龍海軍 , 孫燦飛, 莫固良

(1.中航工業(yè)故障診斷與健康管理航空科技重點實驗室 上海, 201601)(2.中航工業(yè)上海航空測控技術研究所 上海, 201601)

?

直升機振動檢測通用算法的研究與實現(xiàn)*

龍海軍1,2, 孫燦飛1,2, 莫固良1,2

(1.中航工業(yè)故障診斷與健康管理航空科技重點實驗室 上海, 201601)(2.中航工業(yè)上海航空測控技術研究所 上海, 201601)

針對國內(nèi)現(xiàn)有振動檢測設備在直升機振動噪聲測量領域的可靠性影響到維護效率及急待提高國內(nèi)直升機振動檢測設備性能問題，首先，對多種直升機振動噪聲進行了研究與分析；其次，針對直升機噪聲的復雜性詳細闡述了信號的預處理方法；最后，提出了適合直升機振動噪聲自適應整周期采樣時域同步平均-短時傅里葉變換方法?，F(xiàn)場驗證比較結果表明，整周期采樣時域同步平均-短時傅里葉變換測量方法在直升機振動測量中優(yōu)于其他振動算法，自適應調(diào)整能力強，信號的優(yōu)劣程度對測量結果影響小，分析更加準確，實時性得到了改善。此方法同樣適用于其他轉(zhuǎn)子振動測量領域。

振動測量；整周期采樣；時域同步平均；短時傅里葉變換

引 言

直升機具有靈活方便的使用特點，在軍事及民用中發(fā)揮著越來越重要的作用，但是直升機較高的噪聲卻一直制約著直升機大規(guī)模使用，噪聲大不僅會造成機械結構的疲勞度，縮短飛機的使用壽命，而且使得空勤人員的執(zhí)行效率降低和儀表設備失效等，嚴重時危及到機組人員的生命安全。直升機振動噪聲主要來源于主旋翼和尾槳噪聲，因此，噪聲測量的準確度成為直升機維護的重要紐帶，關系到維護人員的維修效率。當代直升機的振動水平已降到0.1g左右，尤其美國對新型直升機提出的振動水平要求更加嚴格(相當于0.05g的水平)，這對直升機振動檢測[1-3]設備提出了更高的檢測要求。國內(nèi)現(xiàn)有直升機振動檢測設備測量準確度有待改善，尤其是小信號的測量精度問題更加突出，主流產(chǎn)品還是國外的振動檢測設備。

近年來國外直升機振動檢測設備主要有美國霍尼韋爾和ACES，國內(nèi)的直升機振動檢測設備研發(fā)投入比較少，功能、性能與國外產(chǎn)品相比還有不少差距，主要體現(xiàn)在研發(fā)人員對直升機振動信號的整體理解與算法[4-5]的研究方面。究其原因：a.由于直升機上不同的振源、不同的頻率及不規(guī)則的作用使得振動分析非常復雜，國內(nèi)對直升機的振動理論探討較少；b.直升機由于其動力源和結構上的特點，使機體始終處于主旋翼和尾槳為主的強干擾源下作強迫振動。其振動特點是：隨機信號上疊加其他幾個強正弦信號，正弦信號的幅值又帶有隨機性；干擾頻率成分較復雜且主干擾源的頻率較低；機體剛體姿態(tài)頻率很低。這些特點決定現(xiàn)有的國內(nèi)振動檢測設備直接用頻域傅里葉變換或時域的處理方法難以達到理想的測量效果。

為了解決國內(nèi)現(xiàn)有直升機振動檢測設備算法的缺陷，通過對多種直升機主旋翼、尾槳振動噪聲的分析和多種測量方法的研究類比，提出了整周期采樣時域同步平均-短時傅里葉變換[6-8]測量算法。經(jīng)現(xiàn)場驗證表明，此算法自適應調(diào)整能力強，信號的優(yōu)劣程度對測量結果影響小，分析更加準確，可靠性、實時性得到了改善。

1 振動噪聲特征與測量方法

直升機由于其動力源和結構的特點，使機體始終處于主旋翼和尾槳為主的強干擾源下作強迫振動。旋翼和尾槳噪聲是現(xiàn)代直升機最主要的噪聲來源。

旋翼噪聲是直升機飛行時的主要噪聲。研究表明,當直升機飛行時，它的譜呈線譜特征，主要取決于旋翼的工作狀態(tài)，與飛行方向關系不大，旋翼圍繞其頂軸勻速運動，周期性地拍打空氣，引起空氣有規(guī)則的脈動，所產(chǎn)生的噪聲頻率為f=nzm/60，其中:n為旋翼轉(zhuǎn)速;z為旋翼葉片數(shù)。直升機具有穩(wěn)定的基頻，在飛行情況下還要產(chǎn)生一個多普勒頻移Δf，其計算公式為Δf=Fbvcosφ/c，其中：Fb為基頻；v為直升機水平飛行速度；c為聲在空氣中的傳播速度；φ為直升機飛行速度方向與直升機到測點連線之間的夾角。經(jīng)過對各種直升機的計算分析發(fā)現(xiàn)，f<2 Hz，多普勒頻移甚低，不會改變直升機噪聲的周期性和低頻特性。尾槳噪聲則體現(xiàn)在直升機起飛、爬升、大速度前飛及懸停等飛行狀態(tài)，可以分為旋轉(zhuǎn)噪聲、寬帶噪聲和高速脈沖噪聲。尾槳噪聲是直升機重要噪聲源，因為尾槳的轉(zhuǎn)速較高，它的通過頻率落在人的聽力敏感區(qū)，引起人耳極度不適。

直升機噪聲信號既有周期、慢時變成分，又有槳葉渦流的相互作用及較大的槳尖速度效應所產(chǎn)生的極強的非平穩(wěn)信號。更嚴格地講，直升機噪聲信號是一個復雜的非線性過程，存在著大量的瞬態(tài)成分，具有非平穩(wěn)特性。振動噪聲有如下共同點：a.隨機信號上疊加某幾個強正弦信號，正弦信號的幅值又帶有隨機性；b.干擾頻率成分較復雜，且主干擾的頻率較低；c.機體剛體姿態(tài)頻率很低。這些特點的振動給測試和處理帶來了較多的困難。首先,傳感器的低頻性能難以得到保證，標定傳感器的振動臺在低頻時的線性度比較差；其次，隨機信號和正弦信號還存在著轉(zhuǎn)換的問題，而對應頻率幅值的隨機性又對數(shù)據(jù)處理提出特殊要求。常用的信號分析算法如傅里葉變換在數(shù)據(jù)采樣率的選取、采樣時長的確定、可靠性、實時性的提高等難以達到最優(yōu)化，而且當飛機狀態(tài)惡劣時，算法的可靠性更不能得到保證；時域法則在有噪聲干擾時，如何來正確辨別是其難點；小波分析法[9]由于分辨率存在一定的極限，在直升機振動復雜時難以達到良好的效果。筆者通過引入跟蹤飛機狀態(tài)及機型相關反饋狀態(tài)，解決了數(shù)據(jù)采樣率的選取、采樣時長的確定、實時性、可靠性等問題。

2 信號提取與辨別

在工程實踐中，對于直升機旋轉(zhuǎn)軸承之類的振動測量，由于信號復雜，采用轉(zhuǎn)速與振動信號同步跟蹤來保證信號特征值的正確提取。圖1為直升機主旋翼、尾槳傳感器的安裝圖，圖2為理想情況時轉(zhuǎn)速與振動傳感器的輸出。

圖1 直升機的傳感器安裝Fig.1 The installation of helicopter sensor

圖2 轉(zhuǎn)速與振動傳感器的理想波形Fig.2 The ideal waveform of the speed and the vibration sensor

當旋翼與尾槳旋轉(zhuǎn)時轉(zhuǎn)速傳感器產(chǎn)生方波，同時振動傳感器經(jīng)信調(diào)電路后輸出正弦信號。主旋翼、尾槳每旋轉(zhuǎn)一周，轉(zhuǎn)速傳感器產(chǎn)生一個占空比不同的方波，同時振動傳感器產(chǎn)生相對應的正弦波，如圖2所示。當轉(zhuǎn)速增加時，可以看到振動信號的頻率也隨之增大。通過轉(zhuǎn)速與振動信號相關聯(lián)，就可以確定直升機振動特征值。

圖3 直I、直II的振動信號Fig.3 The vibration signal of the helicopter with I and II

由于直升機振動信號的頻率復雜，實際波形與理想波形相差懸殊，圖3為兩種機型的實測振動信號。其中：LSB為最低有效位。由圖3上圖可知，振動信號波形比較理想，但信號中夾帶更低的頻率分量，可以清晰地估計出待測信號的幅值和相位；下圖中除了低頻分量外還帶有比待測信號頻率高的分量，很難辨別出待測信號，需通過算法處理得出其成分。

3 時域同步平均-短時傅里葉變換

針對直升機型號不同、同型號的振動惡劣程度不一致，結合多種機型實測數(shù)據(jù)進行分析，采用圖4所示的硬件方案及圖5所示的軟件算法。

圖4 硬件流程圖Fig.4 The flowchart of hardware

圖5 算法流程圖Fig.5 The flowchart of algorithm

3.1 硬件流程

暗電流隨電子輻照注量的變化關系，如圖2所示。可以看出，靜態(tài)輻照條件下暗電流退化比不加電輻照時退化更嚴重。暗電流的退化主要是由于電子輻照產(chǎn)生的電離損傷導致淺槽隔離(STI)界面復合電流、掩埋型光電二極管(PPD)表面缺陷復合電流、光電二極管與轉(zhuǎn)移柵(TG)交疊區(qū)復合電流等三部分暗電流的增大造成的。由于10 MeV電子輻照還產(chǎn)生了位移損傷，因此暗電流的增大有一部分是由于體缺陷導致耗盡區(qū)載流子產(chǎn)生率增大所致。此外，γ射線輻照偏置效應不明顯[11]，因此認為位移損傷效應表現(xiàn)出一定的偏置效應。

由于直升機主旋翼頻率低，國內(nèi)振動傳感器許多參數(shù)達不到技術指標，為了滿足前端信號采集要求，采用國外PCB公司的振動傳感器。轉(zhuǎn)速傳感器則根據(jù)機型采用磁電或光電轉(zhuǎn)速傳感器。針對直升機振動信號經(jīng)常處于振動小的狀態(tài)，在信號調(diào)理時采用程控增益放大電路來滿足動態(tài)測量范圍要求，抗混疊濾波器設計需滿足采樣定理。使關系式滿足 fmax≤fs/2,fmax為待測信號的最大頻率，fs為信號的采樣率。A/D轉(zhuǎn)換器采用自帶采樣保持器的16位A/D轉(zhuǎn)換芯片以滿足測量精度要求。在轉(zhuǎn)速調(diào)理電路中，針對傳感器(磁電或光電轉(zhuǎn)速)采用通用信調(diào)電路對磁電或光電信號進行放大，然后對波形進行整形以滿足微處理器的要求。微處理器則是對振動和轉(zhuǎn)速信號進行預處理、算法運算及輸入輸出設備響應。

3.2 算法流程

3.2.1 整周期過采樣

振動信號進行傅里葉變換分析時，盡量使分析譜線落在信號的頻率上以避免柵欄效應。假設振動信號為x(t)，頻率為f0，采樣頻率為fs，采樣點數(shù)為N，時間長度為T，頻率采樣間隔為Δf，根據(jù)傅里葉變換原理知T與Δf有如下關系

(1)

為了使分析信號落在f0處，f0與Δf須滿足

(2)

其中：Z為正整數(shù)。

假設振動信號為x(t)的周期為T0，則由式(1)與式(2)得時間長度T與T0存在如下關系

(3)

采樣點數(shù)為N的時間長度T與振動信號為x(t)的周期T0成正整數(shù)倍時，才能使分析譜線落在信號的頻率處以獲得準確頻譜。因此，以待測信號的頻率f為參考，采樣頻率動態(tài)實時跟蹤信號頻率，fs=n*f,n為整數(shù)，即無論頻率如何變化可確保采集樣點為信號周期的固定倍數(shù)，避免了頻譜泄漏。如圖6所示，T為信號頻率，N為每個周期內(nèi)的倍頻脈沖數(shù)。采樣過程中采用了過采樣技術[10]，降低了A/D的量化噪聲及抗混疊濾波器設計指標。

圖6 整周期信號采樣Fig.6 The signal sampling with whole cycle

3.2.2 信號預處理

由于振動信號優(yōu)劣程度跟直升機型號、同型號維護狀態(tài)存在極大關系，為了達到最優(yōu)測量，在信號預處理算法中，采樣一段時間振動數(shù)據(jù)進行預處理，在時域中以待測信號的轉(zhuǎn)速為參考點進行多周期同步平均，根據(jù)同步平均后的數(shù)據(jù)來判斷振動信號的優(yōu)良程度，進而對后續(xù)的處理算法分配合理的數(shù)據(jù)采集時間和算法處理時間。多周期同步平均的轉(zhuǎn)速振動信號如圖7左圖所示，上方為轉(zhuǎn)速信號，下方為振動信號；采用每4個轉(zhuǎn)速周期對振動信號進行同步平均，最終信號趨于比較理想同步平均信號，如圖7右圖所示。由于直升機振動分析只有在待測信號頻率偏差可接受時分析的結果才有意義，因此在信號預處理中同時監(jiān)測轉(zhuǎn)速的穩(wěn)定程度，以確定是否丟棄無效的數(shù)據(jù)進行重新采樣。

時域中進行預處理算法時，假設有信號如圖8所示，上方為待測信號頻率，下方為混有其他干擾的待測信號。Pk為信號正峰值點，-Pk為待測信號的負峰值點，如果沒有干擾信號，則4T周期內(nèi)Pk總數(shù)為4，-Pk總數(shù)為4。由于干擾信號，圖中Pk與-Pk遠大于4。判定時域中周期信號的穩(wěn)定度的必要條件是：a.NPk=N-Pk=4，N為峰值個數(shù)；b.APk/A-Pk≈1，APk為正峰值，A-Pk為負峰值。

判別時域中周期信號的穩(wěn)定性，可采用4周期(實際需要)m次疊加同步平均，如圖7所示。當m值增大時，信號的輪廓逐漸顯現(xiàn)，干擾信號的峰值減小，結果如圖9所示。利用峰值判定方法可容易找到信號穩(wěn)定時所需的判別條件NPk=N-Pk=4，APk/A-Pk≈1，從而完成了信號的預處理。

圖7 振動信號預處理Fig.7 The signal preprocessing of vibration

圖8 頻率與振動信號Fig.8 The signal and frequency of vibration

圖9 預處理后的信號Fig.9 The signal preprocessed

3.2.3 短時傅里葉變換

圖10 短時傅里葉變換的示意圖Fig.10 The schematic of STFT

K=2[ log2A],其中：A為頻率區(qū)間；[]為取最近整數(shù)的運算。 對于一維信號，使用快速傅里葉變換(fast Fourier transform,簡稱FFT)算法計算輸入序列的離散傅里葉變換(discrete Fourier transform,簡稱DFT)。一維DFT定義如下

其中：x為輸入序列；N為x中元素的數(shù)量；Y為變換的結果。

W(n)窗的長度可影響STFT的時間精度和頻率精度。較窄的窗的持續(xù)時間較短,帶寬較大，可得到更好的時間精度，但頻率精度不理想。較寬的窗的持續(xù)時間較長,帶寬較窄，可得到更好的頻率精度，但時間精度不理想。

利用上述方法，以每4個周期對振動信號進STFT，然后將各次STFT測量結果的各個參數(shù)進行去粗大誤差及求平均值，得出所需頻率的幅值和相位，再對幅值和相位進行校正得出最終結果，從而確定了直升機的振動狀態(tài)。

3.3 試驗數(shù)據(jù)

采用傅里葉變換與文中設計方法在外場進行測試，表1與表2為直I機型的振動測量結果，該機振動信號比較理想；表3與表4為直II機型的振動測量結果，該機振動信號比較惡劣。其中：IPS表示每秒英寸數(shù)。測試結果表明，整周期采樣時域同步平均短時傅里葉變換提高了振動測量系統(tǒng)的精度、穩(wěn)定性、可靠性和實時性。

表1 直Ⅰ傅里葉變換

表2 直Ⅰ時域同步平均短時傅里葉變換Tab.2 Synchronous averaging-short Fourier for the helicopter I

表3 直Ⅱ傅里葉變換

表4 直Ⅱ時域同步平均短時傅里葉變換

4 結 論

1) 在對不同型號直升機主旋翼、尾槳振動測量時，該法實時性強，測量時間的長短自適應信號的惡劣程度，解決了采用固定時間傅里葉變換的時間過長問題，提高了嵌入式設備的運行效率。

2) 表1與表2是針對狀況良好的直I型機，用不同的方法進行了6次振動幅值與相位的測量比較，驗證結果一致。表3與表4是針對狀況比較惡劣的直II型機所進行的振動幅值與相位的測量比較，表明整周期采樣時域同步平均短時傅里葉變換數(shù)據(jù)更加集中，尤其在噪聲復雜時測量精度、穩(wěn)定性與可靠性方面都得到了極大的改善，提高了維修效率。

3) 實現(xiàn)了直升機多機型測量的兼容性，解決了測量設備因機型不同須進行軟硬件升級等問題。該算法不僅適用于直升機的振動測量，也可用于其他轉(zhuǎn)子振動信號分析。

[1] Randall R B,Antoni J. Rolling element bearing diagnostics-a tutorial[J].Mechanical Systems and Signal Processing,2011,25(2):485-520.

[2] Carden E P，F(xiàn)anning P. Vibration based condition monitoring: a review[J]. Structural Health Monitoring，2004，3(4)：355-377.

[3] Rubini R，Meneghetti U.Application of the envelope and wavelet transform analyses for the diagnosis of incipient faults in ball bearings[J]. Mechanical Systems and Signal Processing，2001，15(2)：287-302.

[4] 王大倫，王志新，王康．數(shù)字信號處理——理論與實踐[M]．北京：清華大學出版社，2010：45-71．

[5] 周曉峰，楊世錫，甘春標．一種旋轉(zhuǎn)機械振動信號的盲源分離消噪方法[J]．振動、測試與診斷，2012，32(5)：714-717.

Zhou Xiaofeng, Yang Shixi， Gan Chunbiao. Denoising vibration signal of frotating machinery[J]. Journal of Vibration ,Measurement & Diagnosis, 2012，32(5): 714-717.(in Chinese).

[6] 楊世錫，梁文軍，于保華.振動信號多通道同步整周期數(shù)據(jù)采集卡的設計[[J]. 振動、測試與診斷，2013，33(1): 23-28.

Yang Shixi, Liang Wenjun,Yu Baohua. Design of vibration signal′s multi-channel integer period synchronous acquistion card[J]. Journal of Vibration ,Measurement & Diagnosis, 2013，33(1): 23-28.(in Chinese)

[7] Rapuano S，Harris F J. An introduction to FFT and time domain windows[J]. Instrumentation & Measurement Magazine，IEEE，2007，10(6)：32-44.

[8] Oliver W，Roland S. Panel contribution analysis-an alternative windows method[J]. Society of Automotive Engineers,2005(1)：2275-2280.

[9] 姜洪開，王仲生，何正嘉.基于自適應提升小波包的故障微弱信號特征早期識別[J].西北工業(yè)大學學報，2008，26(1)：99-100.

Jiang Hongkai，Wang Zhongsheng，He Zhengjia. Early identification of weak-signal fault features under very unfavorable environment using adaptive lifting scheme pachet[J]. Joural of Northwestern Polytechnical University, 2008，26(1)：99-100. (in Chinese)

[10]胡勁松，楊世錫，轉(zhuǎn)子振動信號同步整周期重采樣的研究[J]．動力工程，2008，28(3)：488-492．

Hu Jinsong，Yang Shixi. Study on method of vibration signal's full period synchronous re-sampling for rotor[J]. Journal of Power Engineering，2008，28(3)：488-492.(in Chinese)

10.16450/j.cnki.issn.1004-6801.2016.03.019

*中航工業(yè)集團公司技術創(chuàng)新基金資助項目(BK1420-33)

2014-05-19；

2015-01-24

TH165.3； TH113.1

龍海軍,男，1982年11月生，工程師。主要研究方向為直升機振動信號處理與算法、嵌入式軟件設計與開發(fā)。曾發(fā)表《電子式氧氣調(diào)節(jié)器中步進電機模糊控制技術研究》(《測控技術》 2013年第32卷第4期)等論文。

E-mail:lhj02020224@163.com