鄧娜娜　董　斌　黃宇青　黎　志

1(上海云統(tǒng)信息科技有限公司　上海 201210) 2(上海市計(jì)算技術(shù)研究所　上海 200040)

0　引　言

機(jī)械設(shè)備是工業(yè)生產(chǎn)中的關(guān)鍵設(shè)備，廣泛應(yīng)用于礦山、電力、冶金等部門，對企業(yè)的安全生產(chǎn)及其重要。但是機(jī)械設(shè)備經(jīng)常會出現(xiàn)各種各樣的故障，甚至造成人員的傷亡，并且在運(yùn)行過程中需要工作人員的持續(xù)巡檢和值守，大大增加了人力成本，嚴(yán)重降低了企業(yè)生產(chǎn)的效率。為響應(yīng)國家提出的創(chuàng)新戰(zhàn)略和《中國制造2025》，需要利用物聯(lián)網(wǎng)、大數(shù)據(jù)等新一代信息技術(shù)支持工業(yè)企業(yè)開展智能化生產(chǎn)，對機(jī)械設(shè)備進(jìn)行升級改造。

對機(jī)械設(shè)備進(jìn)行振動監(jiān)測能夠有效減少上述情況的發(fā)生，保證機(jī)器設(shè)備的安全高效運(yùn)行。振動是機(jī)械設(shè)備故障的主要表現(xiàn)，而且不同種類的機(jī)械故障會在振動信號上有不同頻率和幅值的表現(xiàn)，通過對振動信號進(jìn)行監(jiān)測，并對采集到的振動信息作進(jìn)一步的分析和處理，就能夠隨時掌握設(shè)備的運(yùn)行狀態(tài)是否正常、發(fā)展趨勢如何等。通過對振動信息進(jìn)行分析獲取設(shè)備的這些信息，就能夠在機(jī)械設(shè)備發(fā)生故障之前得到設(shè)備的預(yù)警信息，及時發(fā)現(xiàn)問題，并提前加以維護(hù)修理，從而有效避免重大事故的發(fā)生。

目前市面上常用的振動傳感器大部分都是檢測振動的加速度信號，由于信號受周圍環(huán)境多重因素的影響，需要對采集到的加速度信號做濾波和傅里葉變換等處理，并利用積分運(yùn)算將加速度值轉(zhuǎn)換成振動的位移值，才能更好地分析機(jī)械設(shè)備的振動情況。故本文從數(shù)據(jù)的采集和處理等方面進(jìn)行深入分析研究，利用直接內(nèi)存讀取DMA(Direct Memory Access)和消息隊(duì)列遙測傳輸MQTT(Message Queuing Telemetry Transport)等技術(shù)，確保采集數(shù)據(jù)的快速準(zhǔn)確和傳輸?shù)膶?shí)時性。同時在數(shù)據(jù)處理方面，利用卡爾曼濾波技術(shù)，并進(jìn)行時域和頻域的相互轉(zhuǎn)化，再利用優(yōu)化的積分運(yùn)算以降低信號的誤差率。通過本套系統(tǒng)的實(shí)施，利用數(shù)據(jù)記錄和信號分析設(shè)備的運(yùn)行狀態(tài)，可以確定設(shè)備合理的檢修時機(jī)和檢修方案，避免不必要的停機(jī)，節(jié)約維修費(fèi)用，同時減少了人員的值守，實(shí)現(xiàn)了“少人值守，無人值班”的工作模式，大大提高了生產(chǎn)效率。

1　系統(tǒng)設(shè)計(jì)

本系統(tǒng)由嵌入式系統(tǒng)與PC端自動采集工具組成，嵌入式系統(tǒng)主要由MCU，以太網(wǎng)模塊，MEMS傳感器、電源等組成。MCU采用K60FX512芯片，此芯片集成了128 KB SRAM和512 KB Flash，及其以太網(wǎng)MAC等模塊，芯片基于ARM Cortex M4內(nèi)核，集成浮點(diǎn)、DSP、并行計(jì)算，具有較強(qiáng)的信號數(shù)據(jù)處理能力，ADC模塊可實(shí)現(xiàn)16位精度模擬采樣，具有較高的采樣精度。MEMS傳感器采用Analog Devices公司的AXL354，其支持±2 g和±4 g，屬于低噪聲密度、低功耗、3軸MEMS加速度計(jì)適合低頻振動監(jiān)測。

系統(tǒng)總體結(jié)構(gòu)如圖1所示，K60FX512通過簡化媒體獨(dú)立接口RMII(Reduced Media Independent Interface)與物理層以太網(wǎng)芯片相連，通過高精度ADC采集ADXL354 MEMS加速度傳感器數(shù)據(jù)，經(jīng)處理后通過MQTT協(xié)議[10]封裝提交至PC端數(shù)據(jù)處理。

圖1　系統(tǒng)結(jié)構(gòu)圖

MCU經(jīng)過AD采樣和MQTT網(wǎng)絡(luò)[11-12]傳輸?shù)絇C端進(jìn)行數(shù)據(jù)的存儲和分析。通過上位機(jī)軟件設(shè)置振動測試臺的振幅、加速度等相關(guān)參數(shù)，并利用設(shè)定的采樣頻率，實(shí)現(xiàn)數(shù)據(jù)的自動化采集及其格式化的數(shù)據(jù)接收和存儲，數(shù)據(jù)采集軟件如圖2所示。

圖2　自動化數(shù)據(jù)采集軟件

2　數(shù)據(jù)分析

2.1　噪聲信號

采集信號不可避免地受到周圍環(huán)境及其他局部振動的干擾影響，這些噪聲信號影響后續(xù)的分析處理。通過濾波處理進(jìn)行噪聲信號的消除和降低是信號處理中非常重要的一個環(huán)節(jié)，卡爾曼濾波[9]是一種面向解決系統(tǒng)狀態(tài)估計(jì)和追蹤問題的最優(yōu)估計(jì)理論，廣泛應(yīng)用于信號處理、導(dǎo)航系統(tǒng)和自適應(yīng)控制系統(tǒng)等領(lǐng)域。

2.2　卡爾曼濾波

卡爾曼濾波屬于一種軟件濾波，以遞歸的方式進(jìn)行濾波的更新計(jì)算，每一時刻的估計(jì)值都由上一時刻的估計(jì)值和測量值計(jì)算得到。它的基本思想是：以最小均方誤差為最佳估計(jì)準(zhǔn)則，采用信號與噪聲的狀態(tài)空間模型，利用前一時刻的最優(yōu)估計(jì)值和當(dāng)前時刻的測量值來更新對狀態(tài)變量的估計(jì)，包括預(yù)測值的均方誤差和卡爾曼增益等，并求出當(dāng)前時刻的最優(yōu)估計(jì)值，根據(jù)建立的系統(tǒng)方程和觀測方程對需要處理的信號做出滿足最小均方誤差的估計(jì)[4]?？柭鼮V波算法遞推計(jì)算過程的方程式如下：

(1) 預(yù)測狀態(tài)量：

(1)

(2) 預(yù)測均方誤差：

(2)

(3) 計(jì)算卡爾曼增益：

(3)

(4) 狀態(tài)估計(jì)：

(4)

(5) 估計(jì)均方誤差：

(5)

對于本系統(tǒng)中振動傳感器采集的加速度值，可以認(rèn)為是一維數(shù)據(jù)，A和B都為1，式(1)-式(5)可簡化為：

(6)

(7)

(8)

(9)

(10)

分析卡爾曼濾波的5個公式，主要是搭建模型, 根據(jù)靜止?fàn)顟B(tài)下的采集值和不同頻率振幅下的采集值進(jìn)行計(jì)算和誤差分析，得到每個測量值的噪聲方差Q和估計(jì)值的噪聲誤差R，然后再進(jìn)行如下的迭代計(jì)算過程：

state_p [i] = state_k[i-1]

//用上一時刻的最優(yōu)估計(jì)值來作為當(dāng)前時刻的預(yù)測

variance_p[i] = variance_k[i-1]+Q

//預(yù)測的方差為上一時刻最優(yōu)估計(jì)值的方差與

//高斯噪聲方差之和

gain[i] = variance_p[i]/(variance_p[i]+R)

//重新計(jì)算卡爾曼增益

state_k[i] = state_p[i]+gain[i]*(z[i]-state_p[i])

//結(jié)合當(dāng)前時刻的測量值，根據(jù)預(yù)測值(上一時刻的最優(yōu)估

//值)，得到當(dāng)前時刻的最優(yōu)估計(jì)值

variance_k[i] = (1-gain[i])*variance_p[i]

//計(jì)算最優(yōu)估計(jì)值的方差用于下一次迭代

根據(jù)結(jié)果分析，卡爾曼濾波效果如圖3所示。

圖3　對原始數(shù)據(jù)進(jìn)行卡爾曼濾波的對比曲線

2.3　快速傅里葉變換

利用以上經(jīng)過卡爾曼濾波后的數(shù)據(jù)進(jìn)行快速傅里葉變換，將時域信號轉(zhuǎn)換為頻域信號，根據(jù)設(shè)備故障振動的特性，在頻域信號中去除特定頻率的噪聲信號，保留有效振動信號。

傅里葉變換是信號處理分析的重要手段，將采樣得到的振動傳感器的加速度信號通過離散傅里葉變換DFT[6](Discrete Fourier Transform)分析處理得到的離散序列，假設(shè)序列x(n)的采樣點(diǎn)為N，則x(n)的離散傅里葉變換為：

(11)

根據(jù)離散傅里葉變換的對稱性，衍生出來了快速傅里葉變換FFT(Fast Fourier Transform)，F(xiàn)FT[1-2]是離散傅里葉變換的快速計(jì)算方法，運(yùn)算速度快并且計(jì)算次數(shù)少，使算法復(fù)雜度由原來的O(n2)降低為O(nlog(n))[7]，在FFT運(yùn)算過程中，通過對信號建立數(shù)據(jù)窗，忽略了前后的信號波形，然而截斷后的序列的頻域與原數(shù)據(jù)序列的頻域會有一定的差別，原來的離散頻譜會向附近擴(kuò)展，產(chǎn)生頻譜泄露等，本系統(tǒng)通過設(shè)置采集數(shù)據(jù)的序列號提高采樣信號數(shù)據(jù)的連續(xù)性，并采用大數(shù)據(jù)量存儲分析，同時增加不同頻域的采樣點(diǎn)和不同振幅的采樣點(diǎn)，系統(tǒng)中采樣頻率設(shè)置為5 kHz和10 kHz的快速采樣速率，連續(xù)采樣數(shù)據(jù)大于20 000個點(diǎn)，對不同頻率(80 Hz、40 Hz、20 Hz、10 Hz)下的多個不同位移(5～1 000 μm)的振動數(shù)據(jù)進(jìn)行采樣，減少離散頻譜線之間的間隔，在IFFT(反傅里葉變換)中去掉直流分量，將IFFT得到的加速度曲線進(jìn)行二次積分運(yùn)算計(jì)算位移的過程中，利用曲線擬合等多種措施進(jìn)行分析以便盡可能多的減少誤差[5,8]，利用FFT變換后的數(shù)據(jù)如圖4所示。

圖4　對濾波后的數(shù)據(jù)進(jìn)行FFT變換

對FFT轉(zhuǎn)換后的頻域數(shù)據(jù)利用低通濾波和帶通濾波器相結(jié)合的方法去除噪聲信號的頻率分量，再進(jìn)行相關(guān)積分運(yùn)算[5]等計(jì)算處理獲得實(shí)際的位移值。

3　實(shí)驗(yàn)結(jié)果

本系統(tǒng)硬件采集是在集成開發(fā)環(huán)境IAR下進(jìn)行仿真調(diào)試，利用飛思卡爾的K60并配合嵌入式操作系統(tǒng)FreeRTOS進(jìn)行數(shù)據(jù)采集和傳輸，通過DMA雙通道進(jìn)行AD采集并配合MQTT網(wǎng)絡(luò)協(xié)議實(shí)現(xiàn)數(shù)據(jù)的實(shí)時采集和高速穩(wěn)定的傳輸。數(shù)據(jù)分析是在Windows 7下的python 2.7環(huán)境下進(jìn)行采集信號的上位機(jī)存儲和處理，通過對采樣頻率為10 kHz和5 kHz，振動頻率分布在80 Hz、40 Hz、20 Hz和10 Hz的不同振幅數(shù)據(jù)進(jìn)行分析測試，部分實(shí)驗(yàn)結(jié)果如圖5和圖6所示。根據(jù)實(shí)驗(yàn)結(jié)果得出，20 Hz及其以上頻率采集的數(shù)據(jù)誤差率基本控制在5%左右，10 Hz的采集數(shù)據(jù)，振幅在100 μm及其以上的誤差率較小，基本控制在10%以內(nèi)，振幅小于100 μm的誤差較大，根據(jù)不同的振幅誤差差別比較大，還需進(jìn)一步分析。

圖5　對10 Hz、100 μm的原始加速度進(jìn)行濾波后的曲線對比

圖6　對40 Hz、400 μm的原始加速度進(jìn)行濾波后的曲線對比

通過在機(jī)械設(shè)備中加裝本系統(tǒng)，設(shè)備運(yùn)行現(xiàn)場工作人員減少了20%以上，大大降低了現(xiàn)場人員的巡檢力度。同時通過振動傳感器信號的分析處理對設(shè)備故障進(jìn)行預(yù)警，對于由振動信息反映設(shè)備狀態(tài)的故障率下降了70%，大大降低了設(shè)備的損壞率。

4　結(jié)　語

振動傳感器的性能要求隨著工業(yè)的進(jìn)步在逐步提高，特別是在低頻振動測量領(lǐng)域，需要盡量減少噪聲，還原實(shí)際的振動信號。在振動信號去噪和濾波的過程中，由于實(shí)際應(yīng)用中振動傳感器信號可能是非線性且非平穩(wěn)的，傅里葉變換去噪方法有可能會漏掉較短時間內(nèi)信號的變化，特別是少數(shù)突出點(diǎn)，后續(xù)考慮采用小波分析[6]，在傅里葉變換的基礎(chǔ)上加入了平移和伸縮因子，使其可以從尺度、時間兩方面進(jìn)行分析。另外目前的工作主要是針對一維數(shù)據(jù)進(jìn)行實(shí)驗(yàn)測試，后續(xù)根據(jù)實(shí)際需要考慮利用多維振動信號之間的相關(guān)性進(jìn)行相關(guān)測試。

[1] 張浩,王建林,趙利強(qiáng),等.基于加窗插值FFT的加速度傳感器信號處理方法[J].儀表技術(shù)與傳感器,2016(2):12-14.

[2] 付榮,傅榮華,付安生,等.基于快速傅里葉變換的地震波加速度構(gòu)成及其幅頻特性研究[J].地震學(xué)報,2014,3(5):417-424.

[3] Eichstadt S,Link A,Bruns T,et al.On-line dynamic error compensation of accelerometers by uncertainty-optimal filtering[J].Measurement,2010,43(5):708-713.

[4] 劉新廠,柴曉冬,鄭樹彬,等.慣性測量單元中加速度信號的去噪處理[J].儀表技術(shù)與傳感器,2013(10):97-99.

[5] 王劍,王璋奇.振動加速度數(shù)值積分的Lagrange多項(xiàng)式擬合方法[J].噪聲與振動控制,2015,12(6):191-210.

[6] Boggess A,Narcowich F J.小波與傅里葉分析基礎(chǔ)[M].芮國勝,康健,譯.2版.北京:電子工業(yè)出版社,2010.

[7] 薛蕙,楊仁剛.基于FFT的高精度諧波檢測算法[J].中國電機(jī)工程學(xué)報,2002,22(12):106-110.

[8] 陳毅強(qiáng).低頻壓電加速度傳感器的噪聲特性及信號處理方法研究[D].北京:燕山大學(xué)電氣工程學(xué)院,2016.

[9] 祝石厚.基于卡爾曼濾波算法的動態(tài)諧波狀態(tài)估計(jì)技術(shù)研究[D].重慶大學(xué),2008.

[10] 姚丹,謝雪松,楊建軍.基于MQTT協(xié)議的物聯(lián)網(wǎng)通信系統(tǒng)的研究與實(shí)現(xiàn)[J].信息通信,2016(3):33-35.

[11] 姜妮,張宇,趙志軍.基于MQTT物聯(lián)網(wǎng)消息推送系統(tǒng)[J].網(wǎng)絡(luò)新媒體技術(shù),2014(6):62-64.

[12] 蓋榮麗,錢玉磊,李鴻彬,等.基于MQTT的企業(yè)消息推送系統(tǒng)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2015(11):69-75.