劉福政，高軍偉

(青島大學(xué)自動(dòng)化學(xué)院，山東青島 266071)

0 引言

滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械和設(shè)備中應(yīng)用較為廣泛的機(jī)械部件，在交通運(yùn)輸?shù)母鱾€(gè)方面均發(fā)揮著關(guān)鍵作用。雖然定期對(duì)其進(jìn)行維護(hù)和檢修，也難以避免故障的出現(xiàn)[1-3]。因此，設(shè)計(jì)有效的在線監(jiān)測系統(tǒng)，對(duì)其進(jìn)行故障診斷，就顯得尤為重要。長期以來，國內(nèi)外的研究也取得了一定的成果，但是國內(nèi)引進(jìn)和設(shè)計(jì)的設(shè)備，往往存在體積龐大，不易攜帶，診斷較慢和精度不高的問題[4]。為此，本文設(shè)計(jì)了一種基于LabVIEW和cRIO的滾動(dòng)軸承故障診斷系統(tǒng)，利用NI9215電壓模塊對(duì)數(shù)據(jù)進(jìn)行采集，其雙重隔離的設(shè)計(jì)，可以較大程度地屏蔽其他外來干擾，較好地提升穩(wěn)定性[5]。將實(shí)時(shí)控制器RT和現(xiàn)場可編程門陣列FPGA相互結(jié)合，保證了數(shù)據(jù)采集的實(shí)時(shí)性和穩(wěn)定性，上位機(jī)通過圖形化設(shè)計(jì)平臺(tái)LabVIEW[6]和強(qiáng)大的數(shù)學(xué)處理工具M(jìn)ATLAB相結(jié)合，既彌補(bǔ)了LabVIEW數(shù)據(jù)分析能力的不足，也克服了MATLAB人機(jī)交互界面不足的缺點(diǎn)，此種設(shè)計(jì)不僅易于攜帶、在線監(jiān)測，而且將虛擬儀器技術(shù)與基于信號(hào)的處理方法和神經(jīng)網(wǎng)絡(luò)相結(jié)合，在一定程度上解決了工程應(yīng)用中的問題。

1 系統(tǒng)的總體設(shè)計(jì)方案

基于LabVIEW和cRIO的滾動(dòng)軸承故障診斷系統(tǒng)的總體設(shè)計(jì)如圖1所示。該系統(tǒng)主要由5部分組成，其中包含傳感器部分，信號(hào)調(diào)理部分，數(shù)據(jù)采集部分，上位機(jī)軟件測控部分以及供電部分等。首先，采用加速度傳感器采集原始振動(dòng)信號(hào)，然后經(jīng)過信號(hào)調(diào)理模塊進(jìn)行放大和濾波處理，之后輸入到可以拔插于cRIO9075機(jī)箱上的NI9215電壓模塊中，再由LabVIEW2016編寫上位機(jī)程序，進(jìn)行數(shù)據(jù)的傳輸、顯示、預(yù)處理以及控制指令的發(fā)送等，并調(diào)用MATLAB節(jié)點(diǎn)，由CEEMD算法進(jìn)行信號(hào)特征向量的提取，最后通過PNN模型進(jìn)行故障診斷并顯示到LabVIEW主界面中。

圖1 系統(tǒng)的總體設(shè)計(jì)

2 系統(tǒng)的硬件設(shè)計(jì)

本文主要基于虛擬儀器技術(shù)和TCP/IP通訊協(xié)議，采用CA-YD-186加速度傳感器、YE3822A 信號(hào)調(diào)理器、cRIO9075嵌入式平臺(tái)、可拔插的C系列模塊NI9215以及供電部分進(jìn)行硬件開發(fā)，該部分主要實(shí)現(xiàn)軸承信號(hào)的采集。其中，NI-cRIO9075嵌入式平臺(tái)，擁有堅(jiān)固的嵌入式機(jī)箱，集成式工業(yè)級(jí)RT實(shí)時(shí)處理器，可重配置和用戶編程的LX25-FPGA控制器，機(jī)箱內(nèi)嵌有4個(gè)I/O模塊，10/100 Mbits以太網(wǎng)RJ-45端口和RS232串口[7]。NI9215電壓模塊，其輸入范圍為±10 V，16位分辨率和最高可達(dá)100 KS/s的采樣速率[8]。為了便于攜帶和操作，將各個(gè)硬件部分整合到一起，置于機(jī)箱中，有效地減少了外部其他振動(dòng)的干擾。系統(tǒng)所采用采集設(shè)備中的核心部件主要是信號(hào)調(diào)理部分和cRIO機(jī)箱部分。

3 系統(tǒng)的軟件設(shè)計(jì)與實(shí)現(xiàn)

該系統(tǒng)采用LabVIEW2016和MATLAB2016進(jìn)行混合編程，由LabVIEW編寫數(shù)據(jù)采集、顯示、命令發(fā)送程序，并調(diào)用MATLAB節(jié)點(diǎn)，進(jìn)行CEEMD特征向量提取以及PNN故障診斷，并將結(jié)果顯示在主界面中，主要包含下位機(jī)部分和上位機(jī)部分，程序流程圖如圖2所示。

圖2 程序流程圖

3.1 下位機(jī)程序

下位機(jī)程序由FPGA.vi和RT.vi組成。其中FPGA.vi程序如圖3所示。其作為底層的硬件驅(qū)動(dòng)程序，具有較強(qiáng)的實(shí)時(shí)性，來實(shí)現(xiàn)I/O的基本性能。采用平鋪式順序結(jié)構(gòu)總體實(shí)現(xiàn)，相繼引出設(shè)置采樣率的定時(shí)器，模塊1(NI9215)的AI0端口，并在硬件設(shè)備中進(jìn)行相應(yīng)連線。該程序需要在線編譯完成后，才可以將比特文件下載到機(jī)箱中的FPGA中，并重新進(jìn)行內(nèi)部地布線。RT.vi程序如圖4所示，主要采用for循環(huán)來不斷采集振動(dòng)數(shù)據(jù)，它可以直接讀寫FPGA的數(shù)據(jù)，并傳遞至已經(jīng)創(chuàng)建好的共享變量，便于實(shí)現(xiàn)與主程序以及上位機(jī)的通信。

圖3 FPGA.vi程序圖

圖4 RT.vi程序圖

3.2 上位機(jī)程序

上位機(jī)程序HOST.vi主要通過友好的人機(jī)界面來顯示、處理采集到的數(shù)據(jù)。在主界面中，可以實(shí)時(shí)地顯示信號(hào)的波形圖、小波去燥圖、功率譜、幅度譜等，便于對(duì)系統(tǒng)的運(yùn)行狀態(tài)做出判斷。同時(shí)調(diào)用MATLAB節(jié)點(diǎn)，采用CEEMD特征提取和PNN模型的故障診斷方法進(jìn)行故障判別。軸承監(jiān)測與故障診斷系統(tǒng)界面運(yùn)行圖如圖5所示，利用LabVIEW編寫圖形化程序，并將實(shí)時(shí)運(yùn)行狀態(tài)和診斷結(jié)果進(jìn)行反饋，可以實(shí)現(xiàn)實(shí)時(shí)性、智能化、高精度的診斷。

圖5 軸承監(jiān)測與故障診斷系統(tǒng)界面運(yùn)行圖

(1)CEEMD方法是一種處理非線性、非平穩(wěn)信號(hào)的自適應(yīng)方法，它能夠準(zhǔn)確地提取振動(dòng)信號(hào)的本質(zhì)特征[9-11]。

原始振動(dòng)信號(hào)x(t)，再經(jīng)過CEEMD分解后，可以分解為多個(gè)IMF分量和一個(gè)殘余量R的和，即：

(1)

(2)PNN是一種由徑向基函數(shù)網(wǎng)絡(luò)改善而成的神經(jīng)網(wǎng)絡(luò)，它的優(yōu)勢主要在于能夠運(yùn)用線性學(xué)習(xí)的算法來實(shí)現(xiàn)非線性學(xué)習(xí)算法的功能，并且能確保非線性算法的高精度特點(diǎn)，在分類問題以及模式識(shí)別領(lǐng)域中優(yōu)勢獨(dú)特[12-13]。本文將能量特征向量輸入到PNN模型中，可以得到4種不同的狀態(tài)，包含內(nèi)環(huán)、外環(huán)、滾子故障以及正常狀態(tài)。

4 試驗(yàn)與分析

本文選用QPZZ-II實(shí)驗(yàn)平臺(tái)(如圖6所示)對(duì)系統(tǒng)的設(shè)計(jì)進(jìn)行驗(yàn)證，軸承型號(hào)為N205(圓柱滾子軸承)。首先利用cRIO-9075對(duì)振動(dòng)信號(hào)進(jìn)行采集，4種狀態(tài)的波形圖如圖7所示。其中，外環(huán)故障進(jìn)行CEEMD分解后，得到的IMF分量如圖8所示。

圖6 QPZZ-Ⅱ軸承故障模擬實(shí)驗(yàn)平臺(tái)

圖7 滾動(dòng)軸承的原始振動(dòng)波形圖

圖8 外環(huán)故障的CEEMD分解圖

此處選取相關(guān)系數(shù)較大的前6個(gè)IMF分量，來提取其能量特征向量，步驟如下：

(1)根據(jù)式(2)和式(3)來分別計(jì)算第i個(gè)IMF分量(此處=i=1，2,…,6)的能量Ei以及總能量E：

(2)

(3)

式中：di(t)為第i個(gè)IMF分量;Dij為第i個(gè)IMF分量在第j個(gè)離散點(diǎn)的幅值；n為采樣點(diǎn)的個(gè)數(shù)。

(2)通過式(4)進(jìn)行能量歸一化[14-15]計(jì)算后可以得出其能量特征向量T為

T=(E1/E，E2/E，…，E6/E)

(4)

不同狀態(tài)的能量特征向量柱狀圖如圖9所示，從圖9可以看出，不同狀態(tài)的能量特征存在較大的差異，更有利于對(duì)故障類型進(jìn)行準(zhǔn)確的分類和診斷。

(a)正常信號(hào)

(b)內(nèi)環(huán)故障

(c)外環(huán)故障

(d)滾子故障

將上述方法提取到的能量特征向量輸入到PNN模型中，進(jìn)行故障診斷。本文中，每種狀態(tài)各自選取80組數(shù)據(jù)，前40組用于訓(xùn)練，后40組用于測試，其中每組數(shù)據(jù)包含1 024個(gè)數(shù)據(jù)采樣點(diǎn)。其測試結(jié)果如表1所示，可以看出，利用本文的方法，對(duì)滾動(dòng)軸承故障信號(hào)進(jìn)行診斷，有著較好的效果。

表1 測試樣本診斷結(jié)果

5 結(jié)束語

本文設(shè)計(jì)了一種基于LabVIEW和cRIO的滾動(dòng)軸承故障診斷系統(tǒng)，采用混合調(diào)用的方法，充分發(fā)揮了LabVIEW的圖形化特點(diǎn)和MATLAB的數(shù)學(xué)計(jì)算優(yōu)勢。經(jīng)過實(shí)驗(yàn)證明，該系統(tǒng)可以實(shí)時(shí)地對(duì)軸承振動(dòng)信號(hào)進(jìn)行有效監(jiān)測，并可以及時(shí)地處理和診斷采集的數(shù)據(jù)。同時(shí)由于其便于攜帶，擁有友好的人機(jī)界面，智能化等特點(diǎn)，對(duì)工程應(yīng)用提供了一定的參考價(jià)值。