褚世凱，秦會(huì)斌

(杭州電子科技大學(xué)新型電子器件與應(yīng)用研究所，浙江杭州310018)

風(fēng)力發(fā)電機(jī)振動(dòng)采集系統(tǒng)的設(shè)計(jì)

褚世凱，秦會(huì)斌*

(杭州電子科技大學(xué)新型電子器件與應(yīng)用研究所，浙江杭州310018)

針對(duì)振動(dòng)分析在風(fēng)力發(fā)電機(jī)狀態(tài)檢測(cè)及故障定位中的作用，設(shè)計(jì)了基于ADXL335三軸加速度傳感器的振動(dòng)采集系統(tǒng)，并通過(guò)STM32實(shí)現(xiàn)模數(shù)轉(zhuǎn)換。對(duì)信號(hào)采集過(guò)程中出現(xiàn)的頻率混疊，設(shè)計(jì)了六階巴特沃斯低通濾波器，采用Savitzky-Golay平滑算法對(duì)信號(hào)中摻雜的噪聲進(jìn)行去噪。測(cè)試結(jié)果表明:所設(shè)計(jì)濾波器可有效濾除600 Hz以上的信號(hào)，振動(dòng)加速度的誤差可控制在0.5%以內(nèi);Savitzky-Golay平滑算法可有效消除信號(hào)中的噪聲。

振動(dòng);風(fēng)力發(fā)電機(jī);ADXL335;巴特沃斯;Savitzky-Golay

風(fēng)力發(fā)電機(jī)是風(fēng)能開(kāi)發(fā)的主要設(shè)備，其結(jié)構(gòu)復(fù)雜，運(yùn)行環(huán)境惡劣，因此風(fēng)力發(fā)電機(jī)故障頻發(fā)。根據(jù)實(shí)踐，風(fēng)力發(fā)電機(jī)常見(jiàn)故障主要集中在機(jī)械部件上，如齒輪箱、低速軸、高速軸以及發(fā)電機(jī)等［1］。機(jī)械振動(dòng)包含的信息豐富，在故障時(shí)的反應(yīng)迅速，且測(cè)量方便，因此目前風(fēng)力發(fā)電機(jī)的狀態(tài)檢測(cè)與故障定位主要基于振動(dòng)信號(hào)的分析。

趙志宏［2］等針對(duì)滾動(dòng)軸承振動(dòng)信號(hào)的不規(guī)則性和復(fù)雜性，提出一種基于小波包變換與樣本熵的軸承故障診斷方法。鄭近德［3］等針對(duì)滾動(dòng)軸承不同故障振動(dòng)信號(hào)具有不同復(fù)雜性的特點(diǎn)，提出基于多尺度熵和支持向量機(jī)的滾動(dòng)軸承故障診斷方法。張淑清［4］等將局部均值分解近似熵和模糊C均值聚類方法結(jié)合，將機(jī)械振動(dòng)信號(hào)局部均值分解后所得PF分量的近似熵作為特征向量，輸入到模糊C均值聚類分類器中，實(shí)現(xiàn)了不同類型機(jī)械故障的分類識(shí)別。Bafroui［5］等將小波能譜熵應(yīng)用于齒輪箱故障診斷，通過(guò)采集齒輪箱升速過(guò)程中的動(dòng)態(tài)信號(hào)，并加以分析，實(shí)現(xiàn)了齒輪箱不同轉(zhuǎn)速條件下的動(dòng)態(tài)過(guò)程故障診斷。Hernandez-Vargas［6］等針對(duì)異步電機(jī)轉(zhuǎn)子斷條和軸承故障的早期檢測(cè)問(wèn)題，提出奇異值分解和信息熵相結(jié)合的方法。

現(xiàn)有研究主要聚焦于對(duì)振動(dòng)的數(shù)字信號(hào)處理，在振動(dòng)信號(hào)采集方面并沒(méi)有太多的關(guān)注。但是所采集信號(hào)的準(zhǔn)確度對(duì)后期的信號(hào)分析有著非常大的影響，對(duì)于采樣過(guò)程中出現(xiàn)的頻率混疊也只能在采集過(guò)程中進(jìn)行處理。因此本文設(shè)計(jì)了風(fēng)力發(fā)電機(jī)振動(dòng)采集系統(tǒng)，采用了六階巴特沃斯模擬低通濾波器對(duì)傳感器的模擬輸出進(jìn)行處理，同時(shí)采用了Savitzky-Golay數(shù)據(jù)平滑算法進(jìn)行信號(hào)除噪。

1 方案設(shè)計(jì)

振動(dòng)采集系統(tǒng)的硬件結(jié)構(gòu)如圖1所示，利用ADXL335三軸加速度傳感器采集風(fēng)力發(fā)電機(jī)的振動(dòng)。為了避免ADC過(guò)程中的頻率混疊現(xiàn)象，本文有針對(duì)性的設(shè)計(jì)了低通濾波電路。通過(guò)STM32的ADC模塊進(jìn)行模擬信號(hào)的采集，同時(shí)STM32將采集的數(shù)據(jù)轉(zhuǎn)換為加速度值。采集的數(shù)字信號(hào)通常都難以避免的摻雜著噪聲［7］，如電路板之間由于器件耦合而產(chǎn)生的毛刺，信號(hào)采集過(guò)程中出現(xiàn)的周期性干擾，以及各種惡劣環(huán)境因素的影響。這些干擾噪聲的頻率帶寬比較大，對(duì)原始信號(hào)的影響也比較嚴(yán)重，所以需要對(duì)信號(hào)進(jìn)行平滑處理，以達(dá)到減小噪聲的目的。最終將采集的數(shù)據(jù)通過(guò)串口發(fā)送給上位機(jī)。

圖1 系統(tǒng)結(jié)構(gòu)圖

2 ADXL335的應(yīng)用

本文選取了ADXL335三軸加速度傳感器，它可測(cè)量±3 gn以內(nèi)的加速度，具有1.8 V～3.6 V的寬工作電壓范圍，可抵御10 000 gn的沖擊［8］。ADXL335的靈敏度與電壓成正相關(guān)，在電壓為2 V時(shí)其靈敏度為195mV/gn，電壓每升高0.1 V靈敏度也隨之升高約10mV/gn。ADXL芯片內(nèi)每個(gè)輸出端都接有一個(gè)32 kΩ的電阻，如果在輸出引腳上外接一個(gè)適當(dāng)?shù)碾娙荩蔷涂蓸?gòu)成簡(jiǎn)單的低通濾波電路，從而達(dá)到控制輸出帶寬的目的，本文中在輸出引腳XOUT、YOUT、ZOUT別接0.01μF電容，使其輸出帶寬為600 Hz。為了減少電源中的噪聲，通常會(huì)將ADXL335 VS端外接一個(gè)去耦電容，一般可采用0.1μF的電容。其應(yīng)用電路如圖2所示。

圖2 ADXL335應(yīng)用電路

3 巴特沃斯濾波器的設(shè)計(jì)

在等步長(zhǎng)的離散采樣過(guò)程中會(huì)出現(xiàn)混疊現(xiàn)象，在數(shù)學(xué)上早已通過(guò)傅里葉分析進(jìn)行過(guò)證明。當(dāng)發(fā)生頻率混疊時(shí)，原始信號(hào)中就會(huì)夾雜原本不存在信號(hào)與頻率，其直接結(jié)果就是對(duì)所采集信號(hào)造成干擾。Butterworth濾波器在其通帶內(nèi)幅值響應(yīng)最為平坦，其阻頻帶的頻率衰減不夠出色，這方面的不足可通過(guò)增加濾波器的階數(shù)來(lái)彌補(bǔ)。隨著階數(shù)的增加電路的復(fù)雜度也隨之提升，因此首先需要找出滿足需求的最低階數(shù)。對(duì)此可通過(guò)式(1)進(jìn)行計(jì)算:

式中，α2為最小阻帶衰減，ωs為阻帶頻率，ωc為截止頻率。本文中α2=20 dB，ωs=900 Hz，ωc=600 Hz，K=1。將參數(shù)代入式(1)可得n=5.666 480，因此巴特沃斯濾波器的階數(shù)至少為6階。

巴特沃斯低通濾波器的電路實(shí)現(xiàn)有多種，本文通過(guò)3個(gè)二階無(wú)限增益多端反饋電路(簡(jiǎn)稱MFB)的級(jí)聯(lián)來(lái)實(shí)現(xiàn)我們所需的六階巴特沃斯低通濾波器。二階MFB低通濾波電路如圖3所示。

圖3 二階MFB低通濾波電路

此電路有著下面的關(guān)系式:

對(duì)以上各式進(jìn)行整理可得:

式中，K為增益，B與C為歸一化系數(shù)，對(duì)于六階巴特沃斯濾波器，B與C的值如表1所示。

表1 六階巴特沃斯低通濾波器的設(shè)計(jì)系數(shù)

實(shí)際中各種電阻值更容易獲得，因此在設(shè)計(jì)時(shí)先設(shè)定好C1與C2的值，然后根據(jù)式(3)計(jì)算出各電阻值。在電路中如果把所有電阻乘以某個(gè)常數(shù)，同時(shí)電容除以這個(gè)常數(shù)，那么濾波器的特性不變［9］。根據(jù)這一特點(diǎn)可對(duì)計(jì)算出的電阻電容值進(jìn)行調(diào)整。最終計(jì)算出的各電阻電容值如表2所示。因此最終設(shè)計(jì)的六階巴特沃斯低通濾波電路如圖4所示。

表2 計(jì)算出的電阻電容值

圖4 六階巴特沃斯低通濾波電路

4 數(shù)據(jù)處理

4.1 數(shù)據(jù)轉(zhuǎn)換

在信號(hào)經(jīng)過(guò)了低通濾波器的處理后，采用STM32f103rbt6進(jìn)行模擬信號(hào)的采集。STM32f103rbt6是一款基于CortexM3內(nèi)核的32 bit微處理器，其外設(shè)齊全，開(kāi)發(fā)與調(diào)試都非常方便［10］。STM32f103RBT6的ADC是十二位逐次逼近型模數(shù)轉(zhuǎn)換器，其最大轉(zhuǎn)換速率為1 MHz。在信號(hào)采集中，一般將采樣率設(shè)定為目標(biāo)頻率的3倍～4倍即可，本文將采樣率設(shè)為3 kHz。同時(shí)本文采用DMA方式進(jìn)行數(shù)據(jù)傳輸，大大提高了效率。對(duì)于STM32采集的數(shù)字信號(hào)，需要通過(guò)兩步才能轉(zhuǎn)化為加速度值。第1步是將所采集的數(shù)據(jù)轉(zhuǎn)化為電壓，其計(jì)算公式為:

式中，1.5為傳感器0 gn輸出電壓，φ為經(jīng)過(guò)軟件校準(zhǔn)后所添加的偏移量，0.325為傳感器在3.3 V電源下的靈敏度。

4.2 Savitzky-Golay平滑算法的應(yīng)用

Savitzky-Golay平滑算法是在時(shí)域內(nèi)利用最小二乘

式中，Vref為參考電壓，本文中的參考電壓為3.3 V，data為模數(shù)轉(zhuǎn)換后的16 bit結(jié)果，由于是12 bit的ADC，且對(duì)齊方式為右對(duì)齊，所以我們需要先將數(shù)據(jù)的高四位清零。

第2步是將電壓轉(zhuǎn)化為實(shí)際的加速度值，其計(jì)算公式為:法對(duì)滑動(dòng)窗口內(nèi)的數(shù)據(jù)進(jìn)行線性擬合的一種方法，它被廣泛的運(yùn)用于數(shù)據(jù)流平滑除燥［11］。相對(duì)于其他類似的平滑方法，Savitzky-Golay平滑能夠消除采樣信號(hào)中有較大誤差的數(shù)據(jù)點(diǎn)，同時(shí)保留相對(duì)極大值、極小值和寬度等分布特性，盡量保證原始數(shù)據(jù)的不失真［12］。

假設(shè)有一組數(shù)據(jù)x(i)，其中i=-k，…，0，…，k，即共有2k+1個(gè)連續(xù)點(diǎn)。有一個(gè)n階的多項(xiàng)式(如式(6))對(duì)這組數(shù)據(jù)進(jìn)行擬合:

對(duì)于擬合的效果可用式(7)表示:

λ越小則說(shuō)明擬合的效果越好。為了使λ最小，可令λ對(duì)各系數(shù)的導(dǎo)數(shù)為0，即:

得:

式中r=0，1，…，n。對(duì)式(9)化簡(jiǎn)可得:

一旦確定k與n的值，再將待擬合的2k+1個(gè)數(shù)據(jù)x(i)代入上式中即可求出擬合多項(xiàng)式的系數(shù)。然后把中間點(diǎn)的橫坐標(biāo)輸入得出的擬合多項(xiàng)式中，即可得到中間點(diǎn)在前后各k個(gè)點(diǎn)的基礎(chǔ)上的最佳擬合。

5 系統(tǒng)測(cè)試

5.1 濾波電路幅頻特性測(cè)試

在測(cè)試過(guò)程中我們將信號(hào)發(fā)生器產(chǎn)生的不同頻率的正弦信號(hào)作為輸入，用示波器觀察輸出信號(hào)相對(duì)輸入信號(hào)的幅頻變化。本實(shí)驗(yàn)測(cè)試了1 200 Hz以下的信號(hào)，600 Hz以下以及900 Hz以上的正弦信號(hào)每間隔40 Hz測(cè)試一次，頻率在600 Hz～900 Hz之間，頻率間隔20 Hz。在將得到的數(shù)據(jù)進(jìn)行整理之后我們得到了實(shí)際模擬濾電路的幅頻特性曲線，如圖5所示。

圖5 濾波電路幅頻特性曲線

從圖5可知，最終設(shè)計(jì)出的濾波器特性基本符合本文的設(shè)計(jì)指標(biāo)。但是其通帶不夠平坦，且增益一直小于1，經(jīng)分析這主要是由于實(shí)際電阻電容值的偏差所致。

5.2 數(shù)據(jù)精度測(cè)試

本文通過(guò)測(cè)量靜態(tài)加速度的方式對(duì)數(shù)據(jù)精度進(jìn)行測(cè)試，實(shí)驗(yàn)中讓X軸、Y軸與Z軸分別垂直于地面，然后對(duì)采集的數(shù)據(jù)與標(biāo)準(zhǔn)的垂直加速度(1 gn)進(jìn)行對(duì)比。在實(shí)驗(yàn)中由于無(wú)法將每個(gè)軸完全準(zhǔn)確地垂直于地面，本文采用多次測(cè)量，然后去除最大值與最小值，再將數(shù)據(jù)進(jìn)行平均，以達(dá)到誤差的最小化。每組實(shí)驗(yàn)中測(cè)量次數(shù)為12次，每次測(cè)量過(guò)后將傳感器重新校準(zhǔn)。采取如上所述的方法，本文最終獲得了10組數(shù)據(jù)，如表3所示。

表3 數(shù)據(jù)統(tǒng)計(jì)結(jié)果

從表3可以看出，所采集加速度準(zhǔn)確度較高，其中偏差最大的值為1.004 7 gn，相對(duì)標(biāo)準(zhǔn)值誤差為

0.47 %。

5.3 數(shù)據(jù)平滑效果測(cè)試

Savitzky-Golay平滑算法中窗口較大可以得到更好的去噪效果，但是隨著窗口的增加計(jì)算量也會(huì)增加，因此需要在二者之間進(jìn)行平衡。擬合階數(shù)較小可得到較好的去噪效果，過(guò)大則會(huì)使曲線變得毛糙。本文中窗口取15，擬合階數(shù)取4，圖6(a)為原始振動(dòng)信號(hào)，圖6(b)為經(jīng)過(guò)Savitzky-Golay平滑的振動(dòng)信號(hào)。

圖6 Savitzky_Golay的振動(dòng)信號(hào)

通過(guò)對(duì)比可知，Savitzky-Golay平滑算法能夠消除除信號(hào)中偏差較大的點(diǎn)，同時(shí)保留原始信號(hào)的紋理細(xì)節(jié)。同時(shí)有研究表明，Savitzky-Golay平滑算法能夠有效提高所采集數(shù)據(jù)的精度［13］。

6 結(jié)論

本文設(shè)計(jì)了基于ADXL335三軸加速度傳感器的風(fēng)力發(fā)電機(jī)振動(dòng)采集系統(tǒng)，針對(duì)信號(hào)采集過(guò)程中的頻率混疊以及摻雜的噪聲，設(shè)計(jì)了6階巴特沃斯低通濾電路，采用了Savitzky-Golay算法進(jìn)行去噪。從測(cè)試結(jié)果來(lái)看，本設(shè)計(jì)實(shí)現(xiàn)了振動(dòng)信號(hào)的準(zhǔn)確采集，從而為后期的數(shù)據(jù)處理奠定了基礎(chǔ)。

［1］婁海英.風(fēng)機(jī)振動(dòng)檢測(cè)與監(jiān)控分析系統(tǒng)［D］.北京交通大學(xué)，2008.

［2］趙志宏，楊紹普.基于小波包變換與樣本熵的滾動(dòng)軸承故障診斷［J］.振動(dòng)、測(cè)試與診斷，2012(32):640-644.

［3］鄭近德，程軍圣，胡思宇.多尺度熵在轉(zhuǎn)子故障診斷中的應(yīng)用［J］.振動(dòng)、測(cè)試與診斷，2013(33):294-297.

［4］Zimroz R，BartelmusW，Barszcz T，etal.Diagnosticsof Bearings in Presence of Strong Operating Conditions Non-Stationarity—A Pro-cedure of Load-Dependent Features Processing With Application Towind Turbine Bearings［J］.Mechanical Systems and Signal Processing，2014，46(1):16-27.

［5］BafrouiH H，Ohadi A.Application ofWavelet Energy and Shannon Entropy for Feature Extraction in Gearbox Fault Detection Under Varying Speed Conditions［J］.Neurocomputing，2014，133:437 -445.

［6］Vargas M H，Yepez E C，Perez A G，et al.Novel Methodology for Broken-Rotor-Bar and Bearing Faults Detection Through SVD and Information Entropy［J］.Journal of Scientific＆Industrial Research，2012(71):589-593.

［7］周金剛，彭東林，鄭方燕，等.基于STM32F4的時(shí)柵數(shù)控分度轉(zhuǎn)臺(tái)控制系統(tǒng)［J］.電子器件，2015(5):1138-1143.

［8］ANALOGDEVICES.ADXL335 datasheet［EB/OL］.http://wenku.baidu.com/view/530ea896dd88d0d233d46aed.html?from=search.2011.6.

［9］武紫玉.無(wú)刷直流電機(jī)濾波器設(shè)計(jì)方法研究［J］.電氣傳動(dòng)，2015(45):37-40.

［10］趙曉風(fēng)，周璟瑜，王邦均，等.STM32控制下基于GPS與GPRS的軌跡跟蹤器［J］.電子器件，2015(38):156-159.

［11］張一舟.基于Savitzky_Golay_省略_合的紅外圖像非均勻性條帶校正方法［J］.中國(guó)光學(xué)，2015(1):51-60.

［12］周增光.基于質(zhì)量權(quán)重的Savitzky_Golay時(shí)間序列濾波方法［J］.遙感技術(shù)與應(yīng)用，2013(2):232-239.

［13］周佳佳.Savitzky_Golay在含沖擊負(fù)荷短期負(fù)荷預(yù)測(cè)中的應(yīng)用［J］.電測(cè)與儀表，2014，(14):125-128.

褚世凱(1990-)，男，安徽六安人，碩士研究生，現(xiàn)就讀與杭州電子科技大學(xué)新型電子器件與應(yīng)用研究所，主要研究風(fēng)力發(fā)電機(jī)的振動(dòng)采集與異常診斷以及嵌入式應(yīng)用，925820780@qq.com;

秦會(huì)斌(1961-)，男，山東泰安人，博士，教授，博士生導(dǎo)師，現(xiàn)為杭州電子科技大學(xué)教授，主要研究方向?yàn)樾滦碗娮悠骷难邪l(fā)與應(yīng)用、抗電磁干擾技術(shù)等，qhb@hdu.edu.cn。

Design of W ind Turbine Vibration Acquisition System

CHU Shikai，QIN Huibin*

(Instituteof Electron Devices and Application，Hangzhou Dianzi University，Hangzhou Zhejiang 310018，China)

Aiming at the role of vibration analysis in the condition detection and fault location of wind turbine，the vibration acquisition system is designed based on ADXL335 three axis acceleration sensor，STM32 is used for analog digital conversion.For the frequency aliasing in the process of signal acquisition，a six order Butterworth low-pass filter was designed，and the Savitzky-Golay smoothing algorithm is used for noise signal elimination.Tests indicate the designed filter can effectively filter out the noise signals of above 600 Hz;vibration acceleration error can be controlled within 0.5%;Savitzky-Golay smoothing algorithm can effectively eliminate the noise in the signal.

vibration;wind turbine;ADXL335;butterworth;Savitzky-Golay

C:8260

10.3969/j.issn.1005－9490.2017.01.044

TP277

:A

:1005－9490(2017)01－0232－05

2016-01-08修改日期:2016-02-26