簡榮坤， 李冰冰， 韓　誠

(1.中國電子科技集團公司 第四十九研究所，黑龍江 哈爾濱 150001；2.中國船舶重工集團公司 第七○三研究所，黑龍江 哈爾濱 150001)

?

智能傳感器故障診斷系統(tǒng)數據預處理方法

簡榮坤1， 李冰冰1， 韓誠2

(1.中國電子科技集團公司 第四十九研究所，黑龍江 哈爾濱 150001；2.中國船舶重工集團公司 第七○三研究所，黑龍江 哈爾濱 150001)

發(fā)動機故障診斷系統(tǒng)中傳感器采集到的信號是實際信號和隨機噪聲的合成，這給故障檢測和診斷帶來許多不利的影響。將中值濾波和小波分析結合起來使用，中值濾波用于消除數據中的脈沖噪聲，小波濾波用于消除數據中的其他平穩(wěn)隨機噪聲，仿真結果表明：混合濾波能夠有效去除信號中的脈沖噪聲與隨機噪聲，較好地還原了原始信號，將該方法應用于發(fā)動機的試車數據，結果表明：該方法具有理想的去除噪聲效果。

智能傳感器； 故障診斷系統(tǒng)； 數據預處理

0　引　言

發(fā)動機在試車或實際工作過程中，為了了解發(fā)動機內部的工作狀態(tài)，避免由于工作過程中的異常而導致災難性事故的發(fā)生，需要采用各種傳感器來監(jiān)測發(fā)動機工作過程中各個關鍵部位和重點部位的壓力、溫度、轉速、流量和振動加速度等參數[1]。當傳感器的測量值發(fā)生了大的偏差時，就意味著兩種情況的發(fā)生：一是發(fā)動機本身出現了故障，二是傳感器發(fā)生了故障。為了避免由于傳感器的故障導致控制系統(tǒng)失敗，產生降低發(fā)動機性能甚至損毀發(fā)動機的嚴重后果，及時準確檢測并隔離出故障傳感器具有重大意義。

在發(fā)動機運行過程中，傳感器采集到的信號是實際信號和隨機噪聲的集成，這給故障檢測和診斷帶來許多不利的影響。而對所采集數據中脈沖型噪聲的處理非常重要和關鍵，這是因為：一方面某個或者幾個測量數據的突發(fā)性階躍變化有可能是發(fā)生故障和出現異常的真實反映；另一方面數據中零星出現的脈沖型噪聲或是因需要不斷調整工況而表現出的陡峭邊沿、升降斜坡、谷峰交錯等特征，類似于故障信號，極易造成“故障”的誤判。同時，數據中也會無一例外的含有其他類型的平穩(wěn)隨機噪聲。中值濾波方法能夠消除脈沖型噪聲但對平穩(wěn)隨機信號效果不好；小波方法能夠平滑的降低高斯噪聲，但不太適用于對脈沖噪聲的處理[2,3]。

本文通過中心加權等冪中值濾波與小波濾波的混合濾波的方法對傳感器數據進行去噪處理，仿真結果顯示,該方法能夠有效地去處數據中的脈沖噪聲和平穩(wěn)隨機噪聲。

1　故障診斷系統(tǒng)原理

智能傳感器故障診斷技術是通過各種數據處理的方法實施分離出傳感器的故障信息并迅速報警，以便在傳感器將要失效或者已經失效的時刻幫助維修人員迅速查找出故障源，進行排除。由于硬件冗余需要額外的配套傳感器來比對目標傳感器，這增加了成本及系統(tǒng)的復雜程度，且不利于小型化設計，因此目前普遍采取軟件冗余的方式[4]。

故障診斷的內容包括：狀態(tài)檢測、信號處理、分析診斷和故障預測四個方面，其診斷過程如圖1所示[5]。

圖1　智能傳感器故障診斷系統(tǒng)過程

2　系統(tǒng)硬件組成

系統(tǒng)設計構成框圖如圖2所示。

圖2　系統(tǒng)硬件組成框圖

電源變換單元通過采取降壓、穩(wěn)壓、濾波等技術為系統(tǒng)其他工作單元提供其所需的電壓，敏感單元將被測物理量轉變?yōu)殡娦盘?，信號經過信號調理單元的濾波、放大以及補償等技術處理后，將微弱電信號變換成0～5 V標準輸出，再由A/D轉換單元進行數字化處理。

中心控制單元是整個系統(tǒng)的核心，一方面控制A/D轉換單元的數字化信號采集并通過數字通信單元根據通信協議以20 ms的時間間隔向上位機發(fā)送采集數據；另一方面控制單元內部對采集的數據進行去噪濾波、特征分析等處理，判斷傳感器是否處于故障狀態(tài)。

3　數據預處理方案設計

在傳感器數據中，隨機噪聲表現為脈沖噪聲和其他的平穩(wěn)隨機噪聲相混合的形式。對此，應當分別進行分析：對于平穩(wěn)隨機噪聲，它對所有的小波系數的影響是相同的，同時它對信號的低頻成分影響較小，所以,可以通過小波變換平滑地降低高斯噪聲；脈沖噪聲只影響少數的小波系數，但由于其對應的小波系數較大，它對信號的高頻成分影響較大，并通過平滑算法將其影響擴展到周圍信號，所以,采用閾值量化的方法不太適用于對脈沖噪聲的處理，應考慮使用中值濾波。算法流程圖如圖3所示[6]。

擁有40多年產品研發(fā)和市場開拓經驗的美國邦納公司是專業(yè)的傳感、檢測和自動化技術方案提供者，是全球頂尖的自動化技術專家和整體解決方案提供者。邦納擁有22 000多種產品，具有最為齊全的產品線，包括光電傳感器、測量與檢測產品、工業(yè)無線網絡產品、視覺傳感器、安全產品、工業(yè)智能指示燈及旋轉編碼器系列，能滿足各種不同的檢測需求。

圖3　算法流程圖

3.1中心加權等冪中值濾波器設計

中值濾波器的定義如下：設W為一長度為L=2N+1的濾波窗口，這里N為整數。設在第n時刻輸入信號序列在窗口內的樣點位[Xn-N,…,Xn,…,Xn+N]。中值濾波的輸出被定義為[7]

Yn=MEDIAN[Xn-N,…,Xn,…Xn+N]

(1)

式中MEDIAN[]表示窗口內所有的數按從小到大的秩序排列后，取其中間值的運算。從上述的定義可以看出，由于疊加的原理此時已不再成立，故中值濾波是一種非線性濾波。

標準中值濾波器在消除噪聲的同時能較好地保護銳利邊緣，但由于其僅考慮濾波窗內輸入數據的排序信息，而未考慮輸入數據的時序源信息，故會產生邊緣抖動，并刪除一些重要的信號細節(jié)。但其特性正好滿足于傳感器故障診斷的要求，只是需要進一步改進。

標準中值濾波器窗口內各點對輸出的作用是相同的，如果希望強調中間點或距中間點最近的幾個點的作用，應該采用加權中值濾波器。加權中值濾波的基本原理是改變窗口中變量的個數，可以使一個以上的變量等于同一點的值，然后對擴張后的數字求集中值[8]。

加權中值濾波可以如下表示：

輸入向量X=[X1，X2，…,XN]；

輸出Y=MEDIAN[X1·W1，X2·W2，…,XN·WN]，MEDIAN表示取中值，“·”表示復制。

這一濾波技術可做如下描述：在對窗口內的數據序列進行取中值操作之前，對其中第i個位置的信號值Xi先復制Wi次，然后再取窗口內全部數據排序后的中央位置的數據作為輸出信號[9]。

因為權值可以通過比較適當選擇，因此，該濾波方法比標準中值濾波能更好地從受噪聲污染的數據中恢復出階躍邊緣及其他細節(jié)。加權中值濾波器可以通過設置不同權值形成不同特性的濾波器，從而產生不同的濾波結果，比標準中值濾波器有更大的靈活性。

3.2小波變換設計

采用Mallat算法對經過中值濾波的信號進行一維小波分解，平滑信號中殘留在中值濾波系列中的平穩(wěn)隨機噪聲分量[10]。

對于函數f(t)∈L2(R)，有

(2)

(3)

硬閾值

(4)

4　實驗分析

采用以歐氏距離為基礎的均方根差作為評估濾波質量的量度[8]

(5)

原始信號由階躍間斷和界面交錯的信號序列組合而成，以模擬在突發(fā)性故障和傳感器線性漂移狀態(tài)下未受到噪聲污染的某壓力信號；再在這個原始信號的基礎上迭加上隨機噪聲和脈沖噪聲，組成包含噪聲的試驗信號。

分別采用3種去噪方法進行3次隨機試驗，中值濾波采用5點寬度窗口的中心加權等冪中值濾波器；小波濾波采用dB4小波，進行5層分解；中值濾波加小波分析按上述方法進行。采用θ作為評估濾波質量高低的量度。表1是3次隨機試驗的θ值比較，從中可以看出，中值與小波混合濾波的效果較好。

表1　3次隨機試驗的θ值比較

圖4中，從上到下依次為：原始數據圖，噪聲數據圖，中值與小波混合濾波效果圖。通過效果圖的對比，可以看到混合濾波能夠有效地去除信號中的脈沖噪聲和隨機噪聲，較好地還原了原始信號。

圖4　濾波前后仿真信號

為了進一步檢驗中值濾波與小波變換相結合的方法應用于發(fā)動機傳感器實驗數據預處理的效果，給出了通過某型發(fā)動機試驗數據預處理的結果。本次采用地面熱試車所采集到的數據。在本次試車中，數據采集系統(tǒng)采集到的信號具有較大的噪聲干擾，包含許多處脈沖噪聲。圖5給出了壓力傳感器的原始信號和去除噪聲之后的數據片段對比。結果表明，該方法能夠較好地消除傳感器信號中的噪聲，其應用于發(fā)動機傳感器試驗數據預處理是有效的。

圖5　發(fā)動機信號濾波前后對比圖

5　結　論

為了消除發(fā)動機傳感器故障檢測與診斷數據中的噪聲，研究了一種將中值濾波和小波分析結合起來使用的數據預處理方法。其中，中值濾波用于消除數據中的脈沖噪聲，小波分析用于濾除數據中的其他平穩(wěn)隨機噪聲。之后設計了一段原始信號迭加上噪聲信號，對該方法進行了測試。通過理論分析、數值試驗和歷史數據驗證，表明該混合方法具有理想的去除噪聲效果。

[1]李業(yè)波，李秋紅，黃向華，等.航空發(fā)動機傳感器故障與部件故障診斷技術[J].北京航空航天大學學報，2013，39(9):1174-1180.

[2]羅亞軍，孫興林，鄭森炎.智能傳感器節(jié)點身份識別與故障處理方法研究 [J].傳感器與微系統(tǒng)，2015，34(8):54-56.

[3]劉慶貴，周冬橋.基于多傳感器融合的卷煙機自診斷系統(tǒng)設計[J].傳感器與微系統(tǒng)，2012,31(3)：136-139.

[4]常虹.傳感器故障診斷方法研究[D].保定：華北電力大學，2002.

[5]徐濤，王祁.PCA在火箭發(fā)動機試車臺傳感器故障診斷中的應用[J].南京理工大學學報,2006,30(6):669-672.

[6]唐雅娟.發(fā)動機傳感器數據證實的軟件計算方法與系統(tǒng)實現研究[D].長沙:國防科技大學，2007.

[7]程正興.小波分析算法和應用[M].西安：西安交通大學出版社，1998.

[8]趙榮珍，李超，張優(yōu)云.中值與小波消噪集成的轉子振動信號濾波方法研究[J].振動與沖擊，2005，24(4)：12-14.

[9]Lee C.Sensor fault identification based on time-lagged PCA in dynamic process[J].Chemometrics and Intelligent Laboratory Systems，2004,70：165-178.

[10] 王海清，宋執(zhí)環(huán)，李平.主元分析方法的故障可檢測性研究[J].儀器儀表學報，2002，23(3):232-235.

[11] 張粵，倪桑晨，倪偉.基于智能傳感器網絡的環(huán)境信息監(jiān)測系統(tǒng) [J].傳感器與微系統(tǒng)，2012，31(2):140-145.

簡榮坤(1982- )，男，黑龍江哈爾濱人，碩士，工程師，從事嵌入式系統(tǒng)開發(fā)與傳感器設計。

Data preprocessing method of intelligent sensor fault diagnosis system

JIAN Rong-kun1， LI Bing-bing1， HAN Cheng2

(1.The 49th Research Institute，China Electronics Technology Group Corporation,Harbin 150001，China；2.The 703th Research Institute,China Shipbuilding Industry Corporation，Harbin 150001，China)

Signal collected by sensor in engine fault diagnosis system is synthesis of actual signal and random noise.This brings many adverse effects to fault detection and diagnosis.It needs to eliminate noise.In view of data characteristics of sensors for engine，a method of data processing based on faults diagnosis system of intelligent sensor is introduced.The method combines median filtering and wavelet analysis.The median filtering is used to eliminate pulse noise and wavelet analysis is used to eliminate random noise.Simulation results show that hybrid filtering can effectively remove pulse noise and random noise,and can restore the original signal.The method is applied to the engine test data,and the results show that the method is effective in removing noise.The method is applied to the test data of the engine,the results show that the method has ideal effect of denoising.

intelligent sensor; faults diagnosis system; data preprocessing

10.13873/J.1000—9787(2016)09—0027—03

2016—06—06

TP 212

A

1000—9787(2016)09—0027—03