唐 奕，李 祺，王文娟，馬云彤，劉 旺

(1.哈爾濱工業(yè)大學(xué) 自動(dòng)化測(cè)試與控制系, 哈爾濱 150080；2.中國(guó)航天科工集團(tuán)第三研究院 無(wú)人機(jī)技術(shù)研究所,北京 100074；3.北京機(jī)電工程研究所,北京 100074)

?

基于LabVIEW的振動(dòng)信號(hào)分析系統(tǒng)設(shè)計(jì)

唐 奕1，李 祺2，王文娟3，馬云彤1，劉 旺1

(1.哈爾濱工業(yè)大學(xué) 自動(dòng)化測(cè)試與控制系, 哈爾濱 150080；2.中國(guó)航天科工集團(tuán)第三研究院 無(wú)人機(jī)技術(shù)研究所,北京 100074；3.北京機(jī)電工程研究所,北京 100074)

針對(duì)機(jī)械故障監(jiān)測(cè)的需求，開(kāi)發(fā)了振動(dòng)信號(hào)分析系統(tǒng);采用LabVIEW圖形化開(kāi)發(fā)工具，系統(tǒng)實(shí)現(xiàn)了振動(dòng)信號(hào)分析流程和基本的信號(hào)分析方法，能夠?qū)φ駝?dòng)信號(hào)進(jìn)行預(yù)處理，并從時(shí)域、頻域和時(shí)頻域角度對(duì)其進(jìn)行特征提取;完成了基于仿真信號(hào)和實(shí)測(cè)的公開(kāi)振動(dòng)數(shù)據(jù)集的系統(tǒng)功能驗(yàn)證，采用希爾伯特-黃變換法對(duì)西儲(chǔ)凱斯軸承的一組數(shù)據(jù)進(jìn)行測(cè)試，結(jié)果表明，所開(kāi)發(fā)的振動(dòng)信號(hào)分析系統(tǒng)能夠分辨出軸承故障的特征頻率，相對(duì)誤差為0.84%，同時(shí)具備參數(shù)配置靈活、結(jié)果顯示直觀、擴(kuò)展性強(qiáng)的優(yōu)勢(shì)，為基于振動(dòng)測(cè)試的機(jī)械故障監(jiān)測(cè)提供了基礎(chǔ)平臺(tái)。

故障檢測(cè)；振動(dòng)測(cè)試；信號(hào)分析；LabVIEW

0 引言

隨著工業(yè)化程度不斷提高，復(fù)雜系統(tǒng)中使用的機(jī)械設(shè)備日趨智能化、復(fù)雜化和精密化[1],而機(jī)械設(shè)備的工作性能和運(yùn)行狀態(tài)直接影響復(fù)雜系統(tǒng)的整體運(yùn)作。因此，機(jī)械設(shè)備的可靠性變得越來(lái)越重要，機(jī)械狀態(tài)監(jiān)測(cè)獲得更多重視。

在設(shè)計(jì)、生產(chǎn)和運(yùn)行各個(gè)階段監(jiān)測(cè)設(shè)備的狀態(tài)有助于優(yōu)化設(shè)計(jì)生產(chǎn)，運(yùn)行中及時(shí)發(fā)現(xiàn)故障采取對(duì)策。機(jī)械設(shè)備及其零部件長(zhǎng)時(shí)間連續(xù)運(yùn)行在高溫環(huán)境下，由于擠壓、摩擦或沖擊等原因會(huì)產(chǎn)生結(jié)構(gòu)關(guān)系的變化，發(fā)出異常振動(dòng)信號(hào)。對(duì)振動(dòng)信號(hào)進(jìn)行監(jiān)測(cè)和分析就能在一定程度上獲取設(shè)備的運(yùn)行狀態(tài)?，F(xiàn)階段針對(duì)振動(dòng)分析提出了很多方法，小波法、Hilbert-Huang法[2-4]、階次分析[5-7]、神經(jīng)網(wǎng)絡(luò)算法以及盲源分離[8-9]都在以振動(dòng)測(cè)試為基礎(chǔ)的機(jī)械故障監(jiān)測(cè)領(lǐng)域有廣泛應(yīng)用。目前成熟的振動(dòng)測(cè)試平臺(tái)的開(kāi)發(fā)設(shè)計(jì)多利用Visual Studio、C++和Matlab等工具，Visual Studio雖可設(shè)計(jì)可視化界面，但程序代碼仍以C語(yǔ)言為基礎(chǔ)，對(duì)技術(shù)人員程序設(shè)計(jì)要求較高，開(kāi)發(fā)周期較長(zhǎng)；Matlab具有強(qiáng)大的數(shù)據(jù)運(yùn)算功能，但不能很好地實(shí)現(xiàn)數(shù)據(jù)采集和儀器控制。

振動(dòng)測(cè)試基礎(chǔ)平臺(tái)應(yīng)能實(shí)現(xiàn)振動(dòng)測(cè)試的完整流程，具備數(shù)據(jù)采集、分析和儀器控制的能力，提供可配置的參數(shù)和清晰直觀的結(jié)果顯示。LabVIEW作為一種標(biāo)準(zhǔn)的數(shù)據(jù)采集和儀器控制軟件[10]，提供圖形化程序設(shè)計(jì)平臺(tái)以及高級(jí)信號(hào)處理工具包，方便對(duì)振動(dòng)信號(hào)進(jìn)行處理和分析。因此，振動(dòng)信號(hào)分析系統(tǒng)主要采用LabVIEW工具進(jìn)行開(kāi)發(fā)。

1 振動(dòng)測(cè)試流程

振動(dòng)測(cè)試技術(shù)通過(guò)對(duì)機(jī)械設(shè)備發(fā)出的振動(dòng)信號(hào)進(jìn)行采集和分析判斷設(shè)備的狀態(tài)，是一種直觀有效的機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)方式，其基本流程包括4個(gè)步驟：信號(hào)采集、信號(hào)預(yù)處理、信號(hào)特征提取和故障診斷與決策，如圖1所示。

圖1 振動(dòng)測(cè)試流程圖

1.1 信號(hào)采集

振動(dòng)測(cè)試首先要獲取設(shè)備的振動(dòng)信號(hào)，在合理的位置安裝傳感器可以獲取機(jī)械設(shè)備不同方向的振動(dòng)數(shù)據(jù)。本文面向的測(cè)試數(shù)據(jù)利用仿真信號(hào)和開(kāi)放的振動(dòng)數(shù)據(jù)集產(chǎn)生，故系統(tǒng)設(shè)計(jì)信號(hào)源選擇模塊代替振動(dòng)測(cè)試中的信號(hào)采集部分用以產(chǎn)生振動(dòng)數(shù)據(jù)，并作為信號(hào)分析系統(tǒng)的輸入。

1.2 預(yù)處理

傳感器實(shí)時(shí)采集機(jī)械設(shè)備在工作環(huán)境中的振動(dòng)數(shù)據(jù)，所得的原始信號(hào)不可避免的包含噪聲干擾[11]。為保證可靠性，在對(duì)信號(hào)進(jìn)行特征提取前需要將原始采集信號(hào)進(jìn)行處理，在一定程度上濾除干擾[12]。本文設(shè)計(jì)信號(hào)預(yù)處理模塊，實(shí)現(xiàn)去趨勢(shì)項(xiàng)、數(shù)據(jù)平均、重采樣和濾波功能。

1.2.1 去趨勢(shì)項(xiàng)

趨勢(shì)項(xiàng)主要由采集、數(shù)模轉(zhuǎn)換設(shè)備中的放大器漂移引起，也由某些固定的環(huán)境因素持續(xù)作用于設(shè)備而產(chǎn)生趨勢(shì)性誤差[13]，可分為線性趨勢(shì)項(xiàng)和非線性趨勢(shì)項(xiàng)。去趨勢(shì)項(xiàng)的傳統(tǒng)方法包括平均斜率法和最小二乘法，而現(xiàn)代又發(fā)展出基于小波變換、經(jīng)驗(yàn)?zāi)B(tài)分解的去趨勢(shì)項(xiàng)方法。本文基于設(shè)計(jì)基于最小二乘法和經(jīng)驗(yàn)?zāi)B(tài)分解的去趨勢(shì)項(xiàng)方法，實(shí)現(xiàn)去除線性和非線性趨勢(shì)項(xiàng)的功能。

1.2.2 數(shù)據(jù)平均

數(shù)據(jù)平均用于剔除誤差較大的異常數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)平滑和擬合?；镜臄?shù)據(jù)平均方式為移動(dòng)平均法。移動(dòng)平均法以定長(zhǎng)的數(shù)據(jù)窗沿時(shí)間軸滑動(dòng)，同時(shí)對(duì)窗內(nèi)數(shù)據(jù)加和取平均數(shù)。這種方法算法簡(jiǎn)單，但效果有限，在移動(dòng)平均的基礎(chǔ)上發(fā)展出了指數(shù)平均法。指數(shù)平均法對(duì)窗內(nèi)數(shù)據(jù)進(jìn)行加權(quán)操作，近期的數(shù)據(jù)權(quán)值越大，與移動(dòng)平均相比具有更好的處理效果。本文設(shè)計(jì)了移動(dòng)平均和指數(shù)平均方法實(shí)現(xiàn)數(shù)據(jù)平均。

1.2.3 重采樣

傳感器以一定采樣率采集得到原始振動(dòng)信號(hào)，在后續(xù)處理中根據(jù)信號(hào)特點(diǎn)和分析方法不同需要改變采樣率即進(jìn)行重采樣，以求更有效的提取振動(dòng)信號(hào)特征。重采樣的思路有兩種：一是改變采樣間隔，即升降采樣；二是改變采樣方式，如階次分析中用到的等角度采樣。

等間隔升降采樣可以放大或縮小信號(hào)的某種特征，而等角度采樣主要針對(duì)變速過(guò)程中的采樣。當(dāng)機(jī)械設(shè)備勻速運(yùn)行時(shí)故障率較低，而機(jī)械故障常發(fā)生在啟停機(jī)或加減速過(guò)程中。在變速過(guò)程中如果仍采用等間隔采樣則每采樣一次機(jī)械變化的程度不同，不利于提取設(shè)備特征。而通過(guò)算法轉(zhuǎn)換為等角度采樣后，能保證每一段采樣設(shè)備的加速情況相同，便于對(duì)設(shè)備特征進(jìn)行提取。本文設(shè)計(jì)升降采樣和基于等角度采樣的階次分析方法。

1.2.4 濾波

濾波可以從頻率角度去除頻率干擾，可分為傳統(tǒng)濾波和現(xiàn)代濾波。傳統(tǒng)濾波器通過(guò)改變?yōu)V波器拓?fù)浣Y(jié)構(gòu)、通阻帶等參數(shù)實(shí)現(xiàn)濾波效果，而現(xiàn)代濾波器基于小波、經(jīng)驗(yàn)?zāi)B(tài)分解等算法，對(duì)原始信號(hào)進(jìn)行重構(gòu)或分解，從而達(dá)到濾波效果。本文設(shè)計(jì)傳統(tǒng)濾波器實(shí)現(xiàn)濾波功能。

經(jīng)過(guò)預(yù)處理的信號(hào)在一定程度上去除了噪聲干擾，可以較為準(zhǔn)確地進(jìn)行特征提取。

1.3 特征提取

振動(dòng)信號(hào)中包含大量設(shè)備狀態(tài)信息，對(duì)振動(dòng)信號(hào)進(jìn)行特征提取可以初步反映設(shè)備狀態(tài)，為后續(xù)狀態(tài)監(jiān)測(cè)算法的學(xué)習(xí)和訓(xùn)練機(jī)制提供數(shù)據(jù)支持，為模式識(shí)別提供基礎(chǔ)。振動(dòng)信號(hào)普遍具有時(shí)域、頻域和時(shí)頻域3個(gè)分析角度的特征，本文設(shè)計(jì)特征提取模塊對(duì)這3個(gè)方面的特征進(jìn)行提取。

1.3.1 時(shí)域特征

采集到的信號(hào)多為時(shí)間信號(hào)，時(shí)域上包含了信號(hào)較多特征，觀察分析最為直觀。信號(hào)的時(shí)域分析分為時(shí)域統(tǒng)計(jì)分析和時(shí)域相關(guān)性分析。時(shí)域統(tǒng)計(jì)分析主要利用統(tǒng)計(jì)學(xué)知識(shí)對(duì)獲取信號(hào)初步特征，時(shí)域相關(guān)性分析可以獲取信號(hào)間的相關(guān)性。

1)時(shí)域統(tǒng)計(jì)分析：時(shí)域統(tǒng)計(jì)指標(biāo)分為基本統(tǒng)計(jì)參量和無(wú)量綱參量?；窘y(tǒng)計(jì)參量反應(yīng)信號(hào)的基本時(shí)域信息，常用的有峰值、均方根和峭度。峰值和均方根分別反映振動(dòng)數(shù)據(jù)最大振動(dòng)幅度和整體振動(dòng)情況，而峭度表征數(shù)據(jù)概率密度的尖峭程度，更常用來(lái)反應(yīng)振動(dòng)狀態(tài)。無(wú)量綱參量主要包括峭度指標(biāo)、波形指標(biāo)、脈沖指標(biāo)和峰值指標(biāo)等。

2)相關(guān)性分析：相關(guān)性分析分為自相關(guān)分析和互相關(guān)分析。自相關(guān)反應(yīng)同一信號(hào)不同時(shí)間點(diǎn)上數(shù)據(jù)間的相關(guān)程度，用來(lái)去除信號(hào)中耦合的隨機(jī)噪聲。互相關(guān)反應(yīng)兩組信號(hào)同一時(shí)間點(diǎn)上數(shù)據(jù)間的相關(guān)程度，用來(lái)對(duì)比兩組相近的信號(hào)。

本文主要對(duì)時(shí)域統(tǒng)計(jì)指標(biāo)中的參量進(jìn)行測(cè)量，同時(shí)可以獲取信號(hào)的自相關(guān)情況。

1.3.2 頻域特征

信號(hào)的時(shí)域特征能在一定程度上反應(yīng)機(jī)械設(shè)備的狀態(tài)，但由于故障初期結(jié)構(gòu)變化較小，不易在時(shí)域特征中體現(xiàn)出來(lái)，但細(xì)小的機(jī)械結(jié)構(gòu)變化會(huì)在振動(dòng)信號(hào)中產(chǎn)生新的頻率成分，因此可以通過(guò)變換域分析方法從頻域角度監(jiān)測(cè)設(shè)備狀態(tài)。常用的頻域分析方法包括幅值譜分析、功率譜分析和倒頻譜分析。

1)幅值譜：幅值譜體現(xiàn)振動(dòng)幅度與頻率分布的關(guān)系，從中可以獲取主要振動(dòng)頻率分布，可以分辨機(jī)械設(shè)備的特征頻率[14]。

2)功率譜：功率譜體現(xiàn)功率能量與頻率分布的關(guān)系，可以揭示信號(hào)中隱含的周期性和鄰近的頻峰。功率譜可分為經(jīng)典譜估計(jì)和現(xiàn)代譜估計(jì)，較為常用的方法是現(xiàn)代譜估計(jì)中的AR譜估計(jì)[14]。

本文實(shí)現(xiàn)信號(hào)頻域幅度譜和功率譜計(jì)算和分析。

1.3.3 時(shí)頻域特征

信號(hào)時(shí)域和頻域分析存在各自的局限性，針對(duì)非平穩(wěn)信號(hào)采用時(shí)頻域分析方法，將一維時(shí)間尺度投射到二維的時(shí)間頻率尺度上，在同一個(gè)平面上同時(shí)顯示時(shí)域和頻域的細(xì)微變化[15]。本文設(shè)計(jì)STFT和Hilbert-Huang法進(jìn)行時(shí)頻域分析。針對(duì)Hilbert-Huang法中的經(jīng)驗(yàn)?zāi)B(tài)分解，本文進(jìn)行分析方法優(yōu)化，選取與原始信號(hào)相關(guān)性較大的本征模量進(jìn)行進(jìn)一步包絡(luò)譜分析。

1.4 故障判斷與決策

特征提取獲取到的設(shè)備基本狀態(tài)參數(shù)用于進(jìn)一步學(xué)習(xí)訓(xùn)練和模式識(shí)別，能夠及時(shí)發(fā)現(xiàn)和識(shí)別設(shè)備故障，采取相應(yīng)措施。

復(fù)雜的數(shù)據(jù)學(xué)習(xí)訓(xùn)練和模式識(shí)別算法的基礎(chǔ)是信號(hào)的獲取、處理和特征提取，本文借助基本的振動(dòng)分析方法搭建振動(dòng)測(cè)試平臺(tái)，實(shí)現(xiàn)信號(hào)的處理和特征提取功能。

以上完成了搭建振動(dòng)測(cè)試系統(tǒng)的準(zhǔn)備工作，下面對(duì)系統(tǒng)的實(shí)際振動(dòng)信號(hào)分析系統(tǒng)軟件實(shí)現(xiàn)進(jìn)行介紹。

2 振動(dòng)信號(hào)分析系統(tǒng)

本文借助LabVIEW工具的數(shù)據(jù)采集、分析及儀器控制功能，搭配Matlab強(qiáng)大的數(shù)據(jù)計(jì)算工具，設(shè)計(jì)振動(dòng)信號(hào)分析系統(tǒng)。選定開(kāi)發(fā)環(huán)境為L(zhǎng)abVIEW2014及Matlab2012b。

2.1 系統(tǒng)總體框架

本系統(tǒng)整體框架利用LabVIEW中的狀態(tài)機(jī)利用主從設(shè)計(jì)模式，搭配隊(duì)列功能和簇函數(shù)實(shí)現(xiàn)按自定義順序轉(zhuǎn)換不同模塊的功能，如圖2所示。

按照振動(dòng)信號(hào)分析系統(tǒng)功能劃分，系統(tǒng)功能模塊包括以下4個(gè)部分：信號(hào)預(yù)處理、信號(hào)特征提取、信號(hào)源選擇和文件管理。其中預(yù)處理和特征提取兩個(gè)模塊對(duì)應(yīng)于振動(dòng)測(cè)試流程中的兩個(gè)步驟，而信號(hào)源選擇模塊用于代替信號(hào)采集部分選取測(cè)試系統(tǒng)的信號(hào)輸入，文件管理模塊用于實(shí)現(xiàn)數(shù)據(jù)的存取功能。

圖2 軟件系統(tǒng)框架

信號(hào)源產(chǎn)生原始數(shù)據(jù)作為系統(tǒng)輸入，經(jīng)過(guò)文件管理模塊存儲(chǔ)并選擇需要分析的數(shù)據(jù)，之后數(shù)據(jù)依次經(jīng)過(guò)信號(hào)預(yù)處理模塊和信號(hào)特征提取模塊進(jìn)行信號(hào)處理和分析。以下按照振動(dòng)測(cè)試中數(shù)據(jù)的流動(dòng)順序?qū)ο到y(tǒng)的各模塊進(jìn)行介紹。

2.2 信號(hào)源選擇模塊

本文面向基礎(chǔ)仿真信號(hào)和開(kāi)放數(shù)據(jù)集兩種數(shù)據(jù)進(jìn)行驗(yàn)證，故設(shè)計(jì)信號(hào)源選擇模塊對(duì)信號(hào)進(jìn)行選擇，并將產(chǎn)生的信號(hào)作為輸入連接到振動(dòng)信號(hào)分析系統(tǒng)?；A(chǔ)仿真信號(hào)選取基本波形疊加噪聲的形式方便對(duì)系統(tǒng)功能進(jìn)行基礎(chǔ)驗(yàn)證，開(kāi)放數(shù)據(jù)集以Matlab結(jié)構(gòu)體中數(shù)據(jù)的形式提供，用于驗(yàn)證振動(dòng)信號(hào)分析系統(tǒng)的實(shí)際效果。

運(yùn)行程序點(diǎn)擊信號(hào)源選擇，根據(jù)用戶需要選取仿真信號(hào)或振動(dòng)信號(hào)產(chǎn)生相應(yīng)數(shù)據(jù)。在仿真信號(hào)中用戶可以選擇發(fā)生信號(hào)的形狀、幅值和頻率等，并對(duì)疊加噪聲的種類(lèi)和參數(shù)進(jìn)行配置。若用戶選擇振動(dòng)信號(hào)，則需要配置振動(dòng)信號(hào)的數(shù)據(jù)名稱(chēng)。

2.3 信號(hào)預(yù)處理模塊

借助LabVIEW聲音與振動(dòng)工具箱和高級(jí)信號(hào)處理工具箱中時(shí)間序列分析功能設(shè)計(jì)信號(hào)預(yù)處理模塊。

在運(yùn)行的程序中點(diǎn)擊預(yù)處理按鈕進(jìn)入預(yù)處理參數(shù)配置，在其中用戶需要選擇預(yù)處理方式并進(jìn)行相應(yīng)處理方式的參數(shù)設(shè)定。

2.4 信號(hào)特征提取模塊

信號(hào)特征提取模塊借助LabVIEW聲音與振動(dòng)工具和高級(jí)信號(hào)處理工具包從時(shí)域、頻域和時(shí)頻域角度對(duì)振動(dòng)信號(hào)進(jìn)行特征提取，利用LabVIEW豐富的控件清晰地顯示信號(hào)特征。

2.5 文件管理模塊

文件管理模塊實(shí)現(xiàn)對(duì)原始數(shù)據(jù)和測(cè)量結(jié)果的存儲(chǔ)和復(fù)現(xiàn)，提供二進(jìn)制、文本和表格等常用的文件格式。

為驗(yàn)證所設(shè)計(jì)的振動(dòng)測(cè)試系統(tǒng)對(duì)信號(hào)分析的正確性，本文面向基礎(chǔ)仿真數(shù)據(jù)和開(kāi)放振動(dòng)數(shù)據(jù)集對(duì)振動(dòng)分析進(jìn)行驗(yàn)證。

3 系統(tǒng)實(shí)驗(yàn)驗(yàn)證

振動(dòng)測(cè)試系統(tǒng)按照由上至下、模塊化的思想搭建，測(cè)試時(shí)同樣采取先模塊后整體的思路，首先利用基礎(chǔ)仿真信號(hào)對(duì)系統(tǒng)模塊的基本功能進(jìn)行驗(yàn)證，證明系統(tǒng)可以完成振動(dòng)測(cè)試的流程，實(shí)現(xiàn)振動(dòng)分析的功能，如圖3所示。之后針對(duì)開(kāi)放的振動(dòng)數(shù)據(jù)集對(duì)系統(tǒng)進(jìn)行實(shí)例驗(yàn)證，證明系統(tǒng)可以應(yīng)用于實(shí)際的振動(dòng)數(shù)據(jù)分析。

圖3 測(cè)試思路

3.1 基礎(chǔ)仿真驗(yàn)證

在信號(hào)源選擇模塊選取基礎(chǔ)仿真信號(hào)作為系統(tǒng)的輸入?；A(chǔ)仿真信號(hào)設(shè)計(jì)為3個(gè)不同頻率的正弦信號(hào)疊加的形式，方便對(duì)濾波、時(shí)頻域測(cè)量以及經(jīng)驗(yàn)?zāi)B(tài)分解功能的正確性進(jìn)行驗(yàn)證。

(1)

式中，參數(shù)設(shè)定為：T=1/25000，信號(hào)點(diǎn)數(shù)取1023，方便后續(xù)采取1024點(diǎn)FFT，設(shè)計(jì)3個(gè)特征頻率為f1=100 Hz、f2=500 Hz、f3=1000 Hz。

3.1.1 預(yù)處理測(cè)試

在基礎(chǔ)仿真信號(hào)上設(shè)置不同疊加噪聲，預(yù)處理方式采取指數(shù)平均與去趨勢(shì)項(xiàng)相結(jié)合的方式，以均方根值為預(yù)處理效果的參考值，結(jié)果如表，斜線上方和下方分別是預(yù)處理前后的均方根值。

表1 預(yù)處理前后均方根值對(duì)比表

由表可見(jiàn)，除高斯噪聲外，疊加其他種類(lèi)噪聲時(shí)預(yù)處理后信號(hào)均方根值明顯減少，證明信號(hào)預(yù)處理功能可以一定程度上達(dá)到去除干擾的目的。

3.1.2 濾波測(cè)試

依次選擇不同的通阻模式，設(shè)置高低截止頻率fh=600 Hz和fl=300 Hz，滿足：

f1

(2)

將濾波后信號(hào)進(jìn)行頻譜分析，選取巴特沃斯濾波器得到濾波結(jié)果。

圖4 濾波結(jié)果

由圖4濾波后頻率成分分布可看出，4種濾波方式低通、高通、帶通和帶阻濾波在100～1000 Hz頻率范圍內(nèi)能夠分離不同頻率成分，實(shí)現(xiàn)濾波功能。

通過(guò)以上基于基礎(chǔ)仿真信號(hào)的測(cè)試，驗(yàn)證了振動(dòng)信號(hào)分析系統(tǒng)能夠完成振動(dòng)測(cè)試流程，實(shí)現(xiàn)基礎(chǔ)信號(hào)分析功能。

3.2 實(shí)例驗(yàn)證

本文選取美國(guó)凱斯西儲(chǔ)大學(xué)軸承中心[16]的開(kāi)放數(shù)據(jù)集進(jìn)行實(shí)例驗(yàn)證。該數(shù)據(jù)集是軸承故障模擬的實(shí)驗(yàn)數(shù)據(jù)包，表中展示了平臺(tái)的具體條件，提供了4種人工植入的故障點(diǎn)和3個(gè)故障部位，在3種轉(zhuǎn)速下實(shí)驗(yàn)采集數(shù)據(jù)。

根據(jù)軸承故障數(shù)據(jù)特點(diǎn)，控制實(shí)驗(yàn)條件變化選取振動(dòng)數(shù)據(jù)進(jìn)行對(duì)比試驗(yàn)[17]。

表2 凱斯西儲(chǔ)大學(xué)軸承平臺(tái)

3.2.1 相同實(shí)驗(yàn)條件，對(duì)比正常信號(hào)與故障信號(hào)

實(shí)驗(yàn)中在相同實(shí)驗(yàn)條件下，選取采樣率12 K、負(fù)載0 hp、轉(zhuǎn)速1 797 rpm時(shí)的正常軸承信號(hào)和損傷直徑0.007 mm時(shí)的故障軸承信號(hào)進(jìn)行對(duì)比。經(jīng)過(guò)系統(tǒng)分析，表和圖是振動(dòng)信號(hào)分析系統(tǒng)獲取的幾個(gè)時(shí)域參量和功率譜圖。

由表3中顯示的特征參量可以看出，正常信號(hào)的統(tǒng)計(jì)參量數(shù)值較小，而故障信號(hào)相對(duì)較大。當(dāng)故障點(diǎn)位于軸承不同位置時(shí)，內(nèi)圈和滾動(dòng)體故障數(shù)據(jù)的統(tǒng)計(jì)參量數(shù)值明顯大于外圈故障數(shù)據(jù)的相應(yīng)數(shù)值，其原因在于軸承內(nèi)圈與滾動(dòng)體隨軸轉(zhuǎn)動(dòng)，發(fā)生故障時(shí)信號(hào)變化更為明顯。而軸承外圈固定于外部機(jī)架上，故障時(shí)產(chǎn)生信號(hào)變化較小。從圖5展示出的信號(hào)功率譜也可看出，正常數(shù)據(jù)得到的功率譜尖峰很窄，說(shuō)明信號(hào)的功率集中在較窄的頻率范圍內(nèi)。故障數(shù)據(jù)的功率譜反應(yīng)信號(hào)的功率分布在較寬的范圍內(nèi)，產(chǎn)生了正常信號(hào)中不存在的頻率分量。

表3 正常數(shù)據(jù)與故障數(shù)據(jù)時(shí)域?qū)Ρ?/p>

對(duì)比正常數(shù)據(jù)與故障數(shù)據(jù)可以看出機(jī)械設(shè)備發(fā)生故障時(shí)會(huì)在各個(gè)特征量上發(fā)生明顯的變化，進(jìn)一步實(shí)驗(yàn)中改變實(shí)驗(yàn)條件進(jìn)行測(cè)試。

3.2.2 不同實(shí)驗(yàn)條件，對(duì)比不同故障信號(hào)

在不同實(shí)驗(yàn)條件下依次對(duì)轉(zhuǎn)速與故障點(diǎn)直徑改變的軸承內(nèi)圈故障數(shù)據(jù)進(jìn)行對(duì)比測(cè)試。

圖5 正常信號(hào)與故障信號(hào)對(duì)比

1)固定故障點(diǎn)大小，改變轉(zhuǎn)速：

選取故障點(diǎn)0.007 mm時(shí)的內(nèi)圈故障數(shù)據(jù)，變電機(jī)轉(zhuǎn)速進(jìn)行測(cè)試。

選取系統(tǒng)提取出的部分信號(hào)特征如表4和圖6。從時(shí)域參量和功率譜圖中可以看出隨轉(zhuǎn)速增加，時(shí)域參量有所增大，信號(hào)功率所在的頻率范圍有所變化，但時(shí)域和頻域特征變化均不明顯。

表4 損傷直徑0.007 mm內(nèi)圈軸承測(cè)試

圖6 不同轉(zhuǎn)速信號(hào)功率譜

2)固定轉(zhuǎn)速改變故障點(diǎn)大?。?/p>

選取轉(zhuǎn)速為1 797 rpm時(shí)的內(nèi)圈故障數(shù)據(jù)，改變故障點(diǎn)大小進(jìn)行測(cè)試。

系統(tǒng)獲取到的部分信號(hào)特征如表5和圖7。由系統(tǒng)提取出的參量發(fā)現(xiàn)，故障特征隨故障點(diǎn)增大而逐漸明顯。另外，不同于故障點(diǎn)大小相同改變轉(zhuǎn)速時(shí)信號(hào)特征變化不明顯的情況，當(dāng)故障點(diǎn)大小變化時(shí)故障特征變化明顯，說(shuō)明在這個(gè)故障范圍內(nèi)故障點(diǎn)大小相比于轉(zhuǎn)速對(duì)機(jī)械設(shè)備影響更大。

3)Hilbert-Huang法驗(yàn)證：

選取負(fù)載0馬力、轉(zhuǎn)速1 797 rpm、損傷直徑0.007 mm的軸承內(nèi)圈故障數(shù)據(jù)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解。首先獲取本征函數(shù)個(gè)數(shù)為19個(gè)，對(duì)每個(gè)本征函數(shù)計(jì)算與原始信號(hào)的相關(guān)系數(shù)，選取前5個(gè)本征函數(shù)進(jìn)行功率譜分析。

表5 轉(zhuǎn)速1797 rpm內(nèi)圈軸承數(shù)據(jù)

圖7 不同故障點(diǎn)頻譜

由圖8可以看出，經(jīng)過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解將頻率成分較為復(fù)雜的原始信號(hào)分解成多個(gè)頻率成分較為單一的信號(hào)。對(duì)IMF1和IMF2求包絡(luò)譜，得到圖9。由包絡(luò)譜圖可以更清晰地看出，前兩個(gè)本征函數(shù)包含的頻率大致相同，均由故障特征頻率及其倍頻組成，與軸承故障原理相符[15]，系統(tǒng)分析出的特征頻率為106.8 Hz，而理論計(jì)算值為105.9 Hz，相對(duì)誤差為0.84%。

圖8 前5個(gè)本征模量功率譜

圖9 本征模量包絡(luò)譜

經(jīng)過(guò)實(shí)例驗(yàn)證，本文設(shè)計(jì)的振動(dòng)信號(hào)分析系統(tǒng)能夠?qū)?shí)際振動(dòng)信號(hào)進(jìn)行基本分析和特征提取，可以為進(jìn)一步算法學(xué)習(xí)和模式識(shí)別提供數(shù)據(jù)基礎(chǔ)。

4 結(jié)論

本文結(jié)合振動(dòng)測(cè)試的一般流程，完成振動(dòng)信號(hào)分析系統(tǒng)的開(kāi)發(fā)，并面向仿真數(shù)據(jù)和開(kāi)放振動(dòng)數(shù)據(jù)集進(jìn)行測(cè)試，測(cè)試結(jié)果表明具備實(shí)現(xiàn)振動(dòng)信號(hào)分析的完整流程的能力，能對(duì)實(shí)際振動(dòng)信號(hào)進(jìn)行基礎(chǔ)分析。同時(shí)系統(tǒng)具有良好的擴(kuò)展性，提供可配置的參數(shù)設(shè)計(jì)、清晰的結(jié)果顯示及友好的人機(jī)交互界面，可作為振動(dòng)測(cè)試的基本流程平臺(tái)。

由于缺少配合數(shù)據(jù)采集模塊的大量實(shí)驗(yàn)，系統(tǒng)目前只實(shí)現(xiàn)了普適性的信號(hào)分析方法，不能實(shí)現(xiàn)針對(duì)性的振動(dòng)信號(hào)分析，算法有待優(yōu)化。同時(shí)，精度指標(biāo)選取不夠嚴(yán)格，需要進(jìn)一步優(yōu)化。

[1] Shen C Q. Research on fault diagnosis and prognosis for key components of rotating machinery[D].Anhui Province: University of Science and Technology of China, 2014.

[2] 張邦成, 陳珉珉, 尹曉靜. 基于諧波小波和Hilbert的滾動(dòng)軸承故障診斷方法[J]. 現(xiàn)代制造工程, 2015, 6: 27-30.

[3] 趙海峰. 基于HHT的往復(fù)壓縮機(jī)故障診斷研究[D]. 黑龍江: 東北石油大學(xué), 2011.

[4] 孟 宗, 李?yuàn)檴? 基于小波改進(jìn)閾值去噪和HHT的滾動(dòng)軸承故障診斷[J]. 振動(dòng)與沖擊, 2013, 32(14): 204-208.

[5] 張 亢, 程軍圣, 楊 宇. 基于局部均值分解的階次跟蹤分析及其在齒輪故障診斷中的應(yīng)用[J]. 中國(guó)機(jī)械工程, 2011(14).

[6] 康海英, 欒軍英, 鄭海起. 基于階次跟蹤和HHT邊際譜的軸承故障診斷研究[J]. 振動(dòng)與沖擊, 2007(06).

[7] 岳曉峰, 朱成偉. 階次分析在變速箱故障診斷中的應(yīng)用及其研究[J]. 自動(dòng)化儀表, 2015, 6(36).

[8] 王元生, 任舒心, 楊永峰. 基于盲源分離與小波降噪的旋轉(zhuǎn)機(jī)械故障分析[J]. 機(jī)械科學(xué)與技術(shù), 2012, (5):726-730.

[9] 納躍躍. 頻域盲源分離算法研究及其在高速列車(chē)噪聲成分分離中的應(yīng)用[D]. 北京: 北京交通大學(xué), 2014.

[10] 于麗霞. 虛擬儀器在發(fā)動(dòng)機(jī)振動(dòng)信號(hào)處理中的應(yīng)用研究[D]. 山西: 中北大學(xué), 2008.

[11] 肖立波, 任建亭, 楊海峰. 振動(dòng)信號(hào)預(yù)處理方法研究及其MATLAB實(shí)現(xiàn)計(jì)算機(jī)仿真[J]. 計(jì)算機(jī)仿真, 2010, 27(8): 330-333, 337.

[12] 李舜酩, 郭海東, 李殿榮. 振動(dòng)信號(hào)處理方法綜述[J]. 儀器儀表學(xué)報(bào), 2013, 34(8): 1908-1912.

[13] 龍 源, 謝全民, 鐘明壽. 爆破震動(dòng)測(cè)試信號(hào)預(yù)處理分析中趨勢(shì)項(xiàng)去除方法研究[J]. 工程力學(xué), 2012, 29(10): 63-68.

[14] 王金福, 李富才. 機(jī)械故障診斷的信號(hào)處理方法: 頻域分析[J]. 噪聲與振動(dòng)控制, 2013, (1): 173-180.

[15] 夏 娟. 基于小波變換的齒輪振動(dòng)信號(hào)分析方法研究[D]. 陜西: 西北工業(yè)大學(xué).

[16] 美國(guó)凱斯西儲(chǔ)大學(xué), 軸承數(shù)據(jù)中心[EB/OL]. http://csegroups.case.edu/bearingdatacenter/pages/download-data-file.

[17] 張 乾. 基于振動(dòng)信號(hào)的軸承狀態(tài)監(jiān)測(cè)和故障診斷方法研究[D]. 湖南: 中南大學(xué), 2012.

Design of Vibration Signal Processing System on LabVIEW

Tang Yi1，Li Qi2，Wang Wenjuan3，Ma Yuntong1，Liu Wang1

(1.Department of Automatic Test and Control, Harbin Institute of Technology, Harbin 150080, China；2.Institute of UAV, Third Research Academy， CASIC, Beijing 100074, China;3.Beijing Electro-Mechanical Engineering Institute, Beijing 100074, China;)

In order to meet the needs of fault diagnosis on machines, we designed the vibration signal processing system. Using the graphical development tool of LabVIEW, we realize the process of vibration analysis and basic signal analysis methods. The system is able to preprocess the original vibration signal and extract the features on time, frequency and time frequency domains. We used simulation signals and open vibration databases to do tests of functions of the system. Choosing a set of datas based on the Case Western Reserve University Bearing Data Center Website as an example, the results tells that the vibration signal processing system we designed can identify the frequency of fault with a relative error of 0.84%, and has the advantages of flexible parameter setting, visually displayed results and strong extendibility, providing the basic platform for the vibration testing which is used to realize fault diagnosis on machines.

fault diagnosis; vibration test; signal analysis; LabVIEW

2015-08-27；

2015-09-25。

唐 奕(1993-)，男，遼寧沈陽(yáng)人，碩士研究生，主要從事測(cè)控技術(shù)方向的研究。

1671-4598(2016)06-0218-05DOI：10.16526/j.cnki.11-4762/tp

TP391;TN

A