎng)架構(gòu)的優(yōu)勢(shì)，通過(guò)搭建無(wú)線網(wǎng)橋的方式實(shí)現(xiàn)數(shù)據(jù)傳輸，節(jié)約成本并且克服了環(huán)境的制約；信號(hào)處理方面，結(jié)合時(shí)域指標(biāo)分析、SVD 改進(jìn)EMD 方法的故障特征分析、頻譜分析，實(shí)現(xiàn)了對(duì)于旋轉(zhuǎn)機(jī)械設(shè)備的狀態(tài)監(jiān)測(cè)與故障診斷，為設(shè)備安全、穩(wěn)定運(yùn)行提供了有力支持；在傳感器應(yīng)用方面，平臺(tái)采用聲音傳感器代替原有的聽(tīng)音器，解決了部分設(shè)備受客觀條件制約而無(wú)法實(shí)現(xiàn)對(duì)設(shè)備的人工聽(tīng)音診斷問(wèn)題，同時(shí)也為后續(xù)開(kāi)展聲音信號(hào)分析提供方便。此外，在學(xué)生培養(yǎng)方面，平臺(tái)為學(xué)生接觸了解故障診斷方法提供條件，并為其后續(xù)針對(duì)故障類(lèi)型識(shí)別、分類(lèi)及預(yù)測(cè)等方面的自主學(xué)習(xí)研究提供了堅(jiān)實(shí)基礎(chǔ)，真正達(dá)到了培養(yǎng)人才的目的。